Test 3: Preguntas tipo test de la sección de estadística (101-150)

101. El error tipo II o error beta es la probabilidad de:
1) Rechazar una Ho siendo verdadera.
2) Aceptar una Ho siendo verdadera.
3) Rechazar una Ho siendo falsa.
4) Aceptar una Ho siendo falsa.
5) Son correctas 1 y 3.
102. ¿Qué nivel de significación mínimo es utilizado en cualquier test de Hipótesis?
1) 0,1%
2) 0,5%
3) 1%
4) 5%
5) 10%
103. Si al realizar un test de Hipótesis, el resultado es no significativo, la probabilidad asociada es:
1) p£0,01.
2) p£0,05.
3) p> 0,05.
4) p> 0,005.
5) p= 0,01.
104. Para comprobar la homogeneidad de varias medias independientes se usa el test no paramétrico de :
1) Kruskal-Wallis.
2) McNemar.
3) Cohcran.
4) Wilcoxon.
5) Friedmann.
105. Planteado un diseño experimental, y fijada una prueba de hipótesis, si se aumenta el tamaño de las muestras:
1) Aumenta la probabilidad de error ay b .
2) Disminuye la probabilidad de error a y b.
3) Aumenta la probabilidad de error a .
4) Disminuye la probabilidad de error b .
5) Aumenta la probabilidad de error a y disminuye la de b.
106. Si se desea realizar un contraste de hipótesis, ¿Cuál de las siguientes situaciones es mejor:
1) a= 0,05 y b = 0,05.
2) a = 0,05 y b = 0,10.
3) a = 0,01 y b = 0,05.
4) a = 0,01 y b = 0,10.
5) a = 0,01 y b = 0,01.
107. Si la Ho es cierta y la aceptas:
1) La probabilidad es 1- a .
2) La probabilidad la fija el investigador.
3) Se usa como mínimo un intervalo del 95%
4) Es el tamaño del test de Hipótesis.
5) Son todas ciertas.
108. Un test de Hipótesis es tanto mejor cuanto mayor sea su:
1) Confianza.
2) Potencia.
3) Facilidad de cálculo.
4) Nivel de significación.
5) Error Tipo II.
109. El error tipo I se define como la probabilidad de:
1) Aceptar Ho siendo cierta.
2) Aceptar Ho y H1.
3) Rechazar Ho siendo cierta.
4) Rechazar Ho siendo falsa.
5) Aceptar Ho siendo falsa.
110. El error tipo II se define como la probabilidad de :
1) Aceptar Ho cuando es cierta.
2) Rechazar Ho y H1.
3) Rechazar Ho cuando es falsa.
4) Aceptar Ho cuando es falsa.
5) Rechazar Ho cuando es cierta.
111. ¿Qué significa que un coeficiente de correlación de Pearson es de “-0,9” :
1) Que hay una mala correlación entre las dos variables.
2) Que la relación es inversa o negativa.
3) Que la relación es lineal.
4) Que la relación es muy buena.
5) Ciertas 2 y 4.
112. ¿Qué significa un Coeficiente de Correlación de Pearson de +0,95?
1) Que no hay relación lineal.
2) Que la relación lineal es muy buena.
3) Que la relación es inversa.
4) Que cuando una variable aumenta, la otra disminuye.
5) Son todas falsas.
113. La existencia de relación entre dos variables cuantitativas se verifica mediante el test de :
1) Independencia (contingencia).
2) De Mann-Whitney.
3) ANOVA (Análisis de la Varianza).
4) Correlación.
5) Chi-Cuadrado.
114. Para estudiar la relación entre dos variables cuantitativas se puede usar:
1) Coef. de Correlación de Pearson.
2) Coef. de Correlación de Spearman.
3) Coef. de Contingencia de Pearson.
4) Regresión.
5) Ciertas 1, 2 y 4.
115. E Cuadrado de Coeficiente de Correlación r de Pearson (r2 ) se denomina:
1) Coeficiente de Asimetría.
2) Coeficiente de Contingencia.
3) Coeficiente de Determinación.
4) Coeficiente de Indeterminación.
5) Coeficiente kappa.
116. ¿Cuál de las siguientes propiedades se refiere a la Covarianza?
1) Es un estadístico de posición.
2) Es un estadístico adimensional.
3) Es un coeficiente no paramétrico.
4) Puede tomar valores negativos.
5) Su valor oscila entre -1 y +1.
117. El coeficiente de Correlación de Pearson puede usarse :
1) Cuando la relación entre dos variables no sea lineal.
2) Cuando una de las dos variables no sea cuantitativa.
3) Cuando la relación entre las variables sea lineal.
4) Cuando se desconozca la distribución de las variables.
5) Cuando el nº de datos sea pequeño.
118. El estadístico de dispersión que permite conocer el grado de variación conjunta entre dos variables cuantitativas es :
1) Varianza.
2) Desviación Típica o estándar.
3) Covarianza.
4) Rango o recorrido.
5) Coeficiente de Variación.
119. Para comparar correctamente, desde un punto de vista descriptivo, la dispersión de dos o más variables debe usarse :
1) La desviación estándar.
2) La amplitud.
3) El Coeficiente de Variación.
4) La covarianza.
5) La desviación media.
120. Siendo “a” la ordenada en origen y “b” la pendiente de la recta, la ecuación de regresión la recta de regresión de y sobre x es:
1) y’= b+ax.
2) y’= a+bx.
3) x’= b+ay.
4) x’= a+by.
5) y’= a+b/x.
121. El Coeficiente de Correlación de Pearson (r) es una medida de relación lineal entre:
1) Dos Var. Discretas.
2) Dos Var. Continuas.
3) Dos Var. Cualitativas.
4) Una Cualitativa y otra Discreta.
5) Ninguna es correcta.
122. Es Coeficiente de Correlación (r) de Pearson, puede tomar valores entre:
1) -1 y 0.
2) 0 y 1.
3) -1 y 1.
4) -0,5 y 1,5.
5) -1,5 y 1,5.
123. El Coeficiente de Correlación de Pearson sirve para estudiar:
1) Relación entre dos variables Cuantitativas de tipo logarítmico.
2) Relación lineal entre dos variables. de cualquier tipo.
3) Relación exponencial entre dos variables Cuantitativas.
4) Relación lineal entre dos variables. Dicotómicas.
5) Relación lineal entre dos variables Cuantitativas.
124. El Coeficiente de Correlación de Pearson (r):
1) Varía entre -1 y +1.
2) Tiene el mismo signo que la Covarianza de la que procede.
3) Sirve para estudiar la relación lineal entre dos Var. Cuantitativas.
4) Si se eleva al cuadrado, es el Coeficiente de Determinación.
5) Son todas ciertas.
125. La existencia de relación entre dos Var. Cualitativas se verifica mediante el test de:
1) U de Mann-Whitney.
2) Independencia (Contingencia).
3) Correlación.
4) Linealidad.
5) 2 y 3 son ciertas.
126. Los grados de libertad de una tabla de contingencia (independencia) 2×2 son:
1) 1.
2) 2.
3) 3.
4) 4.
5) 5.
127. Los grados de libertad de una tabla de contingencia 5×8 son:
1) 40.
2) 38.
3) 28.
4) 14.
5) 2.
128. Los grados de libertad de la Ji-Cuadrado de Pearson, en una tabla de contingencia (independencia) 3×2 son:
1) 0
2) 3.
3) 6.
4) 2.
5) 1.
129. El Coeficiente de Contingencia (de Pearson):
1) Mide la Correlación entre dos Var. Cuantitativas.
2) Mide la asociación entre dos Var. Cualitativas.
3) Mide la Variación entre medias apareadas.
4) Es un índice de centralización.
5) Todas son falsas.
130. El Coeficiente de Contingencia es un índice de:
1) Asimetría.
2) Curtosis.
3) Asociación.
4) Normalidad.
5) Ninguna es correcta.
131. La Distribución Chi-Cuadrado se usa:
1) Tablas de Contingencia.
2) Homogeneidad de varias muestras Cualitativas.
3) Bondad de ajuste de una distribución.
4) Test de Homogeneidad de varios parámetros de Poisson.
5) Todas son ciertas.
132. Si en una tabla de Contingencia, mayor que 2×2, hay más de un 20% de valores teóricos menores de 5, antes de hacer el Test de la Ji-Cuadrado:
1) No hay que hacer nada.
2) Hay que transformar la tabla, agrupando filas o columnas.
3) Hay que hacer como si no lo hubiéramos visto.
4) Hay que hacer la corrección de Yates.
5) Hay que hacer un Análisis de la Varianza.
133. Si en una Tabla de Contingencia de 2×2, hay algún valor menor de 5:
1) Se le suma 5.
2) Se agrupan filas o columnas.
3) Se hace una Regresión.
4) Se divide por la Media.
5) Se usa la Corrección de Yates.
134. El Coeficiente de Contingencia (de Pearson):
1) Mide la correlación entre dos Var. Cuantitativas.
2) Mide el grado de asociación entre dos Var. Cualitativas.
3) Es lo mismo que el Coeficiente de Correlación de Pearson.
4) Va desde 0 a +1.
5) Ciertas 2 y 4.
135. La Distribución Chi-Cuadrado se emplea para el test de:
1) Dos Medias paramétrico.
2) Bondad de ajuste.
3) Independencia (contingencia).
4) Tres Medias paramétrico.
5) Ciertas 2 y 3.
136. La Distribución de probabilidad usada para comparar 2 varianzas es:
1) Ji-Cuadrado.
2) F de Fisher-Snedecor.
3) Poisson.
4) T de Student.
5) Binomial.
137. El estudio de la relación entre una Var. Cuantitativa, y una Cualitativa de más de dos categorías, se hace mediante:
1) El Coeficiente de Correlación de Pearson.
2) El Coeficiente de Contingencia de Pearson.
3) El Coeficiente de Paciencia de Buda.
4) El Test de Friedmann.
5) El Análisis de la Varianza.
138. Los requisitos previos que deben cumplir las muestras para hacer el ANOVA:
1) Han de ser Aleatorias.
2) Han de ser independientes.
3) Las variables deben ser Normales en la población.
4) Las Varianzas de las muestras han de ser Homogéneas.
5) Todas son ciertas.
139. La Hipótesis de normalidad de la Variable se comprueba con el Test:
1) De Wilcoxon.
2) De Friedmann.
3) De Barlet.
4) De Kruskal-Wallis.
5) De Agostino.
140. El Análisis de la Varianza (ANOVA) se usa para:
1) Comprobar la asociación entre una variables Cuantitativa y una Cualitativa de más de dos categorías.
2) Comprobar la homogeneidad de varias muestras apareadas.
3) Comparar entre sí tres o más medias.
4) Comprobar la asociación entre dos variables Cualitativas.
5) Ciertas 1, 2 y 3.
141. Qué test estadístico permite comparar dos o más muestras independientes en condiciones de normalidad.
1) Friedmann.
2) Wilcoxon.
3) Barlet.
4) Kolmorogoff-Smirnow.
5) Análisis de la Varianza.
142. Cuál no es un test “a posteriori) en el Análisis de la Varianza.
1) Tukey.
2) Dunnet.
3) Bonferrony.
4) Barlet.
5) Todos son test “a posteriori”.
143. La Hipótesis de Homogeneidad de las Varianzas se verifica mediante el test de :
1) Wilcoxon.
2) Levene.
3) Los signos.
4) Barlet.
5) 2 y 4 son ciertas.
144. Si la F entre grupos resulta ser significativa en un Análisis de la Varianza, del criterio de clasificación (modelo fijo) realizado para comparar el efecto de cuatro fármacos, qué debe hacerse a continuación:
1) Se acaba el estudio.
2) Se realiza un test a posteriori de Comparaciones Múltiples.
3) Se realiza un test no paramétrico.
4) Se realiza un test de homogeneidad de la Varianzas.
5) Se realiza un test de bondad de ajuste.
145. Uno de los siguientes test estadísticos, es un test de Normalidad:
1) Barlet.
2) Agostino.
3) Kruskal-Wallis.
4) Levene.
5) Neyman-Pearson.
146. La posible asociación entre dos variables cualitativas se ve:
1) Test de la
Ji-Cuadrado.
2) Ji-Cuadrado con corrección de Yates.
3) Test exacto de FISHER.
4) ANOVA.
5) Ciertas 1, 2 y 3.
147. La posible asociación entre dos variables cuantitativas se estudia con:
1) Coef. de Correlación de Pearson.
2) Coef. de Correlación de Spearman.
3) Regresión Lineal.
4) Regresión Logarítmica.
5) Son todas ciertas.
148. La asociación entre una Var. Cuantitativa y una Cualitativa de más de dos categorías se ve con:
1) Ji-Cuadrado.
2) Test de McNemar.
3) ANOVA.
4) “T” de Student.
5) Hipergeométrica.
149. La asociación entre una Var. Cuantitativa, y otra Cualitativa de 2 categorías se estudia con:
1) Ji-Cuadrado.
2) T de Student.
3) ANOVA.
4) “U” de Mann-Whitney.
5) Ciertas 2 y 4.
150. La asociación entre una Cuantitativa y una Cualitativa de dos categorías (método no paramétrico):
1) Test de la Ji-Cuadrado.
2) “U” de Mann-Whitney.
3) Coef. de Corr. de Spearman.
4) Test de Kruskal-Wallis.
5) T de Student.

*************************************************************************************************************************

SOLUCIONES ESTADÍSTICA – TEST 3

 

101 102 103 104 105 106 107 108 109 110
4 4 3 1 4 5 5 2 3 4
111 112 113 114 115 116 117 118 119 120
5 2 4 5 3 4 3 3 3 2
121 122 123 124 125 126 127 128 129 130
2 3 5 5 2 1 3 4 2 3
131 132 133 134 15 136 137 138 139 140
5 2 5 5 5 2 5 5 5 5
141 142 143 144 145 146 147 148 149 150
5 4 5 2 2 5 5 3 5 2

Artículos relacionados: