ERRORES CONVOCATORIAS 2000-… EXPERIMENTAL

El coeficiente de correlación múltiple R2: Indica la proporción de varianza de las variables predichas que queda explicada por la variable predictora.

La calificación estándar más elemental y útil es la: Puntuación directa.

Si, teniendo en cuenta las variables pertinentes, deseamos conocer cuál es la tipología de los sujetos anoréxicos, podríamos realizar: Un análisis discriminante.

Cuando nos referimos al error típico de estimación, hablamos de: La desviación media esperable respecto al valor central.

La bencilamina ha sido utilizada en la terapia aversiva: Gustativa.

Cuando se analizan los datos de una investigación psicológica mediante análisis de varianza de dos factores: Tanto las variables dependientes como independientes (en este caso dos) deben haberse medido en una escala de razón.

En la investigación psicológica, el análisis de regresión es un procedimiento que permite: Eliminar mediante procedimientos matemáticos el influjo de variables extrañas.

Cuando se aplica una prueba estadística de bondad de ajuste, el interés del investigador se centra en: Determinar si la distribución muestral de la variable independiente se ajusta a una distribución de probabilidad teórica determinada.

El coeficiente de fiabilidad de un test se define como: La correlación de las puntuaciones con los errores de medida.

Para aplicar la técnica de análisis de varianza de un factor se deben cumplir una serie de supuestos entre los que se encuentran los siguientes: La normalidad de la población de la que se obtuvo la muestra y la heterocedasticidad.

En el contraste de medias para dos muestras independientes lo que se busca es: Inferir el efecto de una condición de un experimento basándose en la medida de dos variables dependientes distintas.

La proporción de varianza de las puntuaciones de los sujetos en el criterio que se puede pronosticar a partir del test, viene expresada por: La recta de regresión.

La técnica del Análisis de Varianza permite: Discernir qué parte de la variabilidad corresponde al factor estudiado y cuál al error experimental.

En terminología del análisis de varianza, las categorías en las que se dividen los factores se denominan: Niveles.

Para la aplicación del estadístico de contraste T de diferencias de medias en el caso de dos muestras independientes, es necesario que: La variable dependiente esté medida, al menos, a nivel de razón.

Cuando se aplica el estadístico de contraste Chi Cuadrado de Pearson en un test de independencia: Las variables dependientes deben ser ordinales (al menos).

En el contraste de hipótesis, el error tipo I: Es el que se comete cuando se mantiene una hipótesis nula que debía haberse rechazado.

El análisis de regresión lineal es un procedimiento que permite: Calcular la correlación entre la variable independiente y la variable predictora.

Cuando se aplica el estadístico de contraste Chi Cuadrado de Pearson en un test de independencia: La hipótesis alternativa se acepta si p es mayor o igual que “alfa”.

El análisis de regresión lineal es un procedimiento que permite: Eliminar, mediante procedimientos matemáticos el influjo de variables extrañas.

Los estudios de caso: Permiten establecer hipótesis causales.

La distribución muestral de la media es normal: Si es normal la distribución de la variable estudiada o cuando aumenta suficientemente el tamaño de la muestra.

Los diseños de línea base múltiple son un tipo de diseño que pertenece a un grupo de diseños más amplio denominado: De caso único.

El análisis que usaremos para comprobar si existen diferencias significativas entre 3 medias es: Anova.

Los diseños de línea base múltiple son un tipo de diseño que pertenece a un grupo de diseños más amplio denominado: Cuasiexperimentales.

¿De qué nos informa el nivel crítico ¿De qué nos informa el nivel crítico?: Nos informa del riesgo máximo que estamos dispuestos a asumir al tomar la decisión de rechazar una hipótesis concreta.

Realizamos un análisis de la varianza con tres factores: A, B y C Realizamos un análisis de la varianza con tres factores: A, B y C. Encontramos que los factores principales A, B y C son significativos, así como la interacción B x C. Ninguna de las restantes interacciones son significativas. ¿Qué debemos analizar para interpretar los datos?: Los factores principales A, B y C, así como la interacción B x C.

¿Qué son las puntuaciones “outliers”?: Son puntuaciones extremas.

¿Cómo se llama el procedimiento para interpretar las puntuaciones directas de los tests sin transformarlas en puntuaciones normativas?: Puntuación directa.

15. Un/a psicólogo/a desea conocer si hay relación entre las variables: “intensidad del dolor de cabeza” ordenado de 0 a 10 y “momento del curso escolar”, ordenado de 1 (septiembre) a 9 (mayo). ¿A qué estadístico ha de recurrir?: 1. Correlación de Pearson. 2. Q de Yule. 3. Varianza. 4. Estadísticos de tendencia central. 5. Correlación de Spearman.

46. Un/a psicólogo/a quiere pronosticar la satisfacción vital de los/as enfermero/as mediante cuatro rasgos concretos, para ello debe: 1. Efectuar un análisis de correlación múltiple. 2. Efectuar un análisis de regresión múltiple. 3. Efectuar un análisis de correlación simple. 4. Efectuar un análisis de regresión simple. 5. Efectuar un análisis de varianza.

59. De las tres facetas o fuentes de evidencia sobre la validez, ¿Cuál es la fundamental y la que engloba a las otras dos?: 1. Ecológica. 2. Criterial. 3. De constructo. 4. De contenido. 5. Predictiva.

69. Teniendo en cuenta la distribución poblacional de la capacidad intelectual, ¿cuál de las siguientes declaraciones es incorrecta?: 1. Cinco de cada diez ciudadanos presentarían una inteligencia normal. 2. La mitad de la población se situaría por debajo de la media. 3. Uno de cada diez ciudadanos será intelectualmente brillante. 4. De cada diez personas, uno muestra discapacidad intelectual. 5. La superdotación afecta a menos del 4% de la población.

81. ¿Cuál de estas representaciones gráficas emplearía para examinar la relación entre dos o más variables cuantitativas? 1. Diagrama de sectores. 2. Gráfico de dispersión. 3. Histograma. 4. Gráfico de cajas. 5. Diagrama de barras.

80. ¿Cuál es el modelo de muestreo cuyo principio es acceder directamente a las aglomeraciones naturales de unidades en la población? (obreros en fábricas, estudiantes en universidades…): 1. Muestreo estratificado. 2. Muestreo aleatorio simple. 3. Muestreo de conglomerados. 4. Muestreo sistemático. 5. Muestreo en el tiempo.

77. En una distribución de frecuencias, ¿cómo denominamos al número de veces que se repite en la muestra un determinado valor de la variable o cualquier otro valor inferior? 1. Proporción. 2. Frecuencia absoluta acumulada. 3. Porcentaje acumulado. 4. Frecuencia absoluta. 5. Frecuencia relativa acumulada.

86. En un diseño cuasiexperimental: 1 86. En un diseño cuasiexperimental: 1. No hay una intervención específica del investigador sobre la variable independiente o tratamiento. 2. Se estudia la conducta espontánea en situaciones naturales. 3. Constituye el grado máximo de intervención y control interno. 4. Los grupos de estudio no se pueden organizar por asignación aleatoria. 5. Representa el grado máximo de naturalidad y el mínimo control interno.

26. Si tras establecer el intervalo de confianza res-pecto a una diferencia entre dos medias independientes, encontramos que el valor cero no se encuentra en el intervalo: 1. No podemos tomar ninguna decisión respecto de la hipótesis nula de igualdad de las medias. 2. No podemos rechazar la hipótesis nula de igualdad entre las medias poblacionales. 3. Debemos rechazar la hipótesis nula de igual-dad entre las medias poblacionales. 4. Aceptamos la hipótesis nula de igualdad entre las medias poblacionales. 5. Rechazamos la hipótesis alternativa de igual-dad entre las medias poblacionales.

Si obtuviéramos un Coeficiente de Correlación de Pearson de r=0 Si obtuviéramos un Coeficiente de Correlación de Pearson de r=0.60 para dos variables “x” e “y” ¿Cuál de estas conclusiones podríamos establecer? El grado de asociación lineal entre ambas variables es del 60 por ciento.

¿Cuál es el modelo de muestreo cuyo principio es acceder directamente a las aglomeraciones naturales de unidades en la población? (obreros en fábricas, estudiantes en universidades…): Muestreo sistemático.

¿Cuál de estas representaciones gráficas emplearía para examinar la relación entre dos o más variables cuantitativas? Diagrama de barras.

¿Qué tipo de formato tiene este ítem ¿Qué tipo de formato tiene este ítem? El alcohol es bueno tomado con moderación . - Totalmente en desacuerdo. - En desacuerdo. - Me es indiferente.- De acuerdo.- Totalmente de acuerdo. : Formato “cloze”

¿Cuál es el modelo de muestreo cuyo principio es acceder directamente a las aglomeraciones naturales de unidades en la población? (obreros en fábricas, estudiantes en universidades…): Muestreo estratificado.

Si obtuviéramos un Coeficiente de Correlación de Pearson de r=0 Si obtuviéramos un Coeficiente de Correlación de Pearson de r=0.60 para dos variables “x” e “y” ¿Cuál de estas conclusiones podríamos establecer? Se trata de una correlación lineal con un valor medio, independientemente de la naturaleza de las variables.

¿Cuál de las siguientes técnicas de análisis multivariado analiza la covariación presentada por un conjunto de variables métricas, susceptibles de ser sintetizadas en un conjunto de factores comunes que subyacen tras ellas? Análisis de ecuaciones estructurales.

En un diseño cuasiexperimental: No hay una intervención específica del investigador sobre la variable independiente o tratamiento.

¿Cuál de los siguientes métodos de cálculo de la fiabilidad no puede llevarse a cabo con una sola aplicación del test? Método de las dos mitades.

En una distribución de frecuencias, ¿cómo denominamos al número de veces que se repite en la muestra un determinado valor de la variable o cualquier otro valor inferior? Frecuencia relativa acumulada.

Si obtuviéramos un Coeficiente de Correlación de Pearson de r=0 Si obtuviéramos un Coeficiente de Correlación de Pearson de r=0.60 para dos variables “x” e “y” ¿Cuál de estas conclusiones podríamos establecer? Se trata de una correlación lineal con un valor medio, independientemente de la naturaleza de las variables.

(V4, 11 / V0, 1) En un diseño cuasi-experimental de cohortes: la cohorte anterior al grupo experimental hace las funciones de grupo de control no equivalente Las siguientes referencias no se si están correctas por que en pp dieron como válida en el FOROPIR la 3ª R página 328 de León. Penúltimo párrafo: En los diseños cuasi-experimentales existen dificultades para alcanzar las condiciones necesarias para el establecimiento de un relación causal entre las V.I y V.D. Pero por otro lado ofrecen menor dificultad en comparación con los experimentos para que el investigador pueda generalizar sus resultados a otras situaciones distintas a la de investigación. No se puede introducir una intervención como variable independiente porque solo es aplicable para el estudio de fenómenos naturales en mis apuntes de CEDE tengo que hay un tipo de diseño cuasiexperimental- pretest postest (variable de asignacion no conocida) que se llama cohorte Y esta cohorte en concreto se refiere a gente que estuvo expuesta a un fenomeno natural Edito, esto ultimo de estar expuesto a fenemeno natural es una aclaracion que tengo a lapiz no es de los apuntes. La 3 es la valida ya que en el diseño cuasiexperimental de cohorte No se introducen variables, se analiza a posteriori como una variable que ha ocurrido (por ejemplo un virus) afecta a la cohorte respecto a determinada variable que se quiera medir. Cohorte seria del grupo de personas que pertenecen a algún tipo de institución (colegio, carcel) sometidos,durante un período de tiempo, a las mismas circunstancias y van cambiando de un nivel a otro. Como los grupos pertenecen a instituciones, el acceso a la información es posible porque existen numerosos archivos, registros asi que hay datos de antes y despues y no se introducen variables porque son fenomenos que acontecen de manera natural León, p335 en diseños cuasi experimentales apartado diseño pre-post con cuasicontrol en una corte anterior. Observe que la cohorte del plan antiguo actúa como grupo de cuasi control de la cohorte del plan nuevo

El nivel de significación alfa suele ser un valor: Muy pequeño porque cuanto mayor es alfa mayor es la probabilidad de rechazar erróneamente la H0 Paula Lubín Pigouche, página 102. “El nivel de significación suele ser un valor muy pequeño porque cuanto mayor es alfa mayor es la probabilidad de rechazar erróneamente la hipótesis nula.” Alfa es el error tipo I, es decir, la probabilidad de rechazar la H0 siendo éste verdadera. Si tenemos un alfa muy grande, esta probabilidad será muy grande, por lo que nuestro experimento valdrá de poco (si afirmo algo con mucha probabilidad de error, es como si no dijera nada Por tanto, alfa, tiene que ser lo más pequeño posible (suele tomar valores del 0,05 o 0,01 o incluso 0,001)para que la probabilidad de rechazar la H0 siendo verdadera (es decir, erróneamente) sea lo más pequeña posible. (Opción 2 correcta) Aparte de que ya está referenciada... pensadlo gráficamente. Pongamos un ejemplo a lo bruto, un alfa de 0'05 (5% de la gráfica es alfa) vs un alfa de 0'5 (50% de la gráfica es alfa). Si pintamos de rojo la zona alfa, en el primer caso sólo tenemos un cachito, y en el otro, media gráfica. ¿En qué caso es más probable que nuestro valor caiga dentro de la región roja y tengamos que rechazar la H0? Evidentemente, en el de media gráfica de color rojo. Así pues, cuanto mayor es alfa, mayor es la probabilidad de rechazar erróneamente la hipótesis nula. Alfa es la región de rechazo, vamos que si se cae en alfa se rechaza la H0, es el error que el investigador está dispuesto a cometer rechazando la H0 (hipótesis nula). Por lo tanto cuanto mayor sea esta área mayor riesgo estamos tomando

NO IMPUGNAR X INCORRECTA (V4, 6 / V0, 6) ¿Cual de estas afirmaciones es correcta? Cuanto menor es la varianza de la distribución muestral del estimador, mayor es la eficiencia Paula Lubín Pigouche, pág 66: “La precisión o eficiencia de un estimador es la INVERSA de la varianza de su distribución muestra” https://es.wikipedia.org/wiki/Estimador

La existencia de una asociación estadística significativa entre variables ordinales puede determinarse, más adecuadamente, mediante: La correlación de Spearman