En un contraste de hipótesis sobre dos medias para muestras independientes y con independencia de los resultados obtenidos, ¿cuál de las siguientes afirmaciones es cierta? Si utilizásemos muestras más grandes aumentaría el valor del estadístico de contraste y con ello la probabilidad de rechazar la Ho, aunque no cambiaría el tamaño del efecto. Si disminuimos el tamaño de la muestra disminuiría el valor del estadístico de contraste y la significación de la diferencia, además del tamaño del efecto. Aumentando el tamaño de la muestra se consigue un efecto mayor pero no afecta al estadístico de contraste sobre la significación de las diferencias. .
2. Se denomina parámetro al índice calculado con los datos de la: Muestra Población Distribución .
3. La evaluación de los supuestos de un modelo de regresión: Debería realizarse como paso previo y como requisito al proceso inferencial. Es innecesaria ya que el ajuste es muy bueno y, por consiguiente, el modelo debe ser lineal. Permite identificar si la relación entre PA y IMC es, o no, lineal.
4. Para aplicar un contraste paramétrico a los datos de su muestra: Tanto la variable dependiente como la independiente han de ser cuantitativas (de intervalo o de razón) La variable dependiente ha de ser cuantitativa (de intervalo o de razón) La variable independiente ha de ser cuantitativa (de intervalo o razón).
5. Cuál de los siguientes estimadores de su correspondiente parámetro poblacional NO es insesgado: La media aritmética La varianza La proporción.
6. La probabilidad de mantener una Ho falsa se denomina: α β 1-β .
7. Cuando al realizar un ANOVA un investigador no está interesado en comprobar las diferencias entre todas las medias y sabe de antemano que comparaciones le interesan, se denomina a las comparaciones múltiples que ha de realizar: a priori a posteriori post hoc.
8. Al realizar inferencias sobre correlación y regresión, el supuesto de homcedasticidad se refiere a: La normalidad de las distribuciones condicionadas en Y para cada valor de X La independencia en Y de los valores estimados condicionados para cada valor de X La igualdad de varianzas de las distribuciones de los errores condicionadas a cada valor de X.
9. Los supuestos necesarios para realizar inferencias sobre correlación y regresión, incluyen: Heterocedasticidad para las varianzas de las distribuciones condicionadas de los errores. Independencia entre los valores estimados Y y los errores de estimación ε. Independencia entre los valores de la variable independiente X y los valores estimados Y.
10. En un modelo ANOVA de efectos aleatorios: El investigador establece como niveles del factor sólo aquellos que los que está interesado. Se considera que los "i" niveles del factor son una muestra de todos los posibles niveles. Todos los modelos de ANOVA son de efectos aleatorios. .
11.La distribución muestral de cualquier estadístico obtenido de una muestra aleatoria es: Insesgada Un parámetro Una variable aleatoria.
12. Una condición para contrastar los coeficientes de regresión es: Que 𝛽=0 Que las puntuaciones de la variable independiente sean normales Que las puntuaciones de la variable dependiente condicionadas a cada valor de la VI sean normales.
13. En una situación de correlación múltiple, la correlación semiparcial entre X1 e Y: Ha eliminado el influjo que X1 tiene sobre X2 Ha eliminado el influjo que X2 tiene sobre X1 Ha eliminado el influjo que X2 tiene sobre Y.
14. En los Anovas es contraste unilateral derecho porque: La distribución de 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.
15. 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.
16. El tamaño del efecto: Es mayor a medida que aumenta el tamaño de la muestra Es mayor cuanto menor sea la diferencia de media en valor absoluto entre los grupos experimental y control No depende del tamaño muestral.
17. La distribución muestral de la proporción sigue un modelo de probabilidad: Binomial T de student Chi cuadrado.
18. El tamaño del efecto: Se puede clasificar entres categorías según Cohen Depende del tamaño muestral Es una diferencia de medias no estandarizadas.
19. En el análisis de regresión, el error típico es: La diferencia entre la puntuación observada en un sujeto y al puntuación pronosticada La desviación típica de las puntuaciones pronosticadas La desviación típica de los errores de pronóstico.
20. Los coeficientes de correlación parcial y semiparcial son semejantes en que: No son medidas de asociación No son correlaciones de orden cero No eliminan el influjo de otras variables independientes .
21. Uno de los supuestos básicos del análisis de regresión simple es: Los pronósticos y los errores son independientes Las distribuciones condicionadas de los errores deben tener una distribución uniforme No deben estar relacionadas las variables predictoras y la variable dependiente o crirterio. .
22. En los diseños intrasujeto se considera que la varianza de error viene dada por: El factor manipulado Los sujetos La interacción entre el factor y los sujetos.
23. 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.
24. El valor complementario de la probabilidad de cometer un error tipo II se denomina: Nivel de confianza Potencia de contraste Nivel crítico.
25. Cuál de los siguientes estimadores para la media poblacional de una distribución es suficiente: Mediana Media aritmética Moda.
26. Se llama error típico de un estadístico a la desviación típica de: El parámetro poblacional La distribución muestral del estadístico La distribución de la muestra.
27. Con dos variables independientes (X1, X2) y una variable independiente (Y), el coeficiente de correlación parcial entre X1 e Y representa: La relación entre Y y X1 eliminando el influjo de X2 sobre la variable dependiente La relación entre Y y X1 eliminando el influjo de X2 sobre la variable dependiente y sobre X1 La relación entre Y y X2 eliminando el influjo de X1 sobre la variable dependiente y sobre X2.
28. Para la regresión lineal simple se obtienen dos coeficientes, ordenada en el origen y pendiente. Generalmente, estaremos más interesados en interpretar: 𝐵0 𝐵 Depende de la magnitud del coeficiente de correlación de Pearson.
29. Para que sean válidas las inferencias que sobre la VD se hagan con la recta de regresión, las varianzas de las distribuciones de los errores, condicionadas a los diferentes valores de la variable independiente deben de cumplir el supuesto de: Heterocedasticidad Homocedasticidad Uniformidad.
30. El nivel crítico p, representa la probabilidad: De rechazar la Ho cuando es cierta De rechazar la H1 cuando es cierta De obtener unos datos como los observados o más extremos siendo cierta la Ho.
31. 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 Ho siendo falsa No porque se incrementa la probabilidad de rechazar Ho siendo verdadera.
32. Uno de los supuestos básicos del análisis de regresión simple es: Los pronósticos y los errores son independientes Las distribuciones condicionadas de los errores deben tener una distribución uniforme No deben estar relacionadas las variables predictoras y la VD o critrerio.
33. En el caso de la regresión lineal simple, el signo del coeficiente de correlación y de la pendiente de la recta de regresión: Son opuestos Son independientes Son inguales.
34. 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.
35. El intervalo de confianza es más estrecho a media que: Aumenta el tamaño de la muestra Aumenta el nivel de confianza Aumenta el error típico del estadístico.
36. En el análisis de varianza, cada nivel del factor es: una categoría de las variables dependientes Cada una de las variables independientes Una categoría de las variables independientes.
37. A medida que aumenta el tamaño de la muestra, aumenta también: La potencia del contraste Error tipo I Nivel de significación.
38. El máximo error que el investigador está dispuesto a admitir para rechazar una HO que es verdadera, recibe el nombre de: Potencia de contraste Error tipo II Nivel de significación.
39. 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 Ho 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 .
|
