Tema 4

Un equipo evalúa dos metodologías de lectura midiendo el aprendizaje. ¿Cuál es la identificación correcta de variables?. Ambas, metodologías y aprendizaje, son VE. Metodologías como VI y aprendizaje como VD. Metodologías como VD y aprendizaje como VI.

Un grupo obtiene exactamente la misma calificación en una prueba. ¿Qué implica respecto a la varianza y la desviación típica de esas puntuaciones?. Varianza igual a cero y s mayor que cero. Varianza igual a cero y s igual a cero. Varianza mayor que cero y s mayor que cero.

Aplicando el principio Max-Min-Con, ¿qué combinación de acciones es más coherente para mejorar la validez interna en un experimento con varias metodologías docentes?. Maximizar varianza experimental y controlar variables extrañas. Minimizar varianza sistemática y descuidar variables extrañas. Maximizar varianza experimental y aumentar varianza de error.

Un investigador aplica un tratamiento en un grupo y mide la variable dependiente solo después. ¿Cuál es la principal amenaza para la validez de la inferencia causal en este escenario?. Influencia de variables extrañas no controladas. Sesgo por asignación aleatoria estricta. Pérdidas diferenciales por seguimiento prolongado.

En un diseño pretest–postest con un solo grupo (Y1 → X → Y2), la diferencia Y2−Y1 puede ser engañosa. ¿Cuál es el razonamiento más sólido para manejar esta limitación al interpretar resultados?. Usar pruebas que comparen medias entre grupos equivalentes. Considerar que cambios pueden deberse a historia o maduración. Asumir que toda mejora proviene del tratamiento aplicado.

En un cuasi-experimento con grupo de control no equivalente (Y1 X Y2 / Y3 Y4), ¿qué estrategia analítica es más adecuada para ajustar diferencias iniciales entre grupos naturales?. Análisis de varianza sin controlar el pretest. Análisis de covarianza con covariables del pretest. Aleatorización completa posterior al pretest.

El diseño de Cuadrado Latino se usa para controlar variables de bloqueo. ¿Qué disposición caracteriza correctamente este diseño?. Cada nivel del tratamiento aparece una vez por fila y columna. Cada tratamiento se repite en todas las celdas disponibles. Tratamientos asignados al azar sin restricciones estructurales.

Un equipo desea estudiar el impacto de un programa educativo sin poder manipular quién lo recibió porque ya ocurrió. ¿Qué estrategia de investigación es más adecuada para inferir relaciones entre variables en este caso?. Diseño ex-post-facto con análisis riguroso de covariables. Ensayo experimental con doble ciego y placebo activo. Estudio transversal con asignación por conveniencia aleatoria.

Para garantizar equivalencia entre grupos en un experimento con una sola VI y dos niveles, ¿cuál es el procedimiento correcto de aleatorización?. Clasificar por rendimiento previo y distribuir alternando a cada grupo. Elegir participantes homogéneos y asignar tratamientos por preferencia del investigador. Seleccionar al azar la muestra y asignar aleatoriamente participantes y tratamientos.

En un estudio de campo donde no es posible la aleatorización, ¿qué técnica de control de varianza se recomienda para formar grupos comparables respecto a una variable relevante?. Bloqueo organizando grupos por emparejamiento en pares. Incrementar el número de tratamientos experimentales. Aplicar medidas repetidas sobre la misma intervención.

Un investigador quiere estimar el efecto de un tratamiento evitando que el pretest influya en la respuesta de los sujetos. ¿Qué diseño elegiría para controlar tanto el efecto del tratamiento como la posible reactividad al pretest?. Diseño postest‑solo con asignación aleatoria. Diseño de cuatro grupos de Solomon con dos pretests. Diseño pretest‑postest con un solo grupo.

En un diseño pretest‑postest con dos grupos equivalentes, ¿qué comparación proporciona evidencia directa del cambio producido por el tratamiento en el grupo experimental?. Comparar Y2 con Y4 entre experimental y control. Comparar Y1 con Y3 dentro del mismo grupo experimental. Comparar las medias postest entre grupos Y2 y Y4.

Al analizar un diseño factorial 2×3 con dos variables independientes A y B, ¿qué prueba inicial es más adecuada para detectar efectos principales e interacción sobre la variable dependiente?. Chi‑cuadrado de independencia por celdas. Regresión lineal simple por factores. Análisis de varianza de dos factores (F de Fisher).

Al comparar dos diseños experimentales disponibles, ¿cuál criterio priorizarías para minimizar sesgos y por qué?. El que controle mejor la varianza extralateral. El que maximice la complejidad de la medida. El que ignore la validez externa por simplicidad.

En un experimento, ¿qué afirmación describe correctamente la relación entre hipótesis y variables?. La hipótesis alternativa niega cualquier relación causal. Las variables dependientes se manipulan por el investigador. La hipótesis nula plantea no hay efecto medible.

Un investigador desea estimar la media poblacional con un nivel de confianza del 95%. La desviación típica poblacional es conocida y el tamaño muestral es grande. ¿Qué elemento determina el ancho del intervalo de confianza junto con σx̄ en este escenario?. El estadístico t con grados de libertad n−1. El tamaño de la población finita desconocida. El valor crítico Z correspondiente a α/2.

Al aumentar el tamaño de la muestra, manteniendo constante la variabilidad poblacional y el nivel de confianza, ¿qué efecto esperas sobre el error muestral (EM) y la precisión de la estimación?. Disminuye EM y aumenta la precisión. EM y precisión permanecen iguales. EM fluctúa sin tendencia definida.

Observa la curva normal etiquetada con ±1.96σ alrededor de μ. Si eliges un nivel de significación α=0.05 en un contraste bilateral, ¿qué porcentaje de observaciones quedará fuera del intervalo central indicado por ±1.96σ?. El 1% en ambas colas. El 5% repartido en dos colas. El 2% en la cola derecha.

Observa el diagrama de la curva normal con dos colas. Si se fija α = 0,05 en una prueba bilateral, ¿qué interpretación es correcta sobre las zonas marcadas como “Zona de Rechazo” y los puntos ±z_{α/2}?. Toda el área central es 5% y los puntos son medianas. Cada cola contiene 2,5% y los puntos son los críticos. Ambas colas suman 2,5% y los puntos son centrales.

Un investigador calcula un estadístico t y obtiene un p‑valor de 0,03. Con α = 0,05 en una prueba de dos colas, ¿qué decisión y justificación se ajustan al criterio del valor crítico/p‑valor?. Rechazar H0 porque p ≤ α indica evidencia suficiente. No rechazar H0 porque p ≥ α indica mucha evidencia.

En el esquema “PRUEBA DE SIGNIFICACIÓN DE LA H0”, ¿qué relación se muestra entre el nivel de significación (α), el valor crítico y la zona de rechazo?. La zona de rechazo está en el centro con α concentrado allí. El valor crítico es el p‑valor y define la probabilidad nula. α fija el umbral y el valor crítico delimita la zona de rechazo.

Tienes dos grupos independientes y planeas una prueba paramétrica. ¿Cuál es el conjunto mínimo de supuestos que debes verificar antes de contrastar medias?. Aleatorización parcial, simetría leve, varianza distinta, escala ordina. Independencia, normalidad, homogeneidad de varianzas, nivel de intervalo. Muestra grande, distribución uniforme, varianza cero, datos pareados.

Dispones de nA=18 y nB=16 con varianzas desconocidas pero asumidas iguales. ¿Qué prueba seleccionarías para comparar medias entre los grupos y por qué?. Prueba U de Mann–Whitney, porque siempre es más potente. Prueba Z, porque cualquier diferencia de medias sigue normal. Prueba t, por tamaño pequeño y varianzas desconocidas asumidas iguales.

Interpretas un tamaño del efecto d de Cohen=0,80 al comparar dos grupos. ¿Cuál es la mejor conclusión?. El p-valor será necesariamente menor que 0,01 en cualquier estudio. Las medias son iguales pero las varianzas difieren notablemente. La diferencia estandarizada es grande y tiene relevancia práctica.

Al descomponer la variabilidad total en un ANOVA, ¿qué suma de cuadrados corresponde a la variación no explicada por las diferencias entre grupos?. Suma de cuadrados residual o de error (SCE). Suma de cuadrados total ponderada (SCTp). Suma de cuadrados de medias cuadráticas (SCMC).

Un investigador compara cuatro tratamientos con tamaños iguales. Planea usar ANOVA y, si F resulta significativo, aplicar comparaciones post hoc. ¿Cuál es el plan más adecuado?. Estimar varianzas por grupo; elegir el grupo con menor varianza como tratamiento óptimo. Probar t para cada par; luego promediar las t para decidir significación global. Calcular SCT, SCD y SCE; obtener F; luego realizar pruebas post hoc controlando error familiar.

En un estudio con dos variables independientes, observas un efecto principal de A, ningún efecto principal de B y una interacción A×B significativa. ¿Cuál es la interpretación más adecuada para orientar el análisis posterior?. El efecto de A es estable en todos los niveles de B. El efecto de B explica completamente el de A. Las diferencias en A dependen del nivel de B.

Tras un ANOVA factorial significativo, necesitas identificar qué pares de medias difieren controlando el error tipo I familiar. ¿Qué procedimiento es más adecuado?. Correlación de Pearson entre factores. Prueba post hoc de Tukey o Scheffé. Prueba exacta de Fisher para proporciones.

Una investigadora tiene dos grupos independientes y sospecha que los datos son ordinales y no cumplen normalidad. ¿Qué prueba debería usar para comparar las distribuciones centrales entre grupos?. Prueba de mediana para comparar medianas ordinales. U de Mann–Whitney para dos grupos independientes. Kolmogorov–Smirnov para evaluar normalidad de datos.

En un estudio educativo se registran conteos de respuestas correctas por categoría y se desea contrastar frecuencias observadas frente a esperadas. ¿Qué prueba es más adecuada?. U de Mann–Whitney para muestras emparejadas. Ji cuadrado para distribuciones de frecuencias. Kolmogorov–Smirnov para varianzas iguales.