Para explicar un fenómeno debemos encontrar las causas, aquellas cuya ausencia impide la producción se denominan: Necesarias. Suficientes. Genuinas.
Para explicar un fenómeno debemos encontrar las causas, aquellas cuya presencia posibilitan la producción se denominan: Necesarias. Suficientes. Genuinas.
El factor propuesto como explicación en una investigación se denomina: Variable cuantitativa. Variable independiente. Variable dependiente.
Si la VI es la causa de los cambios en el fenómeno, entonces la variación de sus valores debería producir cambios en los datos, este efecto se llama: Influencia. Varianza. Robustez.
La manipulación experimental consiste en una variación en los valores de la VI de modo: Progresiva. Sistemática. Aleatoria.
El fenómeno objeto de explicación se denomina: Variable cuantitativa. Variable independiente. Variable dependiente.
Una de las características deseables de la VD es la sensibilidad que se muestra como: La VD no varía ante pequeños cambios en la VI. La VD no varía fácilmente ante los cambios de otra variable. La VD varía ante pequeños cambios en la VI.
Una de las características deseables de la VD es la especificidad que se muestra como: La VD varía fácilmente ante los cambios de otra variable. La VD no varía fácilmente ante los cambios de otra variable. La VD varía ante pequeños cambios en la VI.
Una de las características deseables de la VD es la sensibilidad, la cual depende de: Valores seleccionados. La métrica de la variable. La métrica de la variable y los valores seleccionados.
¿Qué es explicar? Encontrar las causas de un fenómeno. Ambas son correctas. Establecer un orden racional entre los hechos.
Para explicar establecemos un orden racional entre hechos, entre las condiciones para concluir que X causa Y encontramos: X e Y no deben covariar. X debe preceder temporalmente a Y. Debe existir explicaciones alternativa para Y.
Para explicar establecemos un orden racional entre hechos, entre las condiciones para concluir que X causa Y encontramos: X e Y deben covariar. X ocurre después que Y. Debe existir explicaciones alternativa para Y.
Para explicar establecemos un orden racional entre hechos, entre las condiciones para concluir que X causa Y encontramos: X e Y no deben covariar. X ocurre después que Y. No debe existir explicaciones alternativa para Y.
En cuanto a las unidades experimentales estas son: Sujetos. Parejas. Sujetos, parejas, grupos, aulas, departamentos, barrios...
En cuanto a las unidades experimentales, los diseños conductuales usan: Numerosas unidades experimentales. Ambas. Una unidad experimental.
En cuanto a las unidades experimentales, los diseños estadísticos o fisherianos usan: Numerosas unidades experimentales. Ambas. Una unidad experimental.
En cuanto a las unidades experimentales, un factor importante es: Ambas. Tamaño de la muestra. Técnica de muestreo.
En cuanto a las unidades experimentales, los animales son un recurso muy común en: Psicología comparada. Psicobiología. Psicología de la personalidad.
Los experimento de laboratorio favorecen: La validez interna (causalidad). La validez ecológica (generalización). La validez interna (generalización).
Los experimento de campo favorecen: La validez ecológica (causalidad). La validez ecológica (generalización). La validez interna (generalización).
El argumento TRUCO, muestra las relaciones causa efecto, dentro de este, la validez interna reside en: U-unidades, C-contextos y O-ocasiones. T-tratamiento y R-respuestas. C-contextos y O-ocasiones.
El argumento TRUCO, muestra las relaciones causa efecto, dentro de este, la validez externa reside en: U-unidades, C-contextos y O-ocasiones. T-tratamiento y R-respuestas. C-contextos y O-ocasiones.
Si tenemos expectativas sobre el resultado del experimento nos encontramos con un experimento: Confirmatorio. Exploratorio. Contaminado.
Si no tenemos expectativas sobre el resultado del experimento nos encontramos con un experimento: Confirmatorio. Exploratorio. Contaminado.
La correlación entre la VI y VD es una condición _______ (pero no _______) para poder establecer una relación de causalidad. Genuina pero no suficiente. Necesaria pero no suficiente. Suficiente pero no necesaria.
El contexto y la ocasión de la recogida de datos condicionan críticamente: La causalidad de los resultados. La generalización de los resultados. Ambas.
Relaciones entre variables: Desconocida Causal Directa Causal Bidireccional Espuria Causal moderada Causal mediada o indirecta.
¿Qué problemas hay con una relación de espuria? Muestra la influencia de la VI sobre la VD. Muestra una falsa influencia de la VI sobre la VD. No modifica la influencia de la VI sobre la VD.
¿Qué problemas hay con una relación de espuria? Oculta la influencia de la VI sobre la VD. Muestra una verdadera influencia de la VI sobre la VD. No modifica la influencia de la VI sobre la VD.
¿Qué problemas hay con una relación de espuria? Muestra la influencia de la VI sobre la VD. Muestra una verdadera influencia de la VI sobre la VD. Modifica la influencia de la VI sobre la VD dependiendo de los valores que toma la VE.
Tipos de varianza: Varianza Total Varianza sistemática primaria Varianza sistemática secundaria Varianza de error.
Tipos de varianza: Varianza de Error Varianza sistemática primaria Varianza sistemática secundaria.
Un medio para maximizar la varianza sistemática primaria es: Aplicar una o varias de las técnicas de control a las potenciales variables extrañas. Aumentar la precisión de las medidas o aumentar la homogeneidad de los grupos de sujetos. Selección de valores de la VI que supuestamente pueden maximizar las diferencias en los valores de la VD.
Un medio para maximizar la varianza sistemática secundaria es: Aplicar una o varias de las técnicas de control a las potenciales variables extrañas. Aumentar la precisión de las medidas o aumentar la homogeneidad de los grupos de sujetos. Selección de valores de la VI que supuestamente pueden maximizar las diferencias en los valores de la VD.
Un medio para maximizar la varianza de error secundaria es: Aplicar una o varias de las técnicas de control a las potenciales variables extrañas. Aumentar la precisión de las medidas o aumentar la homogeneidad de los grupos de sujetos. Selección de valores de la VI que supuestamente pueden maximizar las diferencias en los valores de la VD.
El índice de bondad explica: La variabilidad de los datos causadas por las variables aleatorias. La proporción de la varianza total que proviene de la varianza sistemática primaria. La variabilidad de los datos causada por la influencia sistemática de una o varias variables extrañas.
Controlando las variables extrañas: Diseños pre-experimentales Diseños cuasi-experimentales Diseños experimentales Diseños de simulación experimental.
Controlando las variables extrañas: Variables Situacionales Variable de sujeto variable de ordenación.
La instrumentación de laboratorios posibilita: Una manipulación aleatoria de la VI. Un registro de mayor sensibilidad de la VD. Un bajo control de las potencias VEs.
La instrumentación de laboratorios posibilita: Una manipulación sistemática de la VI. Un registro de menor sensibilidad de la VD. Un bajo control de las potencias VEs.
La instrumentación de laboratorios posibilita: Una manipulación aleatoria de la VI. Un registro de menor sensibilidad de la VD. Un gran control de las potencias VEs.
El objetivo de las técnicas de control es: Neutralizar el efecto de las variables extrañas sobre la VD, es decir conseguir que su efecto no sea desigual. Neutralizar el efecto de las variables extrañas sobre la VD, es decir conseguir que su efecto sea nulo. Ambas son correctas.
Técnica de eliminación: Cada valor de la variable contaminadora afecta por igual a cada grupo experimental. Cada valor de la variable contaminadora afecta a cada grupo experimental proporcionalmente a cómo tales valores influyen en la población. Suprime cualquier variación en la variable contaminadora.
Técnica de constancia: Cada valor de la variable contaminadora afecta por igual a cada grupo experimental. Cada valor de la variable contaminadora afecta a cada grupo experimental proporcionalmente a cómo tales valores influyen en la población. Suprime cualquier variación en la variable contaminadora.
Técnica de aleatorización: Cada valor de la variable contaminadora afecta por igual a cada grupo experimental. Se confía en que el azar distribuya de forma homogénea los valores de la variable contaminadora entre todos los grupos experimentales. Suprime cualquier variación en la variable contaminadora.
Técnica de contrabalanceo intrasujeto: Cada valor de la variable contaminadora afecta por igual a cada grupo experimental. Se confía en que el azar distribuya de forma homogénea los valores de la variable contaminadora entre todos los grupos experimentales. Su finalidad es distribuir de forma equivalente las unidades de error progresivo entre los diferentes tratamientos experimentales.
La técnica de contrabalanceo intersujeto completo o equiponderación total se caracteriza por: La distribución de forma equivalente de las unidades de error progresivo entre los diferentes tratamientos experimentales. No utilizar todas las posibles secuencias. La utilización de todas las secuencia posibles hace que los efectos del error progresivo afectan por igual a cada tratamiento experimental.
La técnica de contrabalanceo intersujeto incompleto o equiponderación parcial se caracteriza por: La distribución de forma equivalente de las unidades de error progresivo entre los diferentes tratamientos experimentales. No utilizar todas las posibles secuencias. La utilización de todas las secuencia posibles hace que los efectos del error progresivo afectan por igual a cada tratamiento experimental.
En la técnica de ciego simple: El analista no sabe del experimento. El participante no sabe del experimento. El investigador no sabe del experimento.
En la técnica de doble ciego: El analista y el investigador no saben del experimento. El participante y el investigador no saben del experimento. El investigador no sabe del experimento.
En la técnica de triple ciego: El analista y el investigador no saben del experimento. El participante,el investigador y el analista no saben del experimento. Los 3 investigadores no saben del experimento.
Las técnicas de ciego ayudar a evitar. El efecto Rosenthal. Ambos. El efecto Pigmalión.
Lo que no es relevante se elimina mediante técnica de: Cosntancia. Eliminación. Aleatorización.
La técnica de eliminación: Permite generalizar a otros niveles de la variable. No permite generalizar a otros niveles de la variable. A veces permite generalizar a otros niveles de la variable.
Las técnicas de control solo se pueden aplicar sobre: Participantes y contextos. Todo lo anterior. Estímulos e instrucciones.
¿Por qué se necesita un grupo control? Posibilita un control de todas las amenazas contra la validez interna. Ambas son correcta. Por que hace que cualquier diferencia entre los grupos equivalente sólo podrá atribuirse a las condiciones experimentales.
Grupos especiales: control y placebo: Grupo Control Grupo Placebo Grupo Nocebo.
¿Qué significa la p de los resultados? Grados de libertad. La posibilidad de obtener tales datos cuando la H0 es verdadera. La posibilidad de obtener tales datos cuando la H0 es falsa.
La significación estadística (p) mide la probabilidad de que la diferencia observada pueda explicarse por azar. Depende de: Tamaños de las diferencias. Ambas son correctas. Tamaño de la muestra.
El análisis de datos se puede llevar a cabo desde el enfoque: Recetario estadístico. Ambas son correctas. Modelado estadístico.
Diseños experimentales transversales: Grupos al azar De bloques De medidas repetidas.
En un diseño de dos grupos al azar paramétrico utilizamos t de student para muestras independientes, si no es parametrico: Prueba T de Wilcoxon. Prueba U de Mann-Whitney. Prueba F de Friedman.
En un diseño multigrupos paramétrico utilizamos ANOVA, si no es parametrico: Prueba de Kruskal-Wallis. Prueba U de Mann-Whitney. Prueba F de Friedman.
En un diseño factorial 2 x 2 utilizamos : Anova Factorial. Prueba U de Mann-Whitney. Prueba de Kruskal-Wallis.
En un diseño intrasujeto de dos grupos paramétrico utilizamos t de student para muestras dependientes, si no es parametrico: Prueba T de Wilcoxon. Prueba U de Mann-Whitney. Prueba F de Friedman.
En un diseño instrasujeto de más de dos grupos paramétrico utilizamos ANOVA de medidas repetidas, si no es parametrico: Prueba de Kruskal-Wallis. Prueba U de Mann-Whitney. Prueba F de Friedman.
En un diseño factorial intrasujeto utilizamos : Anova Factorial de medidas repetidas. Prueba U de Mann-Whitney. Prueba de Kruskal-Wallis.
Diseños de series combinadas: Entre respuestas Entre unidades Entre situaciones.
|
