Bioestadistica uax II

El nivel de significación α representa. Nivel de confianza. Potencia del test. Probabilidad de aceptar H₀ siendo falsa. Probabilidad de cometer error tipo I.

Un nivel de confianza del 95 % indica que: El parámetro tiene 95 % de probabilidad. El 95 % de los intervalos contienen el parámetro verdadero. La muestra es correcta. El error es 0.95.

Un p-valor < α implica: Aceptar H₀. Ampliar IC. Rechazar H₀. Reducir α.

El criterio de decisión basado en p-valor establece que: p > α → rechazar H₀. p = α → aceptar H₁. p < α → rechazar H₀. p < α → aceptar H₀.

La hipótesis nula H₀ se caracteriza porque: Afirma efecto. Nunca se contrasta. Siempre es bilateral. Plantea igualdad o ausencia de efecto.

Un error de tipo I ocurre cuando: Se acepta H₁ siendo falsa. No se rechaza H₀ falsa. p-valor > α. Se rechaza una H₀ verdadera.

Un error de tipo II ocurre cuando: Se rechaza H₀ verdadera. α es pequeño. El test es paramétrico. No se rechaza H₀ siendo falsa.

El test de Shapiro-Wilk se utiliza para: Evaluar homocedasticidad. Comparar medias. Analizar proporciones. Comprobar normalidad.

El test de Levene evalúa: Normalidad. Independencia. Diferencias de medias. Igualdad de varianzas.

Tres medias independientes, datos normales y homocedásticos. Friedman. Kruskal-Wallis. ANOVA de una vía. t-test.

Dos mediciones antes-después con normalidad: Wilcoxon. t-test pareado. Mann-Whitney. Friedman.

Comparar medias entre hombres y mujeres con normalidad: Wilcoxon. Mann-Whitney. t-test muestras independientes. ANOVA repetidas.

El coeficiente de correlación mide: Asimetría. Curtosis. Varianza. Grado de asociación.

El coeficiente de Pearson está acotado entre: 0 y 1. −1 y 0. −1 y 1. 0 y ∞.

El coeficiente de Spearman es: Acotado entre 0 y 1. Tiene unidades. Adimensional. Acotado entre 0 y ∞.

Spearman es preferible a Pearson cuando: Datos normales. Relación estrictamente lineal. Variables nominales. Datos no normales.

Una dependencia positiva implica que: Existe causalidad. Una sube y otra baja. No hay relación. Ambas variables varían en el mismo sentido.

La covarianza mide principalmente: Intensidad. Probabilidad conjunta. Independencia. Dirección de la relación lineal.

La principal limitación de la covarianza es que: No detecta relaciones. Está acotada. No indica signo. Depende de las unidades.

El coeficiente de contingencia: Va de −1 a 1. Puede valer 1. Indica dirección. Varía entre 0 y un valor < 1.

La homocedasticidad implica: Residuos normales. Pendiente estable. No atípicos. Varianza constante de los residuos.

La extrapolación consiste en: Ajustar mejor. Predecir dentro del rango. Predecir fuera del rango observado de X. Eliminar error.

El método de mínimos cuadrados busca: Reducir varianza total. Maximizar pendiente. Minimizar error absoluto. Minimizar Σ(residuos²).

Un R² elevado NO implica necesariamente: Buen ajuste. Relación fuerte. Alta variabilidad explicada. Causalidad.

Si la variable dependiente es categórica se usa: Regresión no paramétrica. Regresión logística. Regresión lineal múltiple. Regresión simple.

El Odds Ratio puede tomar valores: 0 a 1. −1 a 1. −1 a 0. 0 a ∞.

Un OR = 2.5 indica que: No hay asociación. Riesgo menor. No informa. El evento es 2.5 veces más probable en expuestos.

El Odds Ratio se usa principalmente en: Estudios descriptivos. Regresión lineal. Casos y controles. Cohortes.

El muestreo sistemático consiste en: Elegir al azar. Seleccionar cada k-ésimo individuo. Casos típicos. Bola de nieve.

El muestreo bola de nieve es: Probabilístico. Estratificado. Sistemático. No probabilístico.

Los criterios de inclusión definen: Exclusiones. Eliminaciones. Características necesarias para participar. Errores.

Los criterios de exclusión son: Requisitos. Variables de seguimiento. Características que impiden participar. Factores estadísticos.

La diferencia entre muestreo probabilístico y no probabilístico es: Tamaño. Tiempo. Probabilidad conocida de selección. Número de variables.

Un modelo bivariante es: Una variable. Relación entre dos variables. Variables categóricas. Más de dos variables.

¿Qué indica un R² bajo en un modelo de regresión?. Que la variable independiente explica gran parte de la variabilidad. Que los datos no son normales. Que el modelo tiene buen ajuste. Que la variable independiente explica poca variabilidad de Y.

¿Qué indica la pendiente β₁ en una regresión lineal?. El error del modelo. El valor esperado de Y cuando X = 0. El cambio medio de Y por cada unidad adicional de X. La varianza explicada.

¿Qué representa el término de error ε en una regresión lineal?. El valor medio de Y. El coeficiente R². La pendiente. La diferencia entre Y observado y Y estimado.

¿Cuál NO es una condición para usar regresión lineal simple?. Independencia de los residuos. Normalidad de los residuos. Homocedasticidad. Incluir al menos tres variables independientes.

El objetivo principal de la regresión es: Eliminar el azar. Medir únicamente asociación. Modelar cómo cambia Y cuando varía X. Calcular medias.

La estadística de dos variables se caracteriza por: Analizar una sola característica. Estudiar solo variables cualitativas. Analizar simultáneamente dos características del mismo individuo. Calcular solo medidas simples.

¿Entre qué valores oscila el coeficiente de correlación de Spearman?. 0 y 1. −1 y 0. −1 y 1. 0 y ∞.

Cuál es una característica del coeficiente de correlación de Pearson?. Tiene unidades. Está acotado entre 0 y 1. Es adimensional. No detecta relaciones lineales.

¿Cuándo es adecuado usar el coeficiente de Pearson?. Variables cualitativas. Muchos valores atípicos. Variables cuantitativas con distribución normal. Relación no monótona.

El coeficiente de correlación de Spearman es preferible cuando: Los datos son normales. La relación es estrictamente lineal. Las variables son nominales. Los datos no siguen una distribución normal.

Una dependencia positiva implica que: Existe causalidad directa. Una variable aumenta y la otra disminuye. Las variables no están relacionadas. Ambas variables tienden a variar en el mismo sentido.

La hipótesis nula H₀: Afirma la existencia de efecto. Nunca se contrasta. Siempre es unilateral. Plantea igualdad o ausencia de efecto.

¿Qué representa una hipótesis alternativa H₁?. El intervalo de confianza. La afirmación inicial. Una afirmación contraria a H₀. Un error tipo I.

Un error de tipo I ocurre cuando: Se acepta H₁ siendo falsa. No se rechaza H₀ falsa. El p-valor es mayor que α. Se rechaza una H₀ verdadera.

Un error de tipo II ocurre cuando. Se rechaza H₀ verdadera. α es pequeño. El test es paramétrico. No se rechaza H₀ siendo falsa.

¿En qué intervalo puede tomar valores el Riesgo Relativo (RR)?. −1 a 1. −1 a 0. 0 a ∞. 0 a 1.

¿Qué diferencia principal existe entre OR y RR?. El OR solo se usa en cohortes. El RR solo se usa en casos y controles. El OR compara odds y el RR compara riesgos. Son equivalentes siempre.

En el muestreo probabilístico: La selección depende del investigador. No todos pueden ser elegidos. Cada elemento tiene una probabilidad conocida de selección. No se puede extrapolar.

Un muestreo por conveniencia es: Aleatorio simple. Estratificado. Sistemático. No probabilístico.

Seleccionar a cada décima persona que entra a un supermercado es: Muestreo aleatorio simple. Muestreo sistemático. Casos típicos. Bola de nieve.

Entrevistar a un participante que refiere a otros similares es: Muestreo estratificado. Muestreo por conglomerados. Muestreo bola de nieve. Aleatorio simple.

¿Qué se debe considerar al establecer criterios de elegibilidad?. Solo inclusión. Solo viabilidad. Inclusión, exclusión y eliminación. Solo eliminación.

Una variable de confusión es aquella que: Solo afecta a Y. No influye. Es la causa principal. Afecta tanto a X como a Y.

¿Qué es un modelo bivariante?. Un modelo con una variable. Un modelo que estudia la relación entre dos variables. Un modelo categórico. Un modelo multivariante.