VIU Estadística Aplicada a las Ciencias de la Conducta UC3

¿Cuál es el objetivo principal del Análisis de Varianza (ANOVA) unifactorial?. Medir la correlación entre dos variables. Averiguar si tres o más grupos son diferentes en una variable dependiente. Analizar los cambios en una variable a lo largo del tiempo en un solo grupo.

¿Qué caracteriza a un diseño entre-sujetos (grupos independientes)?. La variable dependiente se mide varias veces en los mismos sujetos. La variable dependiente se mide una vez y los grupos están formados por sujetos distintos. Se estudia la relación entre dos variables en el mismo grupo de sujetos.

¿Qué caracteriza a un diseño intra-sujetos (medidas repetidas)?. Se comparan múltiples grupos de sujetos medidos una sola vez. La variable dependiente se mide tres veces o más en los mismos sujetos. Se analiza la diferencia entre dos grupos independientes.

¿Por qué no se recomienda utilizar múltiples pruebas t para comparar las medias de tres o más grupos?. Las pruebas t son estadísticamente menos potentes que el ANOVA. Son más difíciles de calcular que el ANOVA. Aumenta la probabilidad de cometer Error Tipo I (falso positivo).

Si se realizan tres comparaciones de medias utilizando pruebas t independientes, ¿cuál es la probabilidad aproximada de cometer al menos un Error Tipo I si el nivel de significación para cada prueba es 0.05?. 5%. 15%. 14.3%.

En el contexto del ANOVA, ¿qué representa la variación INTERGRUPOS?. La variación debida al azar dentro de cada grupo. La variación entre las medias de los diferentes grupos. La variación total de todas las puntuaciones.

En el contexto del ANOVA, ¿qué representa la variación INTRAGRUPOS?. La variación explicada por la variable independiente. La variación debida al azar entre individuos del mismo grupo. La variación total de todas las puntuaciones.

¿Cómo se calcula el estadístico F en el ANOVA?. Dividiendo la variación intragrupos entre la variación intergrupos. Dividiendo la variación intergrupos entre la variación intragrupos. Multiplicando la variación intergrupos por la variación intragrupos.

¿Qué mide la Suma de Cuadrados Total (SCT)?. La variabilidad entre las medias de los grupos. La variabilidad dentro de cada uno de los grupos. La cantidad total de variación en las puntuaciones del estudio.

¿Qué mide la Suma de Cuadrados del Modelo (SCM)?. La variabilidad no explicada por la variable independiente. La cantidad de variación en la variable dependiente que se debe a las diferencias entre los grupos. La variabilidad total de los datos.

¿Qué mide la Suma de Cuadrados Residual (SCR)?. La variabilidad explicada por el modelo. La variabilidad dentro de los grupos que no se explica por las diferencias entre las medias de éstos. La variabilidad total de los datos.

¿Cuál es la relación matemática entre SCT, SCM y SCR?. SCT = SCM x SCR. SCM = SCT + SCR. SCR = SCT – SCM.

¿Qué son las Medias de Cuadrados (MC)?. La suma de las desviaciones al cuadrado dividida por el número de observaciones. Las Sumas de Cuadrados divididas por sus respectivos grados de libertad. El producto de las Sumas de Cuadrados y los grados de libertad.

¿Cómo se calcula la Media de Cuadrados del Modelo (MCM)?. Dividiendo la SCR entre sus grados de libertad. Dividiendo la SCM entre sus grados de libertad (número de grupos - 1). Dividiendo la SCT entre sus grados de libertad.

¿Cómo se calcula la Media de Cuadrados Residual (MCR)?. Dividiendo la SCM entre sus grados de libertad. Dividiendo la SCR entre sus grados de libertad (número total de sujetos - número de grupos). Dividiendo la SCT entre sus grados de libertad.

¿Cómo se calcula el estadístico F utilizando las Medias de Cuadrados?. F = MCM x MCR. F = MCR / MCM. F = MCM / MCR.

¿Qué indica un valor p pequeño (por ejemplo, p < 0.05) asociado al estadístico F en el ANOVA?. Que la hipótesis nula es verdadera. Que existen diferencias significativas entre las medias de al menos dos de los grupos. Que no hay ningún efecto de la variable independiente.

¿Qué mide el tamaño del efecto eta cuadrado (η²)?. La significación estadística de los resultados. La diferencia absoluta entre las medias de los grupos. La proporción de la varianza de la variable dependiente que es explicada por la variable independiente.

¿Cuál es la interpretación de un eta cuadrado de 0.15?. Un efecto pequeño. Un efecto moderado. Un efecto grande.

¿Cuándo se suelen llevar a cabo las comparaciones post hoc?. Antes de realizar el análisis ANOVA. Después de obtener un resultado significativo en el ANOVA (p < 0.05). Cuando no se encuentran diferencias significativas en el ANOVA.

¿Cuál es el principal problema de realizar múltiples comparaciones post hoc sin aplicar correcciones?. Disminuye la potencia estadística. Aumenta la probabilidad de cometer Error Tipo I. Dificulta la interpretación de los resultados significativos.

¿Qué tipo de prueba post hoc es apropiada cuando se tiene un número planeado de comparaciones y se asumen varianzas iguales?. Tukey. Bonferroni. Games-Howell.

¿Cómo ajusta el método de Bonferroni el nivel de significación (alfa)?. Multiplicando el valor p original por el número de comparaciones. Restando el número de comparaciones al valor alfa original. Dividiendo el valor alfa original por el número de comparaciones.

¿Qué prueba post hoc es más apropiada cuando no se tienen hipótesis específicas sobre qué grupos comparar y se asumen varianzas iguales?. Bonferroni. Tukey. Tamhane.

¿Qué prueba post hoc es una adaptación de la prueba de Tukey para tamaños muestrales desiguales?. HSD de Tukey. Tukey-Kramer. Bonferroni.

¿Qué tipo de pruebas post hoc se utilizan cuando no se asume la igualdad de varianzas entre los grupos?. Bonferroni y Tukey. HSD de Tukey y Tukey-Kramer. Tamhane, Dunnett y Games-Howell.

¿Qué son los contrastes planeados (a priori)?. Comparaciones entre medias de grupo realizadas después de observar los resultados del ANOVA. Comparaciones específicas entre medias de grupo que se definen antes de realizar el análisis ANOVA. Pruebas estadísticas utilizadas cuando el ANOVA no resulta significativo.

¿Cuántos contrastes planeados independientes se pueden realizar como máximo en un estudio con k grupos?. k. k + 1. k - 1.

¿Cuál es el objetivo principal del ANOVA de dos factores?. Analizar el efecto de una variable independiente sobre múltiples variables dependientes. Comparar las medias de dos grupos independientes en múltiples variables dependientes. Averiguar el efecto de dos o más variables independientes al mismo tiempo sobre una variable dependiente.

En un ANOVA de dos factores, ¿qué se evalúa además del efecto principal de cada variable independiente?. La correlación entre las variables independientes. La varianza total de la variable dependiente. El efecto de interacción entre las variables independientes.

En un ANOVA de dos factores con dos variables independientes, ¿cuántas hipótesis nulas principales se ponen a prueba?. Una. Dos. Tres.

¿Qué indica un efecto de interacción significativo en un ANOVA de dos factores?. Que las variables independientes tienen efectos aditivos sobre la dependiente. Que el efecto de una variable independiente sobre la dependiente depende del nivel de la otra variable independiente. Que ninguna de las variables independientes tiene un efecto significativo.

En un diseño de ANOVA de dos factores de 3x2, ¿cuántos grupos experimentales o combinaciones de tratamiento existen?. 3. 2. 6.

Después de obtener un efecto principal significativo para una variable independiente con más de dos niveles en un ANOVA de dos factores, ¿qué tipo de análisis se realizaría para identificar qué niveles son significativamente diferentes?. Análisis de regresión. Comparaciones post hoc. Correlación.

¿Qué mide el estadístico F en el contexto de un ANOVA de dos factores para el efecto de una de las variables independientes?. La proporción de varianza total explicada por ambas variables independientes y su interacción. La razón entre la variabilidad dentro de los grupos y la variabilidad total. La razón entre la variabilidad atribuible a esa variable independiente y la variabilidad no sistemática (error).

¿Cómo se interpreta el tamaño del efecto eta cuadrado parcial en un ANOVA de dos factores para un efecto principal?. Como la proporción de varianza total explicada por ambas variables independientes. Como la proporción de varianza de una variable independiente explicada por la otra. Como la proporción de la varianza total que no está asociada con otros factores incluidos en el modelo, que es explicada por esa variable independiente.

En un ANOVA de medidas repetidas, ¿qué se busca determinar?. Si diferentes grupos de sujetos difieren en una variable medida una vez. Si existen diferencias significativas en la misma variable medida en múltiples ocasiones en los mismos sujetos. La relación entre dos variables diferentes medidas en múltiples ocasiones.

¿En qué contextos es común utilizar un diseño entre-sujetos?. En estudios de seguimiento a largo plazo en los mismos individuos. En estudios de comparación entre un grupo control y dos o más grupos experimentales. Cuando la variable dependiente se mide múltiples veces para evaluar un aprendizaje.

¿En qué contextos es común utilizar un diseño intra-sujetos?. En la comparación de diferentes tratamientos aplicados a distintos grupos. En estudios donde solo se mide la variable dependiente una vez. En estudios de comparación pre-, post- y seguimiento.

¿Crees que vas a aprovar esta asignatura?. Sí. No.