Las curvas de potencia, permiten localizar la potencia de un contraste en función de: El valor de H1 y el tamaño de la muestra los valores de 𝐻0 y 𝐻1 el nivel de significación y la potencia del contraste.
El intervalo de confianza es más estrecho a medida que: aumenta el tamaño de la muestra aumenta el nivel de confianza aumenta el error típico del estadístico.
Suponiendo que existieran dos estadísticos insesgados, consistentes y suficientes para estimar la misma característica poblacional, la mejor elección es utilizar el estadístico: con la desviación típica más pequeña con la desviación típica más grande cualquiera de ellos, dado que ambos gozan de las mismas propiedades.
El término “error típico” se refiere a la desviación típica de la distribución muestral del estadístico el error máximo que estamos dispuestos a admitir en un contraste de hipótesis el estimador insesgado de la desviación típica poblacional.
En un contraste de hipótesis se plantea la siguiente hipótesis nula: 𝐻0: 𝜇 = 10. Si queremos calcular la potencia del contraste para una media poblacional igual a 12, la hipótesis alternativa ha de ser: 𝐻1: 𝜇> 12 𝐻1: 𝜇< 12 H1:𝜇 = 12.
Al aumentar el tamaño de la muestra: disminuye la probabilidad de rechazar 𝐻0 cierta disminuye la probabilidad de rechazar 𝐻1 cierta disminuyen el error de tipo I y tipo II, por lo que las opciones A y B son correctas.
El estadístico d de Cohen Se aplica para contrastes no paramétricos de diferencia de proporciones Analiza la relevancia de la diferencia de medias entre dos muestras independientes Su valor depende del tamaño de las muestras.
El valor complementario de la probabilidad de cometer un error de tipo II se denomina Nivel de confianza Potencia del contraste Nivel crítico.
Al calcular intervalos confidenciales para una media poblacional, a medida que aumenta el tamaño de la muestra: Aumenta el error máximo Disminuye el error típico Aumenta la cuasivarianza muestral.
los diseños intra-sujetos se considera que la varianza de error viene dada por: El factor manipulado Los sujetos La interacción entre el factor manipulado y los sujetos.
Se llama error típico de un estadístico a la desviación típica de : El parámetro poblacional. La distribución muestral del estadístico distribución de la muestra.
- Cuál de los siguientes estimadores para la media poblacional de una distribución es suficiente: La mediana La media aritmética La moda.
En un contraste de hipótesis sobre dos medias en el que el tamaño del efecto es moderado El estadístico de contraste puede ser significativo o no, dependiendo del tamaño de la muestra El estadístico de contraste siempre será significativo para 𝛼 = 0,05 El estadístico de contraste siempre será significativo para 𝛼 = 0,01.
A la probabilidad de rechazar una hipótesis nula falsa se le denomina: Nivel de confianza Potencia del contraste Beta.
En un ANOVA de dos factores, cuando la interacción no es significativa: Es preciso rehacer el análisis focalizándolo sólo sobre los efectos principales Disminuye la suma de cuadrados de error Las opciones A y B son ciertas.
El nivel crítico p, representa la probabilidad: De rechazar la hipótesis nula cuando es cierta. De rechazar la hipótesis alternativa si es cierta De obtener unos datos como los observados o más extremos siendo cierta la hipótesis nula.
La probabilidad de rechazar una hipótesis nula que es verdadera, recibe el nombre de: Potencia del contraste Error tipo II. Nivel de significación.
En un contraste de hipótesis bilateral sobre una media poblacional, ¿puede utilizarse el intervalo de confianza para contrastar dicha hipótesis? Sí, y se rechaza 𝑯𝟎cuando el valor formulado en la 𝑯𝟎 se encuentra fuera del intervalo de confianza Sí, y se rechaza 𝐻0 cuando el estadístico de contraste se encuentra fuera del intervalo de confianza El intervalo de confianza no aporta información para rechazar o no 𝐻0.
En un ANOVA de medidas repetidas de un factor, la variabilidad total observada en la variable dependiente se descompone en tres componentes, los dos primeros corresponden a la variabilidad del factor que estamos manipulando y la variabilidad de los sujetos. El tercer componente hace referencia a: La variabilidad de la interacción entre el factor y los sujetos Las desviaciones de las puntuaciones de los sujetos respecto a la combinación de tratamientos. Ninguna de las opciones anteriores es correcta.
En un ANOVA de un factor con más de dos muestras independientes, ¿utilizaría la prueba t de Student para realizar comparaciones múltiples dos a dos?: Sí, porque es la mejor opción. No porque se incrementa la probabilidad de aceptar 𝐻0 siendo falsa No porque se incrementa la probabilidad de rechazar 𝑯𝟎 siendo verdadera.
distribución muestral de cualquier estadístico obtenido de una muestra aleatoria es: Insesgada Un parámetro Una variable aleatoria.
La potencia del contraste se puede expresar simbólicamente como: 𝑃(𝐻0 = aceptar | 𝐻0 = falsa) 𝑃(𝐻0 = rechazar | 𝐻0 = cierta) P(H0 = rechazar | H0=falsa).
En un modelo de ANOVA de efectos aleatorios: El investigador establece como niveles del factor sólo aquellos en los que está interesado en estudiar Se considera que los “i” niveles del factor son una muestra aleatoria de todos los posibles niveles Todos los modelos de ANOVA son de efectos aleatorios.
El tamaño del efecto Es mayor a medida que aumenta el tamaño de las muestras Es mayor cuanto menor sea la diferencia de medias en valor absoluto entre los grupos experimental y control. No depende del tamaño muestral.
distribución muestral de la proporción sigue el modelo de probabilidad Binomial T de Student Chi cuadrado.
La posibilidad de analizar interacciones es: Una de las razones por las que se recomienda el Anova frente a las comparaciones dos a dos de muestras (dependientes o independientes). Es problemática porque incrementa el error Tipo I. Es difícil porque no se conoce la distribución muestral de las F´s en esta situación.
En los Anovas el contraste es unilateral derecho porque: La distribución F no tiene valores inferiores a 0. Establecemos hipótesis sobre las varianzas poblacionales y estas son siempre positivas. Dada la lógica del Anova, la posibilidad de encontrar valores de F inferiores a la unidad es poco probable.
- El tamaño del efecto se puede clasificar en tres categorías según Cohen depende del tamaño muestral. es una diferencia de medias no estandarizada.
El investigador informó que, en su estudio, 1 − 𝛽 = 0,6. Esto significa que: la probabilidad de no rechazar H0 siendo falsa vale 0,6 la probabilidad de rechazar H0 siendo falsa vale 0,6 la probabilidad de no rechazar H0 siendo verdadera vale 0,4.
aumentar el tamaño de la muestra, el intervalo de confianza permanece inalterado es más ancho es más estrecho.
Si optase por utilizar muestras más grandes y suponiendo que se mantienen los mismos estadísticos obtenidos en estas muestras, ¿cuál de las siguientes consecuencias se producirían?: aumentaría el tamaño del efecto aumentaría la probabilidad de rechazar la hipótesis nula disminuiría la potencia del contraste.
El error típico de la media representa: la máxima diferencia que cabe esperar por simple azar entre la media obtenida en la muestra y la media de la población formulada en la 𝐻0 la desviación típica de la distribución muestral de la media el error que se comete al estimar la media poblacional a partir de la media de la muestra.
El máximo error que el investigador está dispuesto a admitir para rechazar una hipótesis nula que es verdadera, recibe el nombre de: Potencia del contraste Error tipo II Nivel de significación.
A medida que aumenta el tamaño de la muestra, aumenta también: La potencia del contraste La amplitud del intervalo de confianza El error tipo II.
de las siguientes distribuciones de probabilidad NO es simétrica en torno a cero: la normal tipificada Chi cuadrado T de Student.
El error típico de la media es el error que sumamos y restamos a la media aritmética para calcular el intervalo de confianza la desviación típica de la distribución muestral de la media el error que cometemos si rechazamos una hipótesis nula verdadera.
Cuál de los siguientes estimadores sobre la tendencia central de una distribución es suficiente: la mediana la media aritmética la moda.
El valor crítico para tomar una decisión respecto a la hipótesis nula depende: del nivel de confianza que se establezca de los grados de libertad de la distribución muestral de la diferencia de proporciones de si se conoce o no la varianza poblacional de las diferencias.
En un contraste de hipótesis sobre la media aritmética, el valor absoluto del valor crítico: es el mismo en un contraste unilateral izquierdo y un contraste unilateral derecho es el mismo en un contraste bilateral y unilateral derecho es el mismo en un contraste bilateral y unilateral izquierdo.
La potencia de un contraste de hipótesis será mayor: a medida que aumenta el tamaño de la muestra a medida que disminuye el tamaño de la muestra siempre es la misma suponiendo que H1 es verdadera.
Las curvas de potencia permiten localizar la potencia de un contraste en función de: el tamaño de la población y de la muestra el valor de H1 y el tamaño de la muestra el tamaño de la población y el valor de H1.
En un contraste de hipótesis sobre una media, si es cierta la hipótesis alternativa pero no se detecta en el contraste estadístico, se comete un error: de tipo II de tipo I igual al nivel crítico.
La potencia del contraste es igual a: probabilidad de aceptar la hipótesis nula siendo cierta probabilidad de rechazar la hipótesis nula siendo falsa probabilidad de rechazar la hipótesis alternativa siendo verdadera.
pruebas no paramétricas se utilizan en diseños en los que se trabaja con: Muestras no representativas de la población objetivo del estudio Muestras pequeñas o variables que no alcanzan el nivel de medida de intervalo o razón Variables medidas con escala de intervalo que provienen de poblaciones con distribución poblacional desconocida.
Si a medida que aumenta el tamaño de la muestra tanto la varianza de la distribución de probabilidad de un estimador como su sesgo tiende a cero, decimos que el estimador es suficiente consistente sesgado.
A la probabilidad de rechazar H0 cuando es falsa se la denomina: error tipo I nivel de confianza potencia del contraste.
un caso práctico en el que utilizamos un contraste de hipótesis para dos medias en muestras independientes, lo más habitual es que las varianzas poblacionales sean: conocidas desconocidas ninguna de las anteriores es correcta.
¿Cuál de las siguientes afirmaciones es FALSA? La suma de las probabilidades de La potencia más nivel de confianza es mayor o igual que uno El error tipo I más error tipo II es siempre igual a 1 El nivel de confianza más nivel significación es igual a 1.
El nivel de significación representa: el máximo error que el investigador está dispuesto a admitir para rechazar una hipótesis nula que es verdadera el máximo error que el investigador está dispuesto a admitir para rechazar una hipótesis nula que es falsa la probabilidad de rechazar una hipótesis nula que es falsa.
En un contraste de hipótesis, el valor crítico representa: la probabilidad de rechazar la hipótesis nula siendo verdadera la máxima diferencia que cabe esperar entre el valor teórico formulado en la hipótesis nula y el valor que encontramos en nuestros datos para esa hipótesis la probabilidad de que siendo cierta la hipótesis nula encontremos unos resultados como los observados en la muestra o más extremos.
¿Cuál de las siguientes afirmaciones referidas a la hipótesis nula es FALSA?: se asume como provisionalmente verdadera la hipótesis a contrastar su valor depende de los datos obtenidos en la muestra.
Indique en cuál de las siguientes situaciones se hace uso de la estadística inferencial Un estudio de la Agencia Tributaria que detalla los ingresos medios de la población activa por sectores profesionales informe del Centro de Investigaciones Sociológicas reflejando cómo sería la composición del Congreso de los Diputados si se realizarán hoy las elecciones Un análisis presentado por el Ministerio de Educación sobre las notas de selectividad, por Comunidades Autónomas, de los estudiantes presentados en la pasada convocatoria ordinaria.
Una distribución de densidad de probabilidad (f.d.p) que siga la distribución F no puede adoptar valores negativos porque: los valores de la ordenada (eje vertical) son todos positivos toda distribución de densidad de probabilidad se estandariza para que tenga un área igual a la unidad es el cociente entre dos varianzas y estas son siempre positivas.
El contrabalanceo de las condiciones experimentales es necesario realizarlo en diseños intra-sujetos cuando no existen efectos de práctica o fatiga; para aleatorizar los efectos de las condiciones manipuladas.
La siguiente afirmación: "La precisión del intervalo de confianza aumenta al aumentar el tamaño de la muestra" es: falsa verdadera para la media y la proporción y falsa para la varianza; siempre verdadera.
A medida que aumenta el tamaño de la muestra, la distribución muestral de la proporción se aproxima a una distribución: Normal Binomial con grados de libertad.
Entre dos estimadores de un mismo parámetro poblacional, es más eficiente aquel: cuya distribución tenga menos variabilidad que se concentra en un rango cada vez más estrecho alrededor de su media a medida que aumenta el tamaño de la muestra que utiliza toda la Información muestral relacionada con el parámetro.
El tamaño del efecto depende del tamaño muestral es independiente del tamaño muestral si es grande, necesariamente obtenemos resultados significativos.
El tamaño de la muestra que se requiere para estimar la proporción poblacional con un nivel de confianza previamente fijado cuando aumenta el error en la estimación aumenta cuando disminuye el error en la estimación no depende del error en la estimación.
El nivel de confianza se refiere a: La probabilidad de que el parámetro se encuentre dentro de un intervalo de confianza El valor inverso del error típico La probabilidad de que el estadístico se encuentre dentro de la distribución muestral del parámetro.
A la probabilidad de rechazar la hipótesis nula cuando es falsa se le denomina: nivel de confianza potencia del contraste nivel p-crítico.
comprobar si la diferencia entre dos medias es significativa, calculamos: el estadístico de contraste el tamaño del efecto las dos opciones anteriores son verdaderas.
se aplica un Análisis de la Varianza de un factor, las varianzas de los grupos a comparar deben de cumplir el supuesto de: complementariedad y exhaustividad homocedasticidad independencia.
|
