Estadística aplicada conducta UC3 y UC4 viu

El supuesto de homogeneidad de varianzas es necesario para una prueba t de medias dependientes. No, solo para medias independientes. Tanto dependientes como independientes. Si, solo dependientes.

¿Cuál es la cierta?. En el T test de medias independientes, los grupos dependen el uno del otro. En el T test de medias independientes, los grupos no dependen el uno del otro. En el T test de medias independientes se comparan 3 o más grupos.

En el T test de medias independientes: La variable dependiente se mide dos veces en cada sujeto. La variable independiente se mide dos veces en cada sujeto. La variable dependiente se mide una sola vez en cada sujeto.

T test es una prueba paramétrica. Y Como tal , la variable dependiente debe ser una escala de medida ordinal y la distribución debe presentar asimetría. Y como tal, la variable dependiente debe ser una escala de medida contínua 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.

Utilizamos Tukey cuando quedemos estudiar las diferencias entre todas las combinaciones posibles de grupos. V. F.

En Bonferroni el valor p se corrige dividiendo p=0.05 entre el número de comparaciones posibles. F. v.

¿Para conocer el tamaño del efecto en el ANOVA, nos fijamos en...?. Eta cuadrado o eta cuadrado parcial. Xi cuadrado. ninguna.

En ANOVA de dos factores de medidas independientes formulamos una Ho y una H1 para cada una de las variables trabajadas. V. F.

El supuesto de homogeneidad de varianzas es necesario para una prueba t de medias dependientes. No, solo para medias independientes. Tanto medias dependientes como independientes. Sí, solo medias dependientes.

¿Cuál de estas afirmaciones es cierta?. En el T test de medias independientes, los grupos dependen el uno del otro. En el T test de medias independientes se comparan 3 o más grupos. En el T test de medias independientes, los grupos no dependen el uno del otro.

Un tamaño del efecto d=0.15 se interpreta como: Una magnitud muy baja o trivial al ser <20. Una baja magnitud al ser <20. Una magnitud media al ser <20.

En el T test de medias independientes: La variable dependiente se mide dos veces en cada sujeto. La variable independiente se mide dos veces cada sujeto. La variable dependiente se mide una sola vez en cada sujeto.

Kruskal-Walls es un ANOVA no paramétrico que se utiliza cuando no se cumple el supuesto de normalidad. V. F.

¿Qué análisis Post Hoc utilizamos cuando no existe un número planeado de comparaciones y tenemos la misma N en cada grupo?. HSD Tukey. Bonferroni. Tukey-KRamer.

Señala la 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.

En una comparación de dos medidas, ¿qué gráfico es el más adecuado para ver si hay diferencias en la VD?. Diagrama de dispersión. Gráfico de barras. Tallo y hojas.

La ecuación de la prueba t consiste en: Dividir la variación no sistemática entre la variación sistemática. Dividir el efecto sobre la VI que es explicado por la VD entre el efecto sobre la VI que es explicado por otros factores. Dividir el efecto sobre la VD que es explicado por la VI entre el efecto sobre la VD que es explicado por otros factores.

Un tamaño del efecto d=-0.80 se interpreta como: una magnitud media al ser menor o igual a 80. Una magnitud baja al ser un valor negativo. Una magnitud alta al ser mayor o igual a 0.80.

En una comparación de tres o más medias, la hipótesis nula (Ho) siempre es que todas ellas son iguales entre sí. F. v.

El ANOVA se usa frente a múltiples comparaciones t-test por separado para evitar el incremento del error tipo II (aceptar la H0 cuando realmente es falsa). V. F.

La fórmula del valor F consiste en dividir la variación debida al azar entre individuos del mismo grupo, por la variación entre las medias de los diferentes grupos debida al azar y al efecto del tratamiento (si lo hay). V. F.

La suma de cuadrados del modelo (SCm) hace referencia a la variación total que se ha producido en el estudio. V. F.

La suma de cuadrados totales (SCt) hace referencia a la variación debida a que las puntuaciones vienen de grupos diferentes. V. F.

La suma de cuadrados residual (SCr) consiste en restar la suma de cuadrados modelos a la suma de cuadrados totales para obtener la cantidad de variación puramente debida a los otros factores. F. V.

Utilizamos el ANOVA unifactorial de medidas repartidas cuando estamos ante el diseño clásico de comparación de un grupo control y dos o más grupos que reciben distintos tipos de tratamiento. V. F.

Utilizamos el ANOVA unifactorial para grupos independientes cuando estamos ante el diseño clásico de comparación intrasujetos en diferentes momentos temporales (e.g. antes del tratamiento, después del tratamiento y seguimiento posterior después del tratamiento). V. F.

El valor eta cuadrado es un tamaño del efecto que puede ser negativo y que se utiliza para interpretar la magnitud de las diferencias entre dos medias. V. F.

Un valor eta cuadrado parcial igual a 0.07 corresponde a un tamaño del efecto moderado. V. F.

Las comparaciones post hoc deben su nombre a que se llevan a cabo después de realizar el ANOVA. V. F.

El tipo de post hoc se decide en función de si se cumple el supuesto de normalidad o no. F. V.

Utilizamos Bonferroni cuando no tenemos planeado un nº de comparaciones concreto. V. F.

En Bonferroni, el valor p se corrige dividiendo p=0.05 entre el número de grupos que vamos a comparar. V. F.

Utilizamos Tukey cuando queremos estudiar las diferencias entre todas las combinaciones posibles de grupos. V. F.

La esfericidad es un supuesto que debe cumplirse en el ANOVA de medias repetidas. F. V.

Los contrastes planeados se pueden llevar a cabo siempre y cuando tengamos hipótesis específicas desde antes de recoger los datos de nuestro estudio. V. F.

En contrastes planeados, podemos utilizar la misma variable varias veces siempre y cuando el número de contrastes sea igual o inferior al número de grupos menos 1 (k-1). F. V.

Cuando el supuesto de normalidad no se cumple, debemos llevar a cabo un análisis no paramétrico llamado Kruskal-Wallis. V. F.

Después de un post hoc, sería lógico e incluso práctica calcular una d de Cohen que complemente nuestro análisis usando las medias y desviaciones típicas de cada grupo. F. V.

En la correlación podemos asumir causalidad de una variable sobre otra. F. V.

En la regresión lineal, la variable predictora (VI) va siempre en el eje Y, mientras que la variable resultado (VD) va en el eje X. F. V.

La constante (bo) hace referencia al valor de la variable de resultado cuando la puntuación en la variable predictora es de cero. V. F.

Si la pendiente (b1) es negativa, la variable de resultado aumenta cuando la variable predictora disminuye y viceversa. V. F.

El método de los mínimos cuadrados consiste en encontrar una línea recta que maximice el valor de los residuos ( es decir, la distancia entre cada una de las puntuaciones y dicha línea). V. F.

El modelo de no relación, cualquier cambio en la variable predictora va a dar lugar a un valor aleatorio en la otra variable. F. V.

La suma de l os cuadrados modelo (SCm) es la diferencia entre la cantidad de información que el modelo de no relación no puede explicar y la cantidad de información que el modelo de relación no puede explicar. V. F.

En la regresión múltiple debe existir multicolinealidad: que dos o más variables predictoras están altamente relacionadas entre sí. F. V.

El coeficiente de determinación (R cuadrado) en una regresión múltiple podría inflarse si existen numerosas variables predictoras, por lo que conviene calcular y considerar el R cuadrado ajustado. V. F.

Que un R cuadrado=0.26 sea interpretado como bajo, medio o alto depende de muchos factores, pero equivaldría a una relación alta entre dos variables si fuera transformado en correlación (r). V. F.