Bioestadistica uax

¿Qué se debe considerar al establecer los criterios de elegibilidad para la selección de la muestra?. Los criterios de inclusión, exclusión y eliminación. Solo los criterios de inclusión. Los criterios de inclusión y eliminación, pero no los de exclusión. Solo los criterios relacionados con la viabilidad técnica del estudio.

¿Qué son los criterios de exclusión en un estudio?. Las características que los participantes deben tener para formar parte del estudio. Las características que impiden a un participante ser incluido en la muestra. Factores que afectan al análisis estadístico de los datos. Variables asociadas únicamente al seguimiento de los participantes.

¿Qué definen los criterios de inclusión en un estudio?. Los elementos que deben ser eliminados durante la recolección de los datos. Las características que los participantes deben tener para formar parte del estudio. Las características que impiden a un participante ser incluido en la muestra. Los errores posibles en los datos obtenidos.

¿Cuál es la principal diferencia entre el muestreo probabilístico y el no probabilístico?. En el muestreo probabilístico, los elementos se seleccionan al azar, mientras que en el no probabilístico se seleccionan según otros criterios. En el muestreo probabilístico, se estudia toda la población, mientras que en el no probabilístico se estudia solo una parte. En el muestreo no probabilístico, los resultados son siempre extrapolables a la población general, mientras que en el probabilístico no lo son. En el muestreo no probabilístico, los elementos tienen la misma probabilidad de ser seleccionados, mientras que en el probabilístico no es así.

En un estudio sobre los salarios en una empresa, se excluyen a los empleados con salarios extremadamente bajos y extremadamente alto, el tipo de muestreo es: Probabilístico: muestreo por conglomerados. Probabilístico: muestreo estratificado. No probabilístico: casos típicos. No probabilístico: muestreo bola de nieve.

Un equipo de nutricionistas selecciona a cada décima persona que entra a un supermercado para una encuesta sobre hábitos de compra, el muestreo es: Probabilístico: muestreo sistemático. Probabilístico: muestreo aleatorio simple. No probabilístico: muestreo de conveniencia. No probabilístico: casos críticos.

En un estudio sobre el consumo de drogas, un investigador entrevista a un consumidor conocido, quien luego refiere a otros consumidores para participar, el tipo de muestreo es: Probabilístico: muestreo sistemático. Probabilístico: muestreo aleatorio simple. No probabilístico: bola de nieve. No probabilístico: casos típicos.

Un investigador entrevista solo a las personas disponibles en un parque sobre sus hábitos de ejercicio, el tipo de muestreo es: Probabilístico: muestreo aleatorio simple. Probabilístico: muestreo sistemático. No probabilístico: muestreo de conveniencia. No probabilístico: casos típicos.

¿Cuál es la principal diferencia entre una hipótesis unilateral y una bilateral?. La hipótesis unilateral busca cambios en ambas direcciones, mientras que la bilateral solo considera un cambio específico. La hipótesis bilateral considera cambios en ambas direcciones, mientras que la unilateral se enfoca en una dirección específica. La hipótesis unilateral siempre es más conservadora que la bilateral. La hipótesis bilateral solo aplica cuando no hay una dirección clara en los datos, mientras que la unilateral siempre aplica cuando hay certeza absoluta.

¿Qué representa la potencia estadística en un estudio?. La probabilidad de que el estudio detecte un efecto en la muestra si dicho efecto realmente existe en la población. El nivel de confianza necesario para aceptar los resultados del estudio. La probabilidad de cometer un error de tipo I. La cantidad de datos necesarios para realizar un análisis estadísticamente válido.

¿Cuál es el propósito del contraste de hipótesis?. Estimar parámetros poblacionales. Probar afirmaciones sobre una población basándose en una muestra. Reducir el nivel de significancia. Aumentar el tamaño de la muestra.

¿Qué representa la hipótesis nula en un contraste de hipótesis?. La afirmación que se rechaza si hay suficiente evidencia. Una afirmación alternativa a la principal. Una afirmación que siempre se acepta hasta que la estadística demuestre lo contrario. El rango de confianza del parámetro poblacional.

¿Qué representa la hipótesis alternativa?. Siempre asegura igualdad entre grupos. Es opuesta a la hipótesis nula y se acepta si esta se rechaza. Proporciona el intervalo de confianza de la estimación. Determina la significancia de un parámetro.

¿Qué indica un nivel de confianza del 95%?. Que hay un 95% de probabilidad de cometer un error tipo I. Que el intervalo puede contener el verdadero valor del parámetro poblacional en el 95% de las muestras. Que el error estándar es igual a 0.95. Que la muestra representa al 95% de la población.

¿Qué es una estimación puntual?. Un rango que contiene el valor del parámetro poblacional. La mejor aproximación de un parámetro usando un único valor. La probabilidad de cometer un error tipo II. El intervalo definido por el error estándar.

¿Qué mide el error estándar de una media?. La media de una población. La variabilidad de las medias muestrales respecto a la media poblacional. La diferencia entre los valores extremos de la muestra. La precisión del contraste de hipótesis.

¿Qué tipo de error estándar se utiliza para variables cualitativas?. Error estándar de la proporción. Error estándar de la media. Error estándar de la varianza. Error estándar de la muestra.

¿Qué indica una amplitud pequeña en un intervalo de confianza?. Mayor incertidumbre en la estimación. Mayor precisión en la estimación. Menor tamaño muestral. Mayor error estándar.

¿Qué sucede si el tamaño de la muestra aumenta?. El intervalo de confianza se amplía. El intervalo de confianza se estrecha. El nivel de significancia aumenta. El nivel de confianza disminuye.

¿Qué es un error de tipo I en un contraste de hipótesis?. Un error asociado a no rechazar la hipótesis nula cuando es falsa. Un error asociado a rechazar la hipótesis nula cuando es verdadera. Un error asociado a aceptar la hipótesis alternativa cuando es falsa. Un error asociado a probar la hipótesis alternativa en lugar de la hipótesis falsa.

¿Qué es un error de tipo II en un contraste de hipótesis?. Un error asociado a no rechazar la hipótesis nula cuando es verdadera. Un error asociado a no rechazar la hipótesis nula cuando es falsa. Un error asociado a rechazar la hipótesis nula cuando es verdadera. Un error asociado a aceptar la hipótesis alternativa cuando es verdadera.

¿Qué indica un p-valor menor al nivel de significancia?. Se acepta la hipótesis nula. Se rechaza la hipótesis nula. Se amplía el intervalo de confianza. Se reduce el nivel de confianza.

¿Qué suposiciones son necesarias para aplicar un test estadístico paramétrico?. La presencia de datos ordinales y la homocedasticidad de las varianzas entre grupos. La dependencia entre observaciones y la homocedasticidad de las varianzas entre grupos. La independencia entre observaciones y la homocedasticidad de las varianzas entre grupos. Los datos siguen una distribución normal y la homocedasticidad de las varianzas entre grupos.

Si el p-valor del test de Shapiro-Wilk es mayor que 0.05, ¿qué concluye sobre los datos?. Los datos siguen una distribución normal. Los datos no siguen una distribución normal. La muestra es insuficiente para evaluar normalidad. No se puede determinar más información.

¿Qué test se utiliza comúnmente para evaluar la homogeneidad de varianzas?. Test de Levene. Test de Kolmogorov-Smirnov. Test de Wilcoxon. Test de Friedman.

¿Qué test se utiliza para comparar las medias de dos grupos independientes si los datos no siguen una distribución normal y/o no hay una homogeneidad de varianzas entre los grupos?. T-test para muestras independientes. Test de Mann-Whitney. Test de Wilcoxon. Test de Friedman.

Un investigador quiere comparar los niveles de colesterol entre hombres y mujeres. Los datos siguen una distribución normal y se cumple el principio de homocedasticidad. ¿Qué test debería utilizar?. Test de Mann-Whitney. T-test para muestras independientes. Test de Wilcoxon. One-Way ANOVA de medidas repetidas.

Un estudio compara las puntuaciones promedio de estudiantes en tres escuelas diferentes. Los datos siguen una distribución normal y se cumple el principio de homocedasticidad. ¿Qué test debería utilizar?. Test de Friedman. One-Way de medidas independientes. Test de Kruskal-Wallis. T-test para muestras independientes.

Un estudio mide el peso de un grupo de personas antes y después de un programa de ejercicios. Los datos siguen una distribución normal. ¿Qué test debería usar?. Test de Mann-Whitney. T-test de muestras pareadas. Test de Wilcoxon. Test de Friedman.

¿Qué tipos de modelos estadísticos existen en función de las variables estudiadas?. Bivariante y trivariante. Multivariante y univariante. Bivariante y multivariante. Estáticos y dinámicos.

¿Qué analiza un modelo bivariante?. La relación entre dos variables. La relación entre más de dos variables. La dispersión de una muestra. La tendencia de una variable.

En un modelo multivariante, la variable dependiente puede ser influenciada por: Una sola variable independiente. Ninguna variable independiente. Varias variables independientes. Variables categóricas exclusivamente.

¿Qué tipo de variable es la que se intenta predecir o explicar en un estudio?. Variable independiente. Variable categórica. Variable de confusión. Variable dependiente.

¿Qué es una variable de confusión?. Una variable secundaria que no afecta al modelo. Una variable que puede influir en la variable dependiente e independiente, distorsionando la asociación. Una variable categórica. Una variable que depende de la independiente.

¿Qué describe mejor la regresión lineal simple?. La relación entre una variable categórica y otra cuantitativa. Una fórmula para calcular valores desconocidos. La relación lineal entre una variable dependiente y una variable independiente. Un modelo que analiza múltiples variables dependientes.

¿Qué ecuación representa la regresión lineal simple?. Y = α + β. Y = β0 + β1*X + ϵ. Y = X + Z. Y = X*Z.

¿Qué es la intersección (β0) en un modelo de regresión lineal?. El valor de Y cuando X = 0, es decir, donde la línea de regresión cruza el eje Y. Es el coeficiente que mide la relación entre X e Y. Es el error que se comete al estimar Y. Es la variabilidad no explicada por el modelo.

¿Qué representa la pendiente (β1) en un modelo de regresión lineal ?. La dirección y la magnitud del cambio en Y cuando X aumenta en una unidad. El punto donde la línea de regresión corta el eje X. La probabilidad de que X sea significativo. La diferencia entre los valores reales y predichos por Y.

¿Qué es el error (ϵ) en un modelo de regresión lineal?. Representa la variabilidad en Y que no puede ser explicada por el modelo. La pendiente en la línea de regresión. Representa la variabilidad en Y que puede ser explicada por el modelo. La intersección.

¿Qué es un residuo en un modelo de regresión?. La media de los datos observados. La diferencia entre el valor real y el valor predicho de la variable Y. El coeficiente estándar. El error estándar.

¿Qué significa interpolar en un modelo de regresión?. Hacer predicciones del valor de Y tomando valores de X que están fuera del rango de los datos observados. Hacer predicciones del valor de Y tomando valores de X que están dentro del rango de los datos observados. Ajustar el modelo para minimizar los errores de predicción. Calcular el coeficiente de correlación.

¿Qué criterio deben cumplir un modelo de regresión?. Independencia, Homocedasticidad y Distribución Normal de los residuos. Dependencia, Homocedasticidad y Distribución Normal de los residuos. Independencia, Heterocedasticidad y Distribución Normal de los residuos. Independencia, Homocedasticidad y no Distribución Normal de los residuos.

¿Qué se entiende por homocedasticidad en el análisis de los residuos?. Que los residuos tienen una dispersión (varianza) constante para cualquier valor de X. Indica correlación negativa entre los residuos. Que los residuos tienen media distinta de cero. Que los residuos tienen una dispersión (varianza) no constante para cualquier valor de X.

En un modelo de regresión lineal simple que evalúa la relación entre la edad (independiente) y la presión arterial sistólica (dependiente), la R2= 0,34, ¿Qué quiere decir?. El 34% de la variabilidad de la presión arterial sistólica viene explicada por la edad. El 34% de la variabilidad de la edad viene explicada por la presión arterial sistólica. No hay correlación entre las variables. No hay colinealidad entre las variables.

La estadística descriptiva NO tiene como objetivo. Organizar datos. Resumir información. Generalizar conclusiones a la población. Representar gráficamente.

¿Cuál es la principal limitación de la media como medida de centralización?. No puede calcularse con datos numéricos. No tiene unidades. No resume información. Es sensible a valores extremos.

¿Qué afirmación es correcta respecto a la desviación típica?. No depende de la media. No se ve afectada por valores extremos. Resume la dispersión respecto a la media. Es una medida de centralización.

El rango es un valor: Diferencia entre Q₁ y Q₃. Diferencia entre media y mínimo. Diferencia entre valor máximo y mínimo. Categórico.

El rango intercuartílico mide: La dispersión total. La posición central. La asimetría d. La dispersión del 50 % central de los datos.

Una distribución simétrica se caracteriza porque: Existe asimetría positiva. La mediana es mayor que la media. Media y mediana coinciden. La moda es mayor que la media.

¿Qué tipo de parámetros permiten identificar la uniformidad de una distribución?. Posición. Dispersión. Centralización. Forma.

¿Qué representación gráfica incluye parámetros de posición?. Histogramas. Diagramas de barras. Box-plot. Diagramas de sectores.

Una propiedad fundamental de la probabilidad es que: Puede ser negativa. Puede superar 1. Depende del tamaño muestral. Está acotada entre 0 y 1.

¿Qué describe una función de distribución de Poisson?. Probabilidad de fallos. Número de éxitos en n intentos. Probabilidad de valores fijos. Número de eventos en un intervalo fijo.

La distribución de Poisson se utiliza cuando: n es pequeño. p es grande. La variable es continua. Sucesos raros, n grande y p pequeña.

¿Qué describe una distribución binomial?. Variables continuas. Eventos infinitos. Eventos dependientes. Número de éxitos en n intentos.

¿Qué tipo de distribución se asocia a eventos raros?. Normal. Poisson. Uniforme. Binomial.

¿Qué forma tiene la distribución normal?. Rectangular. Simétrica con forma de campana. Exponencial. Asimétrica.

La función de distribución F(x) se define como: P(X = x). Densidad de probabilidad. P(X ≤ x). Frecuencia acumulada observada.

La esperanza matemática se interpreta como: Mediana teórica. Valor máximo. Moda. Valor medio esperado.

Una variable aleatoria es: Un experimento aleatorio. Una frecuencia relativa. Un conjunto de resultados. Una función que asigna valores numéricos a resultados aleatorios.

Una variable aleatoria discreta se caracteriza porque: Toma cualquier valor real. No puede medirse. Toma valores aislados. Siempre es negativa.

Un ejemplo de variable aleatoria continua es: Número de hijos. Número de pacientes. Tiempo para recorrer un kilómetro. Número de defectos.

¿Cuál es una variable cuantitativa discreta?. Peso. Altura. Nivel de dolor. Número de visitas médicas en un año.

Una variable que permite orden entre categorías es: Cualitativa nominal. Cualitativa ordinal. Cuantitativa discreta. Cuantitativa continua.

La variable “talla de zapatos: 44” es: Cualitativa ordinal. Cualitativa continua. Cuantitativa discreta. Cualitativa nominal.

El ejercicio físico en una regresión para predecir pérdida de peso es: Variable independiente. Variable dependiente. Variable de confusión. Variable categórica.