estadienp1

En estadística, a qué hace referencia la atribución numérica a diversos objetos o manifestaciones psicológicas que están siendo objeto de estudio. Medida. Operativización. Constructo. Concepto.

En estadística, a qué hace referencia un determinado conjunto de modalidades empíricas distintas y de números distintos puestos en correspondencia biunívoca. Escala de medida. Sistemas de intervalo. Muestra. Sistema de razón.

Cuál es la escala de clasificación más extendida: Stevens. Spearman. Pearson. Cronbach.

Qué tipo de escala permite el establecimiento de una unidad empírica de medida y observar cuántas veces se encuentra contenida dentro de la diferencia entre dos modalidades cualesquiera. Nominal. Ordinal. Intervalo. Cuasiexperimental.

Señale a afirmación incorrecta de entre las siguientes afirmaciones: Una muestra es cualquier subconjunto posible de una población. Un parámetro es aquella función definida sobre los valores numéricos de una población. Un estadístico es aquella función definida sobre los valores numéricos de una muestra. La varianza de una población es un estadístico, la varianza calculada sobre una muestra de dicha población es un parámetro.

Qué tipo de función está libre de error muestral: Parámetros. Estadísticos. Los dos. Ninguno.

La variable "tiempo que tarda alguien en abandonar el hábito de fumar": Se trata de una variable cuantitativa continua. Se trata de una variable cuantitativa discreta. Se trata de una variable nominal. Se trata de una variable ordinal.

Cuál de los siguientes no representa un estadístico de tendencia central: media. moda. mediana. desviación.

Cuál de los siguientes no representa un estadístico de dispersión o variabilidad: amplitud. varianza. desviación. media.

Tanto el diagrama de barras, como los pictogramas y diagramas de sectores tienen en común que todas están se utilizan para representar variables de tipo: Cuantitativas discretas. Cuantitativas continuas. Cualitativas. Cuasi-cualitativas.

La fuerza física, longitud, la inteligencia, la extraversión..., son ejemplos de: Variables cuantitativas continuas. Variables cuantitativas discretas. Variables cualitativas. Variables cuasi-cuantitativas.

El nivel cultural, la clase social, el grado académico..., son ejemplos de: Variables cuantitativas discretas. Variables cuantitativas continuas. Variables cuasi-cuantitativas. Variables cualitativas.

El histograma, selecciona la opción incorrecta: Al igual que el polígono de frecuencias, se usa para la representación gráfica de las variables cuantitativas continuas. Se levantan rectángulos consecutivos cuya base se corresponde con la amplitud de los intervalos y cuya altura (y área) es proporcional a la frecuencia (proporción o porcentaje) del intervalo correspondiente. Si los rectángulos no tienen la misma amplitud, el área de cada rectángulo es proporcional a la correspondiente frecuencia, pero no así a la altura. Es muy común el empleo de intervalos de distintas amplitudes en los histogramas.

En relación a las modalidades y las clases, seleccione la opción incorrecta: Las modalidades hacen referencia a cada uno de los valores que puede tomar una variable y clase es un conjunto de modalidades agrupadas. Las clases deben ser mutuamente excluyentes, ninguna modalidad puede pertenecer a más de una, y exhaustivas, toda modalidad posible pertenece a una clase. Para su representación se utilizan paréntesis y corchetes; si comienza con un paréntesis indica que el dato que sigue al paréntesis se corresponde a ese intervalo, mientras que si va acompañado de un corchete, no. Un ejemplo visual de su representación sería (50-60].

A qué nos referimos cuando hablamos de el número de observaciones contenidas dentro de cada una de ellas. Frecuencias o frecuencias absolutas. Proporciones o frecuencias relativas. Porcentaje. Media.

En relación a la distribución de frecuencias, señale la opción incorrecta: La frecuencia acumulada, proporción acumulada y porcentaje acumulado se utilizan para variables cuasi-cuantitativas y cuantitativas porque en una escala nominal no tendría sentido su uso. La frecuencia acumulada de la clase superior coincide con el número total de observaciones de la muestra o sumatorio de las frecuencias absolutas. La frecuencia absoluta acumulada es el número de veces que se repite en la muestra un determinado valor o cualquier otro valor inferior. La frecuencia relativa acumulada de un determinado valor sería el cociente entre su frecuencia absoluta acumulada y la proporción relativa.

En la distribución de frecuencias en variables cuantitativas continuas, selecciona la correcta: El intervalo elemental a veces lleva asociada una amplitud equivalente a la unidad, aunque normalmente es difícil que se de el caso. En una distribución de este tipo los límites de los intervalos se denominan límites aparentes y pueden ser lateral o vertical. Por amplitud de un intervalo se entiende la diferencia entre su límite exacto lateral y su límite exacto vertical. La amplitud total se entiende como la diferencia entre el límite exacto superior del intervalo máximo y el límite exacto inferior del intervalo mínimo.

El diagrama de tallo y hojas de Tukey (1977), escoge la opción incorrecta: Se pueden representar dos conjuntos de datos simultáneamente, haciendo que sea útil para la comparaciones. Es una representación gráfica de distribución de frecuencias de variables cuantitativas discretas o continuas. Ofrece simultáneamente tanto el listado de datos como la distribución de los datos. Su limitación es que no se pueden observar datos extremos o atípicos, aunque sí se aprecian las puntuaciones individuales.

En relación al diagrama de caja y bigotes o boxplot de Tukey, seleccione la opción incorrecta: Para su construcción se calculan previamente la mediana, los cuartiles Q1/Q3 y los valores extremos de los límites inferior y superior. El tamaño de la caja central viene dado por la amplitud intercuartílica. A los valores que se distancian 3 longitudes o más se les conoce como outliers. La caja representa el 50% central de los datos de la muestra.

Sobre las propiedades de la media aritmética, selecciona la opción correcta: a la media aritmética le afecta tanto la suma como la multiplicación, sufre una transformación lineal. La media aritmética es un estadístico resistente a las distribuciones asimétricas. La media suma de las diferencias de n puntuaciones respecto a su media vale 1. La media aritmética es apropiada para variables nominales y cualitativas, no cuantitativas.

Qué tipo de media viene bien para el cálculo de la media absoluta si hay valores positivos y negativos y se utiliza para los cálculos del ANOVA. Meda. Media cuadrática. Media armónica. Media geométrica.

Qué tipo de media permite otorgar pesos específicos a las puntuaciones. Trimedia. Media winsorizada. Media ponderada. Meda.

El coeficiente será menor que 0 (<0) cuando: Se trate de una asimetría positiva y por tanto mediana será menor que media. Se trata de una asimetría negativa y por tanto mediana será mayor que media. Se trate de una asimetría positiva y por tanto mediana será mayor que media. Se trata de una asimetría negativa y por tanto mediana será menor que media.

Si se observa mínima variabilidad en el número de galletas que se come un grupo de pacientes, el histograma se mostrará: Asimétrico positivo. Asimétrico negativo. Leptocúrtico. Platicúrtico.

Si se observa máxima variabilidad en el número de helados que se come un grupo de pacientes, el histograma se mostrará: Asimétrico positivo. Asimétrico negativo. Platicúrtico. Mesocúrtico.

Un valor negativo implica una distribución de tipo: Mesocúrtico. Platicúrtico. Leptocúrtico. Ninguno de los anteriores.

Un valor positivo implica una distribución de tipo: Mesocúrtico. Platicúrtico. Leptocúrtico. Ninguno de los anteriores.

De entre las siguientes afirmaciones, seleccione la opción incorrecta: Si la variabilidad es muy grande, los sujetos se distribuyen por un amplio intervalo de valores y el número de sujetos en torno a la moda sería solo ligeramente superior al resto de valores. El grado de apuntamiento de una distribución estadística puede calcularse mediante el coeficiente de apuntamiento de Fisher, entre otros. Un valor 0 o muy próximo a 0 implica una distribución de tipo mesocúrtico. Cuando en una distribución existe mínima variabilidad se aprecia una distribución platicúrtica.

Qué cuantil hace referencia a cada uno de los 3 valores que dividen la distribución en 4 partes, siendo cada parte un 25% del total. Cuartil. Decil. Percentil. Ninguno.

Qué afirmación es correcta con respecto a la coincidencia con la mediana: El valor de la mediana coincide con el cuartil 3. El valor de la mediana coincide con el decil 1. El valor de la mediana coincide con el percentil 50. El valor de la mediana coincide con el decil 3.

Qué estadísticos informan acerca de si las puntuaciones se encuentran muy próximas entre sí o muy dispersas. Estadísticos de variabilidad. Estadísticos de tendencia central. Estadísticos de posición. Ninguno.

Seleccione la información incorrecta sobre los estadísticos de variabilidad: La desviación media, la varianza, la amplitud total, la amplitud semi-intercuartil y el coeficiente de variación son estadísticos de variabilidad. Los estadísticos de variabilidad nos informan acerca de si las puntuaciones se encuentran muy próximas entre sí o muy diversas. La variabilidad nunca puede ser negativa, siempre será igual o mayor que 0. No es posibles encontrar dos grupos de puntuaciones con idéntica media pero con diferente variabilidad.

La desviación media (DM) es la media, en valor absoluto, de las puntuaciones respecto a su media aritmética. V. F.

La varianza se obtiene elevando al cuadrado las diferencias de la desviación media, anulando el signo de cada diferencia. De esta, la S(cuadrado) hace referencia a una muestra (estadístico) y la sigma(cuadrado) a una población (parámetro). V. F.

Sobre la varianza en la estadística descriptiva aplicada a una sola variable, seleccione la opción correcta: Cuanto mayor sea la variabilidad, menor es la varianza. La varianza es un número muy pequeño, así que se expresa al cuadrado para obtener la desviación típica. Cuando hace referencia a un parámetro viene expresado como S(cuadrado), y si se refiere a un estadístico como sigma(cuadrado). La varianza es adecuada cuando la variable se halla a nivel de medida de intervalos como mínimo y la distribución no es muy asimétrica, sino es mejor usar la Amplitud Semi-Intercuartil.

La cuasivarianza es semejante a la varianza, solo que la división es por amaño de la muestra (n-1) y no por tamaño del grupo de datos (N). Es apropiado para obtener estimaciones de la varianza de la población en el análisis inferencial de datos. V. F.

Seleccione la opción incorrecta sobre las propiedades de la varianza y la desviación típica: El valor de la varianza y de la desviación típica siempre será mayor o igual que cero. Cuando a una variable (X) le aplicamos una transformación admisible, la varianza de las nuevas puntuaciones es el resultado del producto de la primitiva varianza por el cuadrado de la pendiente (la constante que multiplica a la variable). La varianza y la desviación típica de una distribución no se modifican con que cambie una sola de las puntuaciones, dicho de otra manera, son independientes de la media, no viéndose alterada por la modificación que se realice en esta. La varianza total de un grupo de puntuaciones, si se conocen tamaños, medias y varianzas de varios subgrupos hechos a partir de un grupo total mutualmente exclusivo y excluyentes, se puede obtener a través de la media ponderada de las varianzas y la varianza ponderada de las medias.

Qué recoge la Desigualdad de Tchebychev: Recoge el hecho de que las distancias menores hacia la media son más frecuentes que las distancias mayores. Recoge el hecho de que las distancias mayores hacia la media son más frecuentes que las distancias menores. Recoge el hecho de que las distancias menores hacia la mediana son más frecuentes que las distancias mayores. Recoge el hecho de que las distancias mayores hacia la mediana son más frecuentes que las distancias menores.

Cuando las puntuaciones se agrupan en intervalos (más de una unidad de amplitud), la amplitud total será la diferencia entre el punto medio del intervalo máximo y el punto medio del intervalo mínimo aunque también se puede calcular como la diferencia entre el límite exacto superior del intervalo máximo y el límite exacto inferior del intervalo mínimo. V. F.

La amplitud total como índice de dispersión tiene como característica que si las puntuaciones máxima y mínima permanecen constantes pero varían las intermedias, está no cambiará pero sí lo harán la varianza y la desviación media. V. F.

La amplitud total también se conoce como recorrido o rango. Si se da restricción de rango, disminuye la variabilidad. V. F.

Señale qué afirmación sobre la amplitud semi-intercuartil es incorrecta: La distancia entre el Q1 y el Q3 representa el 25% de los casos. Su uso es preferible en distribuciones muy asimétricas. Se aplica solo en variables definidas como a nivel ordinal o superior. Es menos sensible que la varianza y que la desviación típica a la variación de los datos.

Ni la desviación media ni la varianza permiten comparar distintas variables ni la misma variable con distintas medias, para eso es mejor hacer uso del coeficiente de variación. V. F.

Seleccione la opción incorrecta sobre el coeficiente de variación: Permite la comparación entre datos que se ven limitadas por la varianza: puede comparar entre distintas variables o comparar la misma variable con distintas medias o muestras. Si a cada una de las puntuaciones de un conjunto se les suma una cantidad positiva, el coeficiente de variación aumentará porque la desviación típica se mantiene constante y aumenta la media. Aunque teóricamente el coeficiente de variación podría ser negativo, solo se tomará el valor absoluto, mayor que 0. El coeficiente de variación no se ve afectado por la multiplicación.

La cuasivarianza es de gran utilidad si tenemos una muestra pequeña y homogénea. V. F.

Seleccione la opción incorrecta de las siguientes afirmaciones: Las puntuaciones directas no permiten hacer comparaciones y se representa con letra latina mayúscula. Las puntuaciones diferenciales son las puntuaciones directas menos la media y se representa con letra latina minúscula. La puntuación típica se obtiene dividiendo la puntuación diferencial por la desviación típica, se representa por la letra latina minúscula (z). La puntuación típica no es la calificación estándar más elemental y útil.

La tipificación se refiere a transformar las puntuaciones directas a puntuaciones Z a partir de la media y la varianza. No cambia la distribución original de la muestra. V. F.

En la normalización cambiamos la distribución de la muestra para que se ajuste a la distribución normal. Se consigue mediante lo estadísticos de posición. V. F.

Sobre las propiedades de las puntuaciones diferenciales y típicas, escoge la opción incorrecta: La media de las puntuaciones diferenciales es 0. La media de las puntuaciones típicas es 0. Aplicando las propiedades de la varianza y la desviación típica, encontramos que la desviación típica de las puntuaciones típicas es igual a la unidad, al igual que su varianza. La media de las puntuaciones típicas es 1.

Dado que los rasgos percentiles tienen una distribución desigual, sobre todo en los extremos, no deben realizarse cálculos aritméticos ni estadísticos, tales como media o comparaciones de grupos con puntuaciones en escala de rangos percentiles ni se pueden comparar si se han obtenido en distintas pruebas. V. F.

Sobre la normalización, escoja la opción incorrecta: Junto a las puntuaciones típicas, es un tipo de transformación lineal. Sigue una distribución normal, simétrica, y por tanto media y mediana serán el mismo valor. Las puntuaciones típicas normalizadas difieren de las típicas, más o menos según la desviación de la normalidad de la distribución original y se basan en los percentiles. Las puntuaciones típicas normalizadas mantienen media igual a 0 y desviación típica igual a 1, como las puntuaciones típicas.

Las puntuaciones típicas normalizadas derivadas, señale la opción incorrecta: Son resultado de nuevas transformaciones lineales fijando previamente la media y la desviación típica de la escala deseada que se realiza sobre las puntuaciones típicas normalizadas. Entre las escalas más comunes es encuentran la escala de eneatipos o estaninos, que tienen una media de 5 y DT de 2, solo admitiendo valores entre 1 y 9 (los dos extremos son abiertos). Entre las escalas más comunes se encuentran la escala de decatipos, que tienen una media de 5,5 y DT de 2, admitiendo valores entre 1 y 10. Son resultado de nuevas transformaciones no lineales fijando previamente la media y la desviación típica de la escala deseada que se realiza sobre las puntuaciones típicas normalizadas.

Las puntuaciones T: Media: 50; DT: 10. Media: 100; DT: 15. Media: 0; DT: 1. Media: 5; DT: 2.

PIR15) Una puntuación típica normalizada igual a 0, deja por debajo de sí: El 0% de los casos. El 50% de los casos. El 100% de los casos. El 25% de los casos.

PIR02) Una de las siguientes afirmaciones NO corresponde a una curva normal: Es simétrica respecto al eje vertical que pasa por la media. Tiene un única valor máximo. Es asintótica respecto al eje de ordenadas. La media, la mediana y la moda coinciden en el mismo valor.

Una distribución conjunta de frecuencias se refiere a la parte central de una tabla, donde se puede observar cómo se distribuyen los datos de ambas variables medidas conjuntamente. V. F.

La distribución marginal en una tabla hace referencia a la distribución de una variable independientemente de la otra. V. F.

En la relación entre variables cuantitativas, seleccione la opción incorrecta: covarianza y correlación corresponden al mismo concepto; cómo varía una variable en función de como varía otra. El coeficiente de correlación de Pearson es un índice que mide la correlación o variación conjunta entre dos variables, siempre y cuando ambas sean cuantitativas y además tengan una relación curvilíenea. En el coeficiente de correlación parcial y el coeficiente de correlación múltiple, se trabajan con más de 2 variables. En la relación curvilínea solo se trabaja con 2 variables.

Sobre las propiedades del coeficiente de correlación de Pearson o el Coeficiente de correlación simple, señale la opción incorrecta: No puede valer más de 1 ni menos de -1. El efecto de restricción de rango disminuirá el valor de la correlación observada entre dos variables. Si aumenta la homogeneidad de la muestra, el coeficiente de correlación de Pearson se verá afectando, aumentando de la misma manera. Si entre dos variables no existe ninguna relación, el coeficiente de correlación de Pearson será 0 necesariamente.

Sobre el coeficiente de correlación de Pearson, señale la opción correcta: Se trabaja con más de dos variables cuantitativas. Si el coeficiente es 0 se asume una correlación nula entre las variables y, por tanto, se debe concluir que no existe ningún tipo de relación entre ellas. Una alta correlación, niveles aproximados a 1 en el coeficiente de correlación, indican una unívoca causalidad entre las variables medidas. Para valores de Pearson entre (0) y (+-1) no existe una interpretación unívoca, porque se necesita comparar el dato resultante con otras investigaciones con las mismas variables y en circunstancias parecidas.

La covarianza, señale la opción incorrecta: Nos informa de la dirección de la relación y de su intensidad. No tiene unidades. No está acotada, está ligada a las unidades de medida. Según su valor podemos saber si la relación es lineal inversa, lineal directa o relación nula, dependiendo de si es menor, mayor o igual a 0, respectivamente.

En la matriz de varianzas-covarianzas se obtienen los valores de las covarianzas de dichas variables y en la diagonal de la matriz se obtiene la varianza de cada variable, ya que la varianza se puede definir como la covarianza de una variable consigo misma. V. F.

La regresión significa predicción o pronóstico; en el caso de dos variables que mantienen una relación lineal, hablamos de regresión simple. V. F.

En la regresión aplicada al estudio de dos variables, seleccione la falsa: b y a son dos constantes propias de cada tipo de recta: (a) es la ordenada en el origen y representa el valor Y cuando X = 0; (b) es la pendiente de la recta o coeficiente de regresión y representa la inclinación de la misma. La Y se representa en el eje de ordenadas y la X en el eje de abcisas. Aunque la relación lineal no sea perfecta, la predicción seguirá siendo una línea recta, coincidiendo todos los datos con esta. Los valores de beta y alfa tienen relación con los de la desviación típica y la media de sus respectivos resultados.

Uno de los requisitos para la regresión lineal es la homocedasticidad de los errores: que no haya más errores de predicción en unos valores que en otros. V. F.

Al tener idéntica pendiente, la recta de regresión en puntuaciones diferenciales será siempre paralela a la recta de regresión en puntuaciones directas. V. F.

En el modelo de regresión lineal simple, cuando trabajamos con puntuaciones típicas, el coeficiente de regresión (b) será igual a la correlación de Pearson ente la VD y la VI. V. F.

El coeficiente de determinación en la recta de regresión, señale la opción incorrecta: Una interpretación sobre la proporción de error que dejamos de cometer al usar el pronóstico en lugar de la media, que es igual al coeficiente de Pearson al cuadrado. El coeficiente de determinación y el índice de correlación de Pearson solo coincidirán en el caso de que la correlación sea perfecta. El coeficiente de determinación es un índice de aproximación de los puntos a la recta de regresión, aproximación que es máxima para un valor de 1. El coeficiente de determinación no se puede interpretar como la proporción de la varianza de la variable Y asociada a la varianza de la variable X.

La RAZÓN DE CORRELACIÓN se emplea cuando la relación entre dos variables no es lineal, caso en el que viene desaconsejado el uso de la correlación de Pearson. V. F.

La razón de correlación al cuadrado es la proporción de error que dejamos de cometer cuando a cada individuo le atribuimos (como pronóstico) la media de su gripo de edad en lugar de la media del grupo total. V. F.

El coeficiente de correlación parcial es la correlación lineal entre dos variables, excluyendo el influjo de una tercera. V. F.

El coeficiente de Spearman, seleccione la opción incorrecta: Está comprendido entre -1 y +1: en el +1, el primero en X es el primero en Y; y en -1, el primero en X es el último en Y. Se utiliza como estadístico en la relación entre variables ordinales. No se utiliza en la comparación de datos por parejas de sujetos, donde es mejor hacer uso del coeficiente de correlación de Kendall o el de Goodman y Kruskal. Se utiliza como estadístico en la relación entre variables ordinales y nominales.

El coeficiente de correlación de Kendall se suele utilizar cuando en una comparación de datos por parejas de sujetos no hay empates; en caso de empates se prefiere el coeficiente de correlación de Goodman y Kruskal. V. F.

En el coeficiente de correlación de Kendall, seleccione la opción incorrecta: Se utiliza para las variables ordinales en la comparación de datos por parejas de sujetos cuando hay empate. Acotado entre +1 y -1; +1 indica que no hay inversiones (Q= 0) y en -1 que no hay no inversiones (P = 0). Se utiliza para las variables ordinales en la comparación de datos por parejas de sujetos cuando no hay empate.

El coeficiente de correlación de Goodman y Kruskal, seleccione la opción incorrecta: Es apropiado para aquellos casos en que hay muchas observaciones o sujetos y son muy pocos los valores ordinales, produciéndose por tanto numerosos empates. En la condición par semejante, a primera persona del par es superior o inferior a la segunda tanto en X como en Y. En la condición de par desemejante o inverso, el valor acotado es de -1. Se utiliza para el análisis de datos cuantitativos y dicotomizados.

En las variables nominales ninguno de los índices nos dará la dirección de la relación, solo la intensidad. Para ver la relación deberemos fijarnos en la tabla de distribución conjunta de las variables. V. F.

La frecuencia teórica o esperada es aquella que obtendríamos si la distribución de los sujetos en las distintas casillas fuera al azar. V. F.

La frecuencia empírica u observada es aquella que se obtiene a partir de los datos reales de la muestra de sujetos. Son las que se expresan en las tablas de distribución conjunta de frecuencias. V. F.

Sobre los coeficientes utilizados en las variables nominales, señale la opción incorrecta: Q de Yule solo se utiliza cuando tratamos con dos variables nominales con dos valores o niveles para cada una. El coeficiente chi-cuadrado se usa para dos variables nominales, pero admite más de dos valores o niveles para cada una. Al aumentar el tamaño de la muestra aumenta el tamaño del chi-cuadrado, sin que haya aumentado la relación entre variables, por eso se utiliza el coeficiente de contingencia. El coeficiente de contingencia, al igual que chi-cuadrado, no está acotado, así que va de 0 a infinito, siendo 0 indicación de no relación.

En qué caso se aplicaría la corrección de Yates en un chi-cuadrado para el análisis de relación entre dos variables nominales: Una de las frecuencias teóricas es de 8. Una de las frecuencias teóricas es de 15. Una de las frecuencias empíricas es de 15. Una de las frecuencias empíricas es de 8.

En el coeficiente de contingencias, en las tablas 2x2, 3x3, 4x4...se puede calcular la C máxima, que es el valor máximo que podría tomar la C si la correlación fuera perfecta para la tabla que corresponda. V. F.

El coeficiente de correlación biserial puntual: Es una aplicación del coeficiente de correlación de Pearson a dos variables, siendo una de ellas continua y la otra dicotómica y comprende valores entre -1 y +1. Es una aplicación del coeficiente de correlación de Spearman a dos variables, siendo una de ellas nominal y la otra ordinal y comprende valores entre -1 y +1. Es una aplicación del coeficiente de correlación de Pearson a dos variables, siendo una de ellas nominal y la otra dicotomizada y comprende valores entre -1 y +1. Es una aplicación del coeficiente de correlación de Spearman a dos variables, siendo una de ellas ordinal y la otra dicotómica y comprende valores entre -1 y +1.

El coeficiente de correlación de Phi es una aplicación de Pearson a dos variables ambas dicotómicas, con límites comprendidos de -1 a +1. V. F.

El coeficiente de correlación biserial, seleccione la opción incorrecta: Es una estimación de Pearson a dos variables, ambas continuas, donde una aparece dicotomizada artificialmente. El coeficiente de correlación biserial es siempre igual o mayor que el coeficiente de correlación biserial puntual. Puede variar más de +1 y menos de -1, por lo que no está tan acotado como otros. No tiene que cumplir que la distribución sea normal y que la relación sea lineal.

El coeficiente de correlación tetracórica, señala la opción incorrecta: Se utiliza cuando dos variables son continuas y ambas aparecen dicotomizadas artificialmente. Tienen una distribución normal y si relación es lineal. Para unos mismos datos el coeficiente de correlación tetracórtica es siempre mayor o igual al coeficiente de correlación phi, con valores acotados entre -1 y +1. Tanto desde el punto de vista cuantitativo como cualitativo, su interpretación es igual que el coeficiente de Spearman.

Señale la opción incorrecta de las siguientes afirmaciones: La correlación biserial puntual es una aplicación del coeficiente de correlación de Pearson. La correlación biserial es una aplicación del coeficiente de correlación de Pearson. La correlación tetracórica es una estimación del coeficiente de correlación de Pearson. La correlación phi es una aplicación del coeficiente de correlación de Pearson.

En la fiabilidad interjueces o inter-evaluadores, seleccione la opción incorrecta: Se utiliza el porcentaje de acuerdos (P) para la evaluación de los observadores. Se utiliza el coeficiente de Kappa porque el procedimiento de porcentaje de acuerdo sobrevalora el grado de acuerdo. Se utiliza el coeficiente de correlación de Spearman para el análisis de la fiabilidad inter-jueces. El coeficiente de Kappa fue propuesto por Cohen.

La regresión múltiple tiene una serie de condiciones y supuestos, cuál no define uno de ellos: La distribución conjunta es normal multivariada. Los errores aleatorios son normales e independientes. Las variables predictoras son funciones lineales de otras. El número de sujetos tiene que ser mayor que el número de variables más uno.

Cuáles son los supuestos que definen un modelo de regresión lineal: linealidad, no colinealidad, independencia, normalidad y homocedasticidad. linealidad, independencia, aditividad, normalidad y discriminabilidad. linealidad, no colinealidad, normalidad, independencia y aditividad. linealidad, discriminabilidad, no colinealidad, homocedasticidad e independencia.

El coeficiente de correlación múltiple puede tener valores entre -1 y 1, pero es interpretado siempre como positivo. Tiene como función medir la intensidad de la relación entre el criterio y una combinación lineal de variables predictoras. V. F.

En las variables nominales, en el caso de que el predictor categórico tenga más de dos niveles (variable politómica) se generan lo que se conoce como variables dummy, que son diversas variables dicotómicas creadas para reflejar cada uno de los niveles del predictor categórico y que pueden tomar el valor de 0 o 1. V. F.

PIR21) Si en una regresión logística binaria tenemos un predictor categórico con cuatro niveles, ¿en cuántas variables dicotómicas (dummy) se transformaría para emplearlo en el modelo?. En 2. En 3. En 4. En 5.

PIR19) En el ámbito del análisis estadístico, en concreto de la regresión lineal, indique la afirmación INCORRECTA: La regresión lineal permite analizar la relación entre uno o más predictores cuantitativos y una variable dependiente también cuantitativa, no pudiéndose en ningún caso incluir en el análisis predictores categóricos. En el análisis de regresión, el coeficiente de regresión parcial no estandarizado Bo ó β 0 ofrece el valor de la ecuación de regresión cuando todos los predictores son igual a cero. Una estrategia para medir la bondad de ajuste en un análisis de regresión simple es utilizar el coeficiente de determinación que se calcula elevando al cuadrado el coeficiente de correlación de Pearson. Si se desea encontrar la ecuación de regresión capaz de ofrecer el mejor ajuste posible con el menos número de variables, se recomienda utilizar la regresión jerárquica o por pasos.

En el modelo jerárquico de la selección de los predictores para la regresión, se comienza estimando la ecuación de regresión con todas las variables candidatas y se elimina, en primer lugar, la variable cuyo coeficiente de regresión tipificado, además no ser significativo, es el menor de todos en valor absoluto; a continuación se vuelve a estimar la ecuación de regresión y se repite el procedimiento. V. F.

En el método de pasos para la selección de los predictores se procede de forma parecida al modelo jerárquico, pero de forma automático y puede resultar perjudicial si se busca evidencia empírica sobre alguna hipótesis de trabajo. V. F.

Con la regresión jerárquica o por pasos se pretende: El principio de parsimonia y el principio de máximo ajuste. El principio de parsiominia. El principio de máximo ajuste. Ninguno de los dos.