TestIAD i

Entre las siguientes opciones, ¿cuál resulta más adecuada para almacenar datos de investigación?. El paquete estadístico, tal como el SPSS, R, JAMOVI. Una hoja de datos, tales como Excel, Calc, etc. Una hoja en papel (en un DIN-A4 si son muchos datos).

El Centro de Investigaciones Sociológicas realiza de manera regular una encuesta a los ciudadanos españoles mayores de edad. En una de ellas, preguntó a 1600 ciudadanos sobre el principal problema que existe actualmente en España, encontrando que la mayoría de los encuestados (52,5%) opinaron que el paro era el principal problema. ¿Cuál es la población objeto de estudio?. 1600 ciudadanos. La población española. La población española mayor de edad.

Un estudio con 200 pacientes con depresión tiene como objetivo comprender la relación entre el nivel de Depresión medido por BDI-II tras una terapia y el nivel de Satisfacción con la terapia recibida. Se ha encontrado una correlación de Pearson de -.272. El investigador realiza una estimación por intervalos confidenciales al 99% donde la correlación poblacional (ρ) está entre -.53 y -.31. Señala la respuesta CORRECTA: La correlación entre la Depresión y el nivel de Satisfacción NO resulta estadísticamente significativa, puesto que el 0 no está en el intervalo. La correlación entre la Depresión y el nivel de Satisfacción resulta estadísticamente significativa. Podemos afirmar que, en la población, a mayor nivel de Satisfacción mayor nivel de Depresión tras la terapia.

Un investigador realiza un estudio en el que pretende valorar si el tipo de tratamiento (terapia cognitiva frente a terapia de aceptación y compromiso) influye en el nivel de depresión evaluado por medio del cuestionario de depresión de Beck II. ¿Cuál es la escala de medida de la variable independiente?. Escala nominal. Escala de razón. Escala ordinal.

Un grupo de personas realiza una prueba sofisticada. Un tribunal valora si la predisposición de cada persona ha sido "adecuada" o "no adecuada". Estas personas se dividen en dos grupos atendiendo al género (hombres y mujeres). ¿Qué prueba estadística deberá emplearse para comparar si existen diferencias significativas?. Prueba de independencia de dos variables (ji-cuadrado). Prueba de diferencia de dos medias para muestras relacionadas. Prueba de diferencia de dos medias para muestras independientes.

Di cómo se llama la figura que muestra un punto central con unas líneas verticales hacia arriba y hacia abajo: Diagrama de cajas y bigotes. Diagrama de Barras de error. Histograma.

Señala la opción CORRECTA respecto a los estadísticos de colinealidad en regresión múltiple: A mayor tolerancia, más redundante es la variable. A mayor tolerancia, menos varianza comparte una variable predictora con la variable criterio. A menor tolerancia, más varianza comparte una variable predictora con las demás predictoras.

Según la siguiente hipótesis: "En estudiantes de bachillerato, aquellos que tienen cuentas en redes sociales dedican menos horas al estudio". Señala la variable dependiente: Estudiantes de bachiller. Tener cuenta en redes sociales. Tiempo de estudio.

En la distribución normal, a medida que nos acercamos a las colas de la distribución (los valores más alejados) los deciles son: De igual ancho. Cada vez más estrechos. Cada vez más anchos.

Indica qué afirmación sobre la correlación de Pearson rxy es CIERTA: A partir de ella y las desviaciones típicas de las dos variables, se puede obtener la covarianza que tendrá igual signo. Si la relación lineal es positiva implica una relación inversa entre las variables. Si rxy es próxima a 0 podemos afirmar que seguramente exista relación entre las variables.

Si la desviación típica de una distribución es igual a 0: La media es igual a cero. Todas las puntuaciones son iguales. La mediana es cero.

La elaboración de las hipótesis estadísticas: Es un paso previo al análisis de datos. Se plantean una vez recogidos los datos. Se plantean una vez analizados los datos.

La siguiente expresión SCR / SCT se corresponde con... Proporción de varianza de la variable criterio que es explicada por el conjunto de predictoras. Cantidad de varianza de la variable criterio que es explicada por el conjunto de predictoras. Cantidad de varianza de la variable criterio que no es explicada por el conjunto de predictoras.

En la siguiente tabla se muestran los datos descriptivos de una muestra en la variable autoestima. Hombres (Media=9.24, SD=4.77, SE=0.497). Mujeres (Media=11.0, SD=5.90, SE=0.677). Señala la correcta: Los hombres puntuaron más alto en autoestima que las mujeres. Se estimó un error típico más bajo en los hombres que en las mujeres. Las mujeres tuvieron una dispersión más baja que los hombres.

De las siguientes parejas de variables, ¿en cuál crees que puede ser útil un análisis de la regresión lineal simple?. El nivel de ansiedad y el tener o no depresión severa. El tener o no depresión severa y abandonar la terapia. El nivel de ansiedad y el grado de depresión después del tratamiento.

La hipótesis nula y la hipótesis alternativa: Son mutuamente excluyentes y complementarias. Pueden afirmarse las dos a la vez. Pueden rechazarse las dos a la vez.

En un experimento aleatorio: No conocemos su espacio muestral. No interviene el azar. No podemos predecir con certeza el resultado que se va a producir.

¿Cuándo coinciden todos los valores de la variable dependiente (Y) con los valores predichos (Y') por el modelo de regresión lineal?. Cuando la correlación tenga un valor positivo. Cuando la correlación sea 0. Cuando la correlación valga 1 o -1.

Ante este resultado: Homogeneity of Variances Test (Levene's) F(1,62)=44.1; p < .001. Se asume igualdad de varianzas... así que se utiliza el estadístico t de Student. Se cumple el supuesto de homogeneidad de varianzas... así que se utiliza el test de Fisher. Se concluye heterogeneidad de varianzas... así que se utiliza la corrección de Welch.

Para averiguar si la preferencia en la elección del color en el juego del parchís (azul, rojo, verde o amarillo) se distribuye de manera uniforme en la población, hay que realizar un contraste de hipótesis... ... de una media. ... de Ji-cuadrado de bondad de ajuste. ... de Ji-cuadrado de independencia.

Cuando un psicólogo emplea las puntuaciones obtenidas al inicio y al final de la terapia para valorar si su trabajo ha tenido un efecto en el conjunto de sus pacientes, la prueba estadística que resulta más apropiada sería: Contraste de diferencia entre dos medias independientes. Contraste de diferencia entre dos medias relacionadas. Contraste sobre una media.

Ante estos resultados de tamaño de efecto: Cohen's d = 0.0748, 95% Intervalo de Confianza [-0.130 a 0.280]. El tamaño del efecto en la muestra fue mediano. El tamaño del efecto en la muestra fue nulo. El tamaño del efecto en la muestra fue pequeño.

Teniendo en cuenta que Evaluación del instructor es la variable dependiente, la variable predictora que más contribuye a explicar la varianza de la criterio es: (Dato de la tabla: correlación semiparcial de Claridad = .556). Claridad con un incremento absoluto de .309. Claridad con un incremento único de .556. Claridad con un incremento relativo de .689.

Respecto a las propiedades de las puntuaciones típicas (Zi), se puede afirmar que: La desviación típica se corresponde con la de la escala original. Tanto la media como la desviación típica es 1. La media es 0 y la desviación típica es 1.

La depresión se explica por medio de una ecuación de regresión que tiene 6 variables predictoras. Si desconocemos la puntuación de un sujeto en una de las variables predictoras... Implica que tenemos un grave problema de multicolinealidad y de heterocedasticidad. No podemos estimar su puntuación predicha pero sí su error de predicción. No podemos estimar su puntuación predicha ni su error de predicción.

Si entre dos variables existe una correlación lineal muy fuerte (pero no perfecta) con signo negativo, se cumplirá que el coeficiente de correlación tomará un valor: Muy cercano a cero. Muy cercano a +1. Muy cercano a -1.

En el contraste de hipótesis, definimos "alfa" como: La probabilidad de rechazar una hipótesis alternativa cuando es cierta. La probabilidad de rechazar una hipótesis nula cuando es cierta. La probabilidad de rechazar una hipótesis nula cuando es falsa.

Si tenemos el siguiente resultado, ¿cuál sería la notación científica correcta? (F=0.175, p=.676; t=-2.36, df=364, p=.019). [F(1)=364; p=.676] y [t(364)=-2.36, p=.019]. [F(1,364)=0.175; p=.676] y [t(2.36)=-2.56, p=.019]. [F(1,364)=0.175; p=.676] y [t(364)=-2.36, p=.019].

Después de ajustar un modelo lineal con las variables X e Y, se concluye que un incremento de una unidad de X implica un incremento de 2 unidades en la predicción de Y. Se puede afirmar: La covarianza toma el valor de 2 y el coeficiente de correlación valdrá 1. La covarianza es positiva y el coeficiente de regresión simple toma el valor 2. La covarianza y la correlación tendrán el mismo signo y valdrán ambas 2.

En un contraste de medias relacionadas: Hay que realizar la prueba de Levene de homogeneidad de varianzas. Se estudia la relación de la media del grupo con la media poblacional. Se puede calcular el tamaño del efecto.

Si invertimos una variable que va de 1 a 10. ¿Cómo será la variable inversa Ti?. Ti = 11 - Xi. Ti = 9 - Xi. Ti = 10 - Xi.

En un contraste de hipótesis en el que obtenemos el resultado t(62) = 1.98, p < .05, ¿qué podemos concluir?. Se mantiene la hipótesis nula, así que habrá diferencia entre los grupos. Se acepta la hipótesis alternativa, así que las medias de los grupos serán diferentes. Se rechaza la hipótesis nula, así que las variables del contraste serán independientes.

Se realizó un estudio sobre el nivel de fobia a volar. La media fue de 8 y la desviación típica de 2. El pasajero 23 tuvo una puntuación de 5 en la escala, de modo que: Su puntuación diferencial es de -3. Su puntuación directa es 23. Su puntuación típica es de -3.

En una distribución uniforme: La media, moda y mediana presentan los mismos valores. La curtosis nos suele indicar una distribución platicúrtica. El rango de puntuaciones posibles se da con la misma frecuencia.

Un investigador encuentra en una muestra de 100 sujetos universitarios de la ULL una correlación de .6. En otra muestra de la ULPGC la correlación es de .3. Se pregunta si pertenecen a la misma población, ¿qué contraste debe emplear? A) Ho: ρ1 = ρ2 (estadístico z). Ho: ρ1 = ρ2 (estadístico z). Ho: ρ = k (estadístico z). Ho: ρ = 0 (estadístico t).

Si en una tabla cruzada o de contingencia observamos los valores con el símbolo "% within row", ¿de qué tipo de tabla se trata?. Una tabla de contingencia con las frecuencias observadas. Una tabla de contingencia con los porcentajes por filas. Una tabla de doble entrada con las proporciones globales.

Señala cuál de las siguientes es una hipótesis ALTERNATIVA: La media de 1ºA es igual que la media de 1ºB. El sexo y padecer depresión son variables independientes entre sí. La satisfacción en el trabajo y la ansiedad están relacionadas.

La variable "Nivel educativo" es de tipo: Nominal. De intervalo. Ordinal.

En una tabla se observa una plantilla (N=100) en función del turno. Hay 27 personas en el turno de mañana que SÍ padecen burnout. Al escoger a una persona al azar, ¿cuál es la probabilidad de que trabaje de mañana y padezca burnout?. .48. .67. .27.

Las puntuaciones diferenciales: Permiten conocer la distancia en desviaciones típicas a la media. Se caracterizan porque su media siempre es 0 y su desviación típica es 1. Informan de si una puntuación está justo en la media, por debajo o por encima.

La variable "ESTATURA" es de tipo: Ordinal. De razón. De intervalo.

Para la variable "SEXO" es adecuado calcular: Mediana. Media. Moda.

Si la media, moda y mediana presentan los mismos valores exactos, ¿qué tipo de distribución pueden seguir los datos?. Distribución uniforme. Distribución normal. Distribución con asimetría positiva.

En una prueba de Ji-Cuadrado de independencia obtenemos el resultado X2(2, N=45) = 7.94, p = .019. ¿Qué podemos concluir?. No podemos confiar en la prueba Chi-cuadrado. El riesgo de abandono es independiente del abandono de la empresa. El riesgo de abandono según el nivel de satisfacción se relaciona con el abandono de la empresa.

Observando una gráfica de dispersión con una nube de puntos ascendente casi perfecta, ¿cuánto estimas que daría la correlación?. -.780. .087. .780.

Se sabe que un modelo de regresión "Y' = 25 - 2X" explica el 81% de la varianza, por lo que se puede afirmar que: El coeficiente de correlación es igual a .81. Las variables X e Y son independientes. El coeficiente de correlación es igual a -.9.

En una regresión simple, se obtiene una tabla ANOVA donde la F(1, 90) = 145 y p < .001. ¿Qué se concluye?. Esta tabla no me permite concluir al respecto, necesitaría la prueba t. La conclusión es que sí hay relación lineal significativa. La conclusión es que no hay relación.

En un gráfico de residuos se observa que la nube de puntos se va abriendo en forma de embudo o cono. Señala la alternativa correcta: Se incumple Linealidad de la relación. No presenta homocedasticidad. Normalidad de los errores.

Si dos variables numéricas tienen una relación LINEAL, entonces: El modelo lineal de regresión sólo propone un valor como predicción de Y. La nube de puntos presenta aspecto creciente o decreciente. El coeficiente de correlación de Pearson no es significativo.

Si al calcular el coeficiente de correlación entre ESTRÉS LABORAL y HORAS DE DESCANSO se tiene rxy = -.7, ocurre que: La inclinación de la recta de regresión es más bien intensa. El modelo lineal explica el 70% de la varianza de una variable. Las variables están poco relacionadas.

Si un modelo con 4 variables predictoras explica un 15% de la varianza criterio y un modelo con sólo 3 de estas variables explica un 5%: Entre el modelo 3 y el modelo 4 explican en total un 20%. En nuestra muestra, el modelo 3 es mejor que el modelo 4. Podemos garantizar que la cuarta variable introducida es la que tiene más capacidad explicativa.

Después de estudiar la relación entre dos variables, obtenemos que la covarianza es Sxy = -0.098. ¿Cuál será el signo de la correlación (r)?. No podemos saber el signo de r sabiendo la covarianza. Saldrá negativo porque el signo de la covarianza y r siempre coinciden. Necesitamos conocer el signo de las desviaciones típicas.

Indica qué afirmación sobre la correlación es ¡¡FALSA!!: La correlación es una medida de la variabilidad conjunta de dos variables numéricas. La correlación de Pearson es una medida que permite valorar el grado de relación lineal. Nos interesa tanto el signo como la magnitud.

En una prueba de Ji-Cuadrado de independencia obtenemos p = .371. ¿Cuál es la conclusión?. Las personas del programa A tienen más probabilidades de abandono. El tipo de programa y el riesgo de abandono son independientes. Habría que realizar el test de Fisher.

En un estudio sobre tasa de natalidad y nivel económico se ha encontrado una correlación en un intervalo confidencial del 95% situado entre -.29 y -.44. Señala la correcta: No podemos realizar una estimación de la correlación. La correlación no resulta significativa. Podemos afirmar que, en la población, a mayor nivel económico, menor tasa de natalidad.

Existe una correlación lineal perfecta: el coeficiente de correlación tomará como valor: Cualquier valor entre -1 y +1. +1 o -1. 0.

Si entre dos variables existe una correlación lineal muy fuerte con signo negativo, pero no perfecta, se cumplirá que el coeficiente de determinación (R²) tomará un valor: Muy cercano a cero. Muy cercano a +1. Muy cercano a -1.

En un test de bondad de ajuste de Ji-Cuadrado obtenemos un valor de p = .649. ¿Qué concluimos?. La muestra es representativa de la población (no se rechaza Ho). No podemos llegar a una conclusión. La muestra no es representativa de la población.

Escoge la alternativa correcta a partir de un diagrama de cajas que presenta la caja muy concentrada abajo y el bigote superior largo: Es una distribución con asimetría negativa. Es una distribución asimétrica con cola a la derecha. Es una distribución con asimetría positiva, cola a la izquierda.

Al analizar una Matriz de Correlaciones, observas que la correlación de Pearson entre Nota Final y Proporción de Asistencia es de 0.635 con un valor p < .001. A partir de esto, podemos decir que: La correlación entre Nota de Bachiller y Agrado no es significativa. La correlación entre Nota de Bachiller y asistencia es .558. La correlación entre Nota Final y proporción de Asistencia es .635 y es significativa (p < .001).

Si tenemos un resultado estadístico donde los grados de libertad del ANOVA son 1 y 364, el valor de t es -2.36 y p = .019, ¿cuál sería una hipótesis NULA?. Las medias poblacionales de hombres y mujeres en el BDI son iguales. Tener cardiopatías está relacionado con el sexo. Los niveles de depresión mejoran tras la psicoterapia.