Estadística PIR (Análisis de datos)

Para la utilización de pruebas estadísticas paramétricas, es necesario analizar el cumplimiento de los supuestos del modelo estadístico. En este sentido, señale la afirmación INCORRECTA: Para analizar el supuesto de homogeneidad de las varianzas, se recomienda utilizar la prueba de Levene por ser robusta ante el incumplimiento del supuesto de normalidad de la variable dependiente. La utilización de una regla de asignación aleatoria de los sujetos a las condiciones experimentales es uno de los procedimientos más utilizados para garantizar el cumplimiento del supuesto de independencia de las observaciones. Para medir el cumplimiento de la normalidad de las puntuaciones de la variable dependiente, se recomienda utilizar la prueba de Bartlett. Ante la presencia de heterocedasticidad, uno de los métodos que puede utilizarse radica en la corrección de los grados de libertad de la prueba F, denominándose dicha prueba F conservadora.

¿Qué tipo de puntuación normativa tiene el inconveniente de que su distribución es desigual, por lo que no es posible calcular diferencias ni compararlas si se han obtenido en diferentes pruebas?. Desviación CI. Puntuaciones Z. Eneatipos. Percentiles.

¿Cuál de las siguientes pruebas se emplea para comprobar el supuesto de esferidad en el análisis de varianza de medidas repetidas?. Shaphiro-Wilks. Levene. Mantel-Haenszel. Mauchly.

Un investigador está interesado en saber si los resultados sobre la aplicación de un programa de tratamiento psicológico alarga la duración del sueño. Conoce que la duración del sueño es una variable que se distribuye normalmente en la población con una media de 7 horas; dado que su interés es conocer si el programa de tratamiento psicológico incrementa el número de horas que se duerme. ¿Cuál de las siguientes formulaciones de su hipótesis es la correcta?. H0:=7/H1:≠7. H0:≥7/H1:<7. H0:≤7/H1:>7. H1:=7/H0:≰7.

Con relación a los supuestos del modelo estadístico, indique la afirmación CORRECTA: La normalidad es un supuesto que puede ser explorado mediante la prueba de Brown-Forsythe. La homogeneidad de la varianza es un supuesto cuya comprobación suele realizarse mediante la prueba W de Welch. La prueba de Durbin-Watson analiza la existencia de autocorrelación entre residuales y nos informa acerca del supuesto de independencia de las observaciones. Un valor en la prueba de Shapiro-Wilks de SW=2,781; p=0,05 muestra un valor estadísticamente significativo que indica que se cumple el supuesto de normalidad.

Cuando decimos que una teoría científica debe ser susceptible de refutación, nos estamos refiriendo al principio de: Veracidad. Falsación. Validez interna. Validez externa.

¿Qué técnica de análisis multivariado tiene como propósito fundamental la búsqueda de una estructura de constructos latentes, a partir de las correlaciones entre las variables observadas?. Análisis discriminante múltiple. Análisis de conglomerados jerárquicos. Regresión logística multinomial. Análisis factorial.

La estimación del error muestral es una característica exclusiva del muestreo: Intencional. Probabilístico. Opinático. Polietápico.

Cuando se aplica una prueba estadística de bondad de ajuste, el interés del investigador se centra en: Determinar los intervalos de confianza de los parámetros correspondientes a variables cuyo nivel de medida es ordinal o nominal. Establecer los límites a los que se ajusta un intervalo de confianza. Fijar el nivel de alfa que se utilizará en la inferencia. Determinar si la distribución de probabilidad de una variable se ajusta a una distribución de probabilidad teórica determinada.

En el contexto de un estudio sobre la satisfacción con la vida en las distintas comunidades autónomas, y sabiendo que la media española es de 50, y que la desviación típica es 10, ¿en qué comunidad autónoma están más satisfechos con la vida sus habitantes si obtenemos las siguientes puntuaciones? Castilla y León: puntuación directa = 43; Madrid: z = 0,8; Comunidad Valenciana: T = 55: Andalucía = - 1DT. Castilla y León. Comunidad Valenciana. Andalucía. Madrid.

El hecho de que los dos factores principales que afectan a la potencia sean el tamaño del efecto y el tamaño de la muestra implica que: El tamaño del efecto toma en cuenta la diferencia predicha entre medias (cuanto mayor es la diferencia, mayor es d) y la varianza muestral (cuanto mayor es la varianza muestral, mayor es d). El tamaño del efecto influye en la potencia, ya que, a mayor tamaño del efecto, mayor es la superposición entre las distribuciones de medias de la población predicha y el área de rechazo de la distribución de medias correspondiente a la población comparativa. Con un determinado tamaño del efecto, los estudios con más potencia tienen intervalos de confianza más largos. A mayor muestra, menor es la varianza de la distribución de medias, de forma tal que para un determinado tamaño del efecto existe menor superposición entre las distribuciones.

¿Cuál de los siguientes muestreos es probabilístico?. Muestreo por conglomerados. Muestreo estratégico. Muestreo accidental. Muestreo multicategorías.

En una investigación se ha concluido que existe relación entre las variables estudiadas, basándose en el resultado obtenido en la prueba de hipótesis nula. Sin embargo, constatamos que dicha relación no existe en la población. Según este enunciado… (señale la afirmación correcta): Se ha cometido un error de tipo I. Se ha cometido un error de tipo II. La potencia de la prueba es baja. El valor de p obtenido en la prueba de hipótesis nula es superior a 0,05.

La existencia de una asociación estadística significativa entre variables ordinales puede determinarse, más adecuadamente, mediante: El test de Kuskal-Wallis. La correlación de Pearson. El test de Kappa. La correlación de Spearman.

Los sistemas de clasificación de la conducta anormal (p.ej., los utilizados en el DSM) constituyen: Escalas de razón. Sistemas de clasificación nominal. Sistemas de intervalo. Escalas ordinales.

Un/a psicólogo/a desea conocer si hay relación entre las variables: “intensidad del dolor de cabeza” ordenado de 0 a 10 y “momento del curso escolar”, ordenado de 1 (septiembre) a 9 (mayo). ¿A qué estadístico ha de recurrir?. Correlación de Pearson. Q de Yule. Varianza. Correlación de Spearman.

A la probabilidad de obtener, siendo H0 verdadera, un resultado para un estadístico de contraste tan o más extremo que el encontrado en nuestra muestra, se denomina: Nivel de significación, alfa. Nivel de confianza, 1 - alfa. Potencia de prueba, 1 - beta. Grado de significación o nivel crítico, p.

La distribución T se aproxima a la normal: A medida que aumentan los grados de libertad. Nunca, porque son dos distribuciones distintas. Cuando tenemos entre 0 y 30 grados de libertad. Si el muestreo es aleatorio.

En el modelo de regresión lineal simple cuando trabajamos en puntuaciones típicas, el coeficiente de regresión (beta) de la variable independiente (VI) es igual a: La varianza de la variable dependiente (VD). 0. La correlación de Pearson entre la VD y VI. 1.

Cuando se parte de un censo, las conclusiones: Son inferencias más válidas. No son inferencias. Son inferencias ciertas. Hay que expresarlas a nivel probabilístico.

En el ámbito del análisis estadístico, en concreto de la regresión lineal, indique la afirmación INCORRECTA: La regresión lineal permite analizar la relación entre uno o más predictores cuantitativos y una variable dependiente también cuantitativa, no pudiéndose en ningún caso incluir en el análisis predictores categóricos. En el análisis de regresión, el coeficiente de regresión parcial no estandarizado Bo ó b0 ofrece el valor de la ecuación de regresión cuando todos los predictores son igual a cero. Una estrategia para medir la bondad de ajuste en un análisis de regresión simple es utilizar el coeficiente de determinación que se calcula elevando al cuadrado el coeficiente de correlación de Pearson. Si se desea encontrar la ecuación de regresión capaz de ofrecer el mejor ajuste posible con el menos número de variables, se recomienda utilizar la regresión jerárquica o por pasos.

En el marco del análisis de la varianza con más de un factor, señale la afirmación INCORRECTA: El estudio del efecto moderador de una tercera variable, en la relación entre una variable independiente y una variable dependiente, se puede analizar mediante el efecto de interacción entre dicha tercera variable y el factor o variable independiente. Un efecto simple consiste en el efecto de un factor A cuando únicamente se tiene en cuenta un único nivel del otro factor B. Cuando se obtiene un efecto de interacción estadísticamente significativo, la interpretación de los efectos principales implicados en dicha interacción supone un error de interpretación. El análisis de los efectos simples no debe ser utilizado para interpretar una interacción estadísticamente significativa.

En el ámbito del análisis estadístico de los datos, en lo que respecta al tamaño del efecto, indique la afirmación INCORRECTA: En un análisis de la varianza, la obtención de un valor de F estadísticamente significativo se corresponde siempre con un efecto importante. La prueba d de Cohen consiste en calcular la diferencia estandarizada entre medidas. Para estimar la proporción de varianza explicada se desaconseja utilizar eta-cuadrado debido a que se trata de un estimador sesgado del tamaño del efecto. El tamaño del efecto entre más de dos medias puede ser calculado mediante el estadístico f.

En una investigación que busca realizar inferencias a partir del análisis de los datos, a los valores que delimitan la zona de rechazo de la hipótesis nula los llamamos valores: Residuales. Críticos. Extremos. Falsos.

De las siguientes afirmaciones, seleccione la CORRECTA. Si en un contraste unilateral derecho utilizamos como nivel de significación 0,005: La probabilidad de mantener H0 siendo falsa es 0,005. La probabilidad de rechazar H0 siendo verdadera es 0,005. La probabilidad de mantener H0 siendo falsa es 0,995. La probabilidad de rechazar H0 siendo verdadera es 0,995.

Tenemos una población normal con varianza desconocida. Se toma de ella una muestra de tamaño n=23. Para estimar el valor del parámetro media poblacional, utilizaremos un estadístico de contraste cuya distribución es: Chi cuadrado. Binomial. Normal (N (0,1)). T de Student.

El muestreo probabilístico ofrece la posibilidad de calcular: Los estadísticos necesarios para la inferencia. Los estadísticos necesarios para la descripción de una muestra. El valor exacto de los parámetros. La probabilidad de obtener cada una de las muestras posibles.

El enfoque de métodos mixtos dentro de la investigación en psicología clínica permite: Analizar las diferencias globales entre los grupos sin considerar los cambios intraindividuales a lo largo del tiempo, ya que el factor temporal se trata como variable independiente entre individuos. Examinar tanto los efectos principales del grupo y del tiempo como la interacción entre ambos, de modo que es posible determinar si los cambios temporales difieren según la condición experimental asignada. Sustituir procedimientos cuantitativos tradicionales por análisis estadísticos avanzados que permiten interpretar la variabilidad de los datos en muestras reducidas y en entornos clínicos complejos. Combinar estrategias cualitativas y cuantitativas en el mismo estudio, buscando integrar los hallazgos para lograr una comprensión más completa del fenómeno estudiado.

Un profesional de la psicología clínica desea evaluar la eficacia de un tratamiento de activación conductual en su hospital. Para ello, selecciona aleatoriamente una muestra de pacientes con depresión y forma, también aleatoriamente, dos grupos: experimental y control activo. Tras recoger datos y comparar grupos obtiene un resultado estadísticamente significativo (p=0,001). ¿Cuál es la interpretación más adecuada?. El valor p indica que, si en realidad no hubiera diferencias entre los grupos en la población (H0 cierta), la probabilidad de obtener una diferencia como la observada o mayor por azar sería de 0,1%. El valor p indica que, si en realidad no hubiera diferencias entre los grupos en la población (H0 cierta), la probabilidad de que la hipótesis nula sea cierta sería de 0,1%. El valor p indica que, si en realidad no hubiera diferencias entre los grupos en la población (H0 cierta), la probabilidad de que el tratamiento sea eficaz sería de 99,9%. El valor p indica que, si en realidad no hubiera diferencias entre los grupos en la población (H0 cierta), la probabilidad de que la diferencia encontrada sea clínicamente relevante sería de 99,9%.

En el contraste estadístico chi cuadrado la frecuencia teórica es: La frecuencia esperada. La frecuencia observada. La diferencia entre la frecuencia observada y la esperada. La frecuencia que se obtiene en la tabla de la distribución chi cuadrado.

Una ventaja de utilizar la corrección de Bonferroni y el procedimiento HSD de Tukey y otras pruebas post hoc es que: Incrementa la potencia estadística. Disminuye la potencia estadística. Disminuye la probabilidad de cometer un error Tipo II. Disminuye la probabilidad de cometer un error Tipo I.

Realizamos un análisis de la varianza con tres factores: A, B y C. Encontramos que los factores principales A, B y C son significativos, así como la interacción B x C. Ninguna de las restantes interacciones son significativas. ¿Qué debemos analizar para interpretar los datos?. Sólo los factores principales A, B y C. Solo la interacción B x C. El factor principal A, así como la interacción B x C. Tanto los factores principales B y C como la interacción B x C.

Para aplicar la técnica de análisis de varianza de un factor se deben cumplir una serie de supuestos entre los que se encuentran los siguientes: La normalidad de la población de la que se obtuvo la muestra y la heterocedasticidad. La igualdad de las varianzas y la independencia de las observaciones. La robustez de la técnica de análisis y la fiabilidad de los datos. La independencia de las observaciones aunque provengan de poblaciones con distribuciones no normales.

Para la aplicación del estadístico de contraste T de diferencias de medias en el caso de dos muestras independientes, es necesario que: La variable dependiente esté medida, al menos, a nivel de razón. Las variables dependientes estén medida, al menos, a nivel ordinal. La variable dependiente esté medida, al menos, a nivel de volumen. La variable dependiente esté medida, al menos, a nivel de intervalo.

En el contraste de medias para dos muestras independientes lo que se busca es: Inferir el efecto de una condición de un experimento basándose en la medida de dos variables dependientes distintas. Inferir el efecto de dos condiciones de un experimento basándose en la medida de dos variables dependientes distintas. Aplicar el estadístico 'F' de Snedecor. Inferir el efecto de dos condiciones de un experimento basándose en la medida de una misma variable dependiente.

¿De qué nos informa el nivel crítico?. Nos informa de la magnitud del impacto del tratamiento. Nos informa del riesgo máximo que estamos dispuestos a asumir al tomar la decisión de rechazar una hipótesis concreta. Nos informa si el estudio realizado contribuye o no de forma significativa al desarrollo de una teoría o de una línea de investigación. Nos informa sobre el grado de compatibilidad o discrepancia entre la evidencia muestral observada y la hipótesis nula.

En lo que respecta a las estrategias para seleccionar la muestra de una investigación, señale la afirmación INCORRECTA: En el muestreo aleatorio estratificado se establecen restricciones a la selección totalmente aleatoria de la muestra. El tamaño muestral puede ser delimitado respondiendo al objetivo de que la muestra sea representativa de la población de referencia y/o atendiendo a estudios de potencia a priori. En el muestreo aleatorio estratificado, el procedimiento de afijación uniforme implica que los tamaños de los estratos son proporcionales a los tamaños poblacionales. El muestreo aleatorio por conglomerados implica que, en lugar de elementos individuales de la población, se utilizan conjuntos de elementos que puede considerarse que constituyen una unidad más amplia.

¿Cuándo se comete un error de tipo I?. Cuando se decide mantener una hipótesis nula que en realidad es falsa. Cuando se decide rechazar una hipótesis nula que en realidad es verdadera. Cuando se decide mantener una hipótesis nula que en realidad es verdadera. Cuando se decide rechazar una hipótesis nula que en realidad es falsa.

Cuando se analizan los datos de una investigación psicológica mediante análisis de varianza de dos factores: Es porque los datos provienen de medidas fisiológicas. Tanto las variables dependientes como independientes (en este caso dos) deben haberse medido en una escala de razón. El diseño de la investigación incluye dos variables independientes. El diseño de la investigación cuenta con dos variables dependientes.

¿Cuál de estas afirmaciones es correcta?. Cuanto menor es la varianza de la distribución muestral del estimador, mayor es la eficiencia. Cuanto mayor es la varianza de la distribución muestral del estimador, mayor es la eficiencia. Cuanto mayor es la varianza de la distribución muestral del estimador, mayor es la eficacia. Cuanto menor es la varianza de la distribución muestral del estimador, menor es la eficiencia.

Para calcular el coeficiente de validez, la correlación más adecuada cuando las puntuaciones del test son una variable continua y el criterio es una variable dicotómica es: La correlación tetracórica. El coeficiente phi. La correlación de Spearman. La correlación biserial puntual.

El estadístico de contraste Chi Cuadrado se utiliza cuando: La muestra es mayor que 100. Se quiere ver el efecto de dos o más variables dependientes. Se quiere comprobar la independencia de dos variables cualitativas. Se desea comprobar los efectos de la interacción entre factores.

El objetivo de la prueba estadística no paramétrica de McNemar es: Conocer diferencias o asociación entre variables en muestras pequeñas. Conocer si existe relación entre dos o más variables. Comparar si existen diferencias antes y después de un evento. Comparar si existen diferencias entre tres o más grupos.

En lo que respecta a los supuestos que deben cumplirse para poder aplicar técnicas de análisis paramétricas, indique cuál de las siguientes afirmaciones es INCORRECTA: La aplicación de pruebas paramétricas como el ANOVA exige el cumplimiento de supuestos tales como la normalidad, homocedasticidad e independencia de las observaciones. El supuesto de normalidad puede analizarse mediante la prueba de Kolmogorov-Smirnov con la corrección de Lilliefors cuando los tamaños muestrales son superiores a 50. La prueba de Levene se aplica para analizar el supuesto de homocedasticidad y, en caso de incumplimiento del supuesto, se recomienda utilizar los estadísticos propuestos por Welch y Brown-Forsythe. La independencia de las observaciones puede analizarse mediante el test de Durbin Watson y una de las estrategias más eficaces para garantizar el cumplimiento de este supuesto es utilizar diseños de medidas repetidas.

Un investigador pasa una prueba de inteligencia a 305 participantes y obtiene que la inteligencia media de la muestra es de 107. El investigador quiere analizar la relación entre velocidad de procesamiento (definida como número de respuestas correctas) e inteligencia (alta y baja). ¿Qué tipo de coeficiente de correlación aplicará el investigador?. Coeficiente de correlación parcial. Coeficiente de correlación biserial. Coeficiente de correlación Phi. Coeficiente de correlación Tetracórica.

Seleccione la prueba estadística más adecuada para las siguientes dos hipótesis. H1: Las estimaciones de CI de los varones son más elevadas que las de las mujeres. H2: El CI medio de las mujeres es más elevado que el de los varones: H1: Mann-Whitney; H2: t-test para muestras independientes. H1: p (rho) de Spearman; H2: r de Pearson. H1: t-test para muestras relacionadas; H2: Chi cuadrado. H1: T de Wilcoxon; H2: Prueba binomial de signos.

En el contexto del análisis de datos, señale la afirmación INCORRECTA: Si en un estudio se realizan varios contrastes simultáneos o independientes, la tasa de error de tipo I se incrementa con respecto al nivel nominal planteado. El procedimiento HSD de Tukey es un procedimiento dirigido a realizar comparaciones entre pares de medias, cuando estas comparaciones son simples y están formuladas a posteriori. La corrección de Bonferroni es el método más apropiado para controlar la tasa de error de tipo I por familia de comparaciones, cuando se pretende analizar un subconjunto de todas las posibles comparaciones, y éstas están formuladas a priori. Cuando se pretende comparar un grupo de control frente al resto de condiciones experimentales, la prueba más adecuada para controlar el error de tipo I es la prueba de Newman-Keuls.

En un diagrama de cajas (Box-Plot), la caja central representa: El 100% de los casos. El 75% central de los casos. El 50% central de los casos. El 25% central de los casos.

Cuando se obtienen las puntuaciones de un test, el porcentaje de sujetos del grupo normativo que puntúa por debajo de la puntuación obtenida es: La puntuación escalar. La puntuación directa. La puntuación cronológica. La puntuación percentil.

Una puntuación “eneatipo” en un test requiere la transformación: De las puntuaciones en una escala que va del 1 al 99 con una media igual a 50. De las puntuaciones en una escala que va del 1 al 99 con una desviación típica igual a 10. De las puntuaciones en una escala que va del 1 al 9 con una desviación típica igual a 2. De las puntuaciones en una escala que va del 1 al 9 con una desviación típica igual a 5.

El Coeficiente de Correlación de Pearson se ve reducido si: Aumenta la homogeneidad de la muestra. Aumenta el tamaño de la muestra. Se calcula en puntuaciones típicas. Se intercambian X e Y.

Cuando se aplica el estadístico de contraste Chi Cuadrado de Pearson en un test de independencia: La hipótesis nula se formula siempre de forma unilateral izquierda. La hipótesis alternativa se acepta si p es mayor o igual que alfa. No se busca hacer inferencias sino describir muestras. Es necesario calcular las frecuencias teóricas (o esperadas), supuesta verdadera la hipótesis nula.

La técnica del Análisis de Varianza permite: Maximizar los efectos del factor estudiado. Discernir qué parte de la variabilidad corresponde al factor estudiado y cuál al error experimental. Minimizar el error de medida. Confirmar las diferencias significativas entre los valores medios de la variable independiente.

¿Qué método es utilizado para evaluar el funcionamiento diferencial de los ítems (DIF)?. Samejima. Análisis de distractores. Mantel-Haenszel. Regresión múltiple jerárquica.

Si observo mínima variabilidad en el número de cigarrillos que fuma un grupo de pacientes, su histograma debería ser: Asimétrico positivo. Asimétrico negativo. Leptocúrtico. Platicúrtico.

La zona de rechazo de la hipótesis nula se llama: Región beta o de rechazo. Región crítica o de rechazo. Región de confianza o de rechazo. Región 1-alfa o de rechazo.

La potencia estadística de un experimento es la probabilidad de que el estudio arroje un resultado significativo si la hipótesis de investigación es verdadera. Señale cuál es la respuesta CORRECTA respecto a los factores que influyen en la potencia estadística: Cuando el tamaño del efecto (d) es grande y el desvío estándar poblacional (σ) es pequeño, aumenta la potencia. Cuando el tamaño de la muestra es pequeño y el desvío estándar poblacional (σ) es grande, aumenta la potencia. Cuando el tamaño de la muestra (n) es grande y el nivel de significación (α) es alto, disminuye la potencia. Cuando el tamaño del efecto (d) es grande y el desvío estándar poblacional (σ) es grande, aumenta la potencia.

En un gráfico de caja (Box-Plot) se considera que un valor es atípico (outlier) cuando está a más de: 1,5 desviaciones típicas por encima o por debajo de la media. 1,5 amplitudes intercuartílicas de la parte superior o inferior de la caja. 1,5 desviaciones típicas de la parte superior o inferior de la caja. 1,5 amplitudes intercuartílicas por encima o por debajo de la media.