Fundamentos de estadistica - VIU - UC5

¿Cuál es el objetivo principal de la inferencia estadística?. Describir las características exactas de una muestra sin error. Extraer conclusiones sobre una población a partir de una muestra representativa. Organizar los datos en tablas de frecuencia para su visualización.

Un parámetro poblacional se define como: Un valor numérico constante que describe una característica de la población. Un valor que varía dependiendo de la muestra extraída. El resultado de calcular la media de una muestra de 30 sujetos.

Según el Teorema Central del Límite (TCL), la distribución muestral de la media tenderá a la normalidad si: El tamaño de la muestra (n) es menor a 10. El tamaño de la muestra aumenta, especialmente a partir de n ≥ 30. La población de partida es estrictamente asimétrica.

¿Qué parámetros caracterizan a la Distribución Normal Estándar o tipificada?. N(μ = 1, σ = 0). N(μ = 0, σ = 1). N(μ = media muestral, σ = error estándar).

La forma de la campana de Gauss se describe como: Simétrica y mesocúrtica. Asimétrica y leptocúrtica. Platicúrtica y bimodal.

Una puntuación típica (Z) nos informa sobre: El porcentaje de sujetos que superan la media poblacional. Cuántas desviaciones típicas se aleja un sujeto de la media. La varianza exacta de la población estudiada.

Si una variable se distribuye N(2; 5), ¿cuál es la puntuación Z de un sujeto con X = 1?. Z = -0,2. Z = 0,2. Z = -5.

En una estimación estadística, la estimación puntual consiste en: Ofrecer un rango de valores probables para el parámetro. Asignar un único valor estadístico al parámetro poblacional. Determinar el error de tipo I cometido.

¿Qué efecto tiene el aumento del tamaño muestral (n) en el Error Estándar (EE)?. Lo aumenta, restando precisión. No tiene ningún efecto sobre el error. Lo disminuye, aumentando la precisión de la estimación.

La distribución t de Student debe utilizarse cuando: Se conoce la varianza poblacional. Se desconoce la varianza poblacional y se usa la varianza muestral. El tamaño de la muestra es mayor a 100 sujetos.

¿Cuál es la fórmula para calcular los grados de libertad (gl) en una prueba para una media?. gl = n + 1. gl = n - 1. gl = n / 2.

La Hipótesis Nula (H0) se caracteriza por ser la que: Postula la existencia de efectos o diferencias. Se somete directamente a contraste estadístico. Nunca puede ser rechazada por el investigador.

Un contraste de hipótesis bilateral es aquel donde: La zona de rechazo se sitúa en un solo extremo de la distribución. La zona de rechazo se divide en dos áreas iguales en los extremos. No existe zona de aceptación.

El Error de Tipo I (falso positivo) ocurre cuando: Rechazamos la Hipótesis Nula siendo esta verdadera. Mantenemos la Hipótesis Nula siendo esta falsa. Mantenemos la Hipótesis Nula siendo esta verdadera.

El nivel de significación (α) representa: La probabilidad de cometer un error de Tipo II. La probabilidad de cometer un error de Tipo I. La probabilidad de tomar una decisión correcta al mantener H0.

Si el estadístico de contraste cae en la zona de aceptación: Rechazamos H0 con un nivel de confianza del 95%. Mantenemos la Hipótesis Nula (H0). Concluimos que hay diferencias significativas no debidas al azar.

Un intervalo de confianza (IC) más estrecho indica: Menor precisión en la estimación. Mayor precisión debido a un mayor tamaño muestral. Que el nivel de confianza utilizado es del 99,9%.

La Hipótesis Alternativa (H1) es siempre: Una hipótesis exacta que incluye el signo igual (=). La negación de la Hipótesis Nula. La que el investigador desea rechazar a toda costa.

El nivel de confianza se expresa matemáticamente como: α. 1−β. 1−α.

¿Qué sucede con la distribución t de Student cuando el tamaño de la muestra es muy grande?. Se vuelve más plana y dispersa. Se aproxima a la distribución normal. Pierde todos sus grados de libertad.

Si una persona obtiene un Z = 0 en un test, significa que: Su puntuación es igual a la media de su grupo. Ha fallado todas las preguntas del test. Está una desviación típica por debajo de la media.

En un contraste unilateral derecho, la zona de rechazo se sitúa en: El extremo inferior (izquierdo) de la curva. Ambos extremos de la curva simultáneamente. El extremo superior (derecho) de la curva.

¿Cuál de estos valores de α es el más restrictivo para evitar falsos positivos?. 0,05. 0,10. 0,01.

La potencia de un contraste se define como: La probabilidad de rechazar una H0 que es falsa (1−β). La probabilidad de mantener una H0 verdadera (1−α). El tamaño total de la población accesible.

Las hipótesis estadísticas deben ser: Mutuamente excluyentes y exhaustivas. Iguales tanto en la muestra como en la población. Formuladas después de conocer los resultados de la muestra.

Una variable asintótica es aquella que: Tiene un límite definido en el eje horizontal. Su curva tiende al infinito sin tocar nunca el eje horizontal. Solo toma valores positivos.

¿Qué es la relevancia práctica en psicología?. Es lo mismo que la significación estadística. Es la valoración de si un resultado tiene utilidad real, más allá de la probabilidad. Es el cálculo del estadístico de contraste manual.

Al tipificar, las puntuaciones diferenciales se dividen por: La media muestral. La desviación típica. El tamaño de la muestra.

En la tabla Z de probabilidad acumulada, ¿qué valor de probabilidad corresponde a la media (Z=0)?. 0,0500. 0,9500. 0,5000.

El Error Estándar de la media se calcula como: σ multiplicado por n. σ dividido por la raíz cuadrada de n. La diferencia entre H0 y H1.

Son características fundamentales de los parámetros poblacionales: Son valores constantes. Su valor varía en cada muestra extraída. Generalmente son desconocidos y se estiman. Se representan siempre con letras latinas como "X".

Para que se cumpla el Teorema Central del Límite, se requiere que: Las variables sean independientes. La población de origen sea siempre normal. Las variables estén igualmente distribuidas. El tamaño muestral sea exactamente de 10 sujetos.

La Distribución Normal se caracteriza por ser: Simétrica respecto a su media. Unimodal. Asimétrica hacia la derecha. Una distribución discreta de probabilidad.

La tipificación de puntuaciones (Z) permite: Eliminar el error estándar de la muestra. Comparar variables con diferentes métricas. Transformar cualquier variable en una escala N(0,1). Garantizar que todos los sujetos tengan puntuaciones positivas.

Un estadístico deseable para realizar inferencias debe ser: Consistente. Sesgado. Eficiente. Excluyente.

El tamaño de un intervalo de confianza depende de: El nivel de confianza elegido (1−α). El valor de la hipótesis alternativa (H1). El tamaño de la muestra (n). La edad de los participantes de la muestra.

Sobre la distribución t de Student, es cierto que: Se utiliza cuando σ es desconocida. Es independiente de los grados de libertad. Es más dispersa (colas más anchas) que la normal con muestras pequeñas. Es idéntica a la normal para cualquier valor de n.

Al plantear un contraste de hipótesis, la Hipótesis Nula (H0): Se plantea como una igualdad o ausencia de efecto. Es la que el investigador espera probar como cierta. Se somete a contraste para ser rechazada o mantenida. Siempre utiliza el signo de "distinto de" (!=).

Los errores en el contraste de hipótesis son: Error de Tipo I: rechazar H0 cuando es verdadera. Error de Tipo II: rechazar H0 cuando es falsa. Error de Tipo II: mantener H0 cuando es falsa. Error de Tipo I: mantener H0 cuando es verdadera.

Se rechazará la Hipótesis Nula (H0) si: El estadístico de contraste cae en la zona crítica. El nivel de significación (α) es mayor al 50%. El intervalo de confianza no incluye el valor del parámetro postulado. El error estándar es igual a cero.

En la distribución normal, las puntuaciones típicas (Z) tienen las siguientes propiedades: Su media siempre es 0. Su varianza siempre es 0. Su desviación típica siempre es 1. Sus valores siempre están entre -1 y +1.

Los contrastes unilaterales se utilizan cuando: Se busca cualquier tipo de diferencia sin importar la dirección. Existe una sospecha teórica sobre la dirección del efecto (mayor o menor). La hipótesis alternativa usa el signo "distinto de" (!=). La hipótesis alternativa usa los signos ">" o "<".

La estimación por intervalos es preferible a la estimación puntual porque: Es mucho más fácil de calcular manualmente. Informa sobre la precisión de la estimación. Proporciona un rango de valores donde es probable que se encuentre el parámetro. Garantiza que el error de tipo II sea cero.

El valor de la "t" crítica en las tablas depende de: El nivel de riesgo α elegido. La media aritmética de la población. Los grados de libertad (n−1). La asimetría de la muestra.

Una inferencia puede ser sesgada si: La muestra no es representativa de la población. Se utiliza un nivel de confianza del 95%. El muestreo es no probabilístico. El estadístico de contraste es eficiente.

Al disminuir el nivel α (por ejemplo, de 0,05 a 0,01): Es más difícil rechazar la Hipótesis Nula. Aumenta la probabilidad de cometer Error Tipo I. Disminuye la probabilidad de cometer Error Tipo I. El intervalo de confianza se vuelve más estrecho.

Son supuestos para realizar un contraste sobre una media poblacional: La muestra debe ser aleatoria. Se debe conocer siempre la varianza poblacional. La variable debe distribuirse normalmente (o n≥30). El investigador debe ser el autor de la prueba.

La decisión de "mantener la Hipótesis Nula" implica que: Se ha demostrado científicamente que H0 es 100% verdadera. No hay evidencia suficiente para afirmar que existe un efecto. El valor muestral es compatible con el azar del muestreo. La hipótesis alternativa ha quedado validada automáticamente.

La significación estadística (p-valor) se ve afectada por: El tamaño del efecto observado en la muestra. El color del gráfico de la distribución. El tamaño de la muestra (n). El nombre de la variable estudiada.

En una distribución normal tipificada, se sabe que: Aproximadamente el 68% de los casos están entre Z = -1 y Z = +1. El 100% de los casos están entre Z = -3 y Z = +3. El 95% de los casos están aproximadamente entre Z = -2 y Z = +2. La mediana es siempre superior a la media.