Batería de preguntas mltivariante II

Como se representan los outliers en un boxplot. Con un asterisco. Con un círculo. Con un cuadrado. Con una raya.

Como se representan los extremos en un boxplot. Con un asterisco. Con un círculo. Con un cuadrado. Con una raya.

Como se sabe si los extremos lo son en el boxplot. Si están alejados del del cuerpo central 3 veces el valor del IQR. Si están alejados del del cuerpo central 1.5 veces el valor del IQR. Si están alejados del del cuerpo lateral 1.5 veces el valor del IQR. Si están alejados del del cuerpo lateral 3 veces el valor del IQR.

Como se sabe si los outliers lo son en el boxplot. Si están alejados del del cuerpo central 3 veces el valor del IQR. Si están alejados del del cuerpo central 1.5 veces el valor del IQR. Si están alejados del del cuerpo lateral 1.5 veces el valor del IQR. Si están alejados del del cuerpo lateral 3 veces el valor del IQR.

Que se usa para transformar las variables si hay asimetría positiva suave: Antilog x. x2 o x3. log x o raíz de x. -1/x3 o -1/x.

Que se usa para transformar las variables si hay asimetría positiva fuerte: Antilog x. x2 o x3. log x o raíz de x. -1/x3 o -1/x.

Que se usa para transformar las variables si hay asimetría negativa fuerte: Antilog x. x2 o x3. log x o raíz de x. -1/x3 o -1/x.

M-estimador de Huber. pondera con un valor de 1,339 a todos los valores próximos a la mediana. ponderan con un valor de 4,385 y 4,2 a todos los valores próximos a la mediana. utiliza tres coeficientes de ponderación según cada valor se encuentre a una distancia de la mediana de 1,7; 3,4 y 8,5. pondera con un valor de 1,899 a todos los valores próximos a la mediana.

M-estimador de Tukey y Andrews. pondera con un valor de 1,339 a todos los valores próximos a la mediana. ponderan con un valor de 4,385 y 4,2 a todos los valores próximos a la mediana. utiliza tres coeficientes de ponderación según cada valor se encuentre a una distancia de la mediana de 1,7; 3,4 y 8,5. pondera con un valor de 1,899 a todos los valores próximos a la mediana.

M-estimador de Hampel. pondera con un valor de 1,339 a todos los valores próximos a la mediana. ponderan con un valor de 4,385 y 4,2 a todos los valores próximos a la mediana. utiliza tres coeficientes de ponderación según cada valor se encuentre a una distancia de la mediana de 1,7; 3,4 y 8,5. pondera con un valor de 1,899 a todos los valores próximos a la mediana.

Que supuesto comprueba la prueba de rachas. aleatoriedad. homocedasticidad. normalidad. linealidad.

Que supuesto comprueba la prueba de levene. aleatoriedad. homocedasticidad. normalidad. linealidad.

Que supuesto comprueba la prueba de K-S de Lilliefors. aleatoriedad. homocedasticidad. normalidad. linealidad.

Que supuesto comprueba los gráficos de dispersión. aleatoriedad. homocedasticidad. normalidad. linealidad.

Se usa la corrección de Lilliefors en la prueba K-S cuando. se desconoce la varianza poblacional. se conoce la varianza poblacional. muestras pequeñas (n<30). muestras grande (n>30).

Se usa la Saphiro Wilk en la comprobación del supuesto de noralidad cuando hay. se desconoce la varianza poblacional. se conoce la varianza poblacional. muestras pequeñas (n<30). muestras grande (n>30).

Que se usa para transformar las variables si hay asimetría negativa suave: Antilog x. x2 o x3. log x o raíz de x. -1/x3 o -1/x.

La prueba no paramétrica de la T de Student es. ANOVA. U de Mann-Whitney. Kruksal-Wallis. Regresión logística.

La prueba no paramétrica de la ANOVA es. T de Student. U de Mann-Whitney. Kruksal-Wallis. Regresión logística.

La prueba no paramétrica de la Regresión lineal es. T de Student. U de Mann-Whitney. Kruksal-Wallis. Regresión logística.

La media truncada. es un estadístico de tendencia central que elimina la influencia de posibles valores extremos. media del 95% los casos centrales de la distribución, recortada por los extremos en un 5% determinado. media del 95% los casos centrales de la distribución, recortada por los extremos en un 2.5% determinado. A y B son correctas. A y C son correctas.

Si el coeficiente de curtosis da 3 la distribución es. Mesocúrtica. Leptocúrtica. Platicúrtica. Asimetría positiva.

Si el coeficiente de curtosis da >3 la distribución es. Mesocúrtica. Leptocúrtica. Platicúrtica. Asimetría positiva.

Si el coeficiente de curtosis da <3 la distribución es. Mesocúrtica. Leptocúrtica. Platicúrtica. Asimetría positiva.

En un boxplot cuando la longitud de los bigotes es más grande que el tamaño de la caja central se puede decir de esa distribución que. la dispersión de los datos fuera del rango intercuartílico es mayor que dentro del mismo. la dispersión de los datos fuera del rango intercuartílico es menor que dentro del mismo. la dispersión de los datos dentro del rango intercuartílico es mayor que fuera del mismo. B y C son correctas.

Cuando la VD tiene solo 2 grupos puede utilizarse. La regresión logística. El análisis discriminante. Ambos. Ninguno de ellos es correcto.

Cuando la VD tiene solo 2 grupos es mejor utilizar. La regresión logística. El análisis discriminante. Ambos. Ninguno de ellos es correcto.

Es menos restrictiva con las VI's. La regresión logística. El análisis discriminante. Ambos. Ninguno de ellos es correcto.

Es menos robusta. La regresión logística. El análisis discriminante. Ambos. Ninguno de ellos es correcto.

Que supuesto no cumple la Regresión lineal logística. Linealidad entre cada VI y el LOGIT. No existe multicolinealidad. Proporcionalidad. A y C son correctas.

Que supuesto cumple el análisis de supervivencia. Censura aleatoria. No existe multicolinealidad. Proporcionalidad. A y C son correctas.

Mediante el método Kaplan-Maier se calcula. Para cada sujeto la probabilidad de supervivencia. El nº de sujetos que han experimentado el evento. El nº de eventos registrados en el día k. Para cada sujeto el riesgo o Hazard.

Mediante la regresión de Cox se calcula. Para cada sujeto la probabilidad de supervivencia. El nº de sujetos que han experimentado el evento. El nº de eventos registrados en el día k. Una tasa de riesgo o Hazard.

En el análisis de supervivencia un Exp(b)>1 significa. Que disminuye la probabilidad de supervivencia. Que aumenta la probabilidad de supervivencia. Que no hay cambio en la tasa de riesgo. B y C son correctas.

En el análisis de supervivencia un Exp(b)<1 significa. Factor de riesgo. Factor de protección. Que no hay cambio en la tasa de riesgo. B y C son correctas.

En el análisis de supervivencia un Exp<1 significa. Que disminuye la probabilidad de supervivencia. Que aumenta la probabilidad de supervivencia. Que no hay cambio en la tasa de riesgo. B y C son correctas.

En el análisis de supervivencia un Exp(b)>1 significa. Factor de riesgo. Factor de protección. Que no hay cambio en la tasa de riesgo. B y C son correctas.

Una ODD RATIO>1 implica. una ventaja de cara a la probabilidad de ocurrencia de un evento, en este caso rehabilitarse. que es una variable irrelevante en términos de pronóstico. una desventaja de cara a la probabilidad de ocurrencia de un evento, en este caso rehabilitarse. Ninguna es correcta.

Una ODD RATIO=1 o similar implica. una ventaja de cara a la probabilidad de ocurrencia de un evento, en este caso rehabilitarse. que es una variable irrelevante en términos de pronóstico. una desventaja de cara a la probabilidad de ocurrencia de un evento, en este caso rehabilitarse. Ninguna es correcta.

Haciendo sencillos cálculos podremos pasar de un LOGIT a una probabilidad y finalmente a un pronóstico en términos de 0 ó 1. Si la probabilidad estimada es menor de 0.5 la predicción será 0 “No”. Si la probabilidad estimada es menor de 0.5 la predicción será 0 “Sí”. Si la probabilidad estimada es mayor de 0.5 la predicción será 0 “No”. Si la probabilidad estimada es mayor de 0.5 la predicción será 0 “Sí”.

Que ajuste del modelo es realmente utilizado para medir la bondad de ajuste en regresión logística. R2 de Nagelkerke. -2LL. R2 de Cox y Snell. Ninguna es correcta.

Que ajuste del modelo es realmente utilizado para medir la bondad de ajuste en regresión logística. Porcentaje de sujetos bien clasificados. -2LL. R2 de Cox y Snell. Ninguna es correcta.

En el estadístico de Wald. Un coeficiente “β” positivo implica una disminución de la probabilidad del evento. Un coeficiente “β” positivo se corresponde con un ODD o Exp (b)>1. Un coeficiente “β” positivo se corresponde con un ODD o Exp (b)>0.5. Un coeficiente “β” negativo implica un aumento de la probabilidad del evento.

En el estadístico de Wald. Un coeficiente “β” positivo implica una disminución de la probabilidad del evento. Un coeficiente “β” negativose corresponde con un ODD o Exp (b)<1. Un coeficiente “β” negativo se corresponde con un ODD o Exp (b)<0.5. Un coeficiente “β” negativo implica un aumento de la probabilidad del evento.

Despejando la ecuación: ODD=P/1-P: Si la probabilidad de que se de es <0.5 concluimos que se va a dar el evento. Un coeficiente “β” negativose corresponde con un ODD o Exp (b)<1. Un coeficiente “β” negativo se corresponde con un ODD o Exp (b)<0.5. Si la probabilidad de que se de es >0.5 concluimos que se va a dar el evento.

Despejando la ecuación: ODD=P/1-P: Si la probabilidad de que se de es <0.5 concluimos que no se va a dar el evento. Un coeficiente “β” negativose corresponde con un ODD o Exp (b)<1. Un coeficiente “β” negativo se corresponde con un ODD o Exp (b)<0.5. Si la probabilidad de que se de es <0.5 concluimos que se va a dar el evento.

En el estadístico de Wald (R.Logística). Exp (b)= ODD Ratio asociada a la variable. Exp (b)= ODD asociada a la variable. Factores de riesgo. Si Exp (b)>1. Factores de protección. Si Exp(b)<1.

Esta ecuación corresponde a la Ln(λt)= α+B1X1 + B2X2 + ... + BnXn. Regresión de Cox. Regresión logística. Regresión lineal múltiple. Utilidad subjetiva global.

Esta ecuación corresponde a la Ln(p/1-p)= α+B1X1 + B2X2 + ... + BnXn. Regresión de Cox. Regresión logística. Regresión lineal múltiple. Utilidad subjetiva global.

Esta ecuación corresponde a la Ln(ODD)= α+B1X1 + B2X2 + ... + BnXn. Regresión de Cox. Regresión logística. Regresión lineal múltiple. Utilidad subjetiva global.