Análisis Multivariante

La R^2 de Nagelkerke es la versión de la de Cox y Snell corregida al alza. V. F.

La t de student se utiliza para analizar relaciones entre 2 variables, para conocer la aleatoriedad, y para detectar casos anómalos. V. F.

El análisis de Supervivencia es únicamente una técnica de Análisis Multivariante. V. F.

En el análisis de supervivencia usamos Wald para comprobar la significación global del modelo, y Chi cuadrado para la de cada VI, igual que en la regresión logística. V. F.

La Varianza y la Mediana son estadísticos resistentes a casos anómalos. V. F.

Para imputar podemos usar la regresión lineal. V. F.

Al sustituir los missing introducimos un sesgo hacia dentro. V. F.

Si hay multicolinealidad, podemos recurrir al análisis discriminante para obtener variables incorrelacionadas. V. F.

El análisis exploratorio se hace después del análisis preliminar. V. F.

El análisis discriminante es útil en la regresión lineal cuando hay poca variabilidad en las V. V. F.

La complejidad del comportamiento humano es una razón por la cual, para su estudio, es tan importante el análisis multivariante, así como la estadística en general. V. F.

La prueba de rachas es una prueba no paramétrica. V. F.

La correlación Rho es alternativa a la lineal de Pearson. V. F.

El porcentaje exacto de variación que comparten 2 V es igual a la variación de una que podemos explicar al conocer la otra. V. F.

Wxp nos dice la variación de la VD que explica cada VI. V. F.

Si Nei >1.96 para un nivel de significación de 0.05, concluímos que no ese sujeto no es un outlier. V. F.

A mayor Sei, peor ajuste. V. F.

r2=Screg/ScTotal. V. F.

En la regresión Logística estimamos probabilidades, pero no en el Análisis de supervivencia. V. F.

Y-Y'= Error típico. V. F.

En la regresión logística, no es necesaria la linealidad. V. F.

En el análisis de supervivencia, un factor de riesgo se corresponde siempre con un Hazard Ratio >1. V. F.

Si la ODD para una característica concreta es mayor a la ODD global, poseer dicha característica sería un factor de riesgo. V. F.

Para interpretar un EXP(b) menor a 1, tenemos que calcular la Inversa del Logaritmo. V. F.

Para la regresión lineal múltiple, han de cumplirse los supuestos de iormalidad, independencia de errores, proporcionalidad, linealidad, y homocedasticidad, entre otros. V. F.

Para pasar a un cociente de probabilidades, hemos de usar una función de enlace logarítmica. V. F.

Peligros del análisis multivariante son atentar contra el principio de parsimonia, y la falta de respuesta. V. F.

Si una puntuación Z > 1.96, podemos decir que ese caso no es anómalo. V. F.

Una puntuación Z nos indica cuántas desviaciones típicas por encima o debajo de la media, se sitúa una determinada puntuación directa. V. F.

Si la correlación de Pearson nos da cercana a 0, esas variables no tienen relación (o tienen muy poca). V. F.

Los gráficos de dispersión son útiles para conocer la dirección de la relación entre 2 variables, pero no para interpretar su magnitud, para ello necesitamos la suma de los productos cruzados de sus desviaciones. V. F.