1. Una muestra de alumnos de Psicología sería aleatoria con reposición si:
a) Un mismo alumno no pudiera participar más de una vez en el estudio
b) La muestra tuviera un número pequeño de elementos
c) Se diera independencia entre las diferentes extracciones
2. La diferencia entre estadísticos y parámetros es que
a) Los parámetros son características desconocidas de la población
b) Los parámetros toman valores variables a partir de la muestra
c) Los estadísticos son conocidos y se obtienen de la población
3. Cuales de los siguientes estimadores serían insesgados:
a) La desviación típica y la media
b) La media y la proporción
c) La varianza insesgada, la mediana y la correlación de Pearson
4. Aplicamos a un muestra de alumnos dos cuestionarios de atención para comprobar su nivel de atención en clase, obteniendo los siguientes estadísticos descriptivos: Cuestionario A, media 15 y desviación típica 2; Cuestionario B, media 15 y desviación 3. Si construyésemos el intervalo de confianza a partir de la media de cada uno de los dos cuestionarios, ¿en cuál de ellos sería menos probable (al ser más estrecho) encontrar la puntuación verdadera de la media de atención?
a) En ambos igual de probable
b) Cuestionario B
c) Cuestionario A
5. La estimación es un proceso mediante el cual:
a) La información recogida en una muestra se utiliza para estimar los valores de los estadísticos
b) La información de la población se emplea para poder calcular los estadísticos
c) Los parámetros son estimados a partir de los estadísticos
6. Medimos el número de veces que el presidente del gobierno dice en la TV que España saldrá de la crisis y obtenemos un error muestral máximo igual a 1,2 y una media igual a 6. ¿El intervalo de confianza estará entre los valores?
a) 5,8 y 7
b) 4,8 y 7,2
c) 6 y 7,2
7. La varianza sesgada es un estimador:
a) Más eficiente que la varianza insesgada
b) Menos eficiente que la varianza insesgada
c) Igual de eficiente que la varianza
8. La distribución muestral es una distribución teórica que asigna una probabilidad concreta a cada uno de los valores que puede tomar un estadístico en todas las muestra del mismo tamaño que se pueden extraer de una población concreta. Esto supone que:
a) Estudiamos la distribución de un estadístico para poder estimar el valor de un parámetro
b) Estudiamos los parámetros para poder saber la distribución de los estadísticos
c) Estudiamos un valor poblacional para poder saber la distribución de un valor muestral
9. Si consideramos la definición operativa de una variable como “Haberse distraído en los últimos 10 minutos en clase o no”. Esto supone que:
a) La distribución binomial
b) La distribución Ji cuadrado
c) La distribución “t” Student
10. Si la probabilidad de que un parámetro no quede comprendido entre los valores del intervalo de confianza es de 0,10, ¿cuál es el valor del nivel de riesgo o significación?
a) 0,90
b) 0,10
c) 0,05
11. Hemos extraído tres muestras de una misma población que se distribuye N(10,5). Las medias obtenidas en las tres muestras han sido: Muestra A=8, Muestra B=9,5, Muestra C=10,5. ¿En cuál de las tres muestras obtendríamos mayor error muestral en relación a la media poblacional?
a) En la muestra B
b) En las muestras B y C por igual
c) En la muestra C
12. Cuando conocemos sigma (σ) en una población normal y pretendemos construir el intervalo confidencial de la media:
a) Estimamos la variabilidad de la muestra y usamos como distribución muestral la “t” de Student para construir el intervalo confidencial
b) Utilizamos la distribución normal para construir el intervalo confidencial
c) Estimamos la variabilidad a partir de la muestra y usamos como distribución muestral la normal para construir el intervalo confidencial.
13. ¿Cuál de las siguientes hipótesis estarían correctamente formuladas en relación a las diferencias de medias entre varones y mujeres en una prueba atencional?
a) H0: µvarones = µmujeres ; H1: µvarones < µmujeres
b) H0: µvarones ˃ µmujeres ; H1: µvarones < µmujeres
c) H0: µvarones ≤ µmujeres ; H1: µvarones ˃ µmujeres
14. En la estimación por intervalos, ¿Cuál es la relación entre el error típico y la precisión de la estimación de los parámetros?
a) Si aumentamos el error típico será más probable que el parámetro se encuentre dentro del intervalo de confianza y por lo tanto la precisión de la estimación aumentará
b) Si aumentamos el error típico disminuirá la precisión de estimación, pero aumentará la probabilidad de encontrar el parámetro dentro del intervalo de confianza
c) Tanto si aumentamos como si reducimos el error típico la probabilidad de encontrar el parámetro dentro del intervalo de confianza no varía, ya que el parámetro es un valor poblacional
15. Si el estadístico de contraste obtenido en un contraste tiene una probabilidad asociada menor de 0,05 y el nivel de significación establecido previamente vale 0,05:
a) Rechazaremos la hipótesis nula
b) Mantendremos la hipótesis nula
c) Mantendremos la hipótesis nula
16. Si asumimos como cierta la hipótesis nula y sin embargo los resultados empíricos indican que esa hipótesis nula es falsa con una probabilidad de 0,04, ese valor de probabilidad será:
a) Nivel de confianza
b) Error tipo I
c) Error tipo II
17. La seguridad que tenemos en que una hipótesis planteada siendo falsa sea rechazada es de 0,99. Ese valor de probabilidad será:
a) Nivel de riesgo
b) Nivel crítico
c) Potencia
18. ¿De qué modo conseguiríamos aumentar la potencia de un contraste?
a) Aumentando el Error Tipo I
b) Disminuyendo la distancia entre la distribución de la hipótesis nula y alternativa
c) Aumentando el Error tipo II
19. En un contraste el nivel de confianza vale 0,95 y la potencia 0,90.
a) El nivel de significación valdrá 0,10 y el Error tipo II 0,05
b) El nivel de significación valdrá 0,05 y el Error tipo II 0,10
c) El nivel de significación valdrá 0,95 y el Error tipo II 0,90
20. ¿De qué modo conseguiríamos estar más seguros de que la hipótesis nula siendo verdadera se mantenga?
a) Aumentando el nivel de significación
b) Disminuyendo la potencia del contraste
c) Disminuyendo el nivel de significación
21. ¿Qué supuestos se deben cumplir para poder aplicar la t de Student en un contraste?
a) Normalidad y dependencia
b) Normalidad si el tamaño muestral es inferior a 15 y dependencia
c) Independencia si el tamaño muestral es igual o superior a 100
22. El tamaño del efecto (d’) de un contraste es de 0, sabiendo que P(z≤0) = 0,5, esto indicará que:
a) El 50% de los sujetos del grupo inferior estará por debajo de la media del grupo superior
b) El 0% de los sujetos del grupo inferior estará por debajo de la media del grupo superior
c) El 100% de los sujetos del grupo inferior estará por debajo de la media del grupo superior
23. Si en un estudio la variable independiente que se ha considerado es el nivel de estudio de los participantes con 3 niveles; Eso, Bachillerato y Universidad y la Variable dependiente es el rendimiento en Matemáticas ¿Qué tipo de análisis pudiéramos aplicar a los datos?
a) Prueba t de medidas independientes
b) Regresión lineal simple
c) Anova de un factor completamente aleatoriazado
24. En términos generales ¿Qué decisión tomaríamos referente a la hipótesis nula en un Anova si la Media cuadrática intergrupo y la Media cuadrática del error son iguales?
a) Mantendríamos la hipótesis nula
b) Rechazaríamos la hipótesis nula
c) Necesitamos conocer los grados de libertad para tomar esta decisión
25. De los diferentes supuestos que se deben cumplir para poder aplicar un ANOVA en un conjunto de datos ¿Cuál es el menos importante que no se cumpla debido a la robustez que presenta este análisis?
a) Independencia
b) Normalidad
c) Homocedasticidad
26. Hemos aplicado un Anova a un conjunto de datos para ver si hay diferencias entre 5 grupos de participantes. Si sabemos que se ha rechazado la hipótesis nula del contraste podemos concluir con total seguridad
a) Que hay diferencias entre todos, los 5 grupos de participantes
b) Que hay diferencias entre los 5 grupos de participantes
c) Que hay diferencias en al menos 2 de los grupos de participantes
27. El supuesto de esfericidad indica que
a) Las covarianzas de los errores son positivas
b) Las covarianzas de los errores es diferente de 0
c) Las covarianzas de los errores es 0
28. Entre las ventajas que presenta un Anova de dos factores tenemos que
a) Permite ver las diferencias entre los diferentes grupos de un factor
b) Con los mismos sujetos la potencia es inferior
c) Con la mitad de los sujetos podemos estudiar lo mismo que con dos Anovas de un factor
29. Si se mantiene la hipótesis nula del Anova de un factor ¿qué utilidad tienen las comparaciones múltiples de medias?
a) Comprar entre grupos si hay diferencias entre las medias
b) Ninguna, ya que se mantiene la hipótesis nula del Anova
c) Comprar qué grupo presenta mayor media
c) Comprar qué grupo presenta mayor media 30. Si el valor que presenta el Eta al cuadrado del factor Sexo es 0,02, el del factor Grupo Edad es 0,2 y el de la interaccion es 0,46, podremos concluir que:
a) El sexo explica el 20% de la variable dependiente
b) El factor que explica más la variable dependiente es la interacción entre el sexo y el Grupo de Edad
c) El factor sexo combinado con los grupos de Edad explican el 22% de la variable dependiente
31. En un Anova de dos factores si los dos efectos principales (los factores A y B) no son estadísticamente significativos
a) La interacción AxB también debe ser significativa
b) La interacción AxB no será tampoco significativa
c) La interacción AxB puede ser o no significativa
32. En un modelo de regresión Lineal Múltiple se han encontrado las siguientes correlaciones entre las variables productoras……………..
a) Que las variables presentan colinealidad
b) Que las variables son las más relevantes del modelo
c) Que las variables son las menos relevantes del modelo
33. Si representamos gráficamente las puntuaciones de dos variables se obtendrá una nube de puntos sobre la que podremos dibujar infinitas rectas de la cual la que mejor representa a los datos:
a) Más se aleja de todos los puntos
b) Más se aproxima a todos los puntos
c) Más se acerca a la media de las dos variables
34. Bajo qué circunstancias podemos asegurar que la variable ansiedad predice perfectamente la variable número de folios de una prueba
a) Si el coeficiente de determinación tiene un valor de 0
b) Si la varianza no explicada por la regresión es de 0
c) Si la varianza explicada por la regresión es de 0
35. En un proceso de regresión jerárquica se han introducido tres variables en la ecuación al tratar de explicar una variable criterio. Queremos saber si se introducirá una nueva variable en ecuación. Sabiendo que la correlación semiparcial del nuevo predictor y el criterio es de cero.
a) No se introducirá el predictor en la ecuación de regresión
b) Se introducirá el predictor en la ecuación de regresión y seguramente uno de los tres predictores incluidos saldrá de la ecuación
c) Se introducirá el predictor en la ecuación de regresión y seguramente ninguno de los tres predictores incluidos saldrá de la ecuación
36. La diferencia entre los métodos “introducir” y “Pasos sucesivos” para introducir variables predictoras en una ecuación de regresión es que
a) En el método introducir el número de variables predictoras que quedan por ser incluidas en la ecuación es cada vez mayor
b) En el método pasos sucesivos el numero de variables predictoras al final del proceso puede ser inferior o superior al de alguno de los pasos intermedios
c) En el método pasos sucesivos el numero de variables predictoras al final del proceso siempre será mayor que alguno de los pasos intermedios.
37. La nota en un examen de Lengua es predicha a partir del nivel de cociente intelectual (CI) y ansiedad de una persona del siguiente modo: Lengua = 0,4CI – 0,4Ansiedad. A partir de este modo podemos afirmar que:
a) El CI logra explicar en mayor grado que la ansiedad la nota de Lengua
b) La Ansiedad explica en mayor grado que el CI la nota de Lengua
c) El CI y la Ansiedad explican en igual modo la nota de Lengua
38. Si la R2 de un modelo de predicción es de 0,50, podremos estar seguros que:
a) La variable criterio explica el 50% de la variable predictora
b) La variable predictora no explica el 50% de la variable criterio
c) La variable criterio no explica el 50% de la variable predictora
39. Si estudiando las relaciones entre el salario y habilidades sociales, quitamos el efecto que el cociente intelectual tiene solo sobre las habilidades sociales, tendríamos una:
a) Correlación semiparcial
b) Correlación parcial
c) Correlación múltiple
40. En la regresión lineal el supuesto de homocedasticidad significa que:
a) Las varianzas de muestras distintas de X han de ser todas iguales
b) Las variables X e Y han de ser todas iguales
c) Las varianzas de muestras distintas de Y han de ser todas iguales
41. En la regresión lineal, el supuesto de normalidad significa que:
a) Las correlaciones entre X e Y deben distribuirse de manera normal
b) Para cada valor posible de X, los posibles valores asociados en Y deben distribuirse de manera normal
c) Las observaciones en X deben distribuirse de manera normal
42. Al construir un modelo de regresión lineal, nos interesa que el coeficiente de determinación:
a) Sea lo más alto posible
b) Sea lo más bajo posible
c) No guarda relación alguna con la eficacia o utilidad del modelo de regresión lineal
43. Según el supuesto de no colinealidad:
a) La variable criterio y los predictores no deberían guardar una relación lineal
b) Los predictores no deberían guardar una relación entre si
c) Las puntuaciones de los criterios obtenidas de distintas muestras deberían seguir una distribución normal
44. En el método “Pasos Sucesivos”, en cada etapa en que se introduce una variable, el criterio de decisión depende de:
a) El valor absoluto de R cuadrado en esa etapa
b) El valor absoluto del cambio en R cuadrado en esa etapa
c) La significación del cambio en R cuadrado
45. Si la ecuación de una recta de regresión lineal simple es Y’= -3,24+0,17X, diremos que tiene:
a) Pendiente positiva y ordenada en el origen negativa
b) Pendiente negativa y ordenada en el origen positiva
c) Pendiente positiva y ordenada en el origen positiva
