Análisis Multivariante

El método científico tiene dos características principales: carácter empírico y carácter replicable. Verdadero. Falso.

Los modelos teoréticos son aquellos que organizan las ideas o estructura del objeto de investigación en base a un tipo de lenguaje determinado. Verdadero. Falso.

Los modelos matemáticos se expresan en lenguaje matemático y permiten hacer predicciones. Verdadero. Falso.

Los modelos estadísticos son un subtipo de modelos matemáticos y tienen dos partes: una sistemática y otra aleatoria. Verdadero. Falso.

La parte aleatoria de un modelo constituye una estimación de aquello que no podemos explicar en la investigación. Verdadero. Falso.

La parte sistemática es un conjunto de componentes que representan el efecto de varias variables combinadas. Verdadero. Falso.

Y = b0 + b1X1 + b2X2 ... + E sería la expresión lineal general de un modelo estadístico. Verdadero. Falso.

Los supuestos de un modelo pueden ser paramétricos o no paramétricos. Verdadero. Falso.

El proceso de datos es un continuo que comienza en la fase de diseño de la investigación. Verdadero. Falso.

En la recogida de datos existen dos posiblidades de investigación: ex - post facto y experimental. Verdadero. Falso.

Una investigación ex-post facto es aquella en la que el experimentador espera que el fenómeno ocurra de modo espontáneo y lo observa. Verdadero. Falso.

A la hora de interpretar los resultados se intenta aceptar o rechazar la hipótesis de trabajo. Verdadero. Falso.

La validez externa está relacionada con la probabilidad de generalizar los resultados de un contexto a la población. Verdadero. Falso.

La validez ecológica está relacionada con la posiblidad de generalizar los resultados a otros contenidos, otras variables, otras situaciones experimentales y otras muestras entre otros. Verdadero. Falso.

Según el nivel de medida las variables pueden ser: nominales, ordinales, de intervalo y de razón. Verdadero. Falso.

La distinción entre variables de intervalo y de razón radica en que las primeras no contemplan la posiblidad de que exista cero absoluto entre los valores que adoptan los datos, mientras que en las segundas si existe esta posibilidad. Verdadero. Falso.

Las variables nominales equivaldrían a las cualitativas, las cuasi cuantitativas a las ordinales y las cuantitativas a las de intervalo y razón. Verdadero. Falso.

En las variables de intervalo no hay un punto de origen en el 0, el origen es arbitrario. Verdadero. Falso.

En la recogida de datos los datos longitudinales son aquellos que informan de una variable y su evolución a lo largo del tiempo. Verdadero. Falso.

Una encuesta de población activa recoge datos de panel. Verdadero. Falso.

Los datos recogidos se ordenan en matrices. Filas = sujetos. Columnas = variables. Verdadero. Falso.

La matriz de distancias y de similariedades son cuadradas. Verdadero. Falso.

El nivel descriptivo trata de resumir e ilustrar la información em una matriz de datos. Verdadero. Falso.

En el nivel inferencial bivariado se trata de comparar dos variables o pares de variables. Verdadero. Falso.

El análisis multivariante es una extensión del análisis univariado y bivariado al análisis simultáneo de dos o más variables. Verdadero. Falso.

El análisis multivariante refleja la cantidad de datos existente en la realidad, sintetizando los aspectos más importantes y perdiendo el mínimo de información. Verdadero. Falso.

Los datos recogidos se ordenan en matrices. Filas = sujetos. Columnas =variables. Verdadero. Falso.

Uno de los peligros principales del análisis multivariado es la fácil estimación de los resultados en contraste con la dificil interpretación de estos. Verdadero. Falso.

Un peligro a tener en cuenta al usar técnicas multivariantes es la inclusión de demasiadas variables explicativas en el modelo. Verdadero. Falso.

Los modelos matemáticos son una representación formal y estructurada de la realidad, son complejos y extensos. Verdadero. Falso.

Los modelos matemáticos únicamente explican propiedades y leyes de la realidad. Verdadero. Falso.

Una maqueta a escala podría considerarse un modelo icónico. Verdadero. Falso.

Los modelos analógicos se calsifican en informáticos y matemáticos. Verdadero. Falso.

Existen tres tipos de modelos: icónicos, analógicos y matemáticos. Verdadero. Falso.

Los componentes B1 y B2 son términos que sirven para corregir el desfase de escala entre valores o entre la parte explicativa y la parte explica del modelo. Verdadero. Falso.

En el modelo Y = f(x) + E; Y es la parte explicativa o el objeto de investigación. Verdadero. Falso.

A la hora de diseñar un modelo debemos tender a escoger el más complejo posible, y si no es posible, reducirlo a uno más simple. Verdadero. Falso.

Las fases de una investigación son: Planteamiento del problema, formulación de hipótesis, recogida de datos, interpretación de resultados y elaboración del informe. Verdadero. Falso.

B0 = a; a es el valor que suma Y cuando X (el valor de las variables) es igual a 0. Verdadero. Falso.

No es necesario que el problema sea formulable operativamente para comenzar una investigación. Verdadero. Falso.

El proceso de datos finaliza con el análisis estadístico del mismo. Verdadero. Falso.

A nivel estadístico hablamos de dos tipos de hipótesis: de trabajo y rival plausible. Verdadero. Falso.

El diseño de una investigación parte de una estrategia científica que puede ser experimental, cuasiexperimental o selectiva. Verdadero. Falso.

La elección de una prueba estadística de análisis de datos está en función del tipo de variables, pero no en función de la distribución de estas. Verdadero. Falso.

En las investigaciones experimentales el investigador no provoca la aparición del fenómeno objeto de estudio. Verdadero. Falso.

Los resultados de una investigación se expresan en términos absolutos. Verdadero. Falso.

Según el papel en la investigación, las variables se clasifican en: cualitativas y cuantitativas. Verdadero. Falso.

En las variables discretas, entre dos valores adyacentes pueden existir infinitos valores intermedios. Verdadero. Falso.

El número de hijos de una persona se considera una variable continua. Verdadero. Falso.

Una variable es una característica de un objeto de estudio susceptible de adoptar únicamente dos valores distintos (0 y 1: ausencia o presencia de variable). Verdadero. Falso.

Las variables nominales expresan cualidad, pero también cantidad. Verdadero. Falso.

Los datos del panel recogen información de distintos elementos en un momento concreto del tiempo. Verdadero. Falso.

Los datos transversales combinan las características de los longitudinales y los de panel. Verdadero. Falso.

Existen dos niveles de análisis estadístico: el descriptivo univariado y el de modelización o multivariante. Verdadero. Falso.

Son técnicas descriptivas: la correlación canónica y la Prueba de homogeneidad de la varianza. Verdadero. Falso.

La modelización permite elaborar modelos explicativos y predictores, pero solo comparando variables de dos en dos. Verdadero. Falso.

El nivel de modelizacióin o multivariante no permite detectar variables latentes. Verdadero. Falso.

En el análisis multivariado los estadísticos se clasifican según: técnicas de dependencia y técnicas de independencia. Verdadero. Falso.

El análisis multivariante es útil para descubrir las relaciones ntre variables pero no para contrastar hipótesis globales. Verdadero. Falso.

Los casos anómalos no suponen un problema grave para las ténicas multivariantes, ya que estas no se ven afectadas por este tipo de datos. Verdadero. Falso.

La parte sistemática de un modelo se denomina Término de Error. Verdadero. Falso.

Las técnicas estadísticas son herramientas estadísticas. Verdadero. Falso.

Los métodos de dependencia son aquellos en los que se especifica una variable como pronostica a partir de otras. Verdadero. Falso.

Si los datos son cuantitativos debemos usar un método métrico de análisis. Verdadero. Falso.

El hecho de que tengamos datos cuantitativos, cualitativos o ambos condiciona el tipo de técnica de análisis a utilizar. Verdadero. Falso.

Los pasos en la Modelización serían las etapas a seguir cuando queremos aplicar una téncica multivariante sobre unos datos recogidos. Verdadero. Falso.

La estimación de parámetros consite en obtener los valores cosntantes, de peso de las variables, etc, en el modelo. Verdadero. Falso.

El hecho de que los parámetros se ajusten correctamente a la ecuación determina que el modelo será capaz de realizar buenas predicciones. Verdadero. Falso.

La regresión lineal permite predecir la relación entre VD y una o varias VI (esta relación solo puede ser lineal). Verdadero. Falso.

Existe una excepción en la regresión lineal, las VI pueden ser cualitativas si utilizamos Varibales ficticas o DUMMY. Verdadero. Falso.

El análisis discriminante utiliza como VD variables cualitativas y como VI variables cuantitativas. Verdadero. Falso.

El análisis discrminante trata de clasificar en grupos según las puntuaciones de las VI's. Verdadero. Falso.

La representación matemática de la regresión lineal general sería la ecuación de la recta. Verdadero. Falso.

En el análisis discriminante los grupos están establecidos a priori. Verdadero. Falso.

Las VI's en la regresión logísticas pueden ser tanto cualitativas como cuantitativas. Verdadero. Falso.

La regresión logística se podría usar para predecir si un sujeto aprobará o no en función de: horas de estudio, CI, motivación... Verdadero. Falso.

La regresión logística es un caso particular de la regresión lineal múltiple. Verdadero. Falso.

El análisis de la varianza determina en que medida una VD (o varias) está influenciada por una VI (o varias). Verdadero. Falso.

El análisis conjunto permite explicar las preferencias de las amas de casa hacia las distintas marcas de leche. Verdadero. Falso.

Según la recogida de datos, el análisis conjunto permite tres posiblidades de estudio con el SPSS: Orthoplan, Plancards y Conjoint. Verdadero. Falso.

Estimar la importancia de cada atributo de un objeto sería una de las utilidades del análisis conjunto. Verdadero. Falso.

En el análisis conjunto, las VI deben ser categóricas puesto que representan atributos y las VD deben ser ornidales, dado que representan preferencia. Verdadero. Falso.

El análisis de supervivencia es útil para predecir el riesgo. Verdadero. Falso.

Para saber si un grupo de paciente sobrevivirá a partir de: tratamiento, edad, recaídas, etc. podemos usar el análisis de supervivencia. Verdadero. Falso.

La VD del análisis de supervivencia debe ser cuantitativa puesto que representa el tiempo que transcurre hasta la ocurrencia del evento. Verdadero. Falso.

El Path analysis de los modelos de ecuaciones estructurales permite probar relaciones entre variables a distintos niveles. Verdadero. Falso.

Para comprobar si se ajusta un modelo teórico a los datos podemos usar la subtécnica AMOS (un gráfico en el que observar la similaridad de los modelos teóricos y sus datos). Verdadero. Falso.

Para conocer la relación entre un grupo de variables de personalidad y un ocnjunto de resultados de test podmeo sutilizar la correlación canónica. Verdadero. Falso.

El análisis discriminante es una técnica que clasifica los datos. Verdadero. Falso.

El análisis factorial se utiliza para reducir datos, identifica factores o variables latentes. Verdadero. Falso.

Para poder utilizar el análisis factorial las variables deben estar en escala de intervalo o de razón. Verdadero. Falso.

A través del análisis de correspondencias podemos reducir los datos, obteniendo dimensiones o variables latentes. Verdadero. Falso.

El análisis de correspondencias es un subtipo del análisis factorial. Verdadero. Falso.

En el análisis cluster se trata de encontrar el menor número de grupos posibles, excluyentes y exhaustivos. Verdadero. Falso.

Una aplicación del Cluster sería identificar grupos jóvenes en base a sus horas de estudio y el número de revistas que compran. Verdadero. Falso.

Las técnicas de dependencia también pueden considerarse técnicas de explicación o predicción. Verdadero. Falso.

El escalamiento multidimensional reduce datos, agrupando variables que estudian las preferencias de los sujetos. Verdadero. Falso.

Las técnicas multivariantes sólo permiten utilizar un conjunto de variables simultáneamente. Verdadero. Falso.

Una de las ventajas del escalamiento multidimensional es la versatilidad en la recogida de datos. Verdadero. Falso.

Según Sheth, las téncias multivariantes pueden clasificarse en función de las variables, pero no de las propiedades de datos. Verdadero. Falso.

En los métodos de Interdependencia las VI's son independientes estre si. Verdadero. Falso.

El hecho de que unas variables dependan de otras en un modelo, hace necesaria la utilización de un método de interdependencia para el análisis de datos. Verdadero. Falso.

El hecho de que unas variables dependan de otras en un modelo, hace necesaria la utilización de un método de interdependencia para el análisis de datos. Verdadero. Falso.

La estimación de parámetros es el primer paso en la modelización. Verdadero. Falso.

La especificación del modelo debe realizarse matemáticamente para que este tenga utilidad. Verdadero. Falso.

En el paso de evaluación del ajuste, sólo tratamos de comprobar si el modelo es más apropiado para los datos. Verdadero. Falso.

Si el modelo es óptimo y realiza buenas predicciones la modelización terminaría con una reespecificación del modelo que hemos conseguido. Verdadero. Falso.

La interpretación de los coeficientes consiste exclusivamente en hacer una interpretación del modelo general y explicar su utilidad. Verdadero. Falso.

La regresión lineal sólo permite trabajar con datos cualitativos. Verdadero. Falso.

Hay dos tipos de regresión lineal: Simple (usa una sola VD) y Múltiple (sa varias VD). Verdadero. Falso.

Son téncicas dependientes: Regresión lineal, Análisis discriminante, Regresión logística, Análisis de la varianza, Análisis conjunto y Análisis de conglomerados. Verdadero. Falso.

Si intentamos predecir la conducta de voto a partir de ingresos, edad, etc. tendríamos que usar una regresión lineal. Verdadero. Falso.

El análisis discriminante utiliza varias VI's y una VD que debe ser cualitativa o politómica. Verdadero. Falso.

La regresión logística determina en que grado una VD está influenciada por varias VI's. Verdadero. Falso.

La VD debe ser cuantitativa en la regresión logística. Verdadero. Falso.

La regresión logística puede ser de dos tipos: Simples (VD dicotómica) y Múltiple (VD politómica). Verdadero. Falso.

El análisis de la varianza se divide en anova (sólo está presente una VD) y manova (análisis en relación a varias VD). Verdadero. Falso.

El análisis de la varianza requiere que las VI's sean cuantitativas, al igual que las VD's. Verdadero. Falso.

El análisis conjunto es una técnica de interdependencia. Verdadero. Falso.

El análisis conjunto comprueba en que medida un modelo teórico se ajusta a los datos obtenidos. Verdadero. Falso.

La recogida de datos estructurada y restringida para estudios de marketing sería una característica de aplicación de análisis conjunto. Verdadero. Falso.

En el análisis conjunto, las VI deben ser categóricas puesto que representan atributos, y las VD's deben ser ordinales, dado que representan preferencia. Verdadero. Falso.

En el análisis de supervivencia tanto las VI's como las VD's son cuantitativas. Verdadero. Falso.

El análisis de supervivencia requiere al menos 3 VI: De respuesta (tiempo de registro cualitativa), De censura (cualitativa) y Explicativa (cualitativa o cuantitativa). Verdadero. Falso.

La variable de censura en el análisis de supervivencia es cualitativa politómica puesto que define el grado en que el evento tendrá lugar. Verdadero. Falso.

En los modelos de ecuaciones estructurales, las VI son cualitativas y las VD son cuantitativa. Verdadero. Falso.

Los modelos de ecuaciones estructurales son útiles para predecir recaídas. Verdadero. Falso.

La subtécnica LISREL se puede usar sólo con variables cualitativas en las ecuaciones de modelos estructuales. Verdadero. Falso.

La correlación canónica utiliza VI y VD ambas cuantitativas. Verdadero. Falso.

La correlación canónica permite hacer grupos entre un conjunto de VI's y otro de VD's. Verdadero. Falso.

La técnica Overals permite el análisis de conjuntos de variables mezcladas de VD y VI, por un lado y de VD's por otro. Verdadero. Falso.

La autoría de la ténica de análisis de varianza es atribuida a Pearson. Verdadero. Falso.

Existen dos tipos de análisis factorial: simple y múltiple. Verdadero. Falso.

El análisis factorial exploratorio requiere especificar el número de factores que queremos obtener. Verdadero. Falso.

El análisis de correspondencias utiliza variables cualitativas y cuantitativas para sus cálculos. Verdadero. Falso.

El análisis de correspondencia simple utiliza más de dos variables en sus cálculos. Verdadero. Falso.

Agrupar items de una escala y etiquetarlos (clasificarlos) en dos dimensiones de evaluación (memoria verbal y memoria numérica) sería una posible aplicación del análisis de correspondencias. Verdadero. Falso.

El análisis de conglomerados, al igual que el factorial y el de correspondencias, agrupa variables para reducir datos. Verdadero. Falso.

El Cluster análisis trata de que los grupos tengan alta homogeneidad dentro de ellos y alta heterogeneidad entre ellos. Verdadero. Falso.

El análisis de correspondencia permite utilizar tanto datos cuantitativos como cualitativos. Verdadero. Falso.

La diferencia del Cluster con el análisis discrimiante es que en el primero los grupos están definidos previamente, mientras que en el segundo no. Verdadero. Falso.

El escalamiento multidimensional permite realizar representaciones espaciales de los sujetos en relación a sus preferencias. Verdadero. Falso.

En el análisis log-linear las variables son cuantitativas. Verdadero. Falso.

Un ejemplo de utilización del análisis log - linear sería el estudio de dimensiones subyacentes que utilizan los sujetos a la hora de afiliarse a un equipo de futbol. Verdadero. Falso.

El análisis de datos presenta ciertos problemas relacionados con errores que cometemos al recoger datos, al codificarlos, por la existencia de sujetos que no responden, etc. Verdadero. Falso.

El tratamiento de datos es un procedimeinto exhaustivo para controlar las cualidades de los datos. Verdadero. Falso.

Depurar los datos consiste en detectar y corregir errores cometidos en la introducción de datos. Verdadero. Falso.

Con el análisis exploratorio examinamos los datos para conocer la tendencia de estos. Verdadero. Falso.

El análisis de datos consiste en la aplicación de técnicas estadísticas con unos determinados objetivos. Verdadero. Falso.

La estimación del error es un procedimiento que llevamos a cabo dentro de la fase de depuración. Verdadero. Falso.

En la comprobación parcial, al seleccionar una submuestra, esta debe contener entre el 10% y el 20% de los datos. Verdadero. Falso.

La fórmula PE es la siguiente PE = [errores/casos*vbles]*100. Verdadero. Falso.

En caso de que la selección de la muestra sea no aleatoria debemos estimar el número de errores en toda la matriz antes de aplicar el PE. Verdadero. Falso.

Para corregir errores usamos estrategias sistemáticas de búsqueda de errores e incoherencias. Verdadero. Falso.

Las tablas de contingencias (o de frecuencias cruzadas) detectan inconsistencias entre dos variables. Verdadero. Falso.

Tanto la búsqueda de valores ausentes, como la de casos anómalos se raliza en la fase de análisis exploratorio. Verdadero. Falso.

Los missing provocan una reducción del tamaño mnuestral, y eso conlleva que la muestra se vuelva no representativa e inadecuada. Verdadero. Falso.

En caso de que los missing se distribuyan al azar y la pérdida de información sea pequeña, el SPSS permite corregirlos de dos formas: Listwise y Pairwise. Verdadero. Falso.

La estrategia de Pairwise no reduce tanto el tamaño muestral. Verdadero. Falso.

Si los datos no están distribuidos al azar y hay una asuscia grande de información podemos imputarlos o destruirlos. Verdadero. Falso.

Con la sustitución transformamos y reemplazamos los valores después de obtener descriptivos. Verdadero. Falso.

Los casos anómalos o atípicos son de dos tipos: outliers y extremos. Verdadero. Falso.

El criterio usado para definir los casos anómalos es la distancia entre estos casos con respecto al cuerpo central de la distribución. Verdadero. Falso.

Los outliers son aquellos valores que se separan de los valores normales entre 1,5 y 3 veces el IQR. Verdadero. Falso.

Los extremos son casos que se distancian en mayor medida de la distribución que los outliers. Verdadero. Falso.

Los valores atípicos desajustan el promedio de la distribución y el contraste entre dos variables. Verdadero. Falso.

Para subsanar el problema de desajuste de la media podemos acudir a estadísticos como la mediana o los m-estimadores. Verdadero. Falso.

Para detectar los casos anómalos a nivel univariante podemos utilizar el boxplot, el IQR, o los gráficos de tallo y hojas. Verdadero. Falso.

Los casos anómalos estropean el ajuste en un gráfico de dispersión. Verdadero. Falso.

Un boxplot permite conocer la dispersión o distribución de los datos. Verdadero. Falso.

El boxplot permite ver valores extremos y outliers además del IQR. Verdadero. Falso.

El boxplot nos ofrece información de la asimetría y la curtosis. Verdadero. Falso.

Si la mediana tiene un valor menor que el de la media podemos concluir que existe asimetría positiva. Verdadero. Falso.

Si la mediana tiene un valor igual que el de la media concluimos que existe asimetría. Verdadero. Falso.

Para comprobar la nomralidad de los datos utilizamos la prueba K-S de Lilliefors o el histograma. Verdadero. Falso.

El concepto de aleatoriedad quiere decir que los sujetos han sido escogidos al azar, por lo que existe independencia entre las medias. Verdadero. Falso.

La linealidad se puede comprobar con gráficos de dispersión facilmente. Verdadero. Falso.

Si la distribución tiene asimetría negativa fuerte usaremos Antilog X para transformar los datos. Verdadero. Falso.

Si la distribución tiene asimnetría positiva fuerte podemos transformar los datos con -1/X^3 o -1/X. Verdadero. Falso.

Si la significación es menor de 0,005 concluimos que se cumplen los supuestos paramétricos. Verdadero. Falso.

En la introducción de datos registramos los datos brutos en el ordenador. Verdadero. Falso.

La depuración y el análisis exploratorio son las fases más importantes en el tratamiento de datos. Verdadero. Falso.

En la trasnformación de datos existen dos fases: una activa y una pasiva. Verdadero. Falso.

Con el análisis exploratorio detectamos los missings y comprobamos supuestos para, en fases posteriores, corregir los casos anómalos. Verdadero. Falso.

La estimación del error no permite conocer la calidad de los datos introducidos una vez detectados y corregidos, pero si permite detectarlos y corregirlos. Verdadero. Falso.

Existen dos métodos de estimación del error: total (estimando el porcentaje de error) y parcial. Verdadero. Falso.

En la comprobación parcial se estima el porcentaje de error comprobando exhaustivamente todos los datos introducidos en el ordenador. Verdadero. Falso.

La selección de una submuestra en la comprobación parcial de errores debe realizarse de modo aleatorio. Verdadero. Falso.

Para poder considerar los datos como poseedores de una buna calidad para su análisis el resultado del PE debe ser superior al 0,05%. Verdadero. Falso.

La estrategia de valores fuera de rango o no permitidos es útil para variables nominales, ordinales y cuantitativas discretas y también se usa para detectar inconsistencias entre dos variables. Verdadero. Falso.

Los missings son valores en variables a las que el sujeto responde pero su codificación es confusa. Verdadero. Falso.

Sólo podemos corregir los missing si se distribuyen al azar y la pérdida de información es pequeña. Verdadero. Falso.

La estrategia Listwise reduce mucho el tamaño muestral y además dificulta la comparación entre coeficientes dado que cada coeficiente es calculado con distinto tamaño muestral. Verdadero. Falso.

Con la imputación solo reemplazamos los valores. Verdadero. Falso.

Podemos realizar sustitución de valores con las medias entre puntos adyacentes, con la mediana entre puntos adyacentes, con interpolación lineal, etc. Verdadero. Falso.

La media de subclases de Kalton es un método de sustitución. Verdadero. Falso.

Con los métodos de imputación, cmo la tendencia lineal en el punto, analizamos los datos. Verdadero. Falso.

El recorrido intercuantílico (IQR) constituye el 50% de los casos, que están situacdos entre el cuartil 50 y el 75. Verdadero. Falso.

Los extrewmos se representan con un círculo en el boxplot. Verdadero. Falso.

Son M - estimadores: Andrews, Huber, Tukey y Wallis. Verdadero. Falso.

Para solucionar el problema de desajuste entre dos variables que provocan los casos anómalos podemos acudir a contrastes no paramétricos como la prueba de la mediana, U de Man - Withney o la media reducida. Verdadero. Falso.

Para detectar los casos anómalos a nivel multivariante utilizamos los gráficos de dispersión. Verdadero. Falso.

La distancia de Mahalanobis y la de Cook son útiles para detectar casos anómalos a nivel bivariado. Verdadero. Falso.

El boxplot ofrece información de los percentiles 25 y 75, pero no de los 50 y 100. Verdadero. Falso.

Las partes superior e inferior de la caja central representan el máximo y el mínimo de la distribución de los datos sin que estos se consideren anómalos. Verdadero. Falso.

Si la mediana está en la parte inferior de la caja entonces decimos que hay asimetría negativa. Verdadero. Falso.

La mediana es la línea que atraviesa la caja central del boxplot y coincide con el P50. Verdadero. Falso.

Si la mediana está en la parte superior de la caja entonces podemos conlcuir que existe simetría. Verdadero. Falso.

Si el valor de curtosis es positivo, decimos que una distribución es leptocúrtica. Verdadero. Falso.

En el momento en que estemos aplicando un contraste de hipótesis debemos empezar a comprobar los supuestos paramétricos. Verdadero. Falso.

Son supuestos paramétricos la colinealidad y la normalidad residual. Verdadero. Falso.

La homocedasticidad es la existencia de relación lineal entre las variables observadas. Verdadero. Falso.

La homocedasticidad se comprueba con la prueba de rachas. Verdadero. Falso.

Si no se cumplen los supuestos paramétricos podemos usar una prueba paramétrica o intentar transformar la variable. Verdadero. Falso.

La transformación de las variables se hace teniendo en cuenta los datos preliminares sobre la curtosis de la distribución y no la simetría de esta. Verdadero. Falso.

Si la distribución tiene una asimetría negativa suave podemos transformar los datos usando X^2 o X^3. Verdadero. Falso.

Si la distribución tiene una asimetría negativa suave podemos transofmrar los datos usando Log X o Raíz(X). Verdadero. Falso.

Las pruebas no paramétricas tienen mayor potencia que las paramétricas. Verdadero. Falso.

La regresión lineal múltiple es una extensión de la regresión lineal simple. Verdadero. Falso.

La correlación lineal es una medida del grado de asociación entre dos variables. Verdadero. Falso.

El sumatorio de productos cruzados en la correlación nos explica la dirección de la relación. Verdadero. Falso.

La covarianza elimina el efecto del tamaño de la muestra. Verdadero. Falso.

El coeficiente de correlación de Pearson controla, además del las influencias del tamaño de meustra, el efecto de las unidades de medida. Verdadero. Falso.

El coeficiente de correación de Pearson utiliza las desviaciuones típicas de los valores de las variables para sus cálculos. Verdadero. Falso.

El coeficiente de determinación informa sobre el porcentaje exacto de variación de dos variables. Verdadero. Falso.

Si queremos estudiar la asociación entre dos variables después de controlar los efectos de una o más variables adicionales usamos la correlación parcial. Verdadero. Falso.

Uno de los fines de la regresión simple es determinar la función que relaciona la VI con la VD. Verdadero. Falso.

Según el método de mínimos cuadrados necesitamos ajustar la ecuación Y = a+bX a los datos para, posteriormente, minimizar el error con diferencias de los valores de las variables elevadas al cuadrado. Verdadero. Falso.

La estimación de parámetros en la regresión lineal se realiza mediante el método de mínimos cuadrados. Verdadero. Falso.

Se cumple que el Sumatorio (Yi - ^Yi)^2 es mínimo. Verdadero. Falso.

La varianza explicada es la proporción de variación que podemos explicar de la variación total de Y, y alcanza valores entre 0 y 1. Verdadero. Falso.

El modelo general del análisis de regresión lineal sería: ^Yi = B0+B1X1+B2X2 + ...BnXn, donde a es un estimador de B0. Verdadero. Falso.

Para utilizar el método de minimos cuadrados debemos descomponer la variación total de Y y aplicar el método de mínimos cuadrados. Verdadero. Falso.

R^2 ajustado se utiliza cuando utilizamos muchas variables o la muestra es muy reducida. Verdadero. Falso.

Para poder comparar los coeficientes b debemos estandarizarlos. Verdadero. Falso.

En la regresión simple t^2 = F. Verdadero. Falso.

El método por pasos puede ser de tres tipos distintos: hacia adelante, hacia atrás o en pasos sucesivos. Verdadero. Falso.

El error típico de estimación es la desviación típica de los errores y equivale a la raiz cuadrada de la media cuadrántica residual. Verdadero. Falso.

El método hacia delante de la selección de variables inicia sin variables e introduce primero la variable con mayor valor de Bn. Verdadero. Falso.

La distancia de Cook detecta los outliers que pueden estar afectando al modelo. Verdadero. Falso.

Para comprobar la independencia de los datos usamos el estadístico de Durbin Watson en la regresión lineal. Verdadero. Falso.

En la ecuación predictiva de la regresión lineal múltiple b1, b2, bn serían las variables independientes. Verdadero. Falso.

El coeficiente de correlación varía entre 0 y 1. Verdadero. Falso.

Si la medida del coeficiente de correlación fuese 0,25 estaríamos diciendo que existe una relación inversa entre las variables. Verdadero. Falso.

El sumatorio de productos cruzados se expresaría matemáticamente según: [∑( ^Yi-Y)^2]/[∑(Y-^Yi)^2]. Verdadero. Falso.

El coeficiente de correlación de Pearson es una buena medida de la relación de las variables cuando estas se miden en escala cualitativa. Verdadero. Falso.

El coeficiente de determinación es la raiz cuadrada del coeficiente de correlación de Pearson. Verdadero. Falso.

Si la covarianza tiene un valor igual a 0, quiere decir que las variables son dependientes, mientras que si el valor es distinto a 0, son independientes. Verdadero. Falso.

La fórmula del coeficiente de correlación de Pearson para puntuaciones directas sería: Verdadero. Falso.

El coeficiente de correlación informa sobre la fuerza de la relación pero no sobre la dirección puesto que solo alcanza valores entre 0 y 1. Verdadero. Falso.

La regresión simple no hace predicciones de valores de la VD, para ello tenemos que recurrir a la regresión múltiple. Verdadero. Falso.

La regresión lineal consiste en hacer un ajuste de los valores de las variables a una ecuación matemática lineal, lo que solo puede hacerse con un diagrama de dispersión. Verdadero. Falso.

En la estimación de parametros la desviación total de Y es igaul a la suma de las desviaciones predichas por el modelo. Verdadero. Falso.

El método de mínimos cuadrados nos permite encontrar los valores de a y b que minimizan la desviación debida a la regresión. Verdadero. Falso.

B es un parámetro que nos informa de la cantidad de comabio pronosticado en Y para el cambio de 1 unidad en X, y además, es siempre positivo, dado que alcanza valores entre 0 y 1. Verdadero. Falso.

Al parámatro a también se le denomina interconcepto, puesto que representa el valor que alcanza Y cuando X=0. Verdadero. Falso.

La varianza explicada también es 1+variación debida al error. Verdadero. Falso.

La varianza explicada explica la fuerza de la relación y la dirección de la misma. Verdadero. Falso.

Bn, cuando es mayor de 0 indica que un incremento en la VI provoca un descenso en la VD. Verdadero. Falso.

La estimación de parámetros es el fin de la regresión. Verdadero. Falso.

R^2 es el cuadrado del coeficiente de correlación múltiple y toma valores entre 1 y -1. Verdadero. Falso.

R^2 x 100 es una medida de bondad de ajuste del modelo, es un porcentraje de la variación de X que está explicada por Y. Verdadero. Falso.

La prueba ANOVA se usa para comprobar la significación de los resultados en la regresión lineal para cada variable por si sola. Verdadero. Falso.

La prueba t es capaz de comprobar si un VD es estadísticamente significativo. Verdadero. Falso.

Para que una variable resulte significativa con la prueba t debe ofrecer un resultado mayor de 2,96 con un nivel de significación del 0,05. Verdadero. Falso.

En la selección de variables existen dos métodos: enter y stepwise, siendo el primero el más recordado. Verdadero. Falso.

Para mejorar el ajuste de los datos en la regresión lineal podemos usar sólo la distancia de Cook o la de Mahalanobis. Verdadero. Falso.

Los modelos multiatributo se basan en la teoría de la integración de información. Verdadero. Falso.

Los modelos multiatributo explican las preferencias centrándose en el sujeto. Verdadero. Falso.

Las preferencias se han explicado según la teoría de la decisión y los modelos multiatributo. Verdadero. Falso.

Según la teoría de los modelos multiatributo solo los objetos están configurados por atributos. Verdadero. Falso.

El atractivo de un objeto se explica a partir de las características del objeto. Verdadero. Falso.

Los sujetos perciben cada objeto en conjunto, no perciben los atributos de este. Verdadero. Falso.

El atractivo de un objeto es el nivel de preferencia que tiene para el sujeto dicho objeto. Verdadero. Falso.

En investigación interesa medir el estímulo, más que el atributo subyacente del estímulo. Verdadero. Falso.

Los objetos tienen niveles que únicamente aportan valor final al objeto. Verdadero. Falso.

La TII de Anderson postula que la preferencia puede expresarse en función de coeficientes que ponderan la aportación de cada característica a la preferencia global y en función del objeto en cuestión sobre el que se tiene dicha preferncia. Verdadero. Falso.

La TII de Anderson se puede explicar matemáticamente como Y = f (C, X). Verdadero. Falso.

Según los modelos compensatorios, los efectos de las características de un estímulo son multiplicativos. Verdadero. Falso.

Los modelos compensatorios postulan que niveles de atributo no deseados son compensados con otros niveles de atributo. Verdadero. Falso.

La utilidad total de un objeto es igual a la suma de utilidades parciales de los distintos niveles de un mismo atributo del objeto. Verdadero. Falso.

En un modelo compensatorio el precio de la leche puede compensar el envase. Verdadero. Falso.

Existen dos opciones para explicar las preferencias: la estrategia composicional y la estrategia descomposicional. Verdadero. Falso.

La estrategia descomposicional es más realista que la composicional. Verdadero. Falso.

El análisis conjunto tiene su origen en la psicología y en el marketing. Verdadero. Falso.

El análisis conjunto consiste en una metodología para modelizar las preferencias de los sujetos. Verdadero. Falso.

Los atributos son características en las que se descompone un objeto. Verdadero. Falso.

El objetivo del análisis conjunto es entender la estructura de preferencias de cada sujeto. Verdadero. Falso.

En el diseño de la investigación debemos seleccionar los atributos y los niveles de estos. Verdadero. Falso.

Podemos recoger datos usando matrices trade-off o perfiles completos. Verdadero. Falso.

En la recogida de datos podemos usar tanto estímulos reales como simulados. Verdadero. Falso.

Se pueden recoger los datos mediante cuestionarios digitales a través de Internet. Verdadero. Falso.

En la estimación del modelo se busca averiguar la utilidad subjetiva de un estímulo. Verdadero. Falso.

Los Partworth se conocen a través de la ordenación de preferencias que ha realizado el sujeto. Verdadero. Falso.

Los Partworth se conocen a través de la presencia o ausencia de los niveles de atributo. Verdadero. Falso.

El método OLS es válido y robusto tanto si la VD es ordinal como si es de intervalo. Verdadero. Falso.

La estimación OLS se lleva a cabo con regresión a partir de la ordenación de los sujetos. Verdadero. Falso.

A partir de la estimación OLS obtenemos para cada sujeto la relación r=XB+e. Verdadero. Falso.

Las tarjetas hold - out son tarjetas que se hacen a mayores para comprobar si el ajuste del modelo es bueno. Verdadero. Falso.

Las utilidades parciales sumadas son iguales a la utilidad total del objeto. Verdadero. Falso.

El análisis conjunto es un método composicional. Verdadero. Falso.

La estrategia descomposicional consiste en preguntar directamente al sujeto por la importancia de cada atributo particular. Verdadero. Falso.

El análisis conjunto emplea el ajuste de los diseños experimentales a variables ordinales y la lógica de los modelos lineales. Verdadero. Falso.

El análisis conjunto parte de información métrica (preferencias) y proporciona información no métrica (utilidades). Verdadero. Falso.

El análisis conjunto explica las preferencias de modo cualitativo. Verdadero. Falso.

El análisis conjunto utiliza las utilidades totales para calcular utilidades parciales que nos revelan las preferencias de los sujetos; con estas predecimos el comortamiento. Verdadero. Falso.

Antes de seleccionar el conjunto de estímulos el sujeto debe ordenarlos. Verdadero. Falso.

Los atributos deben ser relevantes, operativos, comunicables, y dependientes conceptualmente e ilimitados. Verdadero. Falso.

Los perfiles completos son poco realistas ya que solo permiten al sujeto evaluar dos atributos al mismo tiempo. Verdadero. Falso.

Las matrices trad-off son realistas ya que contienen pocos atributos y niveles. Verdadero. Falso.

Las matrices trad-off ofrecen la posibilidad de usar diseños fraccionados. Verdadero. Falso.

En la estimación del modelo se estiman los pesos B para cada atributo del objeto. Verdadero. Falso.

Los Partworth son los pesos estimados para cada nivel (J) del objeto (J). Verdadero. Falso.

r = XB + e; en esta relación r es la matriz de datos del sujeto. Verdadero. Falso.

Para evaluar el ajuste en el análisis conjunto, usamos únicamente R^2. Verdadero. Falso.

La regresión logística identifica factores de riesgo y de protección. Verdadero. Falso.

La regresión logística trabaja con posibilidades. Verdadero. Falso.

La regresión logística estima cuanto aumentan las posibilidades de sufrir una patología si se dan determinadas condiciones. Verdadero. Falso.

La regresión logística realiza pronósticos de pertenencia a un grupo en base a la estimación de probabilidades, a partir de los valores de las VI's. Verdadero. Falso.

La ODD identifica cambios en las VI's que implican cambios en el ratio de probabilidad de un evento. Verdadero. Falso.

El Logit es una función de enlace logarítmica. Verdadero. Falso.

La regresión logística sigue los mismos pasos que el análisis discriminante. Verdadero. Falso.

Debe existir una relación lineal entre el Logit y las VI's en la regresión logística. Verdadero. Falso.

Al igual que en la regresión lineal múltiple, en la regresión logística las mejores variables se seleccionan con el método enter o el método stepwise. Verdadero. Falso.

En la regresión log´sitica X2 sirve para saber si el modelo es estadísticamente significativo. Verdadero. Falso.

El estadístico de Wald se usa para interpretar los coeficientes en la regresión logística. Verdadero. Falso.

Las matrices de clasificación nos hablan del porcentaje de sujetos correctamente clasificados. Verdadero. Falso.

En el estadístico de Wald un b positivo aumenta la probabilidad de que ocurra un evento. Verdadero. Falso.

El Exp(b) permite identificar factores de riesgo y de protección. Verdadero. Falso.

Existen dos tipos de regresión logística, la simpre (con VD dicotómica) y la múltiple (con VD politómica). Verdadero. Falso.

La regresión logística es restrictiva, ya que no se pueden usar VI's cualitativas. Verdadero. Falso.

Si no se cumplen los supuestos para el análisis discriminante tampoco se cumplirán para la regresión logística. Verdadero. Falso.

Si la VD es dicotómica, en una predicción de recaída - rehabilitación, para la regresión logística se trabaja con un valor de referencia del tipo: P<0 recaída; P> o = 0 rehabilitación. Verdadero. Falso.

La ODD es el cociente 1-P(Y) (probabilidad de que no ocurra un evento) entre P(Y) (probabilidad de que ocurra un evento). Verdadero. Falso.

El logit toma valores entre +1 y -1. Verdadero. Falso.

El modelo de regresión logística es: Ln[P(Y)/1-P(Y)] = B0+B1X1+B2X2+...+BnXn. Verdadero. Falso.

El Logit no es imprescindible para obtener valores de probabilidad en la regresión logística. Verdadero. Falso.

La regresión logística es más exigente que el análisis discriminante en lo tocante a supuestos. Verdadero. Falso.

En la regresión logística las variables no tienen porque ser cuantitativas, pero si deben ser normales. Verdadero. Falso.

Uno de los supuestos más importantes de la regresión logística es la multicolinealidad. Verdadero. Falso.

Al igual que en la regresión lineal múltiple, en la regresión logística los parametros se estiman mediante mínimos cuadrados. Verdadero. Falso.

El criterio de máxima verosimilitud minimiza las diferencias entre Y e Y'. Verdadero. Falso.

Existen dos versiones de los coeficientes de la regresión logística: los estandarizados y los minimizados. Verdadero. Falso.

R^2 de Nagelkerke no es un indicador de ajuste de la regresión logística muy exacto, es mejor el R^2 de Coxx y Snell. Verdadero. Falso.

Al usar las matrices de clasificación como indicador de bondad de ajuste, el criterio de aleatoriedad debe ser ganar 1/2 al azar. Verdadero. Falso.

El R^2 de Coxx y Snell tiene valores entre -1 y 1. Verdadero. Falso.

-2LL nos ofrece el valor de la varianza explicada. Verdadero. Falso.

Con -2LL, cuanto más próximos a 0 peor ajuste. Verdadero. Falso.

El estadístico de Wald un b positivo aumenta la probabilidad de que ocurra un evento. Verdadero. Falso.

El analisis de supervivencia está relacionado con los modelos de series temporales. Verdadero. Falso.

El objetivo del análisis de superviviencia es estimar el Riesgo o probabilidad de pertenecer a un grupo de recaída. Verdadero. Falso.

En el análisis de supervivencia se estima la función de supervivencia general con tablas de supervivencia y gráficos de supervivencia. Verdadero. Falso.

El análisis de supervivencia permite modelizar la supervivencia de la población objeto de estudio. Verdadero. Falso.

Las variables de censura permiten identificar factores de riesgo y de protección en el análisis de supervivencia. Verdadero. Falso.

La variable de respuesta nos da información del tiempo durante el que cada sujeto ha formado parte del estudio. Verdadero. Falso.

La variable de respuesta es una variable cualitativa. Verdadero. Falso.

Las variables explicativas deben ser cuantitativas en el análisis de supervivencia. Verdadero. Falso.

El análisis de supervivencia permite aprovechar la información de todos los sujetos porque todos los sujetos empiezan y terminan al mismo tiempo el estudio. Verdadero. Falso.

En el planteamiento de objetivos (en el análisis de supervivencia) únicamente se define el evento de interés y se determinan las variables manipuladas. Verdadero. Falso.

En el diseño del estudio debe definirse el período concreto de registro, definiendo el evento, el inicio y la finalización del seguimiento y la escala del tiempo. Verdadero. Falso.

En el análisis de supervivencia los supuestos a considerar son más teóricos que estadísticos. Verdadero. Falso.

El único supuesto que debe cumplirse en el análisis de supervivencia es que la censura debe tener carácter aleatorio. Verdadero. Falso.

La asunción de proporcionalidad consiste en que si dos sujetos tienen valores distitnso en VI's, la razón entre sus funciones al azar debe ser independiente del tiempo. Verdadero. Falso.

La estimación de la función de superviviencia para distintos grupos se hace según el método de Log Rank. Verdadero. Falso.

El análisis de supervivencia permite probar el efecto de distintas variables independientes en la función de supervivencia. Verdadero. Falso.

Las tablas y gráficos de Kaplan-Meier tienen carácter explicativo. Verdadero. Falso.

Para elaborar curvas de supervivencia podemos usar el método actuarial o el método de Kaplan - Meier. Verdadero. Falso.

Las tablas de Kaplan - Meier sirven para estimar la probabilidad de supervivencia por encima de un período de tiempo determinado. Verdadero. Falso.

Una de las condiciones que requiere su cumplimiento para poder usar tablas y gráficas de Kaplan - Meier es que los sujetos que se retiran del estudio tengan un perfil distinto a los que permanecen en el. Verdadero. Falso.

En las tablas de Kaplan - Meier se ordenan los sujetos de mayor a menor tiempo de superviviencia. Verdadero. Falso.

Para calcular la probabilidad de supervivencia en las tablas de Kaplan - Meier se usa la expresión: Verdadero. Falso.

En la fórmula de cálculo de supervivencia Pk es la probabilidad de sobrevivir el décimo mes. Verdadero. Falso.

Otra forma de calcular la probabilidad de supervivencia es usando la expresión. Verdadero. Falso.

Sólo se calcula Pk en los meses en los que se ha producido algún evento. Verdadero. Falso.

Con el método Kaplan - Meier se construye un gráfico de supervivencia para cada sujeto. Verdadero. Falso.

Es frecuente que con muestras pequeñas existan grandes zonas planas y pequeños saltos. Verdadero. Falso.

En la gráfica de supervivencia nos interesa el RIESGO o HAZARD RATIO (la decelareación o tendencia de la curva. Verdadero. Falso.

Ayudándose de la gráfica de supervivencia se puede calcular la mediana o supervivencia media (período de tiempo en que la probabilidad de supervivencia es 1). Verdadero. Falso.

El Cálculo del error estándar en el análisis de supervivencia se hace mediante el método de Greenwood. Verdadero. Falso.

La fórmula del error estándar en el análisis de supervivencia corresponde con: Verdadero. Falso.

En la fórmula del error estándar n es el número de sujetos que han abandonado el estudio. Verdadero. Falso.

Con el valor de Se podemos elaborar un intervalo de confianza para alfa =0,05 y Se +- 1'96. Verdadero. Falso.

En el análisis de supervivencia se pueden realizar cálculos para distintos grupos (prueba Log Rank) explorando el efecto de una VI sobre la función (habría tantas curvas y tablas como VI's). Verdadero. Falso.

La prueba Log Rank asume que la función de supervivencia en los distitnos grupos debe ser similar, cuando esto no ocurra así, se reocmienda usar Z. Verdadero. Falso.

La regresión de Cox tiene carácter descriptivo. Verdadero. Falso.

La regresión de Cox permite incorporar en la modelización variables cuantitativas y cualitativas. Verdadero. Falso.

En el modelo del análisis de supervivencia, λ es Hazard o tasa de riesgo y α es el coeficiente de regresión para cada VI. Verdadero. Falso.

En la regesión de Cox, la estimación de parámetros se hace mediante Máxima Verosimilitud con el Método Newton-Rahson (en cada iteración consigue descender el valor de -2LL). Verdadero. Falso.

-2LL es la varianza explicada por el modelo ( X2 para ver si el modelo es estadísticamente significativo). Verdadero. Falso.

El estadístico de Wald sirve para conocer la significación de la Bn en su conjunto, cuando α<0,05 el Bn es significativo. Verdadero. Falso.

Exp(b) o HR es el cociente entre la tasa de riesgo de un sujeto bajo la condición A frente a la condición B. Verdadero. Falso.

Cuando Exp(b) = 1 disminuye el riesgo (aumenta la probabilidad de supervivencia). Verdadero. Falso.

Cuando Exp(b)>1 aumenta el riesgo (disminuye la probabilidad de supervivencia) y tendrá un Bn equivalente positivo. Verdadero. Falso.

En la prueba Log Rank el estadístico de contraste es: Verdadero. Falso.

El modelo de regresión de Cox es: Verdadero. Falso.

Para el cálculo de R (correlación parcial) se utiliza: Verdadero. Falso.