BIOESTADISTICA

La Estadística Matemática o Teórica: Estudia las bases teóricas de la Estadística y su formulación matemática. Se refiere a las aplicaciones que tiene la Estadística en todos los campos de la ciencia, proporcionando los métodos de análisis en consistencia con la formulación matemática de la Estadística. Se utiliza para describir lo que sucede en los individuos de la muestra. Permite obtener conclusiones sobre la población objeto de estudio a partir de los datos proporcionados por los individuos de la muestra.

La Estadística se divide en dos grandes ramas de conocimiento: Estadística Descriptiva y Estadística Inferencial. Estadística Matemática y Estadística Teórica. Estadística Teórica y Estadística Aplicada. Ninguna de las anteriores es correcta.

La Estadística Descriptiva tiene por objeto: Realizar predicciones asociadas a los fenómenos objeto de estudio, teniendo en cuenta la aleatoriedad de las observaciones. Generar modelos, inferencias y predicciones asociadas a fenómenos aleatorios. Estudiar las bases teóricas de la Estadística. Ninguna de las anteriores es correcta.

La Estadística Inferencial tiene por objeto: Realizar predicciones asociadas a los fenómenos objeto de estudio, teniendo en cuenta la aleatoriedad de las observaciones. Generar modelos, inferencias y predicciones asociadas a fenómenos aleatorios. Estudiar las bases teóricas de la Estadística. Ninguna de las anteriores es correcta.

La Estadística Matemática tiene por objeto: Realizar predicciones asociadas a los fenómenos objeto de estudio, teniendo en cuenta la aleatoriedad de las observaciones. Generar modelos, inferencias y predicciones asociadas a fenómenos aleatorios. Estudiar las bases teóricas de la Estadística. Ninguna de las anteriores es correcta.

La Estadística Inferencial: Estudia las bases teóricas de la Estadística. Se refiere a la formulación matemática de la Estadística. Se utiliza para describir lo que sucede en los individuos de la muestra. Permite obtener conclusiones sobre la población objeto de estudio a partir de los datos proporcionadospor los individuos de la muestra.

Los estudios estadísticos incluirán información sobre su metodología del tipo: Se estudió una muestra representativa de la población. Se observó un individuo de cada variable. Se estudiaron todas las variables en toda la población. Se estudió a toda la población para obtener información sobre la muestra.

La Estadística es la ciencia que se encarga de la recogida, el análisis y la interpretación de datos asociados con contextos...: No determinísticos caracterizados por la ausencia de variabilidad. Determinísticos caracterizados por la presencia de variabilidad. No determinísticos caracterizados por la presencia de variabilidad. Determinísticos caracterizados por la ausencia de variabilidad.

La Bioestadística se refiere a la aplicación de la Estadística a la rama de: Humanidades. Economía. Ciencias jurídicas. Ciencias sanitarias.

La estadística en Ciencias de la Salud se utiliza para obtener información sobre situaciones de carácter:. Determinista. Sistemático. Aleatorio. Excluyente.

La Estadística Aplicada se divide en dos grandes ramas de conocimiento: Estadística Descriptiva y Estadística Inferencial. Estadística Matemática y Estadística Teórica. Estadística Teórica y Estadística Aplicada. Ninguna de las anteriores es correcta.

La relación que existe entre una población y una muestra es: La población es un subconjunto de la muestra. La muestra es un subconjunto de la población. No tienen relación alguna. Ninguna de las anteriores es correcta.

El conjunto de técnicas y procedimientos empleados para la selección y extracción de una muestra a partir de una población, se conoce como: Tamaño de la muestra. Muestra. Población. Muestreo.

En un hospital se lleva a cabo una auditoría de historias clínicas. Para ello, se elige una historia clínica al azar y a continuación se elige aquella que ocupa el puesto 15 después de la primera elegida. ¿Qué tipo de muestreo se está llevando a cabo?. Por conglomerados. Sistemático. Correlativo. Consecutivo.

Se realiza un estudio con objeto de determinar el tiempo que tardan los pacientes en llegar al peso objetivo tras un tratamiento para la obesidad. Para ello,de los dos hospitales existentesenuna ciudad, se selecciona aleatoriamenteuno de ellos, y se elige una muestra aleatoria de pacientes, atendiendo al tipo deobesidad que presentan. ¿Qué tipo de muestro se está llevando a cabo?. Sistemático. Aleatorio. Estratificado. Por conglomerados y estratificado.

¿Qué ocurre si la población objetivo y de estudio en un muestreo son muy distintas?. Debe usarse el método de respuestas aleatorizadas. Pueden existir sesgos. No pueden seleccionarse unidades de muestreo. Se debe usar un muestreo no probabilístico.

Elija la afirmación correcta relacionada con el muestreo: La población de estudio es aquella de la que normalmente extraeremos una muestra aleatoria. El sesgo de selección es la diferencia existente entre la población de estudio y la muestra. Cuando se pueda, se prefieren los muestreos no probabilísticos. El muestreo aleatorio simple es normalmente el más económico en la práctica.

Queremos llevar a cabo un estudio sobre la incidencia del tabaquismo en la provincia de Madrid. Necesitamos que la muestra contenga participantes de distintas zonas de la provincia (norte, sur, centro, etc.) para ver si la incidencia es distinta por zonas. ¿Qué tipo de muestro llevaremos a cabo?. Aleatorio simple. Estratificado. Sistemático. No probabilístico.

El conjunto de sujetos que tienen una o varias características comunes y que son objeto de nuestro interés, se conoce como: Tamaño de la muestra. Muestra. Población. Muestreo.

Queremos llevar a cabo un estudio epidemiológico sobre prevalencia de sobrepeso en la provincia de Madrid. Seleccionamos la siguiente técnica de muestreo: elegimos de forma aleatoria 10poblaciones de la provincia, y en cada una de ellas elegimos de forma también aleatoria 10 calles. Allí se elige aleatoriamente 5 números de la calle y se estudia a las mujeres que aceptan participar. ¿Qué tipo de muestreo estamos utilizando. Aleatorio simple. Por conglomerados. Estratificado. Sistemático.

Necesitamos estimar confidencialmente el número medio de veces que los individuos de una población asisten a un servicio de salud. Para ello se toman muestras aleatorias entre los individuos que asisten regularmente a los mismos. Esta técnica de muestreo es. Un muestreo aleatorio simple. Un muestreo aleatorio estratificado. Un muestreo aleatorio por conglomerados. Incorrecta.

En una muestra de pacientes, el número de varones dividido entre el total de pacientes es: Una frecuencia relativa. Una frecuencia absoluta. Una variable cuantitativa. Una variable cualitativa.

De las siguientes medidas, ¿cuál no es una medida de centralización?. La media. La moda. La mediana. Rango intercuartílico.

En un estudio descriptivo sobre obesidad en adolescentes, se obtiene información sobre dos variables. La variable peso tiene una media de 60 kg y una desviación típica de 20kg; mientras que la variable edad tiene una media de 15 años y unadesviación típica de 0,5 años.Señala la opción correcta: Hay más dispersión en pesos que en edades. Hay más dispersión en edades que en pesos. Peso y edad están dispersos de modo equivalente. No tiene sentido compararlos al no coincidir las unidades de medida.

Señale cuál de las siguientes afirmaciones es falsa: La aparición o no de bacterias en un cultivo es una variable dicotómica. La estatura de un individuo es una variable cuantitativa discreta. El lugar que ocupa una persona entre sus hermanos (de menor a mayor edad) es una variable ordinal. El estado civil es una variable cualitativa.

De las siguientes afirmaciones con respecto a la mediana de una muestra, ¿cuál es falsa?. Es el centro de gravedad de la distribución. No se ve afectada por los valores extremos. Deja por debajo el mismo número de datos que por encima. Es el segundo cuartil.

En una población dada, el peso muestra una media de 60 kg, con una desviación típica de 6 kg. La altura muestra una media 170 cm con una desviación típica de 6cm. Recogemos los datos de un individuo al azar dentro de esa población, que arroja los siguientes datos: un peso de 70 kg y una altura de 180 cm. La altura tiene un valor más extremo que el peso. El peso es menos extremo que la altura. Peso y altura son valores igualmente extremos. El peso es más extremo que la altura.

¿Cuál de las siguientes afirmaciones es falsa?. La media aritmética es siempre el centro de gravedad de la distribución. En una distribución continua simétrica, media y mediana coinciden. La media aritmética cambia cuando cambia algún dato. En las distribuciones continuas simétricas todas las medidas de centralización no coinciden.

En el caso de una variable ordinal, el número n de datos válidos es: La suma de las frecuencias absolutas. La frecuencia absoluta acumulada de la categoría más frecuente. La suma de las frecuencias relativas. La frecuencia relativa acumulada en la última categoría.

La mediana se corresponde con: El primer cuartil. El segundo tercil. El séptimo decil. El segundo cuartil.

Si queremos saber si una variable como la edad presenta o no una distribución aproximadamente simétrica, ¿qué medidas podríamos utilizar?. Percentil 25 y percentil 75. Media y percentil 60. Media y mediana. Media y desviación típica.

Que es una variable de interes. Aquella variable sobre la que recogemos información y estamos interesados en explorar. Aquella que puede tener algún tipo de influencia sobre la variable de interés. Solo toma dos posibles valores. Toma distintos valores siguiendo una escala establecida.

Que es una variable de exposición. Aquella variable sobre la que recogemos información y estamos interesados en explorar. Aquella que puede tener algún tipo de influencia sobre la variable de interés. Solo toma dos posibles valores. Toma distintos valores siguiendo una escala establecida.

Cuales son variables cualitativas. Variables nominales. Variables ordinales. Variables dicotómicas. Todas las anteriores.

Es cierto que. La mediana es mas robusta que la media. La media es sensible a valores extremos. Si la distribución es asimetrica a la derecha la media es mayor que la mediana. Todas las anteriores.

El 2% de la población padece diabetes. Si de ellos, el 30% no está diagnosticado, esta cantidad puede entenderse como una probabilidad: De un suceso intersección. Condicionada. De un suceso unión. A posteriori.

El porcentaje de individuos con bronquitis que,además son fumadores,se puede interpretar como una probabilidad: De un suceso intersección. Condicionada. De un suceso unión. A posteriori.

En una facultad,el 25 % de los estudiantes son hombres y alumnos del Grado en Nutrición. Los estudiantes del Grado en Nutrición constituyen el 60 %del número total de alumnos. Si se selecciona al azar un estudiante y resulta ser de los que estudian el Grado en Nutrición, determina la probabilidad (redondeado la segunda cifra decimal) de que sea hombre: 0,1. 0,42. 0,25. Ninguna de las anteriores es correcta.

Entre los fumadores,el porcentaje de individuos con bronquitis se puede interpretar como una probabilidad: De un suceso intersección. Condicionada. De un suceso unión. A posteriori.

La probabilidad de obtener al menos dos seises al lanzar un dado cuatro veceses: 0,03. 0,66. 0,13. Ninguna de las anteriores es correcta.

En una población, hay tantos hombres como mujeres, el 20% son varones y fumadores y el 20% de las mujeres fuman. Entonces: Fuman tantos hombres como mujeres. Por cada mujer fumadora hay dos hombres fumadores. Por cada hombre fumador hay dos mujeres fumadoras. Hay un 40% de fumadores en la población.

Un estudio sobre la efectividad de un fármaco llega a la conclusión de que este es mejor que el placebo con p<0,05, ¿cuál es la interpretación correcta de este resultado?. La probabilidad de que el nuevo tratamiento sea mejor que el placebo es superior al 95%. El tratamiento es un 95% más efectivo que el placebo. La probabilidad de que el placebo sea mejor que el nuevo fármaco es menor del5 %. Si el tratamiento no fuese efectivo, existe menos del 5% de probabilidad de observar unas muestras tan contrarias a dicha hipótesis como las obtenidas.

La edad de los individuos de una población sigue una distribución normal. Se extraealeatoriamente una muestra de 300 pacientes cuya media es de 50 años, y la desviación típica es 10 años. Entonces: Aproximadamente el 95% de los pacientes tienen edades entre 30 y 70 años. Existe una probabilidad del 95% de que la verdadera media de la población esté entre 30 y 70 años. Aproximadamente el 95% de los pacientes tienen edades entre 40 y 60 años. Existe una probabilidad del 95% de que la verdadera media de la población esté entre 40 y 60 años.

Si la probabilidad de tener la enfermedad A es del 5%, la de tener la enfermedad B es del 10% y la de tener al menos una de las dos es del 13%, ¿cuál es la probabilidad de tener las dos?. Cero. 1%. 2%. 5%.

Cierto testdiagnóstico acierta sobre el 100% de los individuos enfermos y el 50% de los sanos. Una persona pasa el test con resultado negativo. Entonces: Está sana. Está enferma. Existe una probabilidad del 50% de que esté sana. Existe una probabilidad del 75% de que esté sana.

La hipótesis nula: Es aquella hipótesis estadística que se acepta de forma provisional como verdadera. Es aquella hipótesis estadística que se acepta de forma provisional como falsa. Es la equivalente a la hipótesis alternativa en una distribución teórica. Es aquella que se asume como verdadera sin comprobación estadística.

En un intervalo de confianza para una media, buscamos disminuirla amplitud del intervalo, es decir, aumentar la precisión. ¿Cuál de las siguientes opciones nos permite conseguirlo?. Aumentar el tamaño muestral y aumentar el nivel de confianza. Aumentar el tamaño muestral o disminuir el nivel de confianza. Aumentar el nivel de confianza. Aumentar la varianza muestral.

Se ha calculado un intervalo de confianza al 95% para la proporción de bebés con bajo peso al nacer en laComunidad de Madrid. Este ha resultado ser 0.04–0.06. La interpretación correcta del intervalo de confianza es: Estamos seguros al 95% de que la proporción de bebés con bajo peso al nacer en la muestra está entre 0.04 y 0.06. Estamos seguros al 95% de que la proporción de bebés con bajo peso al nacer en la población de la Comunidad de Madrid de la que se extrajo la muestra está entre 0.04 y 0.06. En la muestra, la proporción de bebés con bajo peso al nacer está entre 0.04 y 0.06. Hay una probabilidad del 95% de que la proporción de bebés con bajo peso al nacer en la muestra esté entre 0.04 y 0.06.

Se ha seleccionado una muestra aleatoria de 100 individuos, se les ha medido la presión arterial sistólica, y se ha calculado un intervalo de confianza al 95% para la presión arterial sistólica media en los individuos de la población. ¿Cuál de las siguientes afirmaciones es correcta?. Si en lugar de seleccionar 100 individuos, hubiéramos seleccionado 10 individuos, el intervalo de confianza sería más estrecho, es decir, más preciso. Si en lugar de seleccionar 100 individuos, hubiéramos seleccionado 10 individuos, el intervalo de confianza sería más ancho, es decir, menos preciso. El tamaño de la muestra no influye en la precisión del intervalo de confianza. Si en lugar de seleccionar 100 individuos, hubiéramos seleccionado 1000 individuos, el intervalo de confianza sería más ancho, es decir, menos preciso.

En relación a los intervalos de confianza, señala la respuesta correcta: Un intervalo de confianza al 95% para una proporción poblacional siempre contiene el valor de la proporción muestral. Un intervalo de confianza al 95% para una proporción poblacional nunca contiene el valor de la proporción muestral. Un intervalo de confianza al 95% para una proporción poblacional a veces contiene y a veces no contiene el valor de la proporción muestral. El hecho de que un intervalo de confianza al 95% para una proporción poblacional contenga el valor de la proporción muestral depende de los datos de la muestra.

Un contraste de hipótesis es: Rango de valores, obtenidos a partir de los datos de la muestra, dentro de los cuales podemos estar seguros de que se encuentra el parámetro poblacional. Valor extraído de la muestra propuesto como mejor valor del parámetro poblacional objeto de estudio. Valor extraído de la población propuesto como mejor valor de la característica objeto de estudio en la población. Procedimiento que nos permite sacar conclusiones acerca de una hipótesis sobre uno o varios parámetros poblacionales, a partir de la información proporcionada por los datos de la muestra.

¿Cuál es el valor delalfa que se utiliza habitualmente en investigación?. 0.001. 0.005. 0.05. 0.15.

La Estadística Inferencial: Estudia las bases teóricas de la Estadística. Se refiere a la formulación matemática de la Estadística. Se utiliza para describir lo que sucede en los individuos de la muestra. Permite obtener conclusiones sobre la población objeto deestudio a partir de los datos proporcionados por los individuos de la muestra.

¿Qué es una hipótesis nula?. Es la hipótesis de partida, la que siempre hay que tener de referencia en primer lugar y quese redacta de forma negativa. Es la hipótesis de partida, la que siempre hay que tener de referencia en primer lugar y que se redacta de forma positiva. Son todas las alternativas que no cubre la hipótesis estadística. Es el objetivo general del investigador.

Con el análisis inferencial de los datos se pretende: Realizar un análisis descriptivo de los datos de la investigación. Inferir los parámetros de la población a partir de los estadísticos muestrales. Describir los estadísticos de una muestra. Ninguna de las anteriores es correcta.

Que procedimiento de la inferencia estadistica hace referencia a un parametro de la muestra. Estimación puntual. Estimación por intervalos. Contraste de hipotesis. Todos los anteriores.

Respecto al p-valor. El p-valor nos da información sobre si la Ho es cierta o no. Un p-valor menor que 0,05 indica que la Ho es falsa. Un p-valor mayor que 0,05 indica que la Ho es verdadera. Todas las anteriores son ciertas.

Un error Tipo I. Se produce cuando se rechaza la hipotesis nula y esta es correcta. Se produce cuando se rechaza la hipotesis alternativa y esta es correcta.

Un error Tipo II. Se produce cuando se rechaza la hipotesis nula y esta es correcta. Se produce cuando se rechaza la hipotesis alternativa y esta es la correcta.

En un intervalo de confianza para una media, buscamos disminuir la amplitud del intervalo, es decir, aumentar la precisión. ¿Cuál de las siguientes opciones nos permite conseguirlo?. Aumentar el tamaño muestral y aumentar el nivel de confianza. Aumentar el tamaño muestral o disminuir el nivel de confianza. Aumentar el nivel de confianza. Aumentar la varianza muestral.

Un valor atípico es: Un valor que siempre debe eliminarse del análisis. Una observación extrañamente grande o pequeña. Un valor que está entre el percentil 25 y el percentil 75. Un valor que siempre es plausible.

Si el p-valor del test de Shapiro-Wilk para evaluar la normalidad de la distribución del nivel de linfocitos CD4 es 0.002, ¿qué diríamos sobre la distribución del nivel de linfocitos CD4?. Podemos asumir que la distribución es aproximadamente normal. No podemos asumir que la distribución sea aproximadamente normal. No podemos llegar a una conclusión sobre la forma de la distribución. El p-valor del test de Shapiro-Wilk no proporciona información sobre la forma de la distribución de una variable cuantitativa.

¿Qué significa que dos grupos sean dependientes o estén relacionados?. Que se ha medido al mismo grupo en dos ocasiones diferentes. Que están relacionados en cuanto a la clase a la que pertenecen,pero no comparten el mismo número de sujetos. Que se establecen en torno a familias. Que se han medido dos grupos distintos en dos ocasiones diferentes.

¿Qué significa que dos grupos sean independientes o no estén relacionados?. Que se ha medido al mismo grupo en dos ocasiones diferentes. Que están relacionados en cuanto a la clase a laque pertenecen,pero no comparten el mismo número de sujetos. Que se establecen en torno a familias. Que son dos grupos independientes de participantes.

Con el fin de ayudar a las mamás a recuperar su forma física tras el parto, se les ofrece participaren el programa Ponte en Forma, consistente en la realización de una serie de ejercicios físicos 1 hora al día, 3 días a la semana. A las mujeres se les mide el índice de masa corporal (IMC) antes y al mes de estar realizando los ejercicios físicos. Los grupos de comparación provienen de muestras: Independientes. Dependientes. Paramétricas. No paramétricas.

Si la media del peso en una población es 60 kg. y la mediana 65kg., entonces afirmamos que la distribución del peso en la población es: Simétrica. Mesocúrtica. Leptocúrtica. Asimétrica.

Una variable continua presenta una fuerte asimetría positiva. De entre las siguientes posibilidades, cuál es preferible para resumir la información que hay en la muestra: La mediana. La media y la desviación típica. El mínimo y el máximo. El diagrama de cajas de Tukey.

¿Qué test es válido para estudiar la normalidad?. Bartlett. Levene. Kolmogorov-Smirnov. Ninguna de las anteriores es correcta.

¿Qué test es válido para estudiar la homocedasticidad?A. .B. .C.D. . Kolmogorov-Smirnov. Bartlett. Shapiro-Wilk. Levene.

Encontraremos una distribución asimétrica a la derecha. Que la media y la mediana tengan valores parecidos. Que la media sea mayor que la mediana. Que la media sea menor que la mediana. Cuando haya dos modas.

Si el p-valor del contraste de hipótesis t de Student para muestras independientes dirigido a determinar si existen diferencias significativas en la media de líndice de masa corporal (IMC) entre personas de ≤50 y >50 años es 0.856, diremos que:A. B. N.C. D. Existen diferencias significativas en la PAS de las personas de ≤50 y >50 años de la muestra. No existen diferencias significativas en la PAS de las personas de ≤50 y >50 años de la muestra. Existen diferencias significativas en la PAS de las personas de ≤50 y >50 años de la población de la que hemos extraído la muestra. No existen diferencias significativas en la PAS de las personas de ≤50 y >50 años de la población de la que hemos extraído la muestra.

Supongamos que estamos interesados en comparar el índice de masa corporal (IMC) medio en un momento basal y a los tres meses de haber iniciado el tratamiento de pérdida de peso en los mismos individuos. Si el IMC sigue una distribución normal, ¿qué tipo de contraste de hipótesis utilizarías?. Test t de Student para muestras apareadas. Test t de Student para muestras independientes. ANOVA. Test U de Mann-Whitney.

En un test de contraste de hipótesis, un valor p<0.05 indica que: Los valores de una variable medida en dos grupos tienen una probabilidad menor del 5% de haberse obtenido al azar. Los valores de una variable medida en dos grupos tienen una probabilidad mayor del 5% de haberse obtenido al azar. Las diferencias entre las medias no son estadísticamente significativas. Es simétrica la distribución de los valores de la muestra.

¿Qué es un coeficiente de contingencia?. El valor de Chi-cuadrado. Se trata de un estadístico con el que se observa la intensidad de la relación entre dos variables. Es el valor de una tabla de contingencia. Es el valor t de Student.

La medición del consumo de carnes rojas y procesadas (g/día) por comunidades autónomas es un caso de: Muestras dependientes. Muestras independientes. Depende de si el consumo de carne se asocia a la comunidad autónoma de residencia. Depende de si la comunidad autónoma de residencia se asocia al consumo de carne.

Queremos llevar a cabo un contraste de hipótesis para estudiar si existen diferencias entre dos grupos de individuos de muestras independientes para la variable índice de masa corporal (IMC). La variable muestra una distribución marcadamente asimétrica. ¿Qué prueba de contraste de hipótesis debemos utilizar?. t de Student. Wilcoxon-Mann-Whitney. McNemar. Ninguna de las anteriores es correcta.

Supongamos que estamos interesados en analizar si existe asociación entre el uso de medicación tiroidea (sí, no) y la aparición de cáncer de mama (sí, no). ¿Qué tipo de contraste utilizarías?. Test Chi-cuadrado. ANOVA. Test t de Student para muestras independientes. Test U de Mann-Whitney.

Si queremos realizar un contraste de hipótesis para comparar la mediana de una variable cuantitativa en dos grupos de individuos que provienen de muestras independientes, debemos utilizar el test: Wilcoxon-Mann-Whitney. McNemar. t de Student. Ninguna de las anteriores es correcta.

Supongamos que estamos interesados en comparar la media del número de plaquetas en sangre obtenidas en los laboratorios A y B. Sabiendo que el número de plaquetas sigue una distribución aproximadamente normal, ¿qué tipo de contraste de hipótesis utilizarías?. Test de Kruskal-Wallis. Test U de Mann-Whitney. Test t de Student para muestras independientes. Test t de Student para muestras apareadas.

Supongamos que estamos interesados en comparar el nivel medio de hematocritos en hombres y mujeres. Sabiendo que el nivel de hematocritos sigue una distribución normal, ¿qué tipo de contraste de hipótesis utilizarías?A. .B. C. D. Test de Kruskal-Wallis. Test U de Mann-Whitney. Test t de Student para muestras independientes. Test t de Student para muestras apareadas.

Si el p-valor del test no paramétrico de Kruskal-Wallis para determinar si existen diferencias en el número de horas de sueño entre individuos con distintos hábitos de práctica de actividad física (nunca; 1-2 veces por semana; 3 o + veces por semana) es 0.03, diremos que: En la población de la que se extrajo la muestra, existen diferencias significativas en el número de horas de sueño en función de los hábitos de práctica de actividad física. En la población de la que se extrajo la muestra, no existen diferencias significativas en el número de horas de sueño en función de los hábitos de práctica de actividad física. En la muestra, existen diferencias significativas en el número de horas de sueño en función de los hábitos de práctica de actividad física. En la muestra,no existen diferencias significativas en el número de horas de sueño en función de los hábitos de práctica de actividad física.

Queremos determinar si existen diferencias en el nivel de colesterol en sangre (mg/dL) entre individuos con distintos hábitos de práctica de actividad física (nunca; 1-2 veces por semana; 3 o + veces por semana). Para ello, sabiendo que la distribución del nivel de colesterol en sangre es normal, usaremos el test. Test no paramétrico de Kruskal-Wallis. Test Chi-Cuadrado. Test no paramétrico U de Mann-Whitney. ANOVA.

Queremos determinar si existen diferencias en el consumo de caroteno entre individuos con distintos hábitos de práctica de actividad física (nunca; 1-2 veces por semana; 3 o + veces por semana). Para ello, sabiendo que la distribución del consumo de caroteno no es aproximadamente normal, usaremos el test. Test no paramétrico de Kruskal-Wallis. Test Chi-Cuadrado. Test no paramétrico U de Mann-Whitney. Test ANOVA.

Supongamos que estamos interesados en comparar el nivel medio de hematocritos en función de la edad (<30, 30-40, 40-50, >50). Sabiendo que el nivel de hematocritos sigue una distribución normal, ¿qué tipo de contraste de hipótesis utilizarías?. Test de Kruskal-Wallis. Test U de Mann-Whitney. Test ANOVA. Test t de Student para muestras apareadas.

Si el p-valor del test ANOVA para determinar si existen diferencias en el nivel de colesterol en sangre entre individuos con distintos hábitos de práctica de actividad física (nunca; 1-2 veces por semana; 3 o + veces por semana) es p = 0.01, diremos que: En la población de la que se extrajo la muestra, existen diferencias significativas en el nivel de colesterol en sangre en función de los hábitos de práctica de actividad física. En la población de la que se extrajo la muestra, no existen diferencias significativas en el nivel de colesterol en sangre en función de los hábitos de práctica de actividad física. En la muestra, existen diferencias significativas en el nivel de colesterol en sangre en función de los hábitos de práctica de actividad física. En la muestra, no existen diferencias significativas en el nivel de colesterol en sangre en función de los hábitos de práctica de actividad física.

Un grupo de investigadores está interesado en determinar si existen diferencias en el índice de masa corporal (IMC) en función de la clase social (baja, media, alta). Sabiendo que el índice de masa corporal (IMC) sigue una distribución aproximadamente normal, ¿qué tipo de análisis deberían realizar?. Coeficiente de correlación de Pearson. Contraste de comparación de más de dos medias (ANOVA). Test no paramétrico U de Mann-Whitney. Contraste de comparación de dos medias.

Si el p-valor del testno paramétrico de Kruskal-Wallis para determinar si existen diferencias en el índice de masa corporal (IMC) entre individuos con distintos hábitos de práctica de actividad física (nunca; 1-2 veces por semana; 3 o + veces por semana) es 0.07, diremos que: En la población de la que se extrajo la muestra, existen diferencias significativas en el índice de masa corporal (IMC)en función de los hábitos de práctica de actividad física. En la población de la que se extrajo la muestra, no existen diferencias significativas en el índice de masa corporal (IMC) en función de los hábitos de práctica de actividad física. En la muestra, existen diferencias significativas en el índice de masa corporal (IMC) en función de los hábitos de práctica de actividad física. En la muestra, no existen diferencias significativas en el índice de masa corporal (IMC) en función de los hábitos de práctica de actividad física.

Queremos determinar si existen diferencias en el nivel de presión arterial sistólica (PAS) entre individuos con distintos hábitos de práctica de actividad física (nunca; 1-2 veces por semana; 3 o + veces por semana). Para ello, sabiendo que la distribución de esta variable es normal, usaremos el test: Test no paramétrico de Kruskal-Wallis. Test Chi-Cuadrado. Test no paramétrico U de Mann-Whitney. Test ANOVA.

En un estudio sobre factores de riesgo cardiovascular, se desea comparar si hay diferencias en la presión arterial sistólica (PAS) de sujetos en diferentes rangos de edad (<30, 30-40, 40-50, >50). Si las muestras son reducidas y se sabe que la presión arterial sistólica (PAS) no sigue una distribución normal, debemos utilizar: Test t de Student para muestras apareadas. Test ANOVA. Test no paramétrico U de Mann-Whitney. Test no paramétrico de Kruskal-Wallis.

Si el coeficiente de correlación lineal de Pearson entre dos variables es -0,1,podemos decir que: La covarianza es pequeña. Hay poca relación lineal entre las variables. Hay fuerte relación inversa entre las variables. Hay un error de cálculo.

Cuál de las siguientes propiedades de r son correctas: Es adimensional. Cuanto más cerca esté r de +1 o -1,mejor será el grado de relación lineal. Las variables son incorreladas cuando r=0. Todas las anteriores son correctas.

Se dice que la relación entre dos variables es directa cuando: El coeficiente de correlación lineal es cero. El coeficiente de correlación lineal es negativo. El coeficiente de correlación lineal es alto. El coeficiente de correlación lineal es positivo.

Si el coeficiente de correlación lineal de Pearson entre dos variables es -0,82, podemos afirmar que: La relación entre las dos variables es casi nula. La relación que hay entre las variables es muy buena y directa. La covarianza es positiva. La relación que hay entre las variables es muy buena e inversa.

¿Qué otro nombre reciben los diagramas de dispersión?. Diagrama de regresión. Nube de puntos. Diagrama lineal. Diagrama de relación inversa.

Para describir la asociación entres dos variables cuantitativas, que siguen una distribución aproximadamente normal, utilizaremos: El coeficiente de correlación lineal de Pearson entre ambas variables. La media y la desviación estándar de la variable cuantitativa en los grupos definidos por la variable cualitativa. La mediana y el intervalo intercuartílico de la variable cuantitativa en los grupos definidos por la variable cualitativa. Una tabla de contingencia.

Si el valor de un coeficiente de correlación de Pearson es r=0.456 y su p-valor asociado es de 0.03, podemos interpretar que: La relación entre las variables es directa y estadísticamente no significativa. La relación entre las variables es indirecta y estadísticamente significativa. La relación entre las variables es directa y estadísticamente significativa. La relación entre las variables es indirecta y estadísticamente no significativa.

Si un coeficiente de correlación es igual a cero: Significa que la relación lineal entre las variables es nula. Significa que hemos cometido un fallo en el análisis. Significa que es estadísticamente significativo por ser menor que alfa. Significa que la relación lineal entre las variables es positiva.

¿Qué significa que la relación entre dos variables sea indirecta?. Que no son estadísticamente significativas. Que cuando aumenta el valor de una variable, disminuye el valor de la otra. Que,al aumentar los valores de una variable, los de la otra automáticamente aumentan también. Depende de la media de ambas variables.

Supongamos que el coeficiente de correlación lineal de Pearson para valorar la asociación entre la edad (años) y la presión arterial sistólica (mmHg) es 0.68. ¿Cuál es la interpretación correcta?. Existe una relación lineal positiva entre la edad y la presión arterial sistólica; a mayor edad, mayor presión arterial sistólica. Existe una relación lineal positiva entre la edad y la presión arterial sistólica; a mayor edad, menor presión arterial sistólica. El 68% de la variabilidad de la presión arterial sistólica, se explica por su relación con la edad. No existe una relación lineal entre la edad y la presión arterial sistólica.

Que analisis de correlación se usa para un analisis no paramétrico. Coeficiente de Pearson. Coeficiente de Spearman. Coeficiente de regresión logistica. Chi cuadrado.

¿Cuál de las siguientes afirmaciones sobre la Epidemiología no es correcta?: Es una disciplina integradora. Aprovecha el estudio de poblaciones, conceptos y métodos de otras disciplinas. Utiliza el estudio realizado por otras disciplinas como la Estadística. Ninguna de las anteriores es correcta.

¿Cuál de las siguientes afirmaciones no es un objetivo de la Epidemiología?. Conocer la historia natural de una enfermedad. Conocer el pronóstico de una enfermedad. Identificar nuevas medidas preventivas y terapéuticas de la enfermedad. Todas las anteriores son correctas.

Un estudio observacional se caracteriza por: El equipo investigador tiene la posibilidad y la capacidad de pautar y controlar una intervención. El equipo investigador se limita a observar, describir y analizar condiciones relacionadas con la salud de los individuos, pero sin intervenir. El equipo investigador se limita a observar, describir y analizar condiciones relacionadas con la salud de los individuos pudiendo intervenir. El equipo investigador tiene la obligación de pautar una intervención.

Son ejemplos de epidemiología aplicada. El monitoreo de la información de las enfermedades de notificación obligatoria en la comunidad. El estudio de un componente de una dieta particular como factor de riesgo para desarrollar cáncer. La evaluación de la efectividad y del impacto de un programa para la disminución del colesterol. Todas las anteriores.

Se encarga de la frecuencia de la enfermedad en la comunidad: Epidemiología descriptiva. Epidemiología analítica. Estadística. Ninguna de las anteriores.

Se encarga de estudiar las causas de la enfermedad en la comunidad: Epidemiología descriptiva. Epidemiología analítica. Estadística. Ninguna de las anteriores.

La validez de un estudio se refiere a que: Se ha seguido el método científico. Los resultados son novedosos. Mide lo que se supone que debe medir. Se encontró significancia estadística.

La importancia de la epidemiología para la salud pública radica en: Avanzar en lainvestigación estadística. Identificar estrategias exitosas para el control de las enfermedades. Acumular datos. Identificar estrategias fallidas para el control de las enfermedades.

El objeto de un estudio analítico es: Pautar y controlar una intervención. Evaluar una relación causa-efecto sobre la que tenemos una hipótesis preestablecida. Describir las características de poblaciones determinadas. Describir los resultados de la intervención pautada.

¿Cuál de las siguientes afirmaciones no es un inconveniente del meta-análisis?. El tamaño muestral en un meta-análisis, que recoge las muestras estudiadas en todos y cada uno de los estudios revisados, es muy elevado. Puede existir sesgo de duplicación. La heterogeneidad del diseño, de la organización de resultados y conceptos dificultan su integración en un solo estudio. Ninguna de las anteriores es correcta.