La estadística es una ciencia que se estudia para El análisis de sujetos El análisis de contenidos El análisis de datos cuantitativos.
En un contraste de hipótesis que se resuelve mediante una t de student, si
tenemos una variable categórica, esta variable será: La constante La variable dependiente La variable independiente.
Las variables extrañas Son variables que pueden ser explicaciones alternativas al efecto de la
variable independiente sobre la dependiente Son variables que aportan una información adicional para explicar la
variable dependiente Son variables que inciden de una forma inconsciente sobre la variable
dependiente. .
Una vez construida la matriz de datos, ¿Qué análisis nos es más útil para la fase
de la depuración de datos? Medidas de variabilidad Medidas de tendencia central Distribuciones de frecuencias.
Un valor perdido (o missing data) puede significar: Que no tenemos datos relativos a un sujeto en una variable. Que hubo mortalidad experimenta Que hubo mortalidad experimenta.
La variabilidad de una muestra de sujetos viene definida por: La desviación típica El error típico La puntuación típica.
La media en un grupo en un ítem de acierto-error es de 0,6. ¿Cuántos acertaron
el ítem? Faltan datos para resolver 60 sujetos El 60%.
En un gráfico de caja y pastillas, la mediana Está siempre dentro de la caja Puede estar dentro o fuera de la caja Está fuera de la caja.
En una distribución normal, ¿qué porcentaje de sujetos se encuentran entre las
puntuaciones típicas +2 y -2? 5% 64% 95%.
59Deseamos tipificar una puntuación directa de un estudiante en la escala
tipificada T. Si su puntuación típica fue de -1, ¿Qué puntuación T le
corresponde? 60 40 59.
De estos tres conceptos, ¿Cuál se asocia con mayor precisión al concepto de
regresión lineal? Correlación Predicción Error.
Son preferibles las correlaciones positivas a las negativas: Siempre Nunca Da lo mismo, el signo depende de la naturaleza de las variables.
El índice de homogeneidad de una prueba nos indica: La correlación entre las puntuaciones de una prueba y las puntuaciones de
otra prueba que funciona como criterio externo La correlación entre la puntuación obtenida en cada ítem y la puntuación
total en la prueba La correlación entre dos aplicaciones sucesivas de una prueba.
Cuanto más alto en el índice de dificultad de una prueba, significa que: Más fácil le ha resultado a los sujetos de la muestra Más equilibrada le ha sido la prueba Más difícil le ha resultado a los sujetos de la muestra.
. La función de densidad de probabilidad Z nos permite decir que si tenemos una
muestra con distribución normal de 1000 sujetos, sin más datos, el número de
sujetos que tenemos en los extremos de la distribución, por encima de +3,30 y
por debajo de -3,30 son: 1 10 Necesitamos más datos para contestar.
Cuando fijamos el tamaño de una muestra, el criterio fundamental es: La selección aleatoria Las normas cronológicas La suficiencia.
Si queremos ganar precisión en una estimación de parámetros manteniendo el
nivel de significación, tendremos que: Disminuir el nivel de confianza Aumentar el tamaño muestral Permitir aumentar el error muestral.
Cuando estimamos el parámetro diferencia de medias, podemos concluir si esa
estimación es compatible o no con una diferencia de medias igual a cero en la
población. Para que podamos concluir, al nivel de significación dado, que esa
diferencia de medias empírica es aleatoria, es decir, igual a cero en la población: Debemos encontrar el valor cero fuera del intervalo de confianza No es posible contestar sin realizar un contraste de hipótesis Debemos encontrar el valor cero dentro del intervalo de confianza.
La hipótesis nula es la hipótesis que indica: Según la dirección de la hipótesis, puede mostrar o no diferencias La no existencia de diferencias La existencia de diferencias.
Cuando comprobamos el supuesto de homocedasticidad de varianzas en un
diseño de dos grupos, rechazar la hipótesis nula significa: Se puede proseguir el contraste con una prueba paramétrica Se cumple el supuesto Se incumple el supuesto.
|
