Examen final Bioestadistica

Se estudia un diagrama de dispersiÛn en el que r=-0.984. Esto indica que: No existe relación entre las variables, son incorreladas. Existe relación y es directa. Existe relación dispersa y directa. Existe relación y es inversa.

Para investigar la precisión de un tipo de instrumentos de medida fabricados por cierta compañía se toma una muestra de mediciones del mismo objeto. El instrumento ser· totalmente preciso sÌ: La desviación típica está comprendida entre -1 y 1. La desviación típica vale 0. La desviación típica vale 1. La desviación típica vale -1.

Entre las propiedades del coeficiente de correlaciÛn lineal de Pearson NO es correcto Afirmar que: Si r=0 las variables son incorreladas. Es adimensional. Solo toma valores de -1 a 1. Cuanto m·s cerca este r de +1 peor ser· el grado de relación lineal.

A la finalización del curso “informática e internet” se realizó un examen tipo test a los 300 alumnos obteniÈndose una tabla relativa al n˙mero de preguntas acertadas. Para determinar el n˙mero de preguntas tal que las tres cuartas partes de los alumnos obtengan un n˙mero de preguntas acertadas mayor que Èsta, se calcularÌa: Percentil 50. Cuartil 3 o superior. Percentil 25. Percentil 4.

En cuanto al an·lisis de regresiÛn lineal simple, es cierto que: Sirva para predecir el valor de una variable con respecto a otra (u otras). Se utiliza la fórmula y=a+b.x. La variable dependiente es Y y la independiente es X. Todo lo anterior es cierto.

El diagrama de dispersiÛn obtenido de una muestra bidimensional de 60 observaciones se recoge en el siguiente gr·fico. El coeficiente de correlaciÛn correspondiente a este ajuste podrÌa ser: -0.15. -0.82. -1.15. -0.86.

Una muestra de valores de la variable X tiene una media aritmÈtica igual a 7 y una moda igual a 4. A partir de estos valores positivos podemos concluir que se trata de una distribuciÛn. Asimetría positiva. Asimétrica negativa. Leptocúrtica. Simétrica.

Cuál de los siguientes índices de la variable “talla” tiene las unidades equivocadas?. Mediana de 170 cm. Coeficiente de variaciÛn de 0,0588 cm. Media de 170 cm. DesviaciÛn tÌpica de 10 cm.

En base a la siguiente distribuciÛn de frecuencias relativas acumuladas de la variable X=”Número de usuarios atendidos en un día en una consulta médica de Atención primaria “obtenida de la observación de la actividad de los 50 médicos de un centro de una Unidad de GestiÛn ClÌnica Integrada de AtenciÛn Primaria. øCual es el n˙mero de mÈdicos que han atendido a 62 usuarios?. 40. 14. 10. 30.

Cuál de los siguientes es el procedimiento gr·fico m·s adecuado para representar la distribución de frecuencias de una variable cualitativa nominal. PolÌgono de frecuencias. Diagrama de Sectores. PolÌgono de frecuencias acumuladas. Histograma.

El siguiente cuadro contiene algunos de los resultados del an·lisis descriptivo de la distribución de x1 = “Nº de vacunas defectuosas en una caja de 50 vacunas” observada en una muestra de 100 cajas. Es cierto que: La distribuciÛn es asimÈtrica negativa. La distribuciÛn es asimÈtrica positiva. El 75% de las cajas contienen 3 o m·s vacunas defectuosas. El 25% de las cajas contienen entre 3 y 5 vacunas defectuosas.

El siguiente cuadro contiene algunos de los resultados del an·lisis descriptivo de la distribución Xq= “Nº de vacunas defectuosas de una caja de 50 vacunas” observadas en una muestra de 100 cajas. Es cierto que: El 50% de las cajas contienen entre 3 y 4 vacunas defectuosas. Para resumir la variable doy su mediana y recorrido intercuartÌlico. La distribuciÛn es asimÈtrica negativa. El 25% de las cajas contiene 5 o m·s vacunas defectuosas.

La calificaciÛn de selectividad que sÛlo es superada por el 12% de los estudiantes se denomina: Percentil 112. Percentil 88. Decil 8. Percentil 12.

En un problema de regresiÛn y correlaciÛn se obtuvo un coeficiente de correlaciÛn r=- 0.80 y una pendiente de regresiÛn de b=+0.356. Podemos concluir a partir de los resultados que: Ambos valores no pueden tener signos diferentes. La variable dependiente crece 0,356 unidades al crecer una unidad la independiente. La variable dependiente decrece 0,356 unidades al crecer una unidad la independiente. La regresiÛn es v·lida.

Comente la siguiente afirmación: “Como en los niños de entre 3 y 9 meses de edad el incremento promedio de la talla por mes que transcurre es de 2,4 centÌmetros, la relaciÛn entre la edad y la talla es”: No se puede saber ya que b no mide el grado de relaciÛn. En todo caso, si hay relaciÛn es inversa. Muy dÈbil ya que b es menor de 10. Muy fuerte, ya que b es mayor de 1.

Un investigador est· estudiando diversas caracterÌsticas de un grupo de atletas especialistas en halterofilia y obtiene una correlaciÛn de 0.80 entre su peso y el peso que son capaces de levantar, entonces: Un atleta puede levantar un peso equivalente al 80% del que pesa su propio cuerpo. Cuanto más pese un atleta, mayor ser· el peso que pueda levantar. Si un atleta aumenta 5kg,de peso, podemos afirmar que ser· capaz de levantar un peso adicional de 4 kg. Ninguna de las anteriores es cierta.

Señale la afirmación verdadera en relaciÛn con las medidas de dispersiÛn. Si a todos los valores de una variable estadÌstica los multiplicamos por una cantidad fija “a”, la varianza queda multiplicada por “a”. La desviaciÛn tÌpica se expresa en las mismas unidades de medida que la variable. Si a todos los valores de una variable estadística le sumamos una cantidad fija “a”, la varianza queda multiplicada por “ar2”. Si a todos los valores de una variable estadística le sumamos una cantidad fija “a”, la varianza queda sumado por “a”.

Es cierto que: El coeficiente de determinaciÛn es el porcentaje de la variaciÛn total de Y (dependiente) que aparece explicada por la x (independiente). El coeficiente de determinaciÛn tomar valores entre 0 y 1. El coeficiente de correlaciÛn toma valores entre -1 y +1. Todas son ciertas.

Si la receta de regresiÛn entre X e Y ajustada a partir de una muestra es la siguiente, es cierto que con R2 =1 y n=20: La covarianza entre X e Y es -1. En este caso el coeficiente de determinaciÛn no indica la variaciÛn de la dependencia explicada por la independencia. El ajuste no es válido. El coeficiente de correlaciÛn lineal entre X e Y es 1 Û -1.

Indique en cu·l de los siguientes casos los resultados son compatibles entre sÌ: Varianza residual = 0 y r =-1,1. Varianza residual =100 y r =1. r= 0,7 y=6+4x. varianza residual =0 y r=-2.

Se ha desarrollado un test r·pido para determinar si una persona tiene una infecciÛn urinaria. Los resultados que proporciona el laboratorio que lo ha desarrollado se resume en la siguiente tabla. La sensibilidad es: 100/300. 80/120. 80/100. 160/200.

Hay 100 personas en total con infecciÛn urinaria y 80 verdaderos positivos. Valor predictivo negativo: 20/80. 200/300. 160/180. 40/200.

Hay 160 verdaderos negativos y 180 pruebas negativas totales. La especificidad: 100/300. 80/120. 160/200. 80/100.

Hay 160 verdaderos negativos entre 200 personas sanas que hay en la muestra. El valor predilecto positivo es: 20/180. 80/120. 160/180. 80/100.

Si cuando ocurre un suceso al que llamamos A, no se modifica la probabilidad, si previamente se produce otro suceso llamado B, øcÛmo se dice que son ambos sucesos entre sÌ?. Incompatibles. Compatibles. Independientes. Dependientes.

Dado dos sucesos A y B con probabilidades no nulas e incompatibles, el valor de la probabilidad A condicionada por B, P(A/B) es: P(A/B) = P(A). P(A/B) = P(B). P (A/B) = P(A) x P(B). P(A/B) = 0.

La expresiÛn P(AUB) = P(A) + P(B) – P(AnB) se cumple sÛlo cuando: P(AnB) = 0. P(AnB) = P (B). P(AnB) = P(A) X P(B). P(A/B) = 0.

Una vacuna consta de 2 componentes A y B. El proceso de fabricaciÛn es tal que la probabilidad de un defecto de A es 0,06 y uno de B es 0,07. øCu·l es la probabilidad de que la vacuna sea defectuosa? (considerar los procesos de fabricaciÛn como sucesos independientes). 0,189. 0,1258. 0,8975. 0,8742.

Dos sucesos son incompatibles, por lo tanto, son: Independientes. Mutuamente no se excluyen. Dependientes. No est·n relacionados.

En una asignatura se ha decidido aprobar aquellos alumnos que superen uno de los dos parciales. Con este criterio, aprobÛ el 80%. Sabiendo que el primer parcial lo aprobÛ el 60% y el segundo un 50%. øCu·l hubiese sido la probabilidad de aprobados, si se hubiese exigido superar ambos parciales?. 0,3. 0,5. 0,6. 0,8.

Se sabe que, en una determinada poblaciÛn, de cada 10000 hab., 2000 presentan alguna alteraciÛn metabÛlica. En un grupo de 4 individuos la variable n˙mero de ellos que presentan la mencionada alteraciÛn metabÛlica se distribuye como: Una normal de media 2000 y desviaciÛn tÌpica 4. Una Poisson de media 4. Una binomial de par·metros 10000 y 0,002. Una binomial de par·metros 4 y 0,2.

Aunque el tÈtanos es infrecuente en EspaÒa, es mortal en el 40% de los casos. Si tres personas contraen el tÈtanos en el periodo de un aÒo, øCu·l es la probabilidad de que mueran al menos dos de los tres?. 0,288. 0,432. 0,352. 0,784.

Sea X el porcentaje de lÌquido corporal perdido durante las primeras 24 horas por una persona que ha sufrido una quemadura grave, suponiendo que X sigue una distribuciÛn normal N (15,5), la probabilidad de que el porcentaje de lÌquido perdido sea del 5% es: 0,5. 0,25. 0,5. 0.

øQuÈ modelo de probabilidad consideras m·s adecuado para la variable aleatoria que representa el n˙mero de pacientes que llaman a la centralita de un centro de Salud demandando consulta para su mÈdico en 15 min?. Poisson. Normal. Binomial. Bernouilli.

En la distribuciÛn normal: La media coincide con la moda y la mediana. El m·ximo es la media. Sus par·metros son u y 6 (media y desviaciÛn tÌpica). Todas son correctas.

La concentraciÛn de urea en sangre en una enfermedad determinada sigue una distribuciÛn normal de media 24 mg/100cc y desviaciÛn tÌpica 4 mg/100cc. øQuÈ porcentaje de valores estar·n incluidos en el intervalo (16,32)?. 68%. 90%. 5%. 95%.

Una variable aleatoria, que llamaremos Y, sigue una distribuciÛn normal con media de 100 y desviaciÛn tÌpica de 10. øCu·l es aproximadamente la probabilidad de que un valor observado sea menor que 90 y mayor que 110?. 0,15. 0,32. 0,68. 0,95.

øQuÈ ·rea de la curva normal queda fuera del intervalo comprendido entre -1,96 y 1,96?. 0,01. 0,025. 0,95. 0,05.

La concentraciÛn de urea en sangre en una enfermedad determinada sigue una distribuciÛn normal de media 24 mg/100cc y desviaciÛn tÌpica 4 mg/100cc. La probabilidad de que la concentraciÛn de urea en sangre sea mayor de 24 mg/100cc es: 1. 0.5. 0.45. 0.

En una investigaciÛn, el n˙mero de partos triples se ajusta a una distribuciÛn de Poisson. Si se ha obtenido un coeficiente de variación de 0,5, el parámetro “landa” de la Poisson vale: 5. 1. 0. 4.

El nivel de significaciÛn de un test de hipÛtesis: Suele ser pequeÒo y lo fija el investigador o un convenio generalmente aceptado. Da la probabilidad de declarar significativo el resultado de un test, cuando esto es falso. Al disminuir hace aumentar la probabilidad del error de tipo II. Todo lo anterior es cierto. Todo lo anterior es falso.

Un estudio sobre la efectividad de un f·rmaco llega a la conclusiÛn de que Èste es mejor que el placebo con p<0,05 øCu·l es la interpretaciÛn correcta de este resultado?. Con toda seguridad, el tratamiento es mejor que el placebo. La probabilidad de que el nuevo tratamiento sea mejor que el placebo es superior al 95%. El tratamiento es un 95% m·s efectivo que el placebo. La probabilidad de que el placebo sea mejor que el nuevo f·rmaco es menor de 5%. Si el tratamiento no fuese efectivo, existe menos del 5% de probabilidad de observar unas muestras tan contrarias a dicha hipÛtesis como las obtenidas.

En un contraste de hipÛtesis la cantidad p es: Un n˙mero pequeÒo. Fijada antes de realizar el contraste. La probabilidad de rechazar la hipÛtesis nula. La probabilidad de error al rechazar la hipÛtesis alternativa. Conocida al extraer la muestra y calcular el estadÌstico experimental.

En todo contraste de hipÛtesis: Se acepta la hipÛtesis de mayor probabilidad. Se rechaza la hipÛtesis de menor probabilidad. La hipÛtesis nula se elige seg˙n el principio de simplicidad cientÌfica. Todo lo anterior es cierto. Es necesario contrastar la normalidad de los datos.

Un contraste de hipÛtesis se considera significativo si: Una muestra aleatoria es coherente con la hipÛtesis nula. Una muestra aleatoria no es coherente con la hipÛtesis nula. La hipÛtesis alternativa es m·s probable que la nula. Todo lo anterior es cierto. Son ciertas (b) y (c).

Un contraste de hipÛtesis se considera no significativo si: Una muestra aleatoria es coherente con la hipÛtesis nula. Una muestra aleatoria no es coherente con la hipÛtesis nula. La hipÛtesis nula es m·s probable que la alternativa. Todo lo anterior es cierto. Son ciertas(a) y (c).

En relaciÛn a las tÈcnicas de inferencia estadÌstica, elija la afirmaciÛn correcta: La media poblacional es una estimaciÛn puntual. La media muestral es un par·metro. SÛlo se rechaza una hipÛtesis nula si esta es falsa. Un intervalo de confianza es una estimaciÛn confidencial de un par·metro. Todo lo anterior es falso.

En relaciÛn con los contrastes de hipÛtesis, elija la afirmaciÛn correcta: La hipÛtesis nula es la correcta. La hipÛtesis nula es la falsa. Si la hipÛtesis alternativa es cierta, seguro que se rechaza la nula. El contraste es significativo cuando los datos muestrales no son los esperados si la hipÛtesis nula fuese cierta,. Si es m·s probable que sea cierta la hipÛtesis alternativa que la nula, el contraste es significativo.

Se realiza un estudio para saber si dos tratamientos de quimioterapia presentan diferencias en cuanto a la supervivencia de los pacientes. No se encontrÛ diferencia estadÌsticamente significativa. øCu·l de las siguientes razones podrÌan ser causantes del resultado?. Los tratamientos ofrecen tiempos de supervivencia muy diferentes. El nivel de significaciÛn es demasiado alto. Las muestras son demasiado numerosas. Las muestras son demasiado pequeÒas. Nada de lo anterior.

De las siguientes, cu·l se corresponde con un error de tipo II: Aceptar que un tratamiento ineficaz produce efectos ˙tiles. Rechazar que un tratamiento ineficaz produce efectos ˙tiles. Aceptar que un tratamiento eficaz produce efectos ˙tiles. Rechazar que un tratamiento eficaz produce efectos ˙tiles. Nada de lo anterior es cierto.

Se realiza un experimento donde nos basaremos en un contraste de hipÛtesis para tomar una decisiÛn con un nivel de significaciÛn del 1%. De las siguientes cu·l no es un resultado posible de un contraste de hipÛtesis: El experimento no es concluyente. El experimento permite obtener conclusiones. Se rechaza la hipÛtesis nula. Se rechaza la hipÛtesis alternativa. Se acepta la hipÛtesis alternativa.

En un contraste de hipÛtesis, tÌpicamente, la regiÛn crÌtica: Tiene probabilidad pequeÒa, si la hipÛtesis nula fuese cierta. Esta situada en la zona de mayor probabilidad, si la hipÛtesis nula fuese cierta. Tiene probabilidad grande, si la hipÛtesis nula fuese cierta. Tiene probabilidad pequeÒa, si la hipÛtesis alternativa fuese cierta. Nada de lo anterior.

Elija la afirmaciÛn falsa: El nivel de significaciÛn es normalmente un valor pequeÒo. La significaciÛn de un contraste es conocida tras analizar los datos. El nivel de significaciÛn de un contraste debe ser fijado antes de analizar los datos. Un contraste debe ser declarado significativo antes de recoger los datos. Un contraste es declarado significativo si se obtiene una muestra que discrepa mucho de la hipÛtesis nula.

SeÒale la respuesta falsa en lo que concierne a los contrastes de hipÛtesis: La hipÛesis nula puede ser rechazada. La hipÛtesis alternativa puede ser aceptada. Si no se rechaza la hipÛesis nula, los resultados no son concluyentes. La hipÛtesis nula es aquella para la que buscamos evidencia a favo. La hipÛesis alternativa se opone a la nula.

El error de tipo I consiste en: rechazar H0 cuando es falsa. rechazar H0 cuando es cierta. No rechazar H0 cuando es falsa. No rechazar H0 cuando es cierta. La probabilidad de rechazar H0 cuando es falsa.

Cu·l de los siguientes resultados de un contraste de hipÛtesis podrÌa contener un erro de tipo I: No hay diferencias en niveles de triglicÈridos entre hombres y mujeres. No hay cambios en los niveles de colesterol antes y despuÈs de un tratamiento. Un nuevo tÌpo de intervenciÛn mejora la capacidad pulmonar en pacientes de EPOC. El consumo de leche no se asocia con la altura de niÒos de 10 aÒos. No hay asociaciÛn entre fumar y c·ncer de pulmÛn.

Solamente una de las siguientes frases podrÌa alguna vez encontrarse como conclusiÛn de un estudio cientÌfico. øCu·l es?. El tratamiento produjo un efecto significativamente mayor que el placebo (p=0.75). El tratamiento produjo un efecto significativamente menor que el placebo (p=0.25). El tratamiento no produjo un resultado diferente al placebo (p<0.001). El tratamiento produjo un efecto significativamente menor que el placebo (p=0.99). Se apreciaban diferencias significativas entre el placebo y el tratamiento (p<0.001).

Para conocer los Ìndices predictivos en un test diagnÛstico para una enfermedad que tiene un 1% de afectados en la poblaciÛn, ser· necesario conocer. Sensibilidad y verdaderos positivos. Prevalencia. Verdaderos positivos y prevalencia. Especificidad y verdaderos negativos. Falsos positivos y verdaderos positivos.

Si la probabilidad de tener la enfermedad A es del 5%, la de tener la enfermedad B es del 10% y la de tener al menos una de las dos es del 13%, øc˙al es la probabilidad de tener las dos?. Cero. 1%. 2%. 5%. 8%.

Cierto tests diagnÛstico acierta sobre el 100% de los individuos enfermos y el 50% de los sanos. Cierta persona pasa el test con resultado negativo. Entonces. Esta sana. Esta enferma. Existe una probabilidad del 50% de que estÈ sana. Existe una probabilidad del 75% de que estÈ sana. Existe una probabilidad del 75% de que estÈ enferma.

øCÛmo se calcula la sensibilidad de un test diagnÛstico?. Contabilizando el n˙mero de tests positivos en una muestra aleatoria de individuos. Contabilizando el n˙mero de tests negativos en una muestra aleatoria de individuos. Contabilizando el n˙mero de tests positivos en una muestra aleatoria de enfermos. Contabilizando el n˙mero de tests negativos en una muestra aleatoria de sanos. Ninguna de las anteriores es cierta.

Cierto test diagnÛstico acierta sobre el 100% de los individuos sanos y el 0% de los individuos enfermos. Elegida una persona al azar: Hay una probabilidad del 50% de que estÈ enferma. Hay una probabilidad del 0% de que estÈ enferma. Hay una probabilidad del 100% de que estÈ enferma. El test ser· negativo. Ninguna de las anteriores es cierta.

En una poblaciÛn, hay tantos hombres como mujeres, el 20% son varones y fumadores y el 20% de las mujeres fuman. Entonces: Fuman tantos hombres como mujeres. Por cada mujer fumadora hay dos hombres fumadores. Por cada hombre fumador hay dos mujeres fumadoras. Hay un 40% de fumadores en la poblaciÛn. Nada de lo anterior es cierto.

Para estudiar la efectividad de un test diagnÛstico ante una enfermedad se toma un grupo de 200 personas enfermas y 200 que no la padecen, y se observan los resultados. øQuÈ podemos estimar directamente de ellos?. La sensibilidad y especificidad del test. La incidencia de la enfermedad en la poblaciÛn. El Ìndice predictivo de verdaderos positivos. Son correctas (a) y (c). Todo lo anterior.

El porcentaje de individuos fumadores o con bronquitis se puede interpretar como una probabilidad: De un suceso intersecciÛn. Condicionada. De un suceso uniÛn. A posteriori. De un suceso complementario.

El porcentaje de individuos con bronquitis entre los fumadores se puede interpretar como una probabilidad: De un suceso intersecciÛn. Condicionada. De un suceso uniÛn. A posteriori. De un suceso complementario.

El porcentaje de individuos con bronquitis que adem·s son fumadores se puede interpretar como una probabilidad: De un suceso intersecciÛn. Condicionada. De un suceso uniÛn. A posteriori. De un suceso complementario.

El 12% de los individuos de una poblaciÛn padece osteoporosis. EL 25% de ellos lo sabe. øQuÈ tasa de individuos tiene osteoporosis y lo desconoce?. 3%. 6%. 9%. 12%. 25%.

La osteoporosis afecta 4 veces m·s a mujeres que a hombres. El 8% de las mujeres padece osteoporosis en una poblaciÛn donde hay tantos hombres como mujeres. øCu·l es la prevalencia de la osteoporosis en la poblaciÛn?. 2%. 5%. 8%. 10%. 12%.

Elija la afirmaciÛn correcta relativa a pruebas diagnÛsticas: La sensibilidad se obtiene usando la nociÛn subjetiva de probabilidad. El Ìndice predictivo positivo se obtiene directamente de la nociÛn frecuentista de probabilidad. La tasa de verdaderos positivos se obtiene directamente de la nociÛn frecuentista de probabilidad. La prevalencia de la enfermedad se obtiene a partir del teorema de Bayes. nada de lo anterior es cierto.

El 2% de la poblaciÛn padece diabetes. Si de ellos, el 30% no est· diagnÛsticado, esta cantidad puede entenderse como una probabilidad... De un suceso intersecciÛn. Condicionada. De un suceso uniÛn. A posteriori. De un suceso complementario.

En una poblaciÛn, el 5% son enfermos diagnosticados de una enfermedad, la cual padece el 10% de la poblaciÛn. La probabilidad de estar diagnÛsticado para un individuo enfermo es: 2%. 5%. 15%. 50%. No puede calcularse con esos datos.

Una prueba diagnÛstica de cierta enfermedad, tiene una tasa de aciertos del 90% tanto sobre enfermos como sanos. La incidencia de la enfermedad en la poblaciÛn es del 50%. Si se pasa el test a una persona y sale positivo, la probabilidad de que realmente estÈ enferma es. 45%. 50%. 75%. 90%. 100%.

Una enfermedad tiene una incidencia del 50% en la poblaciÛn. Un test para detectarla posee una tasa de verdaderos positivos del 80%, y de falsos positivos del 20%. Si un individuo resulta ser positivo, la probabilidad de que estÈ enfermo es: 20%. 40%. 50%. 60%. 80%.

Se define la sensibilidad de un test como: La probabilidad de que si el test da positivo el sujeto estÈ enfermo. La probabilidad de que si el sujeto est· enfermo el test de positivo. La probabilidad de que si el test da negativo el sujeto estÈ sano. La probabilidad de que si el sujeto est· sano el test de negativo. Ninguna de las anteriores.

En una poblaciÛn el 30% son hombres de los cuales son deportistas el 20%, frente al 25% de las mujeres. Escogida una persona al azar es deportista. La probabilidad de que sea mujer es (aproximadamente): 0,235. 0,60. 0,74. 0,25. No puede calcularse con esos datos.

La funciÛn de densidad de una variable aleatoria continua: Siempre es no negativa. Es la derivada de la funciÛn de distribuciÛn. El ·rea encerrada por ella y el eje X vale uno. Todo lo anterior es cierto. sólo (a) y (c) son correctas.

Q˙e propiedad o propiedades caracterizan a una distribuciÛn normal tipificada frente a una distribuciÛn normal cualquiera: El ·rea bajo su funciÛn de densidad es igual a 1. Su media es 1 y su desviaciÛn tÌpica es 0. Su rango de valores oscila entre 0 y 3. Su media es 0 y su desviaciÛn tÌpica es 1. Son ciertas (c) y (d).

La edad de los individuos de una poblaciÛn sigue una distribuciÛn normal. Se extrae aleatoriamente una muestra de 300 pacientes cuya media es de 50 aÒos, y la desviaciÛn tÌpica es 10 aÒos. Entonces: Aproximadamente el 95% de los pacientes tienen edades entre 30 y 70 aÒos. Existe una probabilidad del 95% de que la verdadera media de la poblaciÛn estÈ entre 30 y 70 aÒos. Aproximadamente el 95% de los pacientes tienen edades entre 40 y 60 aÒo. Existe una probabilidad del 95% de que la verdadera media de la pobllaciÛn estÈ entre 40 y 60 aÒos. Existe una probabilidad del 95% de que la verdadera media de la pobllaciÛn estÈ entre 45 y 55 aÒos.

En un grupo de 50 pacientes se ha obtenido un valor de glucemia medio de 90mg/dL, con una . desviaciÛn tÌpica de 15. Suponiendo la normalidad de los datos, øcu·l ser· la mejor estimaciÛn del n˙mero de pacientes que tienen un nivel de glucemia entre 90 y 105. 15. 17. 20. 25. 34.

En una poblaciÛn, el peso tiene media 60kg y desviaciÛn tÌpica 6Kg. La altura tiene de media 170cm y desviaciÛn 6cm. Cierto individuo tiene un peso de 70 Kg y altura 180cm. La altura tiene un valor m·s extremo que el peso. El peso es menos extremo que la altura. Peso y altura son valores igualmente extremos. El peso es m·s extremo que la altura. La altura es menos extrema que el peso.

De los siguientes, quÈ me puede servir directamente para saber si una observaciÛn de una variable aleatoria es anÛmala: El valor de la funciÛn de densidad. El valor de la funciÛn de distribuciÛn. El valor esperado de la variable. El valor de la varianza. Nada de lo anterior.

El nivel medio de glucemia en una poblaciÛn tiene un comportamiento gausiano co n media 150mg/dl, y un coeficiente de variaciÛn del 10%. Entre quÈ valores se situa el 95% de los individuos de la poblaciÛn. Entre 140 y 160. Entre 130 y 170. Entre 120 y 180. Entre 110 y 190. Entre 100 y 200.

El perÌmetro tor·cico en un grupo de militares presenta distribuciÛn gaussiana con 95 cm de . media y 5 cm de desviaciÛn tÌpica. Elegimos a una muestra de 100 indivÌduos y calculamos la media de la misma. Elija la afirmaciÛn correcta: La media de la muestra valdr· 95cm. La media de la muestra serÌa un valor comprendido entre 90 y 100 cm con confianza del 68%. La media de la muestra ser· un valor comprendido entre 95 y 100 cm con confianza del 95%. La media de la muestra ser· un valor comprendido entre 94 y 96 cm con confianza del 95%. Todo lo anterior es falso.

La concentraciÛn de calcio se comporta en los mamÌferos como una distribuciÛn normal de media 10 y desviaciÛn tÌpica 2. øCon quÈ frecuencia se encuentran mamÌferos con una concentraciÛn superior a 14?. 95%. 68%. 50%. 5%. 2,5%.

El IMC se distribuye en una poblaciÛn de forma normal. El 95% central de los individuos tiene un IMC comprendido entre 20 y 24. Entonces: La media es 22. La desviaciÛn tÌpica es 1. La curtosis es cero. Todas las anteriores son correctas. SÛlo dos de las anteriores son correctas.

El consumo diario de CalorÌas se distribuye en una poblaciÛn de forma normal, con media 2500 y desviaciÛn tÌpica 100. Si elijo una muestra de tamaÒo 100, entre quÈ valores espero encontrar su media (con una probabilidad del 95% de acertar): Entre 2400 y 2600. Entre 2300 y 2700. Entre 2490 y 2510. Entre 2480 y 2520. Entre 2498 y 2502.

En una muestra de pacientes, el n˙mero de varones dividido entre el total de pacientes es: Una frecuencia relativa. Una frecuencia absoluta. Una variable cuantitativa. Una variable cualitativa. Un valor de la variable.

Cu·l de las siguientes medidas define mejor la tendencia central de los datos: 5 , 4, 42, 4, 6. La mediana. La media. El sesgo. El rango. La proporciÛn.

SeÒale cu·l de las siguientes afirmaciones es falsa: La apariciÛn o no de bacterias en un cultivo es una variable dicotÛmica. La estatura de un individuo es una variable cuantitativa discreta. El lugar que ocupa una persona entre sus hermanos (de menor a mayor edad) es una variable ordinal. El estado civil es una variable cualitativa. La glucemia es continua.

Los diagramas de sectores son muy ˙tiles para comparar: Dos variables cualitativas en una poblaciÛn. Dos variables cuantitativas en una poblaciÛn. Una variable cualitativa en dos poblaciones. Una variable cuantitativa en dos poblaciones. Una variable cuantitativa con otra cualitativa.

En el caso de una variable ordinal, el n˙mero n de datos v·lidos es: La suma de las frecuencias absolutas. La frecuencia absoluta acumulada de la categorÌa m·s frecuente. La suma de las frecuencias relativas. La frecuencia relativa acumulada en la ˙ltima catetgorÌa. La (a) y la (d) son ciertas.

En un estudio sobre problemas cervicales preguntamos a los pacientes acerca del tipo de almohada que usan. Las respuestas deberÌan ser consideradas como una variable: Cualitativa nominal. NumÈrica. Discreta. Continua. Ordinal.

Elija la afirmaciÛn correcta sobre variables observadas en individuos: Poseer vivienda propia es una variable numÈrica. Poseer animales de compaÒÌa es una variable cualitativa. El tipo de almohada que usa es variable ordinal. La nacionalidad es una variable ordinal. La longitud de la cama donde duerme es variable discreta.

La estadÌstica en Ciencias de la Salud se utiliza para obtener informaciÛn sobre situaciones de caracter: Determinista. Sistem·tico. Exhaustivo. Aleatorio. Excluyente.

Elija la afirmaciÛn que pueda considerarse admisible al leer un estudio estadÌstico: Se estudiÛ a una muestra en vez de a la poblaciÛn, para mayor precisiÛn. Se estudiÛ a la poblaciÛn para obtener informaciÛn sobre la muestra. Se estudiÛ a una muestra representativa de la poblaciÛn. Se estudiaron todas las variables de la poblaciÛN. Se observÛ a un individuo de cada variable.

Elija la afirmaciÛn correcta: Los valores de cualquier variable deben ser agrupados en intervalos. Las variables deben ofrecer valores que no se repitan en los diferentes individuos. Las modalidades de una variable deben poder ser observadas en todos los individuos. Los individuos pueden poseer diferentes modalidades de la misma variable. Todo lo anterior es falso.

En cuanto a la presentaciÛn ordenada del estudio de una variable aislada: Lo m·s informativo es mostrar las medidas de tendencia central. Lo m·s informativo es mostrar las medidas de dispersiÛn. Se deben presentar todos los valores observados de la variable, uno a uno, de menor a mayor. Las representaciones gr·ficas dan m·s informaciÛn que las tablas de frecuencia. A veces no tiene sentido usar frecuencias acumuladas.

En las representaciones gr·ficas de variables cualitativas, la regla fundamental a tener en cuenta es: Las alturas en cada modalidad son proporcionales al valor de la variable. Las ·reas para cada modalidad son proporcionales al valor de la variable. Las ·reas para cada modalidad son proporcionales a las frecuencias acumuladas. Las ·reas para cada modalidad son proporcionales a las frecuencias absolutas o relativas. Las alturas para cada modalidad son proporcionales a las frecuencias acumuladas.

Entre las representaciones gr·ficas para variables cualitativas tenemos: Histogramas. Diagramas integrales. Diagramas diferenciales. Diagramas de cajas y bigotes. Nada de lo anterior.

Elija la opciÛn correcta. Un par·metro es algo calculado sobre cada individuo. Un par·metro es calculado sobre la muestra. Una variable se calcula sobre los par·metros de una poblaciÛn. Un estadÌstico se calcula sobre la poblaciÛn. Nada de lo anterior es correcto.

Disponemos de la distribuciÛn de edades de los individuos de una poblaciÛn. El n˙mero de ellos que no es mayor de edad, es: Una frecuencia relativa. Una frecuencia absoluta. Una frecuencia acumulada. Una variable numÈrica. Una variable cualitativa.

Conocemos la distribuciÛn de estudiantes entre las distintas facultades del campus de Teatinos. El n˙mero de estudiantes de PsicologÌa es: Una frecuencia relativa. Una frecuencia absoluta. Una frecuencia acumulada. Un porcentaje. Una variable cualitativa.

De los siguientes conceptos indique el que no tenga sentido: Diagrama de barras para la variable "Grupo sanguÌneo". Pictograma para la variable "Altura". Diagrama integral para la variable "Nivel de colesterol". Diagrama de sectores para la variable "Sexo". Histograma para la variable "Peso".

Se llama par·metro a: Una funciÛn de valor numÈrico definida sobre alguna caracterÌstica observable en los individuos de una poblaciÛn. Cualquier variable observable de una poblaciÛn. Una funciÛn definida sobre los valores numÈricos de una muestra. Las variables numÈricas de la muestra. Cualquier funciÛn sobre las variables observadas.

Si queremos representar gr·ficamente los porcentajes de una variable cuantitativa continua debemos usar: Pictogramas. Diagrama de barras. Diagrama diferencial acumulado. Histograma. No existe gr·fica posible.

El grado de satisfacciÛn (poco/regular/mucho) con la polÌtica espaÒola la tratarÌa como: una variable cualitativa nominal. una variable cuantitativa discreta. una variable cualitativa ordinal. una variable numÈrica continua. ninguna de las anteriores es correcta.

Con respecto a la modalidades de una variable cualquiera: Pueden siempre agruparse en clases. Deben formar un sistema exhaustivo. No pueden agruparse en intervalos. No tienen porquÈ formar un sistema excluyente. Solo dos son correctas.

Cuando hablamos de n˙mero de cumpleaÒos que ha tenido una persona estamos ante: Una variable cualitativa ordinal. Una variable cualitativa nominal. Una variable cuantitativa discreta. Una variable cuantitativa continua. El n˙mero de cumpleaÒos no es una variable.

Los gr·ficos indicados para variables cualitativas son: Los diagramas de barras y los histogramas. Los diagramas de barras, los de sectores y los pictogramas. Los histogramas y pictogramas. SÛlo los diagramas de barras. Los diagramas integrales.

Las frecuencias acumuladas tienen sentido para: Variables ordinales. Variables numÈricas. Variables nominales. Todas son correctas. Las opciones a) y b) son correctas.

Disponemos de la distribuciÛn de edades de los individuos de una poblaciÛn. El n˙mero de ellos que tiene dos o menos hijos es: Una variable cualitativa. Una variable numÈrica. Una frecuencia acumulada. Son correctas a) y b). Ninguna es correcta.

øQuÈ gr·fico elegirÌas para representar una las respuestas a una encuesta sobre el n˙mero de hijos que tiene la poblaciÛn?. Histograma. Diagrama de sectores. Pictograma. Diagrama de Barras. Ninguna de las anteriores.

Para comparar la variabilidad relativa de la tensiÛn arterial diastÛlica y el nivel de colesterol en sangre de una serie de individuos, utilizamos. Las desviaciones tÌpicas. Los rangos. Los coeficientes de variaciÛn. La diferencia de las medias. La diferencia de las varianzas.

La media aritmÈtica de una variable cuantitativa: Es siempre un valor de la variable. No tiene sentido calcularla para variables discretas. Es el valor m·s representativo de una modalidad. Si la variable es discreta, puede no ser ˙nica. Existe siempre.

Las siguientes medidas son todas de centralizaciÛn, excepto. La media. La moda. La mediana. Rango intercuartílico. El perece tío 50.

En un estudio descriptivo se obtiene una que el peso tiene una media de 60 kg y una desviaciÛn tÌpica de 20 kg., mientras que la media de las edades es 15 aÒos, con una desviaciÛn tÌpica de 5 aÒos. Entonces: Hay m·s dispersiÛn en pesos que en edades. Hay m·s dispersiÛn en edades que en pesos. Peso y edad est·n dispersos de modo equivalente. No tiene sentido compararlos al no coincidir las unidades de medida. Para comparar ambas dispersiones debemos usar la covarianza.

øCu·l de las siguientes caracterÌsticas no se corresponde con el concepto de mediana?. Es el centro de gravedad de la distribuciÛn. No se ve afectada por los valores extremos. Deja por debajo el mismo n˙mero de datos que por encima. Es el segundo cuartil. Todo lo anterior se corresponde con la mediana.

SeÒale cual de las siguientes afirmaciones es verdadera: La media, la mediana y el rango orientan sobre la tendencia central de los datos. La desviaciÛn tÌpica me orienta sobre la "validez" de la media. El rango me orienta sobre la simetrÌa de la distribuciÛn. Las marcas de clase de una variable cualitativa se calculan como los puntos medios de los intervalos. La media, mediana y moda resumen todo tipo de informaciÛn de los datos.

SeÒale cu·l de las siguientes afirmaciones es falsa. La media aritmÈtica es siempre el centro de gravedad de la distribuciÛn. En una distribuciÛn continua simÈtrica, media y mediana coinciden. La media aritmÈtica cambia cuando cambia alg˙n dato. La mediana no siempre cambia cuando lo hace alg˙n dato. En las distribuciones continuas simÈtricas todas las medidas de centralizaciÛn coinciden.

El coeficiente de variaciÛn: Permite comparar la dispersiÛn de dos poblaciones. Es menor que la media. Es menor que la desviaciÛn tÌpica. No depende de la media ni la desviaciÛn tÌpica. Depende de la escala que se use al medir la variable.

Se pide a unos enfermos que valoren su grado de mejorÌa tras un tratamiento en una escala de 1 a 5. De la siguiente colecciÛn de posibilidades, cu·l cree que resume mejor los mismos: Media, Mediana y Moda. Percentil 25, Percentil 50, Percentil 75. Media y desviaciÛn tÌpica. Mediana y desviaciÛn tÌpica. Rango.

Al aplicar un tratamiento a un paciente, puede que este empeore, no le haga efecto, o mejore. Si dicho tratamiento se aplica a una poblaciÛn de 100 pacientes, øquÈ medidas cree que resumen mejor los datos?. Media, mediana, moda, desviaciÛn tÌpica y asimetrÌa. Mediana y coeficiente de variaciÛn. Media y coeficiente de variaciÛn. Percentil 25, percentil 50 y percentil 75. Ninguna de las anteriores.

En cierta poblaciÛn se observa la distribuciÛn de los grupos sanguÌneos. Si queremos resumir la informaciÛn obtenida podemos utilizar: Moda. Mediana. Frecuencias acumuladas absolutas. Frecuencias relativas. Nada de lo anterior.

De las siguientes medidas, cu·les podria utilizar para argumentar en favor o en contra de la asimetrÌa de la variable edad: Percentil 25 y percentil 75. Media y Percentil 60. Media y mediana. Media y desviaciÛn tÌpica. Ninguna de las anteriores.

La pregunta: øquÈ nivel de colesterol sÛlo es superado por el 5% de los individuos?, tiene por respuesta: El percentil 95. El percentil 5. Los percentiles 2,5 y 97,5. 95%. Nada de lo anterior.

QuÈ peso no llega a alcanzar el 40% de los individuos de una poblaciÛn: El 40%. El 60%. El percentil 60. El percentil 40. Los percentiles 20 y 60.

Una distribuciÛn presenta asimetrÌa negativa siempre que: Hay m·s valores negativos que positivos. Hay menos valores negativos que positivos. No es simÈtrica. La media es menor que la varianza. Nada de lo anterior es cierto.

La media aritmÈtica de una variable discreta. Puede ser un valor de la variable. No deberÌa ser utilizada como medida de centralizaciÛn. Es lo mismo que el percentil 50. Puede no ser ˙nica. Todo lo anterior es falso.

Se pregunta a los individuos su opiniÛn sobre una cuestiÛn, pudiendo valorar estos su respuesta en tÈrminos de: en contra, en parte a favor, muy a favor, totalmente de acuerdo. Elija la afirmaciÛn correcta: Podemos calcular la media. Podemos calcular el coeficiente de variaciÛn. La variable es de tipo ordinal. La variable es de tipo cualitativo nominal. Nada de lo anterior es cierto.

Un estadÌstico es: Un valor numÈrico definido sobre los valores de una muestra. La media muestral. Un valor numÈrico definido sobre los valores de una poblaciÛn. Un individuo de una muestra. Ninguna de las anteriores son correctas.

La calificaciÛn de selectividad que sÛlo es superada por el 12% de los estudiantes se denomina: Percentil 12. Cuantil 0,88. Cuantil 0,12. Decil 88. Nada de lo anterior es correcto.

En una poblaciÛn, el 70% de las alturas consideradas "m·s normales" se encuentran: Por encima del percentil 70. Por debajo del cuantil 0,30. Entre el percentil 30 y el 70. Entre el percentil 15 y el 85. Entre la media y la mediana.

Las medidas de centralizaciÛn, en cuanto a la informaciÛn que ofrecen sobre una variable numÈrica, preferimos (por orden, de peor a mejor): media, mediana, moda. moda, media, mediana. media, moda, mediana. No se puede en general recomendar una como mejor que las otras. Todo lo anterior es falso.

Si una muestra posee valores anÛmalos, de las siguientes cu·l usarÌas como medida de dispersiÛn: Varianza. DesviaciÛn tÌpica. Rango intercuartÌlico. Rango. M·ximo y coeficiente de variaciÛn.

Si queremos saber cÛmo de disperso est· una variable relativamente con respecto a la magnitud de los valores centrales de la misma, usaremos: Varianza. DesviaciÛn tÌpica. Rango intercuartÌlico. Rango. Coeficiente de variaciÛn.

Si el coeficiente de asimetrÌa en una poblaciÛn presenta el valor 0,99 entonces: La distribuciÛn presenta una cola a la derecha. La distribuciÛn presenta una cola a la izquierda. La distribuciÛn es m·s apuntada que la normal. La distribuciÛn es menos apuntada que la normal. La distribuciÛn es pr·cticamente simÈtrica.

Si la media del peso en una poblaciÛn es 60 kg. y la mediana 65kg., entonces afirmamos que la distribuciÛn del peso en la poblaciÛn es: Platic˙rtica. Mesoc˙rtica. Leptoc˙rtica. AsimÈtrica. Unimodal.

Si el coeficiente de asimetrÌa en una poblaciÛn presenta el valor -5,22 entonces: La distribuciÛn presenta una cola a la derecha. La distribuciÛn presenta una cola a la izquierda. La distribuciÛn es m·s apuntada que la normal. La distribuciÛn es menos apuntada que la normal. Ese valor de asimetrÌa es imposible.

Medimos el n˙mero de glÛbulos rojos y el de blancos en cada individuo de una poblaciÛn. Se observa determinada variabilidad en esas cantidades. Queremos saber de quÈ tipo de cÈlula se presenta mayor variabilidad. Compararemos las desviaciones tÌpicas. Compararemos los rangos. Estudiaremos la covarianza. Estudiaremos el coeficiente de correlaciÛn lineal de Pearson. Compararemos los coeficientes de variaciÛn.

En una muestra de 1000 mujeres se estudia su n˙mero de hijos. Si quiero tener el m·ximo de informaciÛn sobre la variable del estudio, preferimos: Media, Mediana y Moda. Percentil 25, Percentil 50, Percentil 75. Media y desviaciÛn tÌpica. Media, mediana, cuartiles, asimetrÌa, curtosis y desviaciÛn tÌpica. DistribuciÛn de frecuencias.

Una variable continua presenta una fuerte asimetrÌa positiva. De entre las siguientes posibilidades, cu·l es preferible para resumir la informaciÛn que hay en la muestra. La mediana. La media y la desviaciÛn tÌpica. Los cuartiles. El mÌnimo y el m·ximo. El diagrama de cajas de Tukey.

El 3% de los individuos tiene una altura superior a 190cm. El 5% mide menos de 150cm. Conocemos: El percentil 3. El cuantil 0,06. El percentil 95. El percentil 97. Nada de lo anterior.

En un grupos de niÒos se tiene una altura media de 150cm con desviaciÛn tÌpica de 10cm. La edad media es 12 aÒos, con desviaciÛn tÌpica de 3 aÒos. øDÛnde se presenta mayor dispersiÛn?. En edades. En alturas. Las dispersiones son similares. No se puede decir con esos datos quÈ variable est· m·s dispersa. Nada de lo anterior.

De los siguientes representaciones gr·ficas, cual muestra directamente las observaciones extremas: Diagrama de excesos. Barras. El diagrama de observaciones atÌpicas. Pictograma. Cajas de Tukey.

El peso presenta una distribuciÛn con gran asimetrÌa positiva en un grupo de individuos obesos. øQuÈ valor divide a los mismos en dos grupos con la misma cantidad de individuos?. La moda. El percentil 25. El percentil 75. La media. Ninguno de los anteriores.

Respecto a las medidas de centralizaciÛn: La media no debe usarse en distribuciones muy asimÈtricas. La moda puede no ser ˙nica. En distribuciones simÈtricas media, mediana y moda coinciden. Las tres anteriores son correctas. SÛlo la a) y la b) son correctas.

Para medir la variabilidad de una variable utilizamos: El coeficiente de variaciÛn. La desviaciÛn tÌpica. El coeficiente de determinaciÛn. Todas las anteriores. SÛlo la a) y la b).

Si queremos comparar la variabilidad de dos variables diferentes utilizaremos: Las desviaciones tÌpicas. Las puntuaciones tÌpicas. Los coeficientes de variaciÛn. Las varianzas. Ninguna de las anteriores.

El coeficiente de asimetrÌa en una poblaciÛn vale 3. Elija la afirmaciÛn correcta: La distribuciÛn presenta una cola a la derecha. La distribuciÛn presenta una cola a la izquierda. La distribuciÛn es simÈtrica. La distribuciÛn es m·s apuntada que la normal. La media es igual a la mediana.

øQuÈ altura no es superada por el 75% de los individuos?. Primer cuartil. Cuantil 0.75. Percentil 25. Cuantil 75. Segundo cuartil.

øCu·l de las siguientes medidas define mejor la tendencia central de los datos: 1, 2, 4, 5, 9, 1, 3, 9, 400?. Media. Cuantil 0,5. Moda. DesviaciÛn tÌpica. Ninguna de las anteriores.

Las siguientes medidas son de posiciÛn excepto: Percentil. Cuartil. Mediana. Media. Deciles.

De las siguientes variables øcon cu·les NO puedo calcular la media?. temperatura corporal. pH del estÛmago. grupo sanguÌneo. n˙mero de glÛbulos rojos. Edad.

De las siguientes variables con cu·l serÌa menos adecuado un diagrama de barras?. N˙mero de hijos. N˙mero de coches que posee la familia. N˙mero de cigarros fumados al dÌa. N˙mero de glÛbulos rojos. N˙mero de mascotas.

øcu·l des estas caracterÌsticas no es propia de la media?. Es sensible a valores extremos. Es el centro de gravedad de los datos. en distribuciones simÈtricas, coincide con la mediana. Deja el mismo n˙mero de datos por arriba que por abajo. Las opciones a) y b).

La altura superada por el 25% de la poblaciÛn es: El percentil 75. El percentil 25. El percentil 5. El cuantil 0.25. Entre el percentil 25 y 75.

Cu·l es la mediana de los siguientes datos 22, 5, 9, 11, 10, 14, 7. 5. 9. 11. 10. 14.

Si el cuantil 0,9 del peso es 70 kilogramos, quiere decir esto: Que una frecuencia del 70% individuos pesa m·s de 70 kilogramos. Que una frecuencia del 90% de individuos pesa m·s de 70 kilogramos. Que una frecuencia del 90% individuos pesa menos de 70 kilogramos. Que una frecuencia de 70% de individuos pesa menos de 90 kilogramos. Todas son falsas.

øCu·l de las siguientes es una medida de dispersiÛn poco sensible a valores extremos?. Rango. Moda. DesviaciÛn tÌpica. Rango intercuartÌlico. Varianza.

En una distribuciÛn: P25 =40, P50 =60 y P75 =70. La distribuciÛn es simÈtrica. La distribuciÛn sugiere asimetrÌa negativa. La distribuciÛn sugiere asimetrÌa positiva. La distribuciÛn es leptoc˙rtica. Las opciones a) y d) son ciertas.

QuÈ nivel de oxÌgeno en sangre es tal que el 70% de los individuos presenta un valor superior al mismo. Percentil 70. Percentil 30. 1 Cuartil. 3 Cuartil. Todas son falsas.

En los diagramas de Tukey, se representan entre otros: El mÌnimo y el m·ximo. La moda y la mediana. Los cuartiles. Las opciones b) y c) son correctas. Las opciones a) y c) son correctas.

En una distribuciÛn la mediana es 20 y la media es 26: Con seguridad hay asimetrÌa negativa. Con seguridad hay asimetrÌa positiva. Hay colas hacia la derecha y hacia la izquierda. Los datos son simÈtricos. Los datos sugieren una cola hacia la derecha. HabrÌa que estudiarlo con m·s detalle.

Rango IntercuartÌlico: Es sensible a los datos extremos. Es la distancia ente el primer y segundo cuartil. Es la raÌz cuadrada de la varianza. Sus unidades son el cuadrado de las variables. Mide el grado de dispersiÛn de los datos, independientemente de su causa.

Cual de las siguientes frases no nos encontrarÌamos nunca en un estudio estadÌstic. La media era mayor que la mediana. El rango de la variable es negativo. La correlaciÛn de las variables es negativa. La asimetrÌa es negativa. La media es negativa.

Elija la afirmaciÛn falsa: Una variable solo puede recibir un valor en cada individuo. En las variables nominales se pueden calcular percentiles. La mediana no se puede calcular en cualquier tipo de variable. En todas las variables numÈricas podemos calcular medidas de dispersiÛn. En todas las variables numÈricas podemos calcular medidas de centralizaciÛn.

En una poblaciÛn la altura tiene una distribuciÛn simÈtrica, con el 80% de los individuos comprendidos entre 150cm y 180cm. Entonces: El percentil 20 es 150 cm. El percentil 80 es 180cm. El percentil 10 es 150 cm. La desviaciÛn tÌpica es 15 cm. El rango intercuartÌlico es 15cm.

Los habitantes de una sociedad A tienen una renta anual media de 20.000€ (DT 5.000€). En otra sociedad B, la renta anual media es de 30.000€ (DT 5.000€). Hay m·s variabilidad relativa en la sociedad A. Hay m·s variabilidad relativa en la sociedad B. Hay la misma variabilidad relativa en ambas sociedades. El 95 % de los habitantes de cada sociedad tienen salarios comprendidos en una horquilla de 5.000€. Nada de lo anterior es cierto.

La pregunta: øEntre quÈ valores de colesterol se encuentra el 90% de los individuos m·s frecuentes?, tiene por respuesta: por encima del percentil 95. por debajo del percentil 5. Entre los percentiles 5 y 95. 90%. Nada de lo anterior.

Si al calcular el coeficiente de correlaciÛn de dos variables X e Y, se tiene r=-0.20 ocurre que. La pendiente de la recta de regresiÛn es grande. La pendiente de la recta de regresiÛn es pequeÒa. X e Y est·n poco relacionadas, aunque cuando X decrece, Y tiene tendencia a crecer. El modelo lineal de regresiÛn explica el 20% de la varianza de una variable cualquiera en función de la otra. El modelo lineal de regresiÛn explica el 80% de la varianza de una variable cualquiera en función de la otra.

La recta de regresiÛn de Y sobre X se muestra como una buen modelo para explicar la relaciÛn entre dos variables numÈricas. Entonces: Y se puede calcular exactamente como una funciÛn matem·tica de X. Y es independiente de X. La covarianza de X e Y no es nula. La media de X coincide con la media de Y. SÛlo dos de las afirmaciones anteriores son correctas.

En una poblaciÛn se obtiene con una bondad de ajuste de 0,9 que la relaciÛn entre nivel de glucemia (Y) y nivel de colesterol (X) es de Y=20 + X/4. Entonces: Todos los individuos con un valor de colesterol 100, presentan glucemia 45. Existe tendencia a que a mayor nivel de glucemia, mayor nivel de colesterol. Hay mas individuos con colesterol alto que con glucemia baja. Las observaciones se muestran como una nube de puntos creciente. SÛlo dos de las afirmaciones anteriores son correctas.

Dos variables numÈricas son incorreladas. Entonces: r=0. El modelo lineal de regresiÛn sÛlo propone un valor como predicciÛn de Y. La nube de puntos no presenta aspecto creciente. La varianza residual en el modelo de regresiÛn de Y sobre X es igual a la varianza de Y. Todo lo anterior es cierto.

De las siguientes parejas de variables, en cu·les crees que puede ser ˙til un an·lisis de regresiÛn lineal: La presiÛn sanguÌnea y el grupo sanguÌneo. El nivel de colesterol y la concentraciÛn de bilirrubina. El grupos sanguÌneo y el factor Rh. El gÈnero y la edad. Poseer ideologÌa racista y el factor RH.

Si el coeficiente de correlaciÛn lineal de Pearson entre dos variables es -0,8 podemos decir: La covarianza es negativa. La relaciÛn entre las variables es directa. Hay poca relaciÛn lineal entre las variables. Hay un error de c·lculo. El 80% de las predicciones son correctas.

En un estudio de regresiÛn lineal, donde el peso se estudie conjuntamente con otras variables, en quÈ casos lo usarÌas como variable dependiente: Al estudiarlo con la altura. Al estudiarlo con el nivel del colesterol. Al estudiarlo con la presiÛn sanguÌnea. Al estudiarlo con el grupo sanguÌneo. Nada de lo anterior.

En una poblaciÛn formada por unidades familiares, la altura media del padre en la familia se comporta como una distribuciÛn normal de media 170cm con desviaciÛn tÌpica 5 cm. La altura del primer hijo varÛn es otra variable con distribuciÛn similar. Con estos datos podemos afirmar: No hay relaciÛn entre ambas variables. Hay relaciÛn inversa entre las variables. No debemos intentar predecir la altura del hijo de un padre que mide 140cm. Hay relaciÛn directa entre las variables. Nada de lo anterior.

Se observa que al aumentar el consumo de estanol, disminuye el nivel de colesterol en sangre. Se utiliza un modelo de regresiÛn lineal donde el nivel de colesterol es la variable independiente y el consumo de estanol es la dependiente. Se calcula una bondad de ajuste para el modelo del 25%. Entonces: El 25% de las predicciones del modelo son correctas. r= 0.5. r= 0.25. r= -0.25. r= -0.5.

Si el coeficiente de correlaciÛn lineal de Pearson entre dos variables es -0,1 podemos decir: La covarianza es pequeÒa. Hay fuerte relaciÛn inversa entre las variables. Hay poca relaciÛn lineal entre las variables. Hay un error de c·lculo. El 10% de las predicciones son correctas.

Se estudia la asociaciÛn lineal entre dos variables numÈricas. El coeficiente de determinaciÛn vale 0,95. Hay poca asociaciÛn. Hay asociaciÛn directa. Hay asociaciÛn inversa. Hay una buena asociaciÛn. Nada de lo anterior.

Se observa que al disminuir el consumo de comida r·pida, disminuye el nivel de colesterol en sangre. Se usa un modelo de regresiÛn entre ambas que ofrece una bondad de ajuste del 36%. Entonces: El 36% de las predicciones del modelo son correctas. r= +0.60. r= +0.36. r= -0.60. r= -0.36.

Un modelo de regresiÛn lineal para calcular la glucemia (sangre) a partir de la de la orina (glucosuria) es"glucemia=20+ 0.5 glucosuria". Si dos personas se diferencian en 10 unidades de glucosuria, cual es la mejor estimaciÛn que puede hacer para la diferencia en glucemia: 5. 10. 15. 20. 25.

QuÈ afirmaciÛn sobre la covarianza es falsa: La covarianza es una medida de la variabilidad conjunta de dos variables numÈricas. Si la covarianza es positiva implica una relaciÛn creciente entre las variables. A partir de ella se obtiene el coeficiente de correlaciÛ lineal de Pearson. Posee dimensiones. Si es 0 podemos afirmar que no existe relaciÛn posible entre las variables.

La pendiente de una recta de una funciÛn de regresiÛn lineal Y = b0 + b1 X. Representa el incremento de Y por cada unidad de incremento de X. Tiene el mismo signo que la covarianza. Es el valor de la variable Y cuando X=0. Todas las anteriores son correctas. SÛlo la a) y la b) son correctas.

De los siguiente estudios de relaciÛn entre variables, en cu·l crees que no serÌa oportuno usar la tÈcnica de regresiÛn lineal. La presiÛn sanguÌnea y la acidez (ph). El n˙mero de glÛbulos rojos y el grupo sanguÌneo. La altura y las horas de sueÒo. La edad y el conteo de plaquetas. El nivel de colesterol y la concentraciÛn de bilirrubina.

DespuÈs de estudiar la relaciÛn existente entre la flexiÛn y la extensiÛn de cuello de los alumnos de la UMA, obtenemos que el valor de la covarianza es -0,57. øEl valor de r saldr· positivo o negativo?. Saldr· positivo porque la relaciÛn es inversa. Saldr· negativo tambiÈn porque el signo de la covarianza y del coeficiente de correlaciÛn lineal de Pearson siempre coinciden. No podemos saber el signo de r sabiendo la covarianza porque no est·n relacionados. Todas las anteriores son falsas. Necesitamos conocer R2 para saber el signo de r.

Si el coeficiente de correlaciÛn lineal de Pearson entre dos variables es -0,9 podemos decir que: La covarianza ser· positiva. La relaciÛn lineal es buena. Al ser inferior a 1, la relaciÛn lineal es pequeÒa. Tenemos una relaciÛn lineal inversa, pero no buena. SÛlo dos son correctas.

Cual de las siguientes propiedades de r son correctas: Es adimensional. Cuanto m·s cerca estÈ r de de +1 o -1 mejor ser· el grado de relaciÛn lineal. Las variables son incorreladas cuando r=0. Todas las anteriores son correctas. Son todas incorrectas.

Se dice que la relaciÛn entre dos variables es directa cuando: La covarianza es igual a cero. La covarianza es negativa. La covarianza es mayor que cero. El coeficiente de correlaciÛn lineal es positivo. Las respuestas c) y d) son correctas.

Sabiendo que r=+0.7 elija la afirmaciÛn falsa. La covarianza es positiva. Hay cierta relaciÛn lineal entre las variables. La bondad de ajuste es 0.14. La nube de puntos es creciente. Existe una relaciÛn directa.

En un estudio de regresiÛn, øcu·ndo coincidir·n los valores de la variable dependiente con los propuestos por el modelo lineal de regresiÛn?. Cuando r tenga un valor positivo. Cuando r sea igual a cero. Nunca, aunque el modelo sea perfecto. Cuando r valga 1 ó -1. Las opciones c) y d) son correctas.

Si el coeficiente de correlaciÛn lineal de Pearson entre dos variables es -0,82, podemos afirmar que: la relaciÛn entre las dos variables es casi nula. la relaciÛn que hay entre las variables es muy buena y directa. la covarianza es positiva. la relaciÛn que hay entre las variables es muy buena e inversa. solo dos de las afirmaciones anteriores son correctas.

øQuÈ otro nombre reciben los diagramas de dispersiÛn?. Diagrama de regresiÛn. Nube de puntos. Diagrama de relaciÛn inversa. Diagrama lineal. Diagrama simple.

Un modelo de regresiÛn lineal para calcular "Fatty liver Index" (FLI) a partir del consumo de aceite de oliva es "FLI=70- 4 aceite". Si dos personas se diferencian en 5 unidades de consumo de aceite, cual es la mejor estimaciÛn que puede hacer para la diferencia en FLI: 5. 10. 15. 20. 60.

El porcentaje de variabilidad explicada por un modelo lineal de regresiÛn es 3%. El modelo lineal de regresiÛn es insuficiente para explicar la variable dependiente. Las variables son incorreladas. El error cometido por el modelo lineal de regresiÛn es pequeÒo, por tanto el ajuste lineal es bueno. Hay una relaciÛn creciente entre las variables. Todo lo anterior es falso.

Si en un experimento realizado sobre estudiantes voluntarios a los que se coloca en situaciÛn de estrÈs se observa que los cambios en ritmo cardÌaco (latidos por minuto) se asocian a cambios en la frecuencia de la voz (Hz) con una bondad de ajuste del 15% seg˙n el modelo FrecuenciaVoz = -5 + 3 RitmoCardiaco, marque la afirmaciÛn verdadera. La relaciÛn entre las variables es inversa. Las variables no presentan ninguna relaciÛn. La voz disminuye su frecuencia en 5Hz. Por cada aumento de 1 latido por minuto cardÌaco, se produce un aumento de 3Hz en frecuencia de la voz,. Todo lo anterior es falso.

Una muestra de valores de la variable x tiene una media aritmética igual a 7 y una moda igual a 4. A partir de estos valores positivos podemos concluir que se trata de una distribución: Leptocúrtica. Asimétrica positiva. Simétrica. Asimétrica negativa.

Cuál de los siguientes índices de la variable “talla” tiene las unidades equivocadas?. Coeficiente de variación de 0,0588 cm. Mediana de 170 cm. Media de 170 cm. Desviación típica de 10 cm.

Para investigar la precisión de un tipo de instrumento de medida fabricado por cierta compañía se toma una muestra de mediciones del mismo objeto, el instrumento será totalmente preciso si: La desviación típica está comprendida entre -1 y 1. La desviación típica vale 0. La desviación típica vale -1. La desviación típica vale 1.

A la finalización del curso “informática e internet” se realizó un examen tipo test a los 300 alumnos obteniéndose una tabla relativa al número de preguntas acertadas. Para determinar el número de preguntas tal que las tres cuartas partes de los alumnos obtengan un número de preguntas acertadas mayor que ésta, se calcularía: Percentil 50. Cuartil 3º o superior. Percentil 25. Percentil 4.

En base a la siguiente distribución de frecuencias relativas acumuladas de la variable X="Número de contratos conseguidos en el mes de enero" obtenida de la observación de la actividad de 50 teleoperadores de una compañía de telefonía móvil, indique el número de teleoperadores que han conseguido exactamente 62 contratos: (hay dos tablas pero ni deja ponerlas 2). 20. 40. 14. 10.

Cuál de los siguientes es el procedimiento gráfico más adecuado para representar la distribución de frecuencias de una variable cualitativa nominal?. Polígono de frecuencias. Diagrama de sectores. Polígono de frecuencias acumuladas. Histograma.

El siguiente cuadro contiene algunos de los resultados del análisis descriptivo de la distribución de X=”nº de vacunas defectuosas en una caja de 50 vacunas” observada en una muestra de 100 cajas. Es cierto que: La distribución es asimétrica negativa. La distribución es asimétrica positiva. El 75% de las cajas contiene 3 o más vacunas defectuosas. El 25% de las cajas contienen entre 3 y 5 vacunas defectuosas.

El siguiente cuadro contiene algunos de los resultados del análisis descriptivo de la distribución X=”nº de vacunas defectuosas en una caja de 50 vacunas”. Es cierto que: El 50% de las cajas contienen entre 3 y 4 vacunas defectuosas. Para resumir la variable doy su mediana y recorrido intercuartílico. La distribución es asimétrica negativa. El 25% de las cajas contiene 5 o más vacunas defectuosas.

La calificación de selectividad que es sólo superada por el 12% de los estudiantes se denomina: Percentil 112. Percentil 88. Decil 8. Percentil 12.

Señale la afirmación verdadera en relación con las medidas de dispersión: Si a todos los valores de una variable estadística los multiplicamos por una cantidad fija “a”, la varianza queda multiplicada por “a”. La desviación típica se expresa en las mismas unidades de medida que la variable. Si a todos los valores de una variable estadística le sumamos una cantidad fija “a”, la varianza queda multiplicada por “ar2”. Si a todos los valores le sumamos una cantidad fija “a”, la varianza queda sumada por “a”.

De las siguientes tripletas de valores, señale la respuesta que son factibles: P25=1 ; P75=22 ; S=0. Me=20 ; P75=17 ; S=4. Me=10 ; P10= 11 ; S=0. P25=10 ; P74=22; S=24.

La distribución del índice de higiene oral en una población tiene el coeficiente de Pearson igual a -2. La medida de centralización más adecuada en este caso sería: La media aritmética. El percentil 50. El segundo decil. La moda.

Indique cuál de las siguientes afirmaciones es falsa: La mediana y la media aritmética nunca coinciden, pero aportan información complementaria de la distribución. El valor de la media aritmética siempre está comprendido entre el menor y el mayor valor observado. La media aritmética es más sensible a los valores extremos o anómalos que la mediana. La media aritmética es una medida de posición central y en su cálculo interviene toda la información muestral.

Un estudio informa que la mediana de supervivencia de los pacientes sometidos a cierta intervención quirúrgica es de 7 años. Ello quiere decir que: La mitad de los pacientes sobreviven 7 años o más. No hay ningún paciente que sobreviva menos de 7 años. El valor esperado de tiempo de supervivencia es de 7 años. 7 años es el tiempo de supervivencia más probable.

Sabiendo que una distribución es simétrica, que su P25=15 y su media es 30, su cuartil superior vale: 20. 60. 30. 45.

Cuál de estas características NO es propia de la media?. Deja el mismo número de datos tanto por encima como por debajo. Es el centro de gravedad de los datos. Es sensible a valores extremos. En distribuciones simétricas, coincide con la mediana.

Si al estudiar la distribución del índice CAO, decimos que un individuo está en el percentil 35 queremos decir que: El 35% de la población tiene peor estado bucodental que esa persona. Tiene un 35% de las piezas cariadas, ausentes u obturadas. El 65% de la población tiene mejor estado bucodental que esa persona. El 35% de la población tiene mejor estado bucodental que esa persona.

En una distribución de frecuencias de una variable numérica agrupada en intervalos, la proporción de observaciones con valores comprendidos entre los límites de un intervalo concreto se conoce con el nombre de: Frecuencia absoluta acumulada. Frecuencia relativa. Frecuencia absoluta. Frecuencia relativa acumulada.

Si la mediana de la altura en una población vale 1,65 m, un individuo de la población que está en el P60, ¿su altura será menor de 1,65?. No, siempre el P60 será menor que la mediana. No, siempre el P60 será mayor o igual a la mediana. Sí, el P60 será mayor que la mediana. Sí, siempre el P60 será menor o igual que la mediana.

Si a todos los valores de una distribución de datos les restas 4 unidades: La media disminuye 4 unidades, la varianza 16. La media no varía, la varianza sí. La media disminuye 4 unidades, la varianza no varía. La media y la varianza no varían.

La representación gráfica más adecuada para dos variables numéricas (X, Y) es: Histograma. Diagrama de sectores. Diagrama de dispersión. Diagrama de barras.

En un estudio se observan los tiempos de permanencia hospitalaria (en días) de una muestra de 6 niños. Los datos registrados son: 2, 7, 5, 7, 1. El sexto niño presentó complicaciones, por lo que permaneció hospitalizado durante 60 días. ¿Cuál será el efecto del tiempo de permanencia hospitalaria de este niño sobre los indicadores resumen?. Un incremento en la mediana. Un incremento en la moda. Un incremento en la media y mediana. Un incremento en la media aritmética.

De un recién nacido A se dice que está en el percentil 20 respecto del peso de los recién nacidos. De otro recién nacido B se dice que está en el percentil 75 del peso de los recién nacidos. Necesariamente el recién nacido B tendrá un peso mayor que el A. El recién nacido B tendrá un peso igual que el A. Necesariamente el recién nacido B tendrá un peso menor que el A. Necesariamente el recién nacido A tendrá un peso mayor que el B.

Un artículo de prensa afirmaba que “en los hospitales andaluces el 60% de los pacientes supera una estancia de 3 días”. El valor 3 en la distribución de frecuencias de la variable X·”estancia hospitalaria” es: Mediana. Decil 6. Decil 4. Percentil 60.

En una asimetría positiva, ¿cuál es la medida de centralización más adecuada?. Mediana. Cuartil 1. Media aritmética. Percentil 75.

En un estudio descriptivo se obtiene que la media de edad de los pacientes de un Hospital General (HG) es 60 años y una desviación típica de 20 años, mientras que la media de las edades de los pacientes de un Hospital Infantil (HI) es 6 años, con una desviación típica de 2 años. Entonces: Para comparar ambas dispersiones debemos elegir la covarianza. Hay más dispersión relativa en las edades del HG que en las edades del HI. Las edades del HG y HI tienen la misma dispersión relativa. Hay menos dispersión relativa en las edades del HG que en las edades del HI.

En tres clínicas odontológicas (A, B y C) se ha medido el tiempo (en horas) que se tarda en realizar una compleja intervención quirúrgica, obteniendo las siguientes medias aritméticas y desviaciones típicas: El tiempo que se tarda en realizar la intervención presenta mayor dispersión relativa (a su media) en el hospital C. El tiempo que se tarda en realizar la intervención presenta mayor dispersión relativa (a sus medidas) en los hospitales A y B. El tiempo que se tarda en realizar la intervención presenta mayor dispersión relativa (a su media) en el hospital A. El tiempo que se tarda en realizar la intervención presenta mayor dispersión relativa (a su media) en el hospital B.

Sea X una variable estadística de media 2 metros y desviación típica 5 metros. Sea Y una variable estadística de media 24 cm y desviación típica 60 cm. Y es más dispersa que X. X e Y tienen la misma dispersión. La información es insuficiente. es más dispersa que Y.

Se ha estudiado la concentración de glucosa en ayunas en un grupo de 80 diabéticos, y se han analizado los resultados con el programa SPSS. La tabla de resultados es la siguiente; señale la respuesta correcta: La mediana pertenece al intervalo 150-200. El percentil 15 pertenece al intervalo “Menos de 120”. El quinto decil pertenece al intervalo 150-200. El primer cuartil pertenece al intervalo 120-150.

En un grupo de enfermos hay una desviación típica de 10 unidades. En un grupo de sanos hay una desviación típica de 15 unidades. Las personas enfermas son: Más grande que la media del grupo. Asimétricos a la derecha. Menos dispersos. Unimodales.

Una distribución de datos se puede describir con: Una medida de distribución de frecuencias relativas. Una medida de centralización y otra de dispersión. Un gráfico. Todas son ciertas.

Se estudia un diagrama de dispersión en el que R=-0,984. Esto indica que: No existe relación entre las variables, son incorreladas. Existe relación y es directa. Existe relación dispersa y directa. Existe relación y es inversa.

Entre las propiedades del coeficiente de correlación lineal de Pearson NO es correcto afirmar que: Si r=0 las variables son incorreladas. Es adimensional. Solo toma valores de -1 a 1. Cuanto más cerca esté del +1 peor será el grado de relación lineal.

En cuanto al análisis de la regresión lineal simple, es cierto que: Sirve para predecir el valor de una variable respecto a otra (u otras). Se utiliza la fórmula y=a+bx. La variable dependiente es Y y la independiente es X. Todo lo anterior es cierto.

El diagrama de dispersión obtenido de una muestra bidimensional de 60 observaciones se recoge en el siguiente gráfico. El coeficiente de correlación correspondiente a este ajuste podría ser: -0,15. -0.82. -1.15. 0.86.

En un problema de regresión y correlación se obtuvo un coeficiente de correlación de r=-0,80 y una pendiente de regresión de b=+0,356. Podemos concluir a partir de los resultados que: Ambos valores no pueden tener signos diferentes. La variable dependiente crece 0,356 unidades al crecer una unidad la independiente. La variable dependiente decrece 0,356 unidades al crecer una unidad la independiente. La regresión es válida.

Comente la siguiente afirmación: “Como en los niños de entre 3 y 9 meses de edad el incremento promedio de la talla por mes que transcurre es de 2,4 cm, la relación entre la edad y la talla es”: No se puede saber ya que b no mide el grado de relación. En todo caso, si hay relación es inversa. Muy débil, ya que b es menor de 10. Muy fuerte, ya que b es menor de 1.

Un investigador está estudiando diversas características de un grupo de atletas especialistas en halterofilia y obtiene una correlación de 0,80 entre su peso y el peso que son capaces de levantar, entonces: Un atleta puede levantar un peso equivalente al 80% del que pesa su propio cuerpo. Cuanto más pese una atleta, mayor será el peso que pueda levantar. Si un atleta aumenta 5 kg de peso afirma que será capaz de levantar un peso adicional de 4 kg. Ninguna de las afirmaciones es correcta.

Es cierto que: El coeficiente de determinación es el porcentaje de la variación total de Y (dependiente) que aparece explicada por la x (independiente). El coeficiente de determinación toma valores entre 0 y 1. El coeficiente de correlación toma valores entre -1 y +1. Todas son ciertas.

Si la recta de regresión entre X e Y ajustada a partir de una muestra es la siguiente, es cierto que con R2=1 y n=20. La covarianza entre X e Y es -1. En este caso el coeficiente de determinación no indica la variación de la dependencia explicada por la independencia. El ajuste no es válido. El coeficiente de correlación lineal entre X e Y es 1 o -1.

Indique en cuál de los siguientes casos los resultados son compatibles entres sí: Varianza residual=0 y r=-1,1. Varianza residual=100 y r=1. r=0,7 y=6+4x. Varianza residual=0 y r=-2.

Un investigador midió la relación entre el peso (kg) y la estatura (m) en un grupo de 34 personas. Si se hubiera expresado en g/L, ¿cuál de las siguientes medidas de relación entre las dos variables cambiaría de valor?. Covarianza. Coeficiente de correlación. Coeficiente de determinación. Todas ellas cambiarían su valor numérico.

Tenemos una muestra de 250 estudiantes. Formulamos la hipótesis de si la obesidad está inversamente relacionada con la riqueza. El coeficiente de correlación es 0,013. La pendiente de la recta de regresión es negativa. El valor del coeficiente indica que no existe relación entre las dos variables. No existe una relación lineal pero puede existir una relación de otro tipo. El valor del coeficiente indica que existe una relación inversa.

Al calcular el coeficiente de Spearman se obtiene un valor de 2,35. ¿Cómo debe interpretarse?. El valor está mal calculado. Las variables son discordantes. Las variables son concordantes. Las variables son independientes entres sí.

Cuál de las siguientes afirmaciones es verdadera?. Una correlación de 0,8 entre dos variables X e Y tiene la misma intensidad que otra de -0,8 entre otras variables U y V. Encontrar una relación entre dos variables significa que existe una relación de causa-efecto. Una correlación de 0,8 entre dos variables X e Y es de tipo directo al igual que otra de -0,78 entre otras dos variables U y V. Una correlación de 0,6 indica que la variable X explica el doble de variabilidad de Y que una correlación de 0,3.

Para la recta de regresión Peso=20-0,1*talla, el coeficiente de determinación vale 0,64, ¿qué valor puede tomar el coeficiente de correlación?. -0,8. 0.8. 0.1. -0.4096.

Al relacionar la concentración de flúor en el agua de consumo público y la prevalencia de caries, se obtuvo un coeficiente de correlación lineal de r=-0,92. ¿Cómo se interpreta ese valor?. No existe relación lineal entre las variables. Las dos variables son independientes. Existe relación lineal directa entre las variables. Existe relación lineal inversa entre las variables.

Para medir la fuerza de la asociación entre dos variables, ¿qué medida se debe calcular?. El coeficiente de variación. La covarianza. El coeficiente de correlación. La pendiente de la recta de regresión.

Se calcula la recta de regresión Y=20+0*x en 10 individuos. Señale la respuesta que puede corresponder a ese modelo. Sxy=22,317. r=0. r^2=1. r=-1.

Si la recta de regresión ajustada a partir de una muestra es la siguiente y=25-4x, R2=1, n=20, es cierto que: La relación es inversa. La covarianza entre X e Y es negativa. Todas las respuestas son válidas. El coeficiente de correlación lineal entre X e Y es -1.

Cuando el coeficiente de determinación para la relación lineal entre dos variables toma el valor cero: La relación lineal no es válida. El ajuste de la recta de regresión es perfecto. La variable X explica el 100% de la variabilidad de Y. No existe ningún tipo de relación entre las variables.

Un modelo de regresión relaciona la concentración de Proteína C Reactiva (PCR) con el número de articulaciones dolorosas (NAD). El modelo ajustado es PCR=0,47+0,08*NAD. En el modelo, ¿cómo se interpreta el coeficiente de 0.08?. Es el valor medio de la PCR para los sujetos con una sola articulación afecta. Es el cambio obtenido en la PCR como consecuencia de pasar a tener una articulación adicional inflamada. Dado que es superior a 0,05, quiere decir que no existe asociación entre las variables dependiente e independiente. Es el valor medio basal de PCR para los individuos sanos (sin articulaciones afectas).

Cuál de las siguientes afirmaciones es cierta?. El coeficiente de correlación lineal r y las varianzas de las variables siempre tienen el mismo signo. La covarianza, al igual que el coeficiente de correlación lineal, toma valores entre -1 y +1. El coeficiente de correlación lineal r de X e Y es igual al de Y y X. El coeficiente de correlación lineal y el coeficiente de variación siempre tienen el mismo signo.

En un grupo de niños se tiene una altura media de 150 cm con desviación típica de 10 cm. La edad media es 12 años, con desviación típica de 3 años. ¿Dónde se presenta mayor dispersión?. En altura. La misma dispersión. En edades. Es imposible saberlo.

Se ha desarrollado un nuevo método con ultrasonidos para diagnosticar lesiones mandibulares. Sus resultados se comparan con un método radiológico (prueba de referencia). Los resultados se presentan en la siguiente tabla. La especificidad de la prueba es: 7/15. 7/17. 10/75. 75/85.

el 7% de una población padece diabetes. Si de ellos el 28% no está diagnosticado, esta cantidad puede entenderse como una probabilidad: De un suceso intersección. Condicionada. De un suceso de unión. De un suceso complementario.

Se ha desarrollado un nuevo método con ultrasonidos para diagnosticar lesiones mandibulares. Sus resultados se comparan con un método radiológico (prueba de referencia). Los resultados se presentan en la siguiente tabla: Si el estudio se realiza en una población con un 2% de lesiones mandibulares, el valor predictivo positivo es: 0,992. 0,075. 0,543. 0,112.

De un colectivo formado por 1000 individuos esquizofrénicos (de los que el 40% estaban casados), 60 de ellos terminaron suicidándose durante los 10 años siguientes al comienzo del estudio; entre ellos, 24 estaban casados. Si C y S denotan los sucesos “estar casado” y “haberse suicidado” respectivamente, entonces los sucesos C y S son: Independientes. Complementarios. Incompatibles. Dependientes.

En una asignatura se ha decidido aprobar a aquellos que superen uno de los dos parciales. Con este criterio aprobó el 90%, sabiendo que el primer parcial lo superó el 70% y el segundo el 50%, ¿cuál hubiese sido la probabilidad de aprobados, si se hubiese exigido superar ambos parciales?. 0,8. 0,6. 0,3. 0,5.

Una vacuna consta de dos componentes A y B. El proceso de fabricación es tal que la probabilidad de un defecto en A es 0,06 y de uno en B es 0,07. ¿Cuál es la probabilidad de que la vacuna sea defectuosa? (Considerar los procesos de fabricación independientes). 0,8742. 0,189. 1,9875. 0,1258.

La probabilidad de que un hombre viva 10 años más es 1/5 , y la probabilidad de que su esposa viva 10 años más es 1/4; pero, si su esposo vive, esta probabilidad es 1/3. Entonces la probabilidad de que los dos estén vivos dentro de 10 años corresponde a: 1/3. 1/5. 1/60. 1/15.

El valor predictivo positivo de una prueba diagnóstica se define como: Una cantidad igual a 1 menos la especificidad. La probabilidad de que una enfermedad dado un resultado positivo en el test. La probabilidad de que un individuo enfermo tenga un resultado positivo. Una función que depende sólo de la sensibilidad y la especificidad de un test.

Con respecto al teorema de Bayes, señale la respuesta correcta: Permite identificar sucesos incompatibles. Es una probabilidad condicionada. Se aplica para calcular la sensibilidad de una prueba diagnóstica. Calcula la probabilidad de un suceso al repetir el experimento aleatorio.

En una población donde el 60% son mujeres, el 10% de ellas padecen diabetes, frente al 40% de los hombres que la padecen. ¿Cuál es la probabilidad de encontrarnos con un diabético?. 0,3. 0,22. 0,15. 0,42.

Se ha desarrollado un nuevo método con ultrasonidos para diagnosticar lesiones mandibulares. Sus resultados se comparan con un método radiológico (prueba de referencia). Los resultados se presentan en la siguiente tabla: La sensibilidad del método por ultrasonidos es: 7/15. 10/85. 7/17. 8/75.

Se ha desarrollado un test rápido para determinar si una persona tiene infección urinaria. Los resultados que proporciona el laboratorio que la ha desarrollado se resumen en la siguiente tabla: El valor predictivo negativo es: 200/300. 160/200. 80/120. 160/180.

Mediante el teorema de Bayes se puede calcular (señale la respuesta correcta): La probabilidad del suceso seguro. La probabilidad del suceso unión. La sensibilidad de una prueba diagnóstica. El valor predictivo de una prueba diagnóstica.

La expresión P(AUB)= P(A)+P(B)-P(A∩B) se cumple sólo cuando: Se cumple en todos los casos. P(A∩B)=0. P(A∩B) distinto de 0. No se cumple en ningún caso.

De cien estudiantes que se presentaron a un examen, cuarenta eran hombres y sesenta aprobaron el examen. La clasificación de hombres y mujeres fue la siguiente: Si se selecciona al azar uno de los estudiantes que presentó el examen, la probabilidad de que sea mujer que no pasó el examen, es: 24/40. 24/60. 16/40. 36/60.

La probabilidad de bronquitis entre los fumadores se puede interpretar como una probabilidad: De un suceso complementario. De un suceso común. De un suceso intersección. Condicionada.

Dado dos sucesos A y B con probabilidades no nulas e incompatibles, el valor de la probabilidad de A condicionada a B, P(A/B), es: P(A/B)=P(A). P (A/B) =1. P (A/B)=0. P (A/B) = P (A) x P (B).

Se sabe que en las mujeres con candidiasis se presenta una inflamación en el 90% de los casos, prurito en un 80%, dándose ambos síntomas en el 76%. El porcentaje de mujeres con candidiasis que presentan alguno de los síntomas es: 0,72. 0,06. 0,24. 0,94.

Se ha desarrollado un test rápido para determinar si una persona tiene infección urinaria. Los resultados que proporciona el laboratorio que la ha desarrollado se resumen en la siguiente tabla: La sensibilidad del test es: 80/120. 160/200. 100/300. 80/100.

La sensibilidad de una prueba es de 0,80 y su especificidad 0,95. Señale la respuesta correcta: Probabilidad de verdaderos negativos=0,2. Probabilidad de falsos negativos=0,05. Probabilidad de verdaderos positivos=0,2. Probabilidad de falsos positivos=0,05.

De cien estudiantes que se presentaron a un examen, cuarenta eran hombres y sesenta aprobaron el examen. La clasificación de hombres y mujeres fue la siguiente: Los sucesos P y H son: Independientes. Dependientes. Incompatibles. Determinados.

En un estudio publicado de 200 deportistas de alto nivel, sobre los que se ha medido su nivel de ansiedad y se ha observado si en esa temporada han desarrollado una lesión: Cuál es el valor predictivo positivo del nivel de ansiedad como predictor del desarrollo de una lesión?. 25%. 80%. 20%. 57%.

Se sabe que entre las personas mayores de 80 años afectadas por COVID-19, se produce una mortalidad del 20% en los hombres y del 10% en las mujeres. En la ciudad X sabemos que la distribución pr sexo en ese grupo de edad de mayores de 80 años, es 30% de hombres y 70% de mujeres. Seleccionamos al azar una persona y nos preguntamos, ¿cuál es la probabilidad de morir como consecuencia del brote de COVID19?. 11%. 13%. 15%. No se puede saber.

En un estudio publicado de 200 deportistas de alto nivel, sobre los que se ha medido su nivel de ansiedad y se ha observado si en esa temporada han desarrollado una lesión: Cuál es la sensibilidad del nivel de ansiedad como predictor del desarrollo de una lesión?. 7,7%. 20%. 57%. 80%.

La mutación M se encuentra en un 2% de la población y la enfermedad X en un 0,5% de la población. ¿Cuál es la probabilidad de que se den las dos características a la vez?. 0,01%. 2%. 2,5%. 2,4%.

Si la sensibilidad es 0,75 y la especificidad es 0,9. ¿Cuál es la probabilidad de un falso negativo?. 0,25. 0,1. 0,15. 0,35.

El 40% de los pacientes que asisten a la consulta del Dr. Mata Lozano padece caries. El número medio de pacientes con caries entre 20 pacientes atendidos en la consulta del Dr. Mata es: 2. 4. 8. 5.

En pacientes de cierta enfermedad cardiovascular se observa que, mediante tratamiento adecuado se produce una mejoría del 60% de los casos. Aplicando este tratamiento a 10 enfermos, el número medio de pacientes que mejoran es: 60. 0,5. 10. 6.

En un estudio publicado de 200 deportistas de alto nivel, sobre los que se ha medido su nivel de ansiedad y se ha observado si en esa temporada han desarrollado una lesión: A la vista de la información anterior, decidimos aplicarlo en nuestro centro de trabajo. Trabajamos en un centro de alto rendimiento en el que nuestros deportistas, el 10% presenta lesiones durante la temporada. Si seleccionamos un deportista al azar y resulta tener alto nivel de ansiedad, ¿cuál es la probabilidad de que en esta temporada desarrolle una lesión?. 40%. 25%. 69%. 31%.

La función de probabilidad de una variable aleatoria discreta que solo puede tomar valores x=2,3,4,7 es P(X=x)=x/k. El valor de k para que P sea una función de probabilidad es: 16. 1/3. 1/4. 4.

En tu clase de primero de Odontología, a un 20% de los alumnos les quedan asignaturas del primer cuatrimestre. En tu grupo de prácticas, formado por cinco alumnos: ¿cuál es la probabilidad de que a dos alumnos le queden asignaturas del primer cuatrimestre?. 20%. 5%. 32%. 42%.

Terminas tu grado en Odontología y te contratan en una clínica dental, tienes 120 citas el primer mes de actividad, ¿cuál es la probabilidad de que hoy tengas 7 consultas. 1,8%. 10%. 3%. 6%.

Se sabe que en una determinada población, de cada 10000 habitantes 2000 presentan alguna alteración metabólica. En un grupo de 4 individuos la variable número de ellos que presentan la mencionada alteración metabólica se distribuye como: Una binomial de parámetros 4 y 0,2. Una poisson de media 4. Una binomial de parámetros 10000 y 0,002. Una binomial de parámetros 2000 y 4.

Se supone que la distribución de granulocitos en la sangre es uniforme. Se estima que como promedio existen 6 granulocitos por mm3. La distribución del nº de granulocitos por mm3 es: Binomial (6,0’5). Bernoulli. Normal (6,1). Poisson (6).

En un experimento dicotómico repetido usamos. Distribución Normal. Distribución Binomial. Distribución Bernoulli. Distribución de Poisson.

Se supone que la distribución de granulocitos en la sangre es uniforme. Se estima que como promedio existen 6 granulocitos por mm3. La media del nº de granulocitos por mm3 es: 36. 0. 1. 6.

La concentración de calcio se comporta como una distribución normal de media 10 y desviación típica 2. ¿Cuál es el tanto por ciento de veces que se encuentran concentraciones superiores a 12?. 5%. 2,5%. 16%. 68%.

En muestras de agua con un volumen de 1cc de tamaño, tomadas en la Ría de Huelva, se estudia la contaminación por bacterias coliformes. La variable “nº de organismos coliformes en una muestra de 1cc de agua”, ¿qué distribución sigue?. Bernoulli. Normal. Binomial. Poisson.

La variable “tiempo de estancia en un centro hospitalario” sigue una distribución Normal de media 14 días y desviación típica de 2 días. El 50% de la población tendrá un tiempo de estancia menor que. 2,6. 15. 0. 6.

La concentración de urea en sangre en una enfermedad determinada sigue una distribución normal de media 24 mg/100 cc y desviación típica 4 mg/100 cc. La probabilidad de que la concentración de urea en sangre sea igual a 24 mg/100 cc es: 0,5. 1. 0,45. 0.

En una investigación, el nº de partos triples se ajusta a una distribución de Poisson. Si se ha obtenido un coeficiente de variación 1, el parámetro A (alfa) de la Poisson vale: 4. 45. 0. 1.

De las siguientes afirmaciones, señale cuál es posible: Una distribución de Poisson de media -2. Una distribución normal de media y varianza iguales. Una distribución normal de varianza nula. Una distribución normal de varianza -5.

En un contraste de hipótesis estadístico, si la hipótesis nula fuera cierta y se rechazara: Se comete un error tipo II. Se toma una decisión correcta. Se comete un error tipo I. La potencia aumenta.

Si se dice que el resultado de un contraste de hipótesis es “estadísticamente significativo”, se está afirmando que: Se rechaza la hipótesis nula y se acepta la alternativa. La hipótesis alternativa es incorrecta. La hipótesis nula es correcta. Se rechaza la hipótesis alternativa.

En un intervalo de confianza para una media, buscamos aumentar su precisión. ¿Cuál de las siguientes posibilidades nos permite rechazarlo?. Aumentar el tamaño muestral y la confianza. Disminuir el tamaño muestral. Aumentar la confianza. Aumentar el tamaño muestral y disminuir la confianza.

La probabilidad de equivocarte al aceptar la hipótesis nula: Es el riesgo de error tipo II. Es el complementario de la potencia del test. Se la conoce como beta. Son todas ciertas.

Si se calcula un intervalo de confianza para la media al 95% y resulta ser (196,200). Se calcula mediante la media poblacional. Se tiene una confianza del 95% de contener la media poblacional. El 95% de las medidas poblacionales están incluidas en ese intervalo. La media muestral está entre esos dos extremos con un 95% de probabilidad.

El riesgo de error de tipo II en un contraste de hipótesis es: La probabilidad de rechazar la hipótesis alternativa. La probabilidad de aceptar la hipótesis nula cuando es falsa. La probabilidad de aceptar la hipótesis nula cuando es cierta. La probabilidad de rechazar la hipótesis nula cuando es cierta.

La potencia de un test de hipótesis: Al disminuir hace disminuir la probabilidad de error tipo II. Es la probabilidad de aceptar la hipótesis alternativa cuando es cierta. Da la probabilidad de declarar significativo un test, cuando la hipótesis nula es falsa. Es la probabilidad de aceptar la hipótesis nula cuando es falsa.

si se aumenta el tamaño de la muestra, ¿qué efecto tiene cuando cambia el intervalo de confianza al 95%?. La anchura del intervalo será mayor. Cambiará el nivel de confianza. La anchura del intervalo será más estrecha. La anchura del intervalo no se modificará.

Los pesos de los estudiantes de la Facultad de Fisioterapia, tienen de media 60 kgs y de desviación típica 5 kg. ¿Qué intervalo contiene el peso del 90% de los alumnos de la facultad?. 34,3-85,7. 55-60. 51,8-68,2. 70-90.

Los pesos de los estudiantes de la Facultad de Fisioterapia, tienen de media 60 kgs y de desviación típica 5 kg. ¿Qué intervalo contiene el peso del 95% de los alumnos de la facultad?. 43,6-76,4. 70-90. 34,3-85,7. 55-60.

Los pesos de los estudiantes de la Facultad de Fisioterapia tienen de media 60 kgs y de desviación típica 5 kg. Se extrae una muestra de tamaño 25 entre todos los estudiantes. ¿Qué intervalo contendrá el 95% de los valores de la media de las posibles muestras?. 58-62. 55-60. 70-90. 59-61.

En tu clase de cuarto de Fisioterapia, a un 20% de los alumnos les quedan asignaturas de cursos anteriores. En tu grupo de prácticas, formado por 5 alumnos; ¿cuál es la probabilidad de que a dos alumnos les queden asignaturas de cursos anteriores?. 20%. 41%. 32%. 5%.

Analizadas 240 determinaciones de colesterol en sangre, se observó que se distribuyen normalmente con media 100 y desviación típica 10. El 99,7% de los valores del colesterol estarán comprendidos aproximadamente entre: 74,2 y 125,8. 90 y 110. 70 y 130. 80 y 120.

Los pesos de los estudiantes de la Facultad de Fisioterapia tienen de media 60 kgs y de desviación típica 5 kg. ¿Qué porcentaje de alumnos pesará más de 65 kgs?. 15,87%. 84,13%. 34,46%. 85,54%.