Estadística aplicada a la conducta

Una investigadora quiere conocer si el llevar a cabo ejercicios de relajación mejora el rendimiento cognitivo de los estudiantes. Para ello, diseña un estudio, en el que divide a sus alumnos en dos grupos: el grupo experimental, que recibirá una serie de sesiones con ejercicios de relajación a lo largo de la asignatura, y el grupo control, que no recibirá dichas sesiones de relajación. Después, los dos grupos realizarán el examen de Estadística Aplicada, y la investigadora comparará las notas del grupo control (no relajación) y el grupo experimental (sí relajación) para ver si existen diferencias significativas entre ambos. CUÁL ES LA VARIABLE DEPENDIENTE?. N/C. notas. sesiones con ejercicios de relajación.

Qué tipo de error se daría en el caso de que la investigadora rechazara la hipótesis nula cuando esta es realmente es verdadera?. Error tipo I. Error tipo II. No sería un error, sino la decisión correcta.

Qué tipo de error se daría en el caso de que la investigadora aceptara la hipótesis nula cuando esta es realmente es falsa?. Error tipo I. No sería un error, sino la decisión correcta. Error tipo II.

Cuáles son los supuestos más importantes?. Normal/Homogeneidad de varianzas/Escala continua/Independencia. Escala continua/Independencia. Shapiro Wilk/ Kolmogorov Smirnov.

Si obtengo una muestra de N<50. Que prueba de normalidad debemos usar?. Shapiro-Wilk. Kolmogorov-Smirnov. T. Test.

Falso positivo. Nos referimos a: Error tipo I. Error tipo II. N/C.

Si obtenemos un valor p: 0.542. Aceptamos H0. Rechazamos H0. Rechazamos H1.

Con un valor p: .0001 toma la decisión de si la variable es normal o no normal. Variable normal. Variable anormal. N/C.

Con un valor p de 0.011. Toma la decisión de si las varianzas son homogéneas o heterogéneas. Homogeneas. Heterogenes.

Según el tamaño de la muestra (n<50) ¿Qué test estadístico es más adecuado interpretar para estudiar la normalidad?. Shapiro-Wilk. Curtosis y asimetría. Kolmogorov-Smirnov.

Si hay normalidad se utilizan Test: Parametricos. No parametricos.

Que test debo utilizar para comprobar si en 2 grupos independientes o relacionados existen o no diferencias?. Anova. Chi-cuadrado. T de Student.

Para saber si hay causa-efecto. Que tipo de test debo utilizar?. Correlación de Spearman. Análisis de regresión. Correlación de Pearson.

En una comparación de dos medias, la hipótesis nula H0 siempre es que son iguales. V o F. Verdadero. Falso.

En una comparación de dos medías, asumimos que existen diferencias cuando: Asumimos que existen diferencias significativas entre ellas cuando p<.05. Asumimos que existen diferencias significativas entre ellas cuando p>.05. Asumimos que no existen diferencias.

El supuesto de homogeneidad de varianzas significa que: En diseños en los que hay grupos dependientes, la varianza de la variable dependiente debe ser diferente a los grupos. En diseños en los que hay grupos independientes, la varianza de la variable dependiente debe ser similar en todos los grupos. En diseño en los que hay grupos independientes, la varianza de la variable dependiente debe ser diferente en todos los grupos.

El supuesto de homogeneidad de varianzas significa que: En diseños en los que se estudia la relación de dos variables cualitativas, la varianza en una variable debe ser estable en todos los niveles de la otra variable. En diseños en los que se estudia la relación de dos variables cuantitativas, la varianza en una variable debe ser estable en todos los niveles de la otra variable. En diseños en los que se estudia la relación de dos variables cuantitativas no debe ser estable en todos los niveles de la otra variable.

El test de Levene…. Se utiliza en los diseños en los que se quiere comparar grupos para averiguar si las varianzas de los grupos son homogéneas. Evalúa la hipótesis nula de las varianzas en grupos similares. Ambas son correctas.

Si rechazamos H0 decimos que la varianza entre grupos es: Diferente/ Heterogénea. Similar/Homogénea.

Si tenemos un valor p: 0.07 decimos que: Rechazamos hipótesis nula, heterogéneidad de varianza d. Aceptamos hipótesis nula, homogeneidad de varianzas. N/C.

La desventaja en el RANGO DE LOS DATOS. En su cálculo no participan muchas variables. El rango se ve muy afectado por los extremos. No existe desventaja.

La desventaja de EL RANGO INTERCUARTIL es. Se ve afectado por los extremos. El rango intercuartil no se ve afectado por los extremos. En su cálculo no participan muchas de las puntuaciones de la variable.

Homogeneidad de varianzas. Comparar dos o más grupos. Comparar un grupo. N/C.

Cuál de estas afirmaciones es falsa?. En el T Test de medias dependientes se evalúa a cada sujeto una sola vez. En el T Test de medias independientes se evalúa a cada sujeto una sola vez. N/C.

T Test es una prueba paramétrica. 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 continua 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.

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

Nos referimos a nivel de confianza cuando. Se rechaza la hipótesis nula cuando es verdadera. Se mantiene la hipótesis nunca cuando cuando es verdadera. Re rechaza la hipótesis nula cuando es falsa.

La variable representada en un gráfico Q-Q es más probable que sea normal si: Los círculos se alejan poco de la línea diagonal. Si los círculos se alejan mucho de la línea diagonal. N/C.

La variable representada en un histograma es más probable que sea normal si: No es simétrica y las puntuaciones están excesivamente concentradas en el centro. Es simétrica, las puntuaciones no están excesivamente centradas en el centro, ni demasiado dispersas a lo largo de la escala de la variable. Es simétrica, las puntuaciones están excesivamente centradas en el centro.

Los test estadísticos son: Las características que se deben cumplir en los datos para que los podamos analizar con análisis estadísticos no parametricos. N/C. Las características que se deben cumplir en los datos para que los podamos analizar con análisis estadísticos parametricos.

Respecto a la hipótesis del test para evaluar homogeneidad de varianzas. La hipótesis nula es que la varianza o dispersión del grupo A es igual a la varianza o dispersión del grupo B. La hipótesis nula es que la varianza o dispersión del grupo A difiere a la varianza o dispersión del grupo B. N/C.

Relación que puede existir entre dos variables: Correlación. Test de Levene. N/C.

La correlación puede tener relación: Positiva- no haber relacion-simétrica. Positiva- no haber relación-negativa. N/C.

Dos variables estarán relacionadas si: Las variaciones en una de las variables respecto a la media no se corresponde con variaciones en la otra vari bable respecto a su propia media. Las variaciones en una de las variables respecto a la media se corresponde con variaciones en la otra vari bable respecto a su propia media. N/C.

Para la tipificación de la covarianza es: Coeficiente. Correlación. N/C.

Para solucionar el problema de covarianza debemos: Estandarizar para obtener el coeficiente de correlación. Grafico de dispersión. Correlación de Spearman.

La covarianza estandarizada es el coeficiente de correlación que se conoce como: Correlación de Spearman. Correlación estandar. Coeficiente Correlación de Pearson.

Cuando el coeficiente de correlación es igual a 1 indica: Ambas son correctas. Una variable aumenta, la otra aumenta en la misma proporción. Las dos variables tienen un correlación positiva perfecta.

Cuando el coeficiente de correlación es igual a -1 indica que: Las dos variables tienen una correlación negativa perfecta. Las dos variables tienen una correlación positiva perfecta. No tienen relación.

Para usar Pearson se tienen que cumplir dichos supuestos: Distribución normal- Escala de medida continua o de intervalo. Distribución normal-. N/C.

Spearman se utiliza para: Variables continuas u ordinales. Relación monótona. Las variables cambian al mismo tiempo pero no necesariamente a un ritmo constante. Variables continuas u ordinales. Relación lineal, cuando el cambio de una variable se asocia a un cambio proporcional en otra. Variables continuas u ordinales. Relación monótona. Las variables cambian al mismo tiempo a un ritmo constante.

Uso Pearson cuando la muestra es: Menos 30 sujetos. Más 30 sujetos. Muestra muy pequeña.

Uso Spearman cuando la muestra es: Muy pequeña. Más 30 sujetos. Menos 30 sujetos.

El modelo de relación. Acepta la hipótesis nula y rechaza la alterna. Acepta la hipótesis alterna y rechaza la hipótesis nula. N/C.

El modelo de no relación: Acepta la hipótesis nula y rechaza la hipótesis alterna. Dice que no hay relación entre las dos variables. Ambas son correctas.

A las distancias residuales de las considera como: Cantidad de información que las líneas rectas son capaces de explicar. Cantidad de información que las líneas rectas no son capaces de explicar. N/C.

Para obtener la suma de cuadrados total debemos: Sumar los residuales. Elevarlos al cuadrado. Restar los residuales.

Suma de puntuación observada menos puntuación que predice el modelo de no relación elevado al cuadrado. Suma de cuadrados total SCT. Suma de cuadrados de modelo SCM. Suma de cuadros Residual SCR.

Suma de puntuación observada menos media total. SCT. SCM. SCR.

Cantidad de variación total que se ha producido en el estudio. SCM. SCT. SCR.

Cantidad de variación debida a que las puntuaciones provienen de grupos diferentes. SCT. SCR. SCM.

Cantidad debida a otros factores. SCR. SCM. SCT.

Media de cuadrados, calculamos la media…. Multiplicando este valor por el número que contribuyen a la suma. Dividiendo este valor por el número que contribuyen a la suma. Elevando al cuadrado este valor por el número que contribuyen a la suma.

Los grados de libertad: Número total de participantes -1: SCR. SCT. SCM.

Grados de libertad: Número de grupos - 1. SCT. SCR. SCM.

Grados de libertad: Número total de participantes- número de grupos. SCR. SCM. SCT.

Representa la media de variación explicada por la manipulación experimental. MCM. MCR.

Representa la media de variación que la manipulación experimental no puede explicar. SCm. SCR.

Variación sistemática. MCM. MCR.

¿Cuáles son los supuestos de la correlación de Pearson?. Las dos variables deben seguir una distribución normal, deben estar en una escala ordinal. Las dos variables deben seguir una distribución normal, deben estar en una escala continua (intervalo o razón). Las dos variables deben seguir una distribucion anormal.