OTM06 La estadística

¿Cuál es la función de la estadística en el análisis de datos de un cuestionario?. Recoger únicamente datos cualitativos. Tabular, almacenar y obtener resultados de los datos recopilados. Diseñar cuestionarios. Definir los objetivos de la investigación.

¿Qué caracteriza a la estadística analítica?. Trata matemáticamente los datos para obtener valores numéricos que describan la situación analizada. Recoge y tabula la información en tablas y gráficos, observando características de la población completa. Saca conclusiones probabilísticas a partir de un subconjunto de la población y extenderlas a toda la población. Solo se utiliza en encuestas online.

¿Qué caracteriza a la estadística descriptiva?. Trata matemáticamente los datos para obtener valores numéricos que describan la situación analizada. Recoge y tabula la información en tablas y gráficos, observando características de la población completa. Saca conclusiones probabilísticas a partir de un subconjunto de la población y extenderlas a toda la población. Solo se utiliza en encuestas online.

¿Qué caracteriza a la estadística inferencial?. Trata matemáticamente los datos para obtener valores numéricos que describan la situación analizada. Recoge y tabula la información en tablas y gráficos, observando características de la población completa. Saca conclusiones probabilísticas a partir de un subconjunto de la población y extenderlas a toda la población. Solo se utiliza en encuestas online.

¿Qué son las variables estadísticas?. Solo valores numéricos que se pueden medir. Propiedades o cualidades que podemos estudiar en los individuos de una población. Datos obtenidos únicamente de encuestas. Resultados de la estadística inferencial.

¿Cómo se clasifican las variables estadísticas cuantitativas?. En discretas y continuas. Solo en continuas. Solo en discretas. En discretas y discontinuas.

¿Qué caracteriza a una variable cuantitativa discreta?. Puede tomar cualquier valor entre dos números. Los valores numéricos que toma son aislados. No se puede expresar con números. Siempre es subjetiva.

¿Cuál es un ejemplo de variable cuantitativa continua?. Número de hijos en una familia. Color de pelo de los turistas. Ingresos medios de una población que oscilan entre 1.000 y 2.000 euros. Sexo de los clientes.

¿Qué es una variable estadística cualitativa?. Una variable que siempre toma valores numéricos. Una propiedad cuyo valor no puede expresarse con números. Una variable discreta. Una variable continua.

¿Qué significa que una muestra sea representativa?. Que las respuestas obtenidas en la muestra pueden extrapolarse al resto de la población. Que la muestra se elige al azar sin criterios. Que la muestra contiene todos los individuos de la población. Que la muestra siempre tiene 100 individuos.

¿Qué es el tamaño muestral óptimo?. El número máximo de preguntas que puede tener un cuestionario. La cantidad mínima de encuestadores necesarios. La dimensión que debe tener la muestra para que las estimaciones sean extrapolables al total poblacional. El número de respuestas negativas aceptables en la encuesta.

¿Qué busca el análisis univariable de datos?. Obtener medidas estadísticas de un conjunto de respuestas a una sola pregunta. Comparar diferentes variables entre sí. Determinar relaciones causa-efecto. Realizar predicciones futuras.

¿Qué son las proporciones o frecuencias relativas?. Medidas de dispersión. Porcentajes que se calculan con tablas. Medidas de tendencia central. Variables cualitativas.

¿Qué son las medidas de tendencia central o de posición?. Proporciones de los datos. Medidas representativas del grupo, como moda, mediana y media aritmética. Medidas que indican la variabilidad de las respuestas, como varianza y desviación típica. Ninguna de las anteriores.

¿Qué son las medidas de dispersión?. Proporciones de los datos. Medidas representativas del grupo, como moda, mediana y media aritmética. Medidas que indican la variabilidad de las respuestas, como varianza y desviación típica. Ninguna de las anteriores.

¿Cuál es la diferencia principal entre variables independientes y dependientes en análisis multivariable?. Las independientes explican el fenómeno estudiado. Las dependientes son las que se explican. Las dependientes explican el fenómeno estudiado. Las independientes son las que se explican.

¿Qué caracteriza a los métodos descriptivos o de interdependencia?. No distinguen entre variables dependientes e independientes y analizan interrelaciones entre todas las variables. Buscan explicar unas variables a partir de otras. Analizan únicamente variables dependientes. Solo estudian relaciones causa-efecto.

¿Cuáles son ejemplos de métodos descriptivos?. Análisis de regresión y análisis de varianza. Análisis cluster y análisis factorial o de componentes principales. Segmentación y análisis discriminante. Análisis estructural.

¿Qué buscan los métodos explicativos o de dependencia?. Agrupar individuos según variables. Explicar unas variables en función de otras. Resumir información sin distinguir variables. Analizar únicamente variables independientes.

¿Qué distingue a los métodos estructurales dentro del análisis multivariable?. No utilizan variables independientes. Solo se centran en variables dependientes. Solo agrupan individuos. Analizan cómo las variables independientes afectan a las dependientes y cómo se relacionan entre sí.

Técnicas de análisis univariable: Métodos estructurales. Métodos descriptivos (o de interdependencia). Métodos explicativos (o de dependencia). Proporciones. Medidas que se puedan tomar como características y representativas del grupo: la moda, la mediana y la media aritmética. Medidas de la variabilidad de las respuestas: varianza y la desviación típica.

Técnicas de análisis multivariable: Métodos estructurales. Métodos descriptivos (o de interdependencia). Métodos explicativos (o de dependencia). Proporciones. Medidas que se puedan tomar como características y representativas del grupo: la moda, la mediana y la media aritmética. Medidas de la variabilidad de las respuestas: varianza y la desviación típica.

El análisis de la varianza como técnica de evaluación estadística, ¿cómo se clasifica?. Método estructural. Método descriptivo. Método de clasificación. Método de dependencia.

Relaciona estos conceptos. Medidas de posición central. Media aritmética. Mediana (Me). Moda (Mo).

¿Qué representa una medida de posición central?. La dispersión de los datos. Un valor representativo alrededor del cual se agrupan los datos. La frecuencia relativa de los datos. La correlación entre variables.

La media aritmética se calcula: Tomando el valor más repetido del conjunto de datos. Ordenando los datos y eligiendo el valor central. Sumando todos los valores y dividiendo entre el número total de valores. Restando el valor mínimo al máximo y dividiendo entre dos.

La mediana es: El valor que más se repite. La media de todos los valores. El valor central de un conjunto de datos ordenado. La suma de los valores extremos.

Si el número de datos es par, la mediana se obtiene: Tomando el primer valor del conjunto. Calculando la media de los dos valores centrales. Tomando el valor más repetido. Tomando el valor central.

Si el número de datos es impar, la mediana se obtiene: Tomando el primer valor del conjunto. Calculando la media de los dos valores centrales. Tomando el valor más repetido. Tomando el valor central.

La moda: Se ve afectada por valores extremos. Es siempre única. Es el valor que aparece con mayor frecuencia en el conjunto de datos. Es la media aritmética de los valores centrales.

¿Cuál de las siguientes afirmaciones es correcta?. La media no considera todos los valores. La mediana se ve muy afectada por valores extremos. La moda puede no existir o ser múltiple. La media y la mediana siempre son iguales.

¿Qué nos indica una medida de dispersión?. El valor central de los datos. Cuánto se desvían los datos respecto a la media. La frecuencia de aparición de los datos. La mediana del conjunto.

La varianza se calcula: Tomando el valor más frecuente. Elevando al cuadrado la diferencia de cada dato respecto a la media, sumando y dividiendo entre el número de observaciones. Tomando la raíz cuadrada de la media. Sumando todos los valores y dividiendo entre N.

La desviación estándar es: La raíz cuadrada positiva de la varianza. La media de todos los valores. El valor más repetido en el conjunto de datos. La diferencia entre el máximo y el mínimo.

Si la desviación estándar es pequeña, significa que: Los datos están muy dispersos. Los datos presentan valores extremos. Los datos están cerca de la media. Los datos no se pueden comparar.

¿Por qué a veces se usa ( N-1 ) en lugar de ( N ) al calcular la varianza?. Para disminuir el valor de la varianza. Para simplificar los cálculos. Para corregir y hacer la varianza más representativa de la población. Porque la desviación estándar no se puede calcular.

¿Cuál es la principal función de la inferencia estadística?. Describir únicamente los datos de una muestra. Tomar decisiones y sacar conclusiones sobre una población a partir de una muestra. Obtener la media y la mediana de un conjunto de datos. Realizar un cuestionario.

El coeficiente de correlación de Pearson ( r ) mide: El porcentaje de varianza explicada de Y por X. La intensidad y dirección de la relación lineal entre dos variables cuantitativas. La diferencia entre la media y la mediana. La frecuencia de aparición de un valor en un conjunto de datos.

Si ( r = -0,85 ), ¿qué indica?. Correlación positiva débil. Correlación negativa fuerte. Correlación nula. Dependencia estadística exacta.

El coeficiente de determinación ( R^2 ) indica: La desviación típica de una variable. El porcentaje de varianza de la variable dependiente explicado por la variable independiente. La moda del conjunto de datos. La varianza de X.

¿Cuál es el rango del coeficiente de correlación ( r )?. 0 a 1. -1 a 0. -1 a 1. 0 a infinito.

Si ( R^2 = 0 ), ¿qué significa?. La dependencia entre variables es perfecta. No hay relación lineal entre las variables. El 100% de la varianza de Y está explicada por X. La correlación es positiva.

Para qué se usa la regresión múltiple: Para explicar una variable dependiente usando varias variables independientes. Para medir únicamente la media y la mediana de un conjunto de datos. Para obtener la moda de un conjunto de datos. Para calcular la varianza de una variable.

Si ( r = 0 ), ¿qué indica sobre la relación entre dos variables?. Correlación lineal perfecta. Dependencia lineal exacta. No existe correlación lineal. La varianza es máxima.

Qué valor de ( R^2 ) indica que la relación entre variables es perfecta: 0. 0,5. 1. -1.

Si el coeficiente de correlación ( r ) es igual a 1, ¿qué podemos decir?. Hay correlación lineal perfecta y positiva. Hay correlación lineal perfecta y negativa. No existe relación lineal. La varianza de Y es nula.

Si ( r = -1 ), la relación entre X e Y es: Correlación nula. Correlación perfecta positiva. Correlación perfecta negativa. Correlación moderada.

¿Qué indica un ( R^2 = 0,86 )?. No hay relación entre variables. La calidad del ajuste de la regresión es bastante alta. La correlación es negativa. La dependencia estadística es exacta.

En la regresión simple, la variable dependiente se explica: Por una sola variable independiente. Por múltiples variables independientes. Solo por variables cualitativas. Solo por la media.

El coeficiente de correlación ( r ) se interpreta como: Porcentaje de varianza de Y explicado por X. Intensidad y dirección de la relación lineal entre X e Y. Diferencia media respecto a la media aritmética. Media ponderada.