EXAMENES ANALISIS DE DATOS II

El Servicio de Calidad de la UHU quiere analizar la calidad de los TFG presentados en el curso académico 2019-2020. Para ello selecciona al azar 50 TFG defendidos en junio y observa que la calificación media obtenida es de 6.34 puntos (sobre 10). La media de 6.34 obtenida en la muestra es un estimador puntual del parámetro. v. f.

-El Servicio de Calidad de la UHU quiere analizar la calidad de los TFG presentados en el curso académico 2019-2020. Para ello selecciona todos los TFG defendidos ese curso y observa que la calificación media obtenida es de 6.34 puntos (sobre 10). La media de 6.34 obtenida es un parámetro de la población. v. f.

Una encuesta a 10.000 mujeres jóvenes de 19 países revela que el 76% de ellas aspira a ocupar altas posiciones en sus comunidades, carreras y países, pero creen que lo tendrán muy difícil, al menos, más que los hombres. Las 10.000 mujeres jóvenes a las que se ha preguntado componen la población de estudio. v. f.

En un estudio sobre costumbres de los estudiantes de psicología de la UHU se hizo una encuesta a todos los estudiantes de psicología de dicha universidad. El tiempo medio que dedicaban al deporte fue 3 horas semanales. Los estudiantes a los que se ha preguntado componen la muestra de estudio. v. f.

Los estadísticos en cada muestra toman siempre el mismo valor, por lo que la distribución es uniforme. v. f.

-A medida que aumenta el nivel de confianza, la amplitud del intervalo de confianza es menor. v. f.

El error típico es la desviación típica de la muestra. v. f.

Una encuesta a 10.000 mujeres jóvenes de 19 países revela que el 76% de ellas aspira a ocupar altas posiciones en sus comunidades, carreras y países, pero creen que lo tendrán muy difícil, al menos, más que los hombres. Las 10.000 mujeres jóvenes a las que se ha preguntado componen la población de estudio. v. f (muestra).

La amplitud de un intervalo de confianza aumenta si aumentamos el nivel de significación. v. f.

La amplitud de un intervalo de confianza aumenta si aumentamos el nivel de confianza. v. f.

La amplitud de un intervalo de confianza disminuye si aumentamos el tamaño de la muestra. V. F.

De acuerdo a la teoría del límite central, el error típico de la estimación disminuye conforme aumenta el tamaño de la muestra. V. F.

Imagina que uno de los hospitales de Huelva está llevando a cabo un estudio para conocer el número de contagiados por COVID-19 en un instituto de Huelva. Para ello selecciona a todos los estudiantes y profesores de dicho instituto y les realiza una prueba para detectar anticuerpos contra el virus, detectando que el 3% da positivo en test PCR. El 3% de positivos es el valor del parámetro. V. F.

El error típico es la desviación típica de la distribución muestral de un estadístico. V. F.

La amplitud de un intervalo de confianza sólo depende del tamaño de la muestra. V. F.

Tenemos un contraste bilateral sobre la media, siendo la variable estudiada la autoestima. Sabemos que H0: μ = 80, H1: μ = 100, α = 0.01 y n = 30, β = 0.40. La probabilidad de mantener que la hipótesis nula es igual a 80 cuando ésta es "falsa" es 0.60. V. F.

Un investigador está interesado en analizar el efecto de tres tratamientos (tratamiento A, tratamiento B y tratamiento C) y del sexo en la evolución de una enfermedad. Para ello divide a 300 pacientes el anova en tres grupos de igual tamaño y a cada grupo le administra un tratamiento diferente. Para analizar el efecto de los tratamientos y del sexo en la evolución de la enfermedad debería utilizar el ANOVA de un factor completamente aleatorizado. V. F.

Tenemos un contraste bilateral sobre la media, siendo la variable estudiada la autoestima. Sabemos que H0: μ = 80, H1: μ = 100, α = 0.01 y n = 30, β = 0.40. La probabilidad de mantener que la hipótesis nula es igual a 80 cuando ésta es "falsa" es 0.40. V. F.

El ANOVA nos permite concluir si la variable independiente tiene efecto, pero no permite saber entre qué grupos existen diferencias. V. F.

Una investigadora quiere analizar la irritabilidad de un grupo de niños en distintos momentos del día. Para ello selecciona un grupo de 20 niños y evalúa los síntomas de irritabilidad en tres momentos: al despertar, durante la ejecución de tareas escolares y después de un paseo de una hora. Partiendo de que NO se cumple el supuesto de normalidad, la prueba de Kruskal Wallis sería la técnica estadística que debería utilizar para analizar si existen diferencias en irritabilidad en los distintos momentos. V. F.

Una investigadora quiere analizar la irritabilidad de un grupo de niños en distintos momentos del día. Para ello selecciona un grupo de 20 niños y evalúa los síntomas de irritabilidad en tres momentos: al despertar, durante la ejecución de tareas escolares y después de un paseo de una hora. Partiendo de que SÍ se cumple el supuesto de normalidad, el ANOVA de un factor de medidas repetidas sería la técnica estadística que debería utilizar para analizar si existen diferencias en irritabilidad en los distintos momentos. V. FALSO (porque es una muestra pequeña >30, no puede usarse ANOVA de un factor de medidas repetidas) Sería V si fuera la prueba de Friedman.

La distribución muestral es la distribución teórica que asigna una probabilidad concreta a cada uno de los valores que puede tomar un estadístico en cada muestra. V. F.

De acuerdo a la teoría del límite central, solo en los casos en los que trabajemos con poblaciones que tengan distribuciones normales, las distribuciones muestrales conformadas con las diferentes medias de las muestras extraídas presentarán una distribución normal. V. F.

-La distribución muestral es la distribución teórica que asigna una probabilidad concreta a cada uno de los valores que puede tomar un estadístico en cada muestra. V. F.

A medida que aumenta el tamaño de la muestra, la amplitud del intervalo de confianza es menor. V. F.

Supongamos un contraste bilateral sobre la media, siendo la variable estudiada las actitudes hacia el reciclaje. Para H0: μ = 10, H1: μ = 11, α = 0.05 y β = 0.4406. La probabilidad de rechazar la H0 cuando "no es cierta" es 0.5594. V. F.

Supongamos un contraste bilateral sobre la media, siendo la variable estudiada las actitudes hacia el reciclaje. Para H0: μ = 10, H1: μ = 11, α = 0.05 y β = 0.4406. La probabilidad de rechazar la H0 cuando "no es cierta" es 0.5594. V. F.

El error típico aumenta si aumentamos el tamaño de la muestra. V. F.

Tenemos un contraste bilateral sobre la media, siendo la variable estudiada la autoestima. Sabemos que H0: μ = 80, H1: μ = 100, α = 0.01 y n = 30, β = 0.40. La probabilidad de mantener que la hipótesis nula es igual a 80 cuando ésta es "falsa" es 0.40. V. F.

Un investigador tiene la hipótesis de que hay diferencias en la eficacia de dos tratamientos para reducir la ansiedad (tratamiento A y tratamiento B). Tras realizar un estudio concluye que no hay diferencias en la eficacia de ambos tratamientos cuando en realidad sí las hay. El investigador está cometiendo un Error tipo I. V. F.

Un investigador tiene la hipótesis de que hay diferencias en la eficacia de dos tratamientos para reducir la ansiedad (tratamiento A y tratamiento B). Tras realizar un estudio concluye que no hay diferencias en la eficacia de ambos tratamientos cuando en realidad sí las hay. El investigador está cometiendo un Error tipo II. V. F.

El ayuntamiento de una ciudad está analizando si sería necesario cortar calles al tráfico de algunos barrios para que las personas tuvieran más espacio para pasear. Tienen la hipótesis que determinados barrios concentran a mayor cantidad de viandantes que otros. Para ello recogen el número de personas que circulan por las calles de 4 barrios de la ciudad. Para determinar si hay diferencias en el número de viandantes que circulan entre los diferentes barrios de la ciudad debería utilizar el ANOVA de dos factores. V. F.

Queremos conocer si los sujetos adictos y no adictos a la cocaína difieren en la puntuación media en empatía. Las investigaciones previas apuntan a que los sujetos adictos tendrán puntuaciones más bajas y eso es lo que queremos comprobar. La hipótesis nula que debemos plantear es: μadictos ≤ μno adictos. V. F.

Queremos conocer si los sujetos adictos y no adictos a la cocaína difieren en la puntuación media en impulsividad. Las investigaciones previas apuntan a que los sujetos adictos tendrán puntuaciones más elevadas y eso es lo que queremos comprobar. La hipótesis nula que debemos plantear es: μadictos ≥ µ no adictos. V. F.

Si como investigadores, mantenemos el tamaño de la muestra y aumentamos el nivel de significación, disminuirá la potencia estadística. V. F.

En una investigación queremos comprobar que los sujetos motivados rinden mejor que los no motivados en el examen final de la asignatura de Análisis de Datos. La hipótesis nula que debemos plantear es: μMOTIVADOS ≤ µNO_MOTIVADOS. V. F.

Si como investigadores, incrementamos el tamaño de la muestra y mantenemos el nivel de significación, se incrementará la potencia estadística. V. F.

Si como investigadores, mantenemos el tamaño de la muestra y disminuimos el nivel de significación, disminuirá la potencia estadística. V. F.

A mayor tamaño muestral, mayor será la potencia estadística de un estudio. V. F.

Un investigador tiene la hipótesis de que hay diferencias en la eficacia de dos tratamientos para reducir la ansiedad (tratamiento A y tratamiento B). Tras realizar un estudio concluye que hay diferencias en la eficacia de ambos tratamientos cuando en realidad no las hay. El investigador está cometiendo un Error tipo II. V. F.

Una psicóloga piensa que una nueva terapia puede mejorar el lenguaje en niños. Para comprobarlo divide aleatoriamente a los niños en dos grupos y a un grupo le administra la terapia (grupo experimental) y a otro no (grupo control). Debido a que la edad también se encuentra relacionada con las habilidades lingüísticas analiza también el efecto de la edad (2 años, 3 años y 4 años). Para analizar el efecto de la terapia y la edad en el lenguaje debería utilizar el ANOVA de dos factores. V. F.

La hipótesis alternativa en un ANOVA de un factor completamente aleatorizado es “la variable independiente NO tiene efecto sobre la variable dependiente”. V. F.

Un investigador desea estudiar si tener relaciones sexuales antes de una competición influye en el rendimiento. Para ello, selecciona de forma aleatoria a 1000 atletas profesionales que acaban de terminar recientemente una competición y les aplica un cuestionario, donde además de recoger sus resultados en la prueba, les pregunta si han tenido relaciones sexuales el día previo a la competición. De los 1000 atletas, 120 contestan que sí han tenido relaciones sexuales el día previo. Para analizar si hay diferencias en el rendimiento entre los que sí han tenido relaciones sexuales y los que no han tenido deberían realizar un contraste de dos medias independientes. V. F.

Un investigador desea estudiar si la autoestima de las mujeres jóvenes se encuentra relacionada con el índice de masa corporal (IMC). Para comprobarlo, 1000 mujeres jóvenes seleccionadas de forma aleatoria responden a una escala de autoestima y el investigador divide la muestra en cuatro grupos según su IMC (obesas: n = 50; con sobrepeso: n = 100; con peso normal: n = 800; con bajo peso: n = 50). El ANOVA de un factor completamente aleatorizado sería la técnica estadística que debería utilizar el investigador para analizar si hay diferencias en la autoestima. V. F.

Para un tamaño muestral fijo, si disminuye la probabilidad de cometer el error tipo I, la potencia estadística será mayor. V. F.

Un psicólogo clínico desea evaluar la eficacia de una terapia para reducir la ansiedad de los ejecutivos que padecen estrés en la toma de decisiones empresariales. Para ello selecciona aleatoriamente una muestra de 40 ejecutivos que padecen ansiedad en estas situaciones. En primer lugar, les aplica una escala que mide la ansiedad ante la toma de decisiones. A continuación, les aplica la terapia y al finalizar vuelve a medir su nivel de ansiedad. Para comprobar si la terapia reduce la ansiedad deberían realizar un contraste de dos medias independientes. V. Fº.