Estadistica aplicada a las ciencias de la conducta

1: Siempre que nos encontremos con un valor p inferior a .05 debemos: Mantener HO. Rechazar HO. Rechazar H1.

2- Para llevar a cabo analisis no paramétricos los supuestos mas importantes son: Normalidad, homocedasticidad, independencia, y escala de medida de la variable dependiente debe ser ordinal. Normalidad, homocedasticidad, independencia, y escala de medida de la variable dependiente debe ser continua. Normalidad y homocedasticidad.

3-Hablamos de potencia estadística cuando: Afirmamos que existe un efecto cuando la hipótesis nula es verdadera. Afirmamos que un efecto existe cuando si lo hay. Afirmamos que un efecto no existe cuando no lo hay.

4- Cual seria la hipótesis nula: La relajación influye en la nota de examen. La relajación no influye en nota de examen. La nota del examen no influye en la relajación.

5- Sobre el supuesto de homogeneidad de varianza: Se debe realizar el Test de Shapiro- Wilk. Se debe realizar el Test de Levene. Se debe realizar Kolmogorov-Smimov.

6- Ante valor p mayor 0.05. Se rechaza hipótesis nula. Se mantiene hipótesis nula. Se rechaza hipótesis de normalidad.

7- Si mi tamaño de muestra es de 66 alumnos, que test estadístico usar?. Shapiro- Wilk. Kolmorogorov- Sminov. Curtosis y asimetría.

8- Sobre el supuesto de homogeneidad de varianzas: La hipótesis nula supone que las varianzas de los grupos son estadísticamente diferentes. La hipótesis nula supone que las varianzas de los grupos son estadísticamente iguales. La hipótesis alternativa supone que las varianzas de los grupos son estadísticamente iguales.

9-Para comparar de manera visual el supuesto de normalidad utilizaremos: Diagrama de caja y bigotes. Grafico de tallo y hojas. Histograma.

10- Cuando afirmamos que los ejercicios de respiración diafragmática mejoran el rendimiento, cuando realmente no lo están haciendo hablamos de: Error tipo I. Error tipo II. Potencia estadística.

11- El anova se usa frente a multiples comparaciones t test por separado para: Evitar el incremento de Error tipo I. Evitar el incremento de Error tipo II. Evitar el incremento de Error tipo III.

12- Hablamos de error tipo II cuando: Se mantiene la hipótesis nula cuando es falsa. Se mantiene la hipótesis nula cuando es verdadera. Se rechaza la hipótesis nula cuando es falsa.

13- La variable representada en un histograma es mas probable que sea normal si: Es simétrica y casi todos los casos tienen puntuaciones altas. Es simétrica y las puntuaciones no están excesivamente concentradas en el centro ni demasiado dispersas a lo largo de la escala de la viable. Es simétrica y las puntuaciones están excesivamente concentradas en el centro de la variable.

14- Si observo que hay demasiados casos en la parte alta de la variable, demasiados alumnos en el grupo han sacado notas altas en el examen, hablo de una asimetría: Positiva. Negativa. No hay tal asimetría.

15- Una variable representada en un grafico Q-Q es mas probable que sea normal si: Los círculos se alejan mucho de la línea diagonal. Los círculos se alejan poco de la línea diagonal. Tiene pocos círculos alrededor de la línea diagonal.

16- Lee atentamente y contesta: a-La hipótesis nula es que la variable es normal b-La hipótesis alternativa es que la variable no es normal c- La hipótesis nula es que la variable no es normal. Solo la a es correcta. Solo c es correcta. Las únicas correctas son a y b.

17- Los supuestos de test estadisticos son: Las características que se deben cumplir en los datos para que podamos analizarlos utilizando test estadisticos. Las características que no se deben cumplir en los datos para que podamos analizar con análisis estadisticos de tipo paramétrico. Las características que se deben cumplir en los datos para que podamos analizar con análisis estadisticos de tipo paramétrico.

18- El supuesto de homogeneidad de varianzas , en el caso de una comparación entre grupos dice que: Para poder utilizar la familia de los Test paramétricos, las varianzas (dispersión) de las puntuaciones en la variable (examen) del grupo control y grupo experimental tienen que ser similares. Para poder utilizar la familia de los Test paramétricos, las varianzas (dispersión) de las puntuaciones en la variable (examen) del grupo control y grupo experimental tienen que ser diferentes.

19:_ Respecto a la hipótesis de test para evaluar homogeneidad de varianzas: La hipótesis nula es que la varianza del grupo A es igual a la varianza de grupo B. La hipótesis nula es que la varianza del grupo A es diferente a la varianza de grupo B.

20- El test estadístico es: Variacion explicada por el modelo/Variacion no explicada por el modelo. Variacion no explicada por el modelo/Variacion explicada por el modelo.

21- Test paramétricos: Correlacion de Pearson-Analisis de regresión- T Student- Chi cuadrado. Correlacion de Pearson-Analisis de regresión- T Student- Anova. Correlacion de Pearson- Correlacion Spearman - T Student- Anova.

22- En un estudio se quiere comprobar si la utilización de dinámicas de grupo fomentan la cohesion de la clase mejora el rendimiento. En la clase A se aplican dinámicas de grupo, en la clase B no se aplican dinámicas de grupos. Al final se compara la nota media de la clase A con la nota media de clase B. Que diseño usamos para analizar estos datos?. Diseño Dependiente. Diseño Independiente. Diseño intra-sujetos.

23- Cual de estas afirmaciones es falsa: En el T test de medias dependientes se evalua a cada sujeto una vez. En el T test de medias independientes se evalua al sujeto una sola vez. En el T test de medias dependientes se evalua al sujeto dos veces.

24- Cual es la hipótesis nula: Media CI principio curso ≠ media CI final de curso. Media CI principio curso ≠ media CI principio de curso. Media CI principio curso = media CI final de curso.

25- T Test es una prueba paramétrica. Y como tal, la variable dependiente debe ser una escala de medida continua y la distribución debe ser normal. Y como tal, la variable dependiente debe ser una escala de medida ordinal y la distribución debe ser normal. Y como tal, la variable dependiente debe ser una escala de medida ordinal y la distribución debe presentar asimetría.

26- El tamaño del efecto. Sirve para comprobar si se cumplen los supuestos. Es una medida que cuantifica el impacto sobre los resultados del estudio. Muestra si las diferencias son estadísticamente significativas.

27- ¿Cuál de estas afirmaciones es falsa?. Siempre que encontremos diferencias significativas entre dos medias, el tamaño del efecto será alto. La d de Cohen cuantifica la magnitud de la diferencia entre dos medias, sean dependientes o independientes. Aunque encontremos diferencias significativas entre dos medias, podemos encontrarnos con un tamaño del efecto muy bajo.

28- ¿Qué tipo de diseño es común en Común en estudios de comparación pre-, post- y seguimiento?. Diseño de grupos mixtos. Diseño de grupos independientes. Diseño de medidas repetidas.

29- ¿Qué diseño utilizamos cuando no existe un número planeado de comparaciones y tenemos distinta N en cada grupo?. Tukey-Kramer. Bonferroni. HSD Tukey.

30- Cuando no se asumen varianzas iguales, se pueden utilizar otras alternativas de análisis Post Hoc, se puede hacer: T2 de Tamhane. C de Dunnett. Todas son correctas.

31- ¿Para conocer el tamaño del efecto en el ANOVA, nos fijamos en...?. Eta cuadrado o eta cuadrado parcial. Prueba de esfericidad. D de Cohen.

32- El supuesto de esfericidad se cumple cuando: P<0.05. p>0.05. p<0.01.

33- En el ANOVA de 2 factores de medidas independientes: Tenemos una H0 y dos H1. Formulamos una H0 y una H1 para cada una de las variables trabajadas. Tenemos solo una H0 y una H1.

34- Señala la opción incorrecta: Cuando hacemos Tukey debemos corregir el nivel de significación. Cuando hacemos Bonferroni debemos corregir el nivel de significación. Cuando hacemos Tukey no debemos corregir el nivel de significación.

35- Las comparaciones Post Hoc deben su nombre a que se llevan a cabo: Antes de realiza Anova. Despues de realizar Anova. Antes de realizar Tukey.

36- El tipo Post Hoc se decide en función de si: Se cumple el supuesto de normalidad o no. Se cumple el supuesto de Homogeneidad. Se cumple el número de comparaciones planeado.

37- En Bonferroni el valor p se corrige: Variacion sistematica/ Variacion no sistematica. Entre los grupos que vamos a comparar. Entre posibles combinaciones.

38- En la esfericidad un supuesto que debe cumplirse en el Anova es: Medidas independientes. Medidas dependientes. Medidas repetidas.

39- Los contrastes planeados se pueden llevar a cabo siempre y cuando: Tengamos hipótesis especifica después de recoger los datos de nuestro estudio. Tengamos hipótesis especifica antes de recoger los datos de nuestro estudio.

40- En los contrastes planeados podemos utilizar la misma variable: Varias veces siempre y cuando el numero de contrastes sea igual o inferior al numero de grupos menos 1 (k-1). Solo una vez individualmente. Ambas son incorrectas.

41- Cuando el supuesto de normalidad no se cumple debemos llevar a cabo un análisis paramétrico llamado: Correlación de Pearson. Análisis de regresión. Kruskal- Wallis.

42- Después de un Post Hoc, es lógico, incluso practico: Calcular Eta para que complemente nuestro análisis usando medias y desviaciones típicas de cada grupo. Calcular D de Cohen para que complemente nuestro análisis usando medias y desviaciones típicas de cada grupo. No se realiza nada después de un Post Hoc.

43- Un tamaño del efecto 0.80 es: Efecto pequeño. Efecto medio. Efecto alto.

44- El modelo predice cuando: P<0.05. P>0.05.

45- En diseño correlacional podemos asumir: Causalidad de una variable sobre otra. No podemos asumir causalidad. Existe relación causa y efecto.

46- En la correlación lineal: La variable predictora va siempre en el eje “Y” mientras que la variable resultado va siempre en el eje “X”. La variable predictora va siempre en el eje “X” mientras que la variable resultado va siempre en el eje “y”. La variable predictora va siempre en el eje “Y”.

47- La contante Bo hace referencia a: La variable resultado cuando la variable predictora disminuye. Al valor de la variable resultado cuando la puntuación de la variable predictora es 0. Ninguna es correcta.

48- Si la pendiente B1 es negativa: La variable resultado aumenta cuando la variable predictora disminuye y viceversa. La variable resultado disminuye cuando la variable predictora aumenta. La variable predictora disminuye.

49- El método de los mínimos cuadrados consiste: Encontrar una línea que maximice el valor de los residuos. Encontrar una línea que minimice el valor de los residuos. Encontrar una línea que iguale el valor de los residuos.

50- En el modelo de NO RELACION: Cualquier cambio en la variable predictora va a dar lugar a un valor aleatorio en la otra variable. Cualquier valor en la variable X va a dar como resultado en variable Y esa media de Y. Ninguna es correcta.

51- La suma de cuadrados del modelo (Scm): Es la diferencia entre cantidad de información que el modelo de no relación puede explicar y la cantidad de información que el modelo de relación no puede explicar. Es la diferencia entre cantidad de información que el modelo de no relación no puede explicar y la cantidad de información que el modelo de relación puede explicar. Se eleva al cuadrado la media total.

52- En regresión múltiple: Debe existir multicolinealidad. No debe existir multicolinealidad. Debe existir multicolinealidad para que dos variables predictoras estén altamente relacionadas entre sí.

53- “Que un R2= 0.26 sea interpretado como bajo, medio, alto depende de muchos factores, pero equivaldría a una relación ALTA entre dos variables si fuera transformado en correlación”. Esta frase es V o F?. Verdadera. Falsa.

54- Nos referimos a nivel de confianza cuando: Se rechaza la hipótesis nula cuando es verdadera. Se rechaza la hipótesis nula cuando es falsa. Se mantiene la hipótesis nula cuando es verdadera.

55- Coeficiente de correlación de Pearson mide: Mide la dependencia lineal entre dos variables cuantitativas. Mide la dependencia lineal entre dos variables cualitativas. Mide la como influye la Variable dependiente en la variable independiente.

56- La correlación indica: Indica si ambas variables van en la misma dirección o en dirección opuesta. Indica la proporción de cambio en una variable a partir del cambio en otra. Ninguna es correcta.

57- La Constante (o intersección) es: Lugar en el que la línea recta corta el eje Y. Grado de inclinación de la línea recta. Parte que el modelo no llega a predecir.

58- Kruskal-Wallis es. Un ANOVA no paramétrico que se utiliza cuando no se cumple el supuesto de normalidad. Un ANOVA no paramétrico que se utiliza cuando no se cumple el supuesto de homogeneidad. Un tipo de análisis post hoc que se utiliza cuando no se cumple el supuesto de normalidad.

59- Que análisis se encarga de averiguar el efecto de dos o mas variables independientes al mismo tiempo (sobre 3 o mas grupos) con una VS?. Anova de II factores. Pruebas T test. Anova I Factor.

60- Cuando no se asumen varianzas iguales, se pueden utilizar otras alternativas de análisis Post Hoc, se puede hacer: T2 de Tamhane. C de Dunnet. Todas son correctas.