¿Porqué son importantes las investigaciones en salud? Genera nuevo conocimiento Incrementa el factor de impacto de las revistas Corrobora o refuta un conocimiento ya existente Aplica métodos estadísticos a problemas biologicos.
Relacione el concepto con su respectivo significado. Población Muestra Muestreo.
La muestra debe ser representativa e imparcial Verdadero Falso.
Un investigador realiza el sorteo de 100 pacientes para participar en un estudio sobre calidad de la atención en un centro de salud. Identifique el tipo de muestreo Muestreo no probabilístico Muestreo aleatorio simple Muestreo sistemático Muestreo por etapas.
Realizar conclusiones para una población a partir de una muestra es un atributo de: Estadística descriptiva Estadística inferencial Estadística analítica Epidemiologia Test de hipótesis.
En las muestras probabilisticas, todos los individuos tienen las mismas chances de ser seleccionados. Verdadero Falso.
Son tipos de muestreo probabilistico, excepto: Muestreo sistemático Muestreo por conglomerados Muestreo por conveniencia Muestreo simple aleatorio Muestreo estratificado.
El muestreo por conveniencia y de voluntarios son técnicas de muestreo no probabilistico. Verdadero Falso.
Cuando los elementos de la muestra son retirados al azar de la población se denomina:.
Usted está realizando un estudio de cohorte retrospectiva para determinar si existe asociación entre obesidad de la madre y malformaciones congénitas cardíacas, usted encuentra que existe asociación estadísticamente significativa entre estas dos variables y observa que se encontraron más casos de malformaciones congénitas entre las mujeres con obesidad durante el embarazo obteniendo un OR: 1,21, IC95%: 1,17-4,6. La interpretación correcta de este resultado es: La obesidad durante el embarazo incrementa en 21% el riesgo de malformaciones congénitas cardíacas. La obesidad durante el embarazo disminuye en 121% el riesgo de malformaciones congénitas cardíacas. La obesidad durante el embarazo incrementa en 21 veces el riesgo de malformaciones congénitas cardíacas. El resultado no tiene significancia estadística porque incluye el valor de no efecto.
Adoptando un nivel de confianza de 0,99, indique en qué caso mantendríamos la hipótesis nula: P<0,05 P<0,01 P>0,05 P>0,10 P>0,01.
Indique qué prueba estadística utilizaría para realizar el análisis entre las variables fumar (si – no) y diabetes (si-no) Prueba T de student Correlación de Pearson Chi cuadrado Prueba de McNemar Corrección de Bonferroni.
Indique qué prueba estadística utilizaría con una variable categórica (3 grupos) y una cuantitativa cuando la distribución de esta última no es normal: Prueba U de Mann-Whitney Prueba de Kruskal-Wallis Prueba T para muestras independientes Correlación de Spearman Análisis de la varianza.
Dada la siguiente ecuación de regresión lineal Y = 12 + 3X, señale la interpretación correcta. Cuando la variable independiente es igual a 0 la variable independiente tiene un valor de 3 Cada incremento de 1 unidades en la variable independiente, supone un aumento de 3 puntos en la variable dependiente Cada incremento de 3 unidades en la variable dependiente, supone un aumento de 12 puntos en la variable dependiente Cuando la variable dependiente es igual a 0 la variable independiente tiene un valor de 12 Cada incremento de 12 unidades en la variable independiente, supone un aumento de 3 puntos en la variable dependiente.
Si un investigador desea saber si el efecto de un nuevo medicamento es superior a otro, durante el test de hipótesis utilizará una: Hipótesis alternativa negativa Hipótesis alternativa unilateral Hipótesis alternativa simple Hipótesis alternativa bilateral Hipótesis nula alternativa.
Si un investigador desea saber si el efecto de un nuevo medicamento es igual a otro, durante el test de hipótesis utilizará una: Hipótesis alternativa negativa Hipótesis alternativa unilateral Hipótesis alternativa simple Hipótesis alternativa bilateral Hipótesis nula alternativa.
Cuando se rechaza la hipótesis nula siendo esta verdadera se comete un error tipo I Verdadero Falso.
Si partir de un resultado no significativo concluimos que no existe asociación, cuando en realidad existe asociación se comete un error tipo II Verdadero Falso.
¿Qué se busca estimar con los intervalos de confianza? La desviación estándar El estadístico de una muestra Una proporción que indica la prevalencia Una razón entre dos variables El parámetro poblacional.
El test paramétrico para estudiar la asociación entre una variable cuantitativa y una cualitativa de dos categorías es: Prueba T de Student Prueba de Kruskall-Wallis ANOVA Chi cuadrado Prueba U de Mann-Whitney.
El test no paramétrico para estudiar la asociación entre una variable cuantitativa y una cualitativa de tres categorías es: Prueba T de Student Prueba de Kruskall-Wallis ANOVA Chi cuadrado Prueba U de Mann-Whitney.
El test no paramétrico para estudiar la asociación entre dos variables cualitativas es: Prueba T de Student Prueba de Kruskall-Wallis Prueba de Wilcoxon Chi cuadrado Prueba U de Mann-Whitney.
El test paramétrico para estudiar la asociación entre dos variables cuantitativas es: Prueba T de Student Análisis de la varianza Prueba de Wilcoxon Chi cuadrado Correlación de Pearson.
Es una prueba post hoc: Prueba de Tukey ANOVA Chi cuadrado Prueba de McNemar Prueba de Fisher.
El intervalo de confianza es un rango de valores en el cual sabemos que se encuentra el verdadero valor del parámetro con cierto nivel de confianza Verdadero Falso.
El valor de p se define como la probabilidad de que la asociación entre dos variables haya ocurrido debido al acaso Verdadero Falso.
Observando el siguiente diagrama de dispersión, indique el tipo de correlación entra las variables X y Y: Correlación positiva Correlación negativa Correlación no linear Correlación nula Correlación perfecta.
Observando el siguiente diagrama de dispersión, indique el tipo de correlación entra las variables X y Y: Correlación positiva Correlación negativa Correlación no linear Correlación nula Correlación perfecta.
Observando el siguiente diagrama de dispersión, indique el tipo de correlación entra las variables X y Y: Correlación positiva Correlación negativa Correlación no linear Correlación nula Correlación perfecta.
Si en la correlación de Pearson obtiene un resultado de r = -0.63, usted concluye que entra las variables X y Y existe: Correlación positiva moderada Correlación negativa débil Correlación negativa moderada Correlación positiva fuerte Correlación nula.
Una muestra que tiene capacidad de describir y representar en todos los parámetros a la población de donde fue retirada es:
Parcial Aleatoria Representativa Simple Real.
Para realizar el análisis entre las variables actividad física (sedentario vs no sedentario) y peso nos planteamos las siguientes hipótesis: Ho: Existe diferencia en la media de actividad física según el peso Ha: La media de peso es diferente entre los grupos sedentario y no sedentario Ha: La media de sedentarismo es diferente entre los grupos peso y no peso Ho: La media de peso entre los que realizan y no realizan actividad física es igual.
Para realizar el análisis entre las variables sexo y escolaridad Ho: Las variables sexo y escolaridad están asociadas Ha: Las variables sexo y escolaridad no están asociadas Ha: Las variables sexo y escolaridad están asociadas Ho: Las variables sexo y escolaridad son independientes.
|
