Tema 3 (Inferencia y contraste de hipótesis)

¿Qué tipo de distribuciones se usan en los tests paramétricos?. Distribuciones aleatorias. Distribuciones ya descritas. Distribuciones no paramétricas.

¿Cuál de los siguientes supuestos debe cumplirse para que los tests paramétricos sean válidos?. Los datos deben distribuirse aleatoriamente. Los datos deben distribuirse normalmente. Los datos deben ser cualitativos.

¿Cuál de los siguientes es uno de los supuestos clave en los tests paramétricos?. El nivel de medida de los datos debe ser ordinal. El nivel de medida de los datos debe ser cuantitativo. Los datos deben ser independientes solo si la muestra es grande.

¿Cuál es uno de los supuestos que debe cumplirse en los tests paramétricos respecto a las varianzas?. Debe haber homogeneidad de varianzas (homocedasticidad). Las varianzas deben ser diferentes en todos los grupos. No es necesario que las varianzas sean homogéneas.

En los tests paramétricos, ¿Qué se requiere en cuanto a la independencia de los datos?. Los datos de distintos participantes deben ser dependientes. No es necesario que los datos sean independientes si el tamaño de la muestra es grande. Los datos pertenecientes a distintos participantes deben ser independientes.

¿Cuáles de los siguientes son los 4 supuestos que deben cumplirse para realizar correctamente un test paramétrico?. Los datos deben distribuirse normalmente, debe haber homogeneidad de varianzas, el nivel de medida debe ser cualitativo y los datos deben ser dependientes. Los datos deben distribuirse normalmente, debe haber homogeneidad de varianzas, el nivel de medida debe ser cuantitativo y los datos deben ser independientes. Los datos deben distribuirse aleatoriamente, debe haber heterogeneidad de varianzas, el nivel de medida debe ser cualitativo y los datos pueden ser dependientes.

¿Qué mide la correlación de Pearson?. La relación entre una variable dependiente y una independiente. Si dos variables están relacionadas. Si dos variables son independientes.

¿Qué representa el coeficiente de correlación r en la correlación de Pearson?. Un valor que solo toma valores entre 0 y 1. Un valor que toma valores entre -1 y +1. Un valor que indica solo la fuerza de la relación sin dirección.

¿Qué información nos da el valor de r en la correlación de Pearson?. Solo nos da información sobre la dirección de la relación. Nos da información sobre la dirección y el tamaño de la relación. Solo nos da información sobre el tamaño de la relación.

¿Qué nos indica el signo del coeficiente de correlación r?. Si la correlación es significativa. Si la relación es directa o inversa. Si la relación es débil o fuerte.

¿Qué nos indica el valor numérico de r en la correlación de Pearson?. Que la relación es mayor conforme más se acerque a 0. Que la relación es mayor conforme más se acerque a 1 o -1. Que la relación es mayor conforme más se acerque a 0.

¿Qué ocurre si el valor de p en la correlación de Pearson no es menor de 0.05?. La correlación es significativa y, por lo tanto, existe una relación. La correlación no es significativa y, por lo tanto, no existe relación. No se puede determinar si hay una relación entre las variables.

¿Para qué se usa la prueba t-Student?. Para comparar más de dos grupos. Para comparar dos grupos. Para comparar la media de una muestra con la media de la población.

¿Qué diferencia existe entre los grupos dependientes y los grupos independientes en la prueba t-Student?. Los grupos dependientes tienen varianzas diferentes, mientras que los independientes tienen varianzas iguales. Los grupos dependientes tienen varianzas iguales, mientras que los independientes tienen varianzas diferentes. No hay diferencia en las varianzas entre los grupos dependientes e independientes.

¿Qué tipo de diseño se utiliza cuando los grupos son dependientes en la prueba t-Student?. Diseño de grupos independientes. Diseño de medidas repetidas. Diseño de muestras no aleatorias.

¿Qué establece la hipótesis nula (H0) en el ejemplo de la diferencia de estatura entre hombres y mujeres?. H0: µhombres = µmujeres H1: µhombres ≠ µmujeres. H0: µhombres ≠ µmujeres H1: µhombres ≠ µmujeres. H0: µhombres ≠ µmujeres H1: µhombres = µmujeres.

¿Qué se hace con el estadístico t en la prueba t-Student?. Comprobamos cuán probable es obtener la media de la diferencia si asumimos que la H0 no es cierta. Usando el estadístico t, comprobamos cómo de probable es obtener 𝐷 si suponemos que H0 es cierta. Usando el estadístico t, comprobamos cómo de probable es obtener 𝐷 si suponemos que H1 es cierta.

¿Qué ocurre si la media de la diferencia (D) es muy poco probable (menos del 5%) en la prueba t-Student?. Si D es muy poco probable (menos del 5%), entonces aceptamos la H0. Si D es muy poco probable (menos del 5%), entonces rechazamos H0. No se puede hacer ninguna conclusión.

¿Qué se entiende por nivel de significación (α) en la prueba t-Student?. Es la probabilidad de cometer un error tipo I. Es la probabilidad de cometer un error tipo II. Es el valor de la diferencia entre las medias.

¿Cuál de las siguientes afirmaciones es correcta sobre los resultados estadísticamente significativos y el tamaño del efecto?. Si la muestra está formada por atletas profesionales, un resultado estadísticamente significativo también será siempre biológicamente relevante, sin importar el tamaño del efecto. Si la muestra está formada por estudiantes de universidad y el tamaño del efecto es pequeño, el resultado puede ser estadísticamente significativo, pero no necesariamente biológicamente relevante. Un tamaño del efecto pequeño nunca puede ser estadísticamente significativo, independientemente del tamaño de la muestra.

¿Qué nos dice el análisis ANOVA?. Nos indica exactamente en qué grupos hay diferencias. Nos dice si existen o no diferencias entre los grupos, pero no dónde están las diferencias. Nos dice qué grupo tiene la media más alta.

¿Qué debemos hacer para comprobar exactamente dónde están las diferencias después de realizar un análisis ANOVA?. Hacer una comparación entre las medias de todos los grupos. Realizar una prueba t para cada par de grupos. Realizar un análisis de regresión para cada grupo.

¿Qué información importante nos da el análisis ANOVA?. Nos dice la dirección de las diferencias entre grupos. Nos indica si existe interacción entre las variables. Nos da el valor exacto de la media de cada grupo.

¿Qué es la interacción entre dos variables en un análisis ANOVA?. Es cuando el efecto de una variable dependiente en la otra es muy débil. Es cuando el efecto que tiene una variable independiente en la variable dependiente se ve modificado o modulado por una segunda variable independiente. Es cuando las variables independientes no están correlacionadas entre sí.

¿Qué se utiliza para evitar el error tipo I en las comparaciones post-hoc?. Comparaciones de medias de forma estándar. Correcciones por comparaciones múltiples. Análisis de regresión lineal.

¿Cuáles son algunos de los métodos utilizados para hacer correcciones por comparaciones múltiples en pruebas post-hoc?. Z-test, Chi-cuadrado y ANOVA. Bonferroni, Tukey, Holm, FDR o FWER. Prueba t-Student, F-test y Z-test.

¿Para qué se utiliza la prueba ANOVA?. Para comparar dos grupos. Para comparar más de dos grupos. Para comparar variables dependientes.

¿Qué tipo de ANOVA debemos realizar si alguna de las variables independientes es intra-sujeto?. ANOVA de medidas repetidas. ANOVA de grupos independientes. ANOVA de varianza constante.

¿De qué depende la prueba ANOVA, al igual que la t-Student?. Del tipo de distribución de los datos. Del tamaño muestral. De la media de los grupos.

¿Qué estadístico se usa en la prueba ANOVA?. Z de Fisher. F de Snedecor. t de Student.

¿Qué compara el estadístico F de Snedecor en la prueba ANOVA?. La varianza intra-grupo vs la varianza total. La varianza intra-grupo vs la varianza entre-grupos. La varianza entre-grupos vs la media de cada grupo.