Psicología Matemática. 11

ANLISIS DE DATOS EN PSICOLOGIA I TEMA 11
1.- Sabiendo que la correlacin lineal entre las variables X e Y es de 065, y que la
variable X presenta una media de 25 y una desviacin tpica de 10, qu puntuacin
tpica le pronosticaremos en Y a un sujeto cuya puntuacin en X es de 30?:
a) 050
b) 0325
c) 021
2.- Calcula la ecuacin de regresin de Y sobre X en puntuaciones tpicas a partir de los
siguientes datos:
X: 20, 15, 12, 25, 15, 10
Y: 3, 4, 7, 2, 5,
8
a) Zy = 0 077.Zx
b) Zy = 094.Zx
c) Zy = -094.Zx
3.- Suponiendo que entre dos variables X e Y, que presentan una relacin lineal
positiva, el porcentaje de varianza de Y explicada por X es del 36 %, y sabiendo que Sx
= 8 y que Sy = 6, indica la ecuacin de regresin de Y sobre X en puntuaciones
diferenciales:
a) y = 048 x
b) y = 045 x
c) y = -045 x
4.- Si para una ecuacin de regresin el error tpico de estimacin es cero, cul ser la
proporcin de varianza explicada?:
a) 1
b) depende de la varianza de la variable predictora
c) 0
5.- El coeficiente de correlacin de Pearson entre las variables X e Y es de 095.
Sabiendo que la varianza de Y es cuatro, cunto valdr la varianza de Y no explicada
por la variable X?:
a) 039
b) 020
c) 028
6.- Se ha comprobado que la relacin entre X (horas de estudio) e Y (notas en
Psicometra) es de 064. Esto quiere decir que:
a) el 64 % de la varianza de notas est explicada por las horas de estudio
b) el 36 % de la varianza de notas est explicada por las horas de estudio
c) el 4096 % de la varianza de notas est explicada por las horas de estudio.
7.- Supongamos que tenemos dos modelos de regresin simple (A y B) para predecir
una variable criterio, y que sus correspondientes errores tpicos de estimacin son 066
y 095, respectivamente. Cul elegiras?:
a) el A porque la varianza del criterio es mayor
b) el B porque la proporcin de varianza que explica es mayor
c) el A porque el error tpico de estimacin es menor.
8.- Si la recta de regresin de Y sobre X por mnimos cuadrados, expresada en
puntuaciones tpicas, es Zy = 060.Zx, qu porcentaje de la varianza de X puede ser
explicada por Y?:
a) no se puede saber
b) el 60 %
c) el 36 %
9.- Sabemos que el sumatorio de xy = 84, el sumatorio de x2 = 100, el sumatorio de y2 =
144, media de X = 120, media de Y = 100. Con estos datos, cunto vale el coeficiente
de correlacin de Pearson entre X e Y?:
a) 070
b) 080
c) 090
10.- Con los datos de la pregunta anterior, cul ser la proporcin de varianza error, es
decir, la proporcin de la variabilidad de Y no explicada por la variabilidad de X?:
a) 036
b) 051
c) 019
11.- Con los datos de la pregunta anterior, la pendiente de regresin para pronosticar Y
a partir de X es:
a) 072
b) 092
c) 084
12.- Considerando los datos de las tres preguntas anteriores, la ecuacin de regresin de
la variable Y sobre la variable X en puntuaciones diferenciales es:
a) y = 092 x
b) y = 084 x
c) y = 072 x
13.- Considerando los datos de las preguntas anteriores, la suma de cuadrados del error
de prediccin es:
a) 7056
b) 7344
c) 72
14.- De las siguientes afirmaciones referidas a la regresin lineal slo una es la correcta;
cul?:
a) los pronsticos correlacionan positivamente con los errores de prediccin
b) los pronsticos son independientes de los errores
c) la covarianza entre los pronsticos y los errores est directamente relacionada con la
pendiente de la recta.
15.- Si entre dos variables X e Y el coeficiente de correlacin vale cero, y se calcula la
ecuacin de regresin de Y sobre X:
a) la varianza de Y es igual a la varianza de los pronsticos
b) la varianza de Y es igual a la varianza de los errores
c) la varianza de los pronsticos es igual a la varianza de los errores.
16.- Se ha obtenido una determinada recta de regresin para pronosticar las
calificaciones en una asignatura a partir de las calificaciones en el Curso de Acceso.
Para un (una) alumno (a) que obtiene un 5 en el Acceso se ha pronosticado un 52 en la
asignatura, y para un (una) alumno (a) que obtiene un 75 en el Acceso se ha
pronosticado un 75 en la asignatura. Cul es la pendiente de la recta de regresin?:
a) 092
b) 184
c) 138
17.- La siguiente tabla presenta las puntuaciones de cinco alumnos en un test de
memoria (X) y el nmero de errores en una prueba de reconocimiento de palabras (Y):
X: 2, 3, 3, 4, 5,
Y: 7, 5, 4, 4, 2,
La ecuacin que permite pronosticar los errores cometidos a partir de las puntuaciones
del test de memoria es:
a) Y = 95 15.X
b) X = 6 0591.X
c) y = -15.x
18.- Con los datos de la pregunta anterior, el error tpico de estimacin es:
a) 054
b) 030
c) 152
19.- La ordenada en el origen de la ecuacin de regresin para pronosticar Y a partir de
X es:
a) la misma que se obtiene con la ecuacin de regresin en puntuaciones diferenciales
b) la misma que se obtiene con la ecuacin de regresin en puntuaciones tpicas
c) el valor que pronosticaremos a Y cuando X vale cero.
20.- El error tpico de estimacin es:

a) la desviacin tpica de los errores de pronstico
b) la varianza de los errores de pronstico
c) la desviacin tpica de las puntuaciones estimadas o pronosticadas con la ecuacin de
regresin.
21.- El error de pronstico en la ecuacin de regresin de Y sobre X es:
a) la diferencia entre la puntuacin X y la pronosticada en Y con la ecuacin de
regresin
b) la diferencia entre la puntuacin observada Y y la pronosticada Y con la ecuacin de
regresin
c) el que se comete al pronosticar X a partir de Y
22.- El ajuste de la ecuacin de regresin de Y sobre X a los datos de la pregunta n 17
es:
a) bastante bueno, porque X explica el 8864 de la varianza de Y
b) bastante malo, porque X explica slo el 1136 % de la varianza de Y
c) malo, porque la varianza de los errores es tan pequea como 030.
23.- Si la varianza de los errores es 030 y la varianza de las puntuaciones observadas es
264, entonces la varianza de las puntuaciones pronosticadas es:
a) 294
b) 234
c) 152
24.- La pendiente de la ecuacin de regresin para pronosticar Y a partir de X, en
puntuaciones directas, es la misma que la pendiente de la ecuacin de regresin:
a) de X sobre Y en puntuaciones diferenciales
b) de y sobre x
c) de Zx sobre Zy
25.- En la ecuacin de regresin para pronosticar el nmero de errores que se cometern
en la prueba de reconocimiento de palabras a partir de las puntuaciones en un test de
memoria, la proporcin de varianza de los errores cometidos en la prueba de
reconocimiento Y, debido a las puntuaciones del test de memoria X, viene dado por:
a) el cociente entre la varianza de los errores cometidos y la varianza total
b) el cuadrado del coeficiente de correlacin de Pearson
c) la varianza de los errores de pronstico.
26.- A partir de la siguiente tabla:
X: 29, 27, 30, 33, 31,
Y: 6, 4, 7, 8, 10,
Y: 62, 46, 7, 94, 78,
La recta de regresin de Y sobre X es:

a) Y = 08.X 17
b) Y = -1.X + 13
c) X = 08.Y 17
27.- Con los datos de la tabla de la pregunta anterior, el error que cometemos al
pronosticar la puntuacin en Y del sujeto que ha obtenido 33 puntos en X ser:
a) 22
b) -14
c) 0.
28.- Con los datos de la pregunta n 26, la ecuacin de regresin expresada en
puntuaciones diferenciales ser:
a) y = 2.x
b) y = x
c) y = 08.x
29.- Con los datos de la pregunta n 26, la varianza de los errores al utilizar la recta de
regresin de Y sobre X vale:
a) 722
b) 144
c) 5.
30.- A partir de los datos de la pregunta n 26, la puntuacin tpica pronosticada a un
sujeto cuya puntuacin tpica en X es 050 es:
a) 040
b) 050
c) 060.
31.- La Figura 1 del examen de Junio 2002 Mod. E (ver) recoge el diagrama de
dispersin de dos variables X e Y. A partir de esta grfica podemos deducir que:
a) el coeficiente de correlacin de Pearson vale 1
b) la pendiente de la recta de Y sobre X es positiva
c) la pendiente de la recta de Y sobre X es negativa.
32.- En la ecuacin de regresin, la varianza de las puntuaciones pronosticadas es igual
a:
a) la varianza de las observadas ms la varianza de los errores
b) la varianza de los errores menos la varianza de las observadas
c) la varianza de las observadas menos la varianza de los errores.
33.- El coeficiente de correlacin de Pearson entre dos variables X e Y vale 060 y la

pendiente para pronosticar Y a partir de X vale 090. La pendiente para pronosticar X a
partir de Y ser:
a) 090
b) 040
c) 036.
34.- En la siguiente tabla se muestran los valores de dos variables:
X: 1, 2,
3,
4,
Y: 55, 62, 87, 95,
a) X = 145 385 .Y
b) Y = 145 + 385.X
c) Y = 385 + 145.X
35.- Con los datos de la pregunta anterior, el coeficiente de determinacin de la recta de
regresin de Y sobre X vale:
a) 094447
b) 09791
c) 100
36.- Con los datos de la pregunta n 34, la proporcin de variabilidad de Y explicada por
X es igual a:
a) R2xy
b) rxy
c) 1 r2xy
37.- Una medida en que las puntuaciones pronosticadas por una recta de regresin
coinciden con las puntuaciones empricas es:
a) S2y-y
b) S2x
c) S2y
38.- La pendiente de la recta de regresin de Y sobre X y la pendiente de la recta de
regresin de X sobre Y en puntuaciones directas sern iguales:
a) siempre que rxy = ryx
b) siempre que Sx = Sy
c) nunca pueden ser iguales.
39.- En la figura 1 del examen de Sep. 2002 Mod. A (ver) aparece el grfico de
dispersin de un conjunto de datos. Sin hacer clculos, podemos afirmar que:
a) la relacin entre X e Y no es lineal
b) la pendiente de la recta de regresin ser positiva
c) la pendiente de la recta de regresin ser negativa.
40.- Disponemos de dos tests X1 y X2 que se utilizan para predecir el rendimiento

acadmico Y. Si el coeficiente de correlacin entre X1 e Y vale 0790 y entre X2 e Y
vale -080, qu test utilizaramos para pronosticar el rendimiento acadmico?:
a) el test X1, porque tiene una relacin directa con Y
b) el test X2 porque el CD es superior al del X1
c) es indiferente, porque ambos coeficientes de correlacin son elevados.
41.- La varianza de la variable Y es igual a 200 y la varianza de los errores es igual a 72.
Cunto vale el coeficiente de correlacin de Pearson, sabiendo que es positivo?:
a) 064
b) 036
c) 080
42.- La ecuacin de regresin de y sobre x en puntuaciones diferenciales asigna a la
puntuacin x = 3 un pronstico y = 6. si la media de Y vale 5 y la media de X vale 1,
qu pronosticaramos en puntuaciones directas a X = 5?:
a) 13
b) 7
c) no se puede calcular.
43.- El pronstico para las puntuaciones X1 = 4 y X2 = 5 es, respectivamente, Y1 = 6 e
Y2 = 7. Cunto vale la pendiente de la recta de regresin de Y sobre X en
puntuaciones directas?:
a) 1
b) 2
c) 3
44.- Con los siguientes datos, n = 5, sumatorio de X = 10, sumatorio de X2 = 30,
sumatorio de Y = 30, sumatorio de Y2 = 220, sumatorio de XY = 78, el coeficiente de
determinacin vale:
a) 090
b) 081
c) 019
45.- Con los datos de la pregunta anterior, la ecuacin de regresin en puntuaciones
directas vale:
a) Y = 24 + 18.X
b) Y = 24 + 08.X
c) Y = 080 + 18.X
46.- Dados los ndices rxy, byx y ayx, necesariamente tienen el mismo signo:
a) ayx y byx
b) ayx y rxy
c) byx y rxy
47.- La media de los errores de pronstico:

a) es igual a cero
b) depende del coeficiente de correlacin de Pearson; cuanto mayor sea ste, menor ser
la media de los errores
c) puede tomar cualquier valor.
48.- La recta de regresin que mejor se ajusta a los datos de la figura 2 (ver Examen
Jun. 2003 Mod. A) es:
a) Y = 30 + 15.X
b) Y = 40 + 10.X
c) Y = 30 + 05.X
49.- Si utilizamos como recta de regresin Y = 40 + 00.X, estaramos asumiendo que:
a) X no tiene capacidad predictiva respecto a Y
b) que la pendiente vale 40
c) el residuo para X = 2 vale 0.
50.- La pendiente de la recta de regresin de Y sobre X se interpreta como:
a) aumento en Y por unidad de aumento en X
b) los residuos con respecto a la varianza de X
c) las puntuaciones predichas con respecto a las puntuaciones observadas.
51.- Al error tpico de estimacin tambin se le conoce como:

a) desviacin tpica residual
b) desviacin tpica asociada a X
c) desviacin de las puntuaciones predichas.
52.- Para los datos de la Fig. 2 (ver Examen Jun. 2003 Mod. A), el error tpico de
estimacin vale:
a) 075
b) 0707
c) 050.
53.- La relacin existente entre los pronsticos de Y sobre X mediante la recta de
regresin y los residuos es.
a) inversa
b) complementaria
c) independiente.
54.- La media de la variable Y es igual a 4, y la pendiente de la recta de regresin en
puntuaciones directas de Y sobre X vale 5. qu puntuacin directa pronosticaremos a la
puntuacin diferencial x = 2?
a) 10
b) 14
c) no se puede calcular.
55.- La relacin entre dos variables X e Y es directa y la proporcin de varianza no
asociada vale 036. Cunto vale el coeficiente de correlacin de Pearson?:
a) 064
b) 060
c) 080
56.- La recta de regresin de Y sobre X corta al eje de ordenadas en el punto (0,3) y
asigna un pronstico igual a 5 a la puntuacin X = 1, cunto vale la pendiente de la
recta de regresin en puntuaciones directas?:
a) 2
b) 3
c) 4
57.- Considerando los siguientes datos:
X: 0, 0, 1, 1, 3,
Y: 0, 2, 3, 5, 10,
cunto vale la pendiente de la ecuacin de regresin en puntuaciones directas?:
a) 3
b) 1
c) 36
58.- Si el error tpico de estimacin vale cero y la relacin entre X e Y es inversa, qu
valor toma el coeficiente de correlacin de Pearson?:
a) cero
b) 1
c) -1.
59.- La ecuacin de regresin de Y sobre X debe pasar por el siguiente punto:
a) media de X, media de Y
b) 0, byx
c) ayx, byx
60.- La ecuacin de regresin de Y sobre X es igual a Y = 5 + X. Sabiendo que las
desviaciones tpicas de Y y de X son 4 y 2, respectivamente, cunto vale el coeficiente
de correlacin de Pearson?:
a) 1
b) 050
c) cero
61.- En la fig. 1 (ver examen Junio 2003 Mod. F), qu puntuacin, en rendimiento
acadmico, pronosticaremos a un alumno que obtiene en el test una puntuacin de 3
puntos?:
a) 65
b) 78
c) 54
62.- Con los datos de la pregunta anterior, cunto vale el error de pronstico de un
alumno que obtiene 4 puntos en el test de razonamiento numrico?:
a) 060
b) 740
c) 2
63.- Con los datos de la pregunta nmero 61, qu proporcin de varianza de las
puntuaciones en rendimiento acadmico estar explicada por otras variables distintas del
razonamiento numrico?:
a) aproximadamente el 9760 %
b) aproximadamente el 290 %
c) no lo podemos saber.
64.- Con los datos de la pregunta n 61, cunto vale la varianza de las puntuaciones
pronosticadas?:
a) 8
b) la misma que la varianza de las puntuaciones empricas.
c) 7
65.- Qu se entiende por error tpico de estimacin?:
a) la diferencia entre las puntuaciones observadas y las pronosticadas por la ecuacin de
regresin
b) las puntuaciones tpicas de las puntuaciones pronosticadas
c) la desviacin tpica de los errores de pronstico.
66.- Cundo podemos decir que el ajuste de una recta de regresin a los datos
observados es bueno:
a) cuando la varianza de los errores de aproxima a uno
b) cuando la proporcin de varianza de la variable dependiente explicada por la variable
independiente se aproxima a uno
c) cuando mayor sea la varianza de los errores de pronstico.
67.- El coeficiente de determinacin es:
a) el cuadrado del coeficiente de correlacin de Pearson
b) la ordenada en el origen de la ecuacin de regresin
c) la proporcin de varianza no explicada por la regresin
68.- En cul de las siguientes situaciones la pendiente de regresin para pronosticar Y

sobre X es igual a la pendiente de regresin para pronosticar X a partir de Y:
a) cuando el coeficiente de correlacin de Pearson entre X e Y es igual a 1
b) cuando las varianzas de X e Y son iguales
c) cuando las rectas de regresin se expresan en puntuaciones diferenciales.
69.- A partir de un conjunto de datos se ajusta una recta, y se observa que la proporcin
de varianza explicada es igual a la proporcin de varianza no explicada. Cul es, en
valor absoluto, el coeficiente de correlacin de Pearson?:
a) 07071
b) 08210
c) 06512
70.- Sabiendo que una recta de regresin expresada en tpicas es Zy = 0.65.Zx, cul es
la desviacin tpica de los pronsticos tipificados?:
a) 04225
b) 065
c) 1
71.- Con los datos de la siguiente tabla: X: 3, 5, 5, 7, 4,
Y: 2, 4, 3, 7, 1,
cul es el valor de la pendiente de regresin para pronosticar Y a partir de X?:
a) 0908
b) 0389
c) 1409
72.- Con los datos de la pregunta anterior, cul es el error tpico de estimacin al
predecir Y a partir de X?:
a) 0746
b) 1869
c) 0864
73.- Para un conjunto de datos la recta de regresin es Y = 087.X + 235, qu
puntuacin diferencial pronosticaremos a un sujeto que ha obtenido una puntuacin
diferencial en la variable X igual a -3?:
a) -026
b) -496
c) -261
74.- Despus de ajustar una recta de regresin a un conjunto de datos, a un sujeto que ha
obtenido 5 puntos en la variable X se le pronostica el valor 75 en la variable Y, y a otro
que ha obtenido 8 puntos en X se le pronostica 99 en Y. Cul es la pendiente de la
recta de regresin que se ha ajustado?:
a) 12
b) 080
c) no hay datos suficientes.
75.- La ecuacin de regresin de Y sobre W es Y = 3 + 2.X, y las varianzas de X e Y,

respectivamente, 40 y 200. Cunto vale el coeficiente de correlacin de Pearson al
cuadrado?:
a) 080
b) -080
c) 064.
76.- Si consideramos las ecuaciones de regresin en puntuaciones directas, diferenciales
y tpicas de Y sobre X, para cules de ellas son iguales los errores tpicos de
prediccin?:
a) para las directas y diferenciales
b) para las directas y tpicas
c) para las diferenciales y tpicas.
77.-Sabiendo que el coeficiente de determinacin entre X e Y vale 036, y que la

desviacin tpica de Y vale 10, qu valor toma la varianza de los pronsticos de Y
sobre X?:
a) 64
b) 36
c) 6
78.- Las puntuaciones de cinco sujetos en dos variables X e Y son los siguientes: (1,4),
(2,0), (0,4), (4,8), (3,6). Cunto vale la pendiente de la recta de regresin de Y sobre X
en puntuaciones directas?:
a) 16
b) 12
c) 06
79.- La ecuacin de regresin en puntuaciones diferenciales tiene en comn con la

ecuacin de regresin en puntuaciones tpicas:
a) en ambas la ordenada en el origen es cero
b) la misma pendiente
c) ninguna de las anteriores.
80.- La ecuacin de regresin de Y sobre X es igual a Y = 1 + 5.X, y con un sujeto que

ha obtenido una puntuacin en Y = 14, se ha cometido un error de prediccin igual a Y
Y = 3; cunto vale la puntuacin de este sujeto en la variable X?:
a) 11
b) 2
c) 10
81.- Cul de los siguientes trminos toma el mismo valor en las ecuaciones de
regresin de Y sobre X y de X sobre Y?:
a) la pendiente
b) la ordenada
c) el coeficiente de determinacin.
82.- En slo una de las tres condiciones propuestas a continuacin se cumple que las
pendientes de regresin que pronostican Y a partir de X es igual a la pendiente para
pronosticar X a partir de Y:
a) cuando el coeficiente de correlacin de Pearson es igual a 1
b) cuando las varianzas de X e Y son iguales
c) cuando la varianza del error de pronstico es igual a 0.
83.- Cuando se expresa una ecuacin de regresin en puntuacin diferenciales, el valor
de la pendiente es:
a) igual al coeficiente de correlacin de Pearson
b) igual a la pendiente en puntuaciones directas
c) igual a la pendiente en puntuaciones directas, menos la media de la variable
independiente.
84.- En el anlisis de regresin lineal simple, cul de los siguientes estadsticos
cuantifican el ajuste de los datos a la recta de regresin?:
a) el cuadrado del coeficiente de correlacin de Pearson
b) la varianza de la variable independiente
c) la pendiente de la recta de regresin
85.- Para los datos de la siguiente tabla:
X: 2, 3, 5, 7, 9, 10,
Y: 8, 9, 7, 12, 12, 12,
cul es la recta de regresin expresada en puntuaciones tpicas?:
a) Zy = 1234.Zx
b) Zy = 0645.Zx
c) Zy = 0816.Zx
86.- Para los datos de la pregunta anterior, qu porcentaje de variabilidad de Y es
explicado por la variabilidad de X?:
a) 546 %
b) 586 %
c) 666 %
87.- Considerando los datos de las dos preguntas anteriores, cul es el valor de la
pendiente de la ecuacin de regresin para el pronstico de Y a partir de X?:
a) 05769
b) 04673
c) 08025
88.- Considerando los datos de las tres preguntas anteriores, cul es, aproximadamente,
el error tpico de estimacin?:
a) 225
b) 312
c) 120
89.- Considerando los datos de la siguiente tabla:
X: 1, 3, 5, 7, 9, 11,
Y: 6, 5, 4, 3, 2, 8,
Cunto vale la ordenada en el origen de la ecuacin de regresin que permite
pronosticar la variable Y en funcin de la variable X?:
a) 467
b) 067
c) 0
90.- Cunto vale la varianza de los errores de pronstico de la ecuacin de regresin de
Y sobre X de los datos de la pregunta anterior?:
a) 467
b) 389
c) 197
91.- Considerando los datos de las dos preguntas anteriores, cunto vale la pendiente
de la ecuacin de regresin que permite pronosticar la variable Y a partir de la variable
X?:
a) 467
b) 067
c) 0
92.- Eliminando el par de valores ms atpicos de la tabla de la pregunta n 89, cunto
vale la pendiente de la ecuacin de regresin que permite pronosticar la variable Y en
funcin de la variable X?:
a) 0
b) -65
c) -05
93.- Eliminando el par de valores ms atpicos de la tabla de la pregunta n 89:
a) la variable X explica el total de la variabilidad de la variable Y
b) la variable X explica la mayor parte de la varianza de la variable Y
c) no cambia la proporcin de varianza de la variable Y que se debe a la varianza de la
variable X
94.- Qu proporcin de la variabilidad de Y se explica por la variabilidad de X para los
datos de la pregunta n 89?:
a) 1
b) 100
c) 0
95.- El ajuste de la ecuacin de regresin para pronosticar las puntuaciones en la prueba

Y a partir de la prueba X es, para los datos de la tabla de la pregunta n 89:
a) muy bueno
b) muy malo
c) no se cuantifica
96.- Cul de los sujetos de la tabla 1 de la pregunta n 89 representa un par de valores
atpicos?:
a) A
b) D
c) F
97.- Sea Y = a + b.X la ecuacin de regresin lineal de Y sobre X. Si la varianza de
error es igual a cero, cunto vale el coeficiente de determinacin?:
a) 1
b) cero
c) -1
98.- Sabiendo que la ecuacin de regresin en puntuaciones directas de Y sobre X
asigna a las puntuaciones X1 = 1 y X2 = -1 los siguientes pronsticos Y1 = 4 e Y2 = 2,
cunto vale la pendiente de la recta de regresin?:
a) 3
b) 1
c) 2
99.- La puntuacin tpica pronosticada a una puntuacin directa X igual a la media
aritmtica, ser igual a:
a) cero
b) uno
c) depende del valor del coeficiente de correlacin de Pearson
100.- Las puntuaciones de cuatro sujetos en X e Y son las siguientes: (1,3), (3,7), (2,5) y
(0,1). Cunto valdr la ordenada en el origen?:
a) 3
b) 2
c) 1
101.- Un sujeto obtiene una puntuacin diferencial x = 2 y una puntuacin directa X =
7. Sabemos que para este sujeto sus pronsticos en diferenciales y directas son y = 10 e
Y = 38. Cunto vale la ordenada en el origen en puntuaciones directas?:
a) 7
b) cero
c) 3
102.- Sabiendo que la pendiente de la recta de regresin de X sobre Y es igual al

coeficiente de determinacin, cunto valdr la pendiente de la recta de regresin de Y
sobre X?:
a) cero
b) uno
c) nos faltan datos para calcularlo
103.- La media de los errores en la ecuacin de regresin lineal simple cumple que:
a) aumenta cuando disminuye rxy
b) depende de las unidades de medida de X e Y
c) es siempre igual a cero
104.- La fig. 1 del examen de Junio 2004, Mod. G recoge el diagrama de dispersin de
dos variables X e Y. A partir de esta grfica, podemos deducir que:
a) el coeficiente de correlacin de Pearson vale 1
b) la pendiente de la recta de Y sobre X es positiva
c) la pendiente de la recta de Y sobre X es negativa.
105.- En la ecuacin de regresin, la varianza de las puntuaciones pronosticadas es igual
a:
a) la varianza de las observadas ms la varianza de los errores
b) la varianza de los errores menos la varianza de las observadas
c) la varianza de las observadas menos la varianza de los errores.
106.- El coeficiente de correlacin de Pearson entre dos variables X e Y vale 060 y la
pendiente para pronosticar Y a partir de X vale 090. La pendiente para pronosticar X a
partir de Y ser:
a) 090
b) 040
c) 036
107.- A partir de los datos de la siguiente tabla:
X: 29, 27, 30, 33, 31,
Y: 6, 4,
7, 8, 10,
Y: 62, 46, 7, 94, 78
a) Y = 080.X 17
b) Y = -2.X + 13
c) X = 080.Y 17
108.- Con los datos de la tabla de la pregunta anterior, el error que cometemos al
pronosticar la puntuacin en Y del sujeto que ha obtenido 33 puntos en X ser?:
a) 22
b) -14
c) 0
109.- La ecuacin de regresin de la tabla de la pregunta n 107 expresada en

puntuaciones diferenciales o de desviacin es:
a) y = 2.x
b) y = x
c) y = 080.x
110.- A partir de los datos de las tres preguntas anteriores, la varianza de los errores al
utilizar la recta de regresin de Y sobre X vale:
a) 72
b) 144
c) 5
111.- Un psiclogo industrial ha desarrollado un test (X) para predecir el rendimiento de
los controladores areos (Y). Utiliz una muestra de 5 sujetos, obteniendo las
puntuaciones (5,10) (6,8) (9,11) (7,9) (10,10). En esta situacin, la ecuacin de la recta
de regresin por mnimos cuadrados es:
a) Y = 753 + 028.X
b) Y = 573 + 82.X
c) Y = 835 + 017.X
112.- Con los datos de la pregunta anterior, la proporcin de varianza de Y explicada
por X es, aproximadamente:
a) 050
b) 026
c) 033
113.- Con los datos de la pregunta n 111, el error tpico de estimacin vale,
aproximadamente:
a) 1598
b) 1019
c) 0879
114.- En una regresin lineal, cuando el nico pronstico que podemos hacer de la
variable dependiente es su media aritmtica es porque:
a) Sumatorio (Yi - Yi) 2 = 0
b) Sxy = 0
c) Sxy > 1
115.- Con los datos de la pregunta n 111, el valor de la pendiente para la recta de
regresin de X sobre Y vale:
a) 0553
b) 0279
c) 0923.
116.- En el contexto de la regresin lineal, la varianza de la variable dependiente Y se

puede considerar como:
a) S2y + S2error
b) S2y + S2(y-x)
c) S2x + S2(y-y)
117.- Cuando expresamos la ecuacin de regresin en trminos de las puntuaciones
diferenciales, lo que estamos haciendo es:
a) modificar la pendiente de la recta de regresin para que se ajuste a las puntuaciones Z
b) lograr que los valores pronosticados se siten sobre la recta
c) trasladar el origen del eje de coordenadas al punto (media X, Media Y)
118.- Sabemos que las puntuaciones de cinco alumnos en un test de memoria (variable
X) y el nmero de errores en una prueba de reconocimiento de palabras (variable Y)
son:
X:
2, 3, 3,
4,
5,
Y:
7, 5, 4,
4,
2,
Cul es la ecuacin que permite pronosticar los errores cometidos a partir de las
puntuaciones del test de memoria?:
a) Y = 95 15.X
b) X = 6 0591.Y
c) y = -05.x
119.- Para los datos de la pregunta anterior, cul es el error tpico de estimacin?:
a) 0548
b) 0356
c) 1526
120.- La ordenada en el origen de la ecuacin de regresin para pronosticar Y a partir de

X es:
a) la misma que se obtiene con la ecuacin de regresin en puntuaciones diferenciales
b) la misma que se obtiene con la ecuacin de regresin en puntuaciones tpicas
c) el valor que pronosticamos a Y cuando X vale cero.
121.- El error tpico de estimacin es:

a) la desviacin tpica de los errores de pronstico
b) la varianza de los errores de pronstico
c) la desviacin tpica de las puntuaciones estimadas o pronosticadas con la ecuacin de
regresin.
122.- El error de pronstico en la ecuacin de Y sobre X es:

a) la diferencia entre la puntuacin X y la pronosticada en Y con la ecuacin de
regresin
b) la diferencia entre la puntuacin observada y la pronosticada Y con la ecuacin de
regresin
c) el que se comete al pronosticar X a partir de Y.
123.- El ajuste de la ecuacin de regresin de Y sobre X para los datos de la tabla de la
pregunta n 118 es:
a) bastante bueno porque X explica el 8864 % de la varianza de Y
b) bastante malo porque X explica slo el 1136 % de la varianza de Y
c) malo porque la varianza de los errores es tan pequea como 030.
124.- Si la varianza de los errores es 030 y la varianza de las puntuaciones observadas
es 264, entonces la desviacin tpica de las puntuaciones pronosticadas es:
a) 294
b) 234
c) 153
125.- La pendiente de la ecuacin de regresin para pronosticar Y a partir de X, en
puntuaciones directas, es la misma que la pendiente de la ecuacin de regresin:
a) de X sobre Y en puntuaciones diferenciales
b) de y sobre x
c) de Zy sobre Zx.
126.- Para los datos de la tabla de la pregunta n 118, en la ecuacin de regresin para
pronosticar el nmero de palabras (Y) a partir de las puntuaciones en el test de memoria
(X), la proporcin de varianza de Y explicada por X viene dada por:
a) el cociente entre la varianza de los errores cometidos y la varianza total
b) el cuadrado del coeficiente de correlacin de Pearson
c) la varianza de los errores de pronstico.
127.- Cuando calculamos la ecuacin de regresin de Y sobre X, la media de los
errores:
a) aumenta a medida que disminuye rxy
b) es menor cuanto ms pequeo sea rxy
c) siempre es igual a cero.
128.- Llamamos puntuaciones pseudotpicas a:
a) las puntuaciones tpicas de los errores
b) las puntuaciones tpicas pronosticadas
c) las puntuaciones tpicas de la variable Y
129.- Las puntuaciones directas de cinco sujetos en las variables X e Y,

respectivamente, son: (0,6) (1,8) (2,4) (3,2) (4,0). Cunto vale la pendiente de la
ecuacin de regresin de Y sobre X?:
a) 76
b) 18
c) 045
130.- Si al calcular la recta de regresin de Y sobre X en puntuaciones directas
obtenemos un valor a = 0, necesariamente son iguales las rectas de regresin:
a) en directas y en diferenciales
b) en directas y en tpicas
c) en tpicas y en diferenciales
__
__
131.- Sabiendo que X = 3, Y = 7 y que para una puntuacin X = 4 el pronstico en Y es
9, cunto vale la ordenada en el origen de la recta de regresin de Y sobre X en
puntuaciones directas?:
a) 1
b) 2
c) 3
132.- Sabiendo que la varianza de error, S2y.x = 40 y que el coeficiente de determinacin
es igual a 080, cunto vale S2y?:
a) 200
b) 160
c) 40
133.- La ecuacin de regresin en puntuaciones directas asigna a la puntuacin X = 1 un
pronstico Y = 5, y en puntuaciones diferenciales tenemos que para x = 4, el pronstico
en diferenciales es y = 8. Cunto vale la ordenada en el origen a?:
a) 1
b) 2
c) 3
134.- En un estudio con una muestra de 100 nios de analiz la relacin entre la
variable motivacin de logro, X, medida a travs de un test de 5 tems y las
calificaciones escolares de esos alumnos, Y. en la tabla siguiente se muestran algunos
estadsticos obtenidos con los datos de la muestra:
Variable
Motiv.(X)
Calif. (Y)
Media
275
475
Mediana
200
400
Desv.Tpica
149
225
Asimetra
075
060
Con estos datos, la varianza de los residuos o errores es igual a:

a) 1711
b) 0354
c) 0778
rxy
092
135.- El intercepto u ordenada en el origen en una recta de regresin es el valor que

adopta:
a) la variable independiente cuando la dependiente es igual a cero
b) la variable dependiente cuando la independiente es igual a cero
c) la variable independiente cuando la dependiente est en el origen
136.- En una recta de regresin, la media de los pronsticos y la media de la variable
dependiente:
a) siempre coinciden
b) slo coinciden cuando la recta presenta una gran pendiente
c) no coinciden nunca
137.- Con los datos de la pregunta n 134, la pendiente de la recta de regresin de las
calificaciones sobre la motivacin de logro, en puntuaciones diferenciales:
a) 0609
b) 1389
c) 0920
138.- La pendiente de una recta de regresin mide la variacin que se produce:
a) en la variable dependiente cuando la variable independiente vara una unidad
b) en la variable independiente cuando la variable dependiente vara una unidad
c) en la variable dependiente cuando la variable independiente vara de forma
significativa
139.- Con los datos de la pregunta n 134, la proporcin de varianza de las

calificaciones que es explicada por la varianza de los pronsticos es:
a) 0846
b) 0662
c) 0930
140.- Con los datos de la pregunta n 134, la recta de regresin en puntuaciones directas
tiene un intercepto u ordenada en el origen de:
a) 0930
b) 0143
c) 0
141.- Conocemos las puntuaciones de cinco sujetos en dos variables X e Y:
X:
4
6
9
12
14
Y:
6
5
10
12
8
Cul es el valor de la proporcin de varianza de Y no explicada por X?:
a) 0569
b) 0431
c) 0656
142.- Para los datos de la pregunta n 141, cul es el valor de la suma de cuadrados de
Y?:
a) 403
b) 431
c) 328
143.- Para los datos de la pregunta n 141, para la puntuacin 12 en X, cul sera,
aproximadamente, el error de pronstico?:
a) 243
b) 957
c) 137
144.- La recta de regresin para pronosticar Y a partir de X e: Y = 15 + 09.X. En
consecuencia, el coeficiente de correlacin de Pearson entre X e Y:
a) est comprendido entre -1 y 0
b) est comprendido entre 0 y 1
c) es imposible determinar el rango de valores del coeficiente
145.- El coeficiente de correlacin entre dos variables X e Y, vale 08 y la ecuacin de
regresin para pronosticar Y a partir de X es, Y = 15 + 15.X, Cul ser la pendiente
de la recta de regresin para pronosticar X a partir de Y?:
a) 0363
b) 0264
c) 0427
146.- Se ajusta un modelo de regresin y se observa que la varianza de los pronsticos
es exactamente la mitad de la varianza de la variable dependiente Y, Cul ser el valor
del coeficiente de determinacin?:
a) 070
b) 060
c) 050
147.- El error tpico de estimacin cuando se ajusta una recta de regresin es:
a) la varianza de las puntuaciones pronosticadas
b) la raz cuadrada de la varianza de los errores
c) la desviacin tpica de la variable Y
148.- En cul de las siguientes ecuaciones de regresin podemos decir que la variable
X tiene escasa capacidad predictiva respecto a Y?:
a) Y = 006 587.X
b) Y = -1241 + 291.X
c) Y = 361 + 0002.X
149.- De la expresin S2y.x = S2y (1 r2xy) se deduce que:

a) a mayor proporcin de varianza comn entre X e Y, menor varianza de los errores
b) a mayor proporcin de varianza explicada, mayor varianza de los errores
c) a mayor varianza de las puntuaciones observadas en Y, menor varianza de los errores.
150.- De entre todas las rectas que podemos ajustar a una nube de puntos, cul es la
mejor?:
a) la que hace mnima los errores absolutos de pronstico
b) la que hace mnima la suma de los cuadrados de los errores de pronstico
c) la que hace mnima la suma de los errores absolutos de pronstico.
151.- La siguiente tabla recoge la edad de unos nios (X) y su puntuacin en una prueba
(Y) que mide el temor a asistir al mdico (ETAM):
X:
2 6 4 5 8 7 10 9 12 12
Y:
4 6 5 4 8 9 11 3 11 13
Cunto vale la suma de productos cruzados?:
a) 636
b) 81
c) 366
152.- La afirmacin: el 5913 % de la varianza de las puntuaciones de los nios en la
escala de temor a asistir al mdico (ETAM) se debe a la edad, es:
a) verdadera, porque el coeficiente de determinacin vale 059 aproximadamente
b) falsa, porque el coeficiente de correlacin de Pearson vale 0769 aproximadamente
c) verdadera, porque el coeficiente de correlacin de Pearson vale 05913
aproximadamente
153.- Con relacin a los datos de la pregunta n 151, la puntuacin de la escala de temor
para un nio de 11 aos es:
a) 1176
b) 1201
c) 1022
154.- Con relacin a los datos de la pregunta n 151, la pendiente de la ecuacin de

regresin, en puntuaciones diferenciales, para pronosticar las puntuaciones de la escala
de ETAM a partir de la edad es:
a) 0806
b) 1355
c) 0908
ANALISIS DE DATOS I TEMA 11 SOLUCIONES

N------Sol.---Examen
1
2
3
4
5
b
c
b
a
a
----------------------------------------------
6
7
8
9
10
c
c
c
a
b
---------------------------Junio 2002 Mod. A n 1

Junio 2002 Mod. A n 2
11
12
13
14
15
c
b
b
b
b

16
17
18
19
20
a
a,c
a
c
a

Junio 2002 Mod. D n 1
21
22
23
24
25
b
a
b
b
b

26
27
28
29
30
a
b
c
b
a
Junio 2002 Mod. E n 1

31
32
33
34
35
a
c
b
c
a

Sep. 2002 Mod. A n 3
36
37
38
a
a
b

39
40
c
b

Sep. 2002 R Mod. G n 1
41
42
43
44
45
c
a
a
b
a

46
47
48
49
50
c
a
c
a
a

51
52
53
54
55
a
b
c
b
c

56
57
58
59
60
a
a
c
a
b

61
62
63
64
65
c
a
b
a
c
Junio 2003 Mod. F n 1

66
67
68
69
70
b
a
b
a
b

71
72
73
74
75
c
c
c
b
a

76
77
78
79
80
a
b
b
a
b

81
82
83
84
85
c
b
b
a
c

Junio 2004 1 V Mod. A n 1
86
87
88
89
90
c
a
c
a
b

91
92
93
94
95
c
c
a
c
b

96
97
98
99
100
c
a
b
a
c

Junio 2004 Extr. Mod. E n 1
101
102
103
104
105
c
b
c
b
c

Junio 2004 Extr. Mod. G n 1
106
107
108
109
110
b
a
b
c
b

111
112
113
114
115
a
b
c
b
c

116
117
118
119
120
a
c
a
a
c

Sep. 2004 R Mod. F n 1
121
122
a
b

123
124
125
a
c
b

126
127
128
129
130
b
c
b
b
a

131
132
133
134
135
a
a
c
c
b

136
137
138
139
140
a
b
a
a
a

141
142
143
144
145
a
c
a
b
c

146
147
148
149
150
c
b
c
a
b

151
152
153
154
a
a
c
a

ANALISIS DE DATOS I TEMA 11 SOLUCIONES RAZONADAS.

__
1.- Sabemos que rxy = 065, que X = 25, Sx = 10 y debemos averiguar Zy, si X = 30
La ecuacin de pronstico de Y sobre X en puntuaciones tpicas es (pg. 21 formulario):
Zy = rxy . Zx
Conocemos el coeficiente de correlacin, slo nos falta saber Zx, que la calcularemos:
__
Xi X
30 25
Zx = ------------ = ------------- = 050
Sx
10
Por lo tanto, Zy = 065 . 050 = 0325.
Luego la correcta es la b)
------------------------------------------2.- La ecuacin de pronstico de Y sobre X en puntuaciones tpicas es (pg. 21
formulario):
Zy = rxy . Zx
Por lo tanto, slo necesitaremos el valor del coeficiente de correlacin de Pearson, rxy;
como conocemos las puntuaciones directas de todos los sujetos en ambas variables, las
introducimos en la calculadora, en el MODE REG, para obtener:
rxy = - 094 (ahorrndonos el clculo en puntuaciones directas con la frmula
de la pg. 20 del formulario)
Zy = - 094 . Zx
Luego la correcta es la c)
-------------------------------------------3.- Sabemos que rxy > 0, que S2y / S2y = 36 % = r2xy, que Sx = 8 y Sy = 6,
La ecuacin de regresin de Y sobre X en puntaciones diferenciales es (pg. 21
formulario):
y = b. x
Por lo tanto, bastar con averiguar el valor de la pendiente b.
Con los datos ofrecidos por el enunciado, la obtendremos a travs de la relacin (pg.
21 formulario):
Sy
b = rxy . ------Sx
Conocemos las desviaciones tpicas, slo debemos averiguar el valor del coeficiente de
correlacin, a travs de su cuadrado, que es la proporcin de varianza de Y asociada a
X:
_____
Si r2xy = 036, entonces rxy = 036 = 060 (ya que rxy > 0)
6
Por lo tanto, b = 060. ------- = 045; de modo que
8
y = 045 . x
Nota.- La opcin c) es imposible, ya que rxy > 0, y el signo de la pendiente b es el
mismo que el del coeficiente de correlacin, luego en este caso slo puede ser b > 0.
-------------------------------------------4.- La proporcin de varianza explicada viene representada por (pg. 21 formulario):
S2y
S2y.x
---- = 1 - --------- = r2xy
S2y
S2y
0
Si Sy.x = 0, entonces r2xy = 1 - ------- = 1
S2y
Luego la correcta es la a)
-------------------------------------------5.- Sabemos que rxy = 095 y S2y = 4, La varianza de Y no explicada por X = Varianza
de error = S2y.x la hallaremos buscando donde aparezca relacionada con los datos que
nos ofrece el problema.
Los tres datos aparecen en la frmula de la proporcin de varianza de error o
proporcin de varianza de Y no asociada a X, de donde se puede despejar la varianza de
error (pg. 21 formulario):
S2y.x = S2y ( 1 r2xy) =
4. (1 0952) = 039
----------------------------------------------6.- Si rxy = 064, sabemos que la proporcin de varianza de Y explicada por la
variabilidad de X coincide con el valor de r2xy (pg. 336 L.T. y pg. 21 formulario),
por lo tanto:
r2xy = 0642 = 04096 = 4096 %

-----------------------------------------------7.- La relacin entre la adecuacin del modelo lineal (r2xy) a unos datos y el error tpico
(Sy.x) es inversa:
Por lo tanto, a menor error tpico, mejor ajuste, (pg. 337 L.T. y pg. 21
formulario)
-------------------------------------------------8.- Si Zy = 060 . Zx, sabemos que rxy = 060, ya que la ecuacin de pronstico en
puntuaciones tpicas es (pg. 21 formulario):
Zy = rxy . Zx
La proporcin de varianza de Y explicada por X es (pg. 21 formulario):
S2y
------ = r2xy = 0602 = 036 = 36 %
S2y
-----------------------------------------------------__
__
9.- Sabemos que xy = 84, x2 = 100, y2 = 144, X = 120 Y = 100
El coeficiente de correlacin, conocidos los datos resumidos (sumatorios) de las
puntuaciones diferenciales, lo obtendremos a partir de la frmula (pg. 20 formulario):
xy
84
rxy = ----------------------- = ------------------ =

x2 . y 2
100 . 144
070
------------------------------------------------------10.- La proporcin de varianza de error = La proporcin de varianza de Y no explicada
por X es (pg. 21 formulario):
1 r2xy = 1 0702 = 051 = 51 %
------------------------------------------------------11.- La pendiente b podemos obtenerla a partir de las puntuaciones diferenciales, a
travs de la frmula (pg. 21 formulario):
xy
84
b = -------- = -------- = 084
100
x2
-----------------------------------------------12.- La ecuacin de regresin de Y sobre X en puntuaciones diferenciales es (pg. 21
formulario):
y = b. x
Con el dato que hemos obtenido en la pregunta anterior, b = 084, tenemos que :
y = 084 . x
------------------------------------------------13.- Las Sumas de Cuadrados aparecen en la pg. 22 del formulario:
SCE = SCY SCR,
SCY = y2 = 144,
SCR = b . xy = 084 . 84 = 7056

SCE = 144 7056 = 7344
--------------------------------------------------14.- Una de las propiedades fundamentales del ajuste por mnimos cuadrados de un
conjunto de datos mediante la recta de regresin es que la varianza de la variable
dependiente Y es igual a la varianza de las puntuaciones pronosticadas ms la varianza
de los residuos:
S2y = S2y + S2y.x
De ello se deduce que los pronsticos y los residuos son independientes, es decir, que su
covarianza es cero. (pg. 334 L.T.)
15.- Si rxy = 0, entonces la proporcin de varianza explicada es cero, de donde se deduce

que S2y = 0, por lo que entonces:
S2y = S2y + S2y.x
S2y = S2y.x
(pg. 21 formulario)
-----------------------------------------16.- Sabemos que si X = 5, entonces Y = 52 y que si X = 75, entonces Y = 75, y
nos piden hallar el valor de la pendiente b.
La pendiente b indica la variacin que se produce en Y cuando X vara una unidad.
(pg. 324 L.T.)
Conocidas las coordenadas de dos puntos de la recta, la pendiente de recta ser:
(Y1 Y2)
75 52
b = --------------- = ------------------ = 092
(X1 X2)
75 5
Tambin podramos hallar el valor de la pendiente sustituyendo ambos pares de
coordenadas en la ecuacin de regresin (pg. 21 formulario) y resolviendo por
reduccin el sistema de dos ecuaciones obtenido:
52 = a + b. 5
75 = a + b. 75
---------------------------(75 52) = 0 75 b 5 b , 23 = 25 b, b = 23 / 25 = 092
Nota.- Tambin los podemos introducir en la calculadora, en el MODE REG y obtener
a y b.
-------------------------------------------17.- Conociendo los datos de todos los sujetos en ambas variables X e Y, los
introduciremos en la memoria de la calculadora, en el MODE REG, para obtener los
coeficientes de regresin de la ecuacin de pronstico de Y sobre X en puntuaciones
directas (pg. 21 formulario):
a = 95 y b = - 15,
Y = 95 15. X
Nota.- Tambin la c) es verdadera, si escribimos la ecuacin en puntuaciones
diferenciales.
-----------------------------------------------
__________
18.- Sabemos que
Sy.x = Sy . 1 r2xy
(pg. 21 formulario)
De los datos de la calculadora obtendremos tambin rxy = - 094, Sy = 162, por lo

tanto:
___________
Sy.x = 162 . 1 (-094) 2 = 055
-------------------------------------------19.- En la ecuacin de pronstico de Y sobre X, la ordenada en el origen a es el valor
que pronosticamos a Y cuando X toma el valor 0 (pg. 324 L.T.)
Vemos que para
Y = a + b .X (pg. 21 formulario)
Si X = 0, Y = a + b .0 Y = a
La opcin a) es falsa.- En puntuaciones diferenciales a = 0 siempre
La opcin b) es falsa.- En puntuaciones tpicas a = 0 siempre
-----------------------------------------------20.- El error tipico de estimacin se representa por Sy.x y es la desviacin tpica de los
errores. (pg. 333 L.T.)
------------------------------------------------21.- El pronstico que se hace de la variable dependiente, Yi, para cada valor de la
variable independiente, puede no coincidir con su valor real. A esa diferencia entre el
valor real y el pronstico se le da el nombre de residuo o error de pronstico. (pg. 325
L.T. y pg. 21 formulario)
i = Yi Yi
-------------------------------------------------22.- En la pregunta n 17 tenamos los datos directos de todos los sujetos en ambas
variables, lo que nos ha permitido introducirlos en la calculadora, en el MODE REG, y
obtener el valor del coeficiente de correlacin de Pearson, rxy = -094
El ajuste de la recta a los datos viene expresado por el coeficiente de
determinacin, que es el cuadrado del coeficiente de correlacin de Pearson (R2xy) (pg.
336 L.T.)
Para nuestros datos: R2xy = (-094)2 = 08864
Lo que indica un ajuste bastante bueno, ya que el 8864 % de la variabilidad de

Y es explicada por la variabilidad de X.
-------------------------------------------23.- Una de las propiedades fundamentales del ajuste por mnimos cuadrados es que:
S2y = S2y + S2y.x
(pg. 334 L.T. y pg. 21 formulario)
Sabemos que S2y.x = 030 y que S2y = 264, por lo tanto:

S2y = S2y S2y.x = 264 030 = 234
Nota.- Ntese que la opcin a) es imposible, ya que tanto la varianza de los pronsticos
como la varianza de los errores siempre han de ser menores que la varianza total.
-------------------------------------------24.- Si observamos las ecuaciones
21 formulario):
En Puntuaciones Directas:
En Puntuaciones Diferenciales:
En Puntuaciones Tpicas:
de pronstico en las tres escalas observaremos (pg.

ordenada: a
ordenada: 0
ordenada: 0
pendiente: b
pendiente. b
pendiente: rxy
La opcin a) es falsa.- b es la pendiente de la recta de regresin de Y sobre X y d es la

pendiente de la recta de regresin de X sobre Y; no tienen por qu coincidir.
La opcin b) es verdadera.- Ver explicacin anterior.
La opcin c) es falsa.- Ver explicacin
-----------------------------------------------25.- El cuadrado del coeficiente de correlacin de Pearson (R2xy) en el contexto de la
regresin lineal bivariada, es la proporcin de variabilidad de la variable dependiente
que es explicada por (o esta asociada a) la variabilidad de la variable independiente, y
que recibe el nombre de Coeficiente de Determinacin (pg. 336 L.T. y pg. 21
formulario)
-----------------------------------------------
26.- Como conocemos los datos directos de todos los sujetos en ambas variables,
podemos introducirlos en la calculadora, en el MODE REG, para obtener la ecuacin de
regresin de Y sobre X en puntuaciones directas (pg. 21 formulario):
Y = a + b.X,
a = -17 y b = 08,
por lo tanto:
Y = -17 + 08. X
Nota.- En este caso, al conocer los valores de X y sus pronsticos, podramos haber
introducido en la calculadora dos pares de datos, y obtener los mismos coeficientes de
regresin a y b ms rpidamente.
-----------------------------------------27.- El error de pronstico o residuo es la diferencia entre el valor real y el pronosticado
en la variable dependiente. (pg. 325 L.T. y pg. 21 formulario):
i = Yi Yi
Para el sujeto que obtiene una X = 33, el pronstico Y = 94 y el valor real Y = 8, por
lo tanto el error es:
= 8 94 = -14
-------------------------------------------28.- La ecuacin de regresin en puntuaciones diferenciales es (pg. 21 formulario):
y = b. x
De la pregunta n 26 sabemos que b = 080, por lo tanto:
y = 080 . x
---------------------------------------------29.- El concepto que nos piden, dados los datos de la n 26, podemos averiguarlo de
varias formas:
1.- Como conocemos todas las Yi y los pronsticos Yi, podemos calcular S2y y S2y, con
la calculadora en el MODE REG y obtendremos (pg. 21 formulario) que:
S2y.x = S2y S2y =
4 256 = 144
2.- Como tenemos memorizados los datos de X y de Y en la calculadora, podramos

obtener S2y = 4 y rxy = 080, y utilizar la relacin (pg. 21 formulario):
S2y.x = S2y (1 r2xy) = 4 (1 0802) = 144

3.- Y, por ultimo, pero mucho ms pesado, al conocer los verdaderos valores de Y sus
pronsticos Y, podemos obtener los errores de pronstico y aplicar la definicin de la
varianza de error, obteniendo el sumatorio con la calculadora en el MODE SD:
(Yi Yi)2
72
S2y.x = ---------------- = ---------- = 144
N
5
----------------------------------------------30.- La ecuacin de pronstico de Y sobre X en puntuaciones tpicas es (pg. 21
formulario):
Zy = rxy .Zx
Bastar, por tanto, con averiguar el valor del coeficiente de correlacin de Pearson.
Como ya hemos indicado en la n 29, al tener los datos memorizados en la calculadora,
podemos obtener su valor rxy = 080
Por lo tanto,
Zy = 080 .050 = 040
------------------------------------------------31.- La figura recoge el diagrama de dispersin de dos variables cuantitativas X e Y (ver
Tema 8, pg. 251). De su lectura, observamos que a medida que aumenta X aumenta Y,
lo que nos indica una relacin directa, positiva, entre ambas variables.
Esta direccin de la relacin se pone de manifiesto, en el mbito de la regresin
lineal, en el signo del coeficiente de correlacin de Pearson y en el signo de la pendiente
b, que es siempre el mismo para ambos conceptos; positivo en este caso. (pg. 324 L.T.
y pg. 21 formulario)
------------------------------------------------32.- Una de las propiedades fundamentales del ajuste por mnimos cuadrados de un
conjunto de datos mediante la recta de regresin es:
S2y = S2y + S2y.x de donde obtenemos que S2y = S2y S2y.x
----------------------------------33.- Sabemos que rxy = 060 y b = 090, d = ?
En la regresin siempre hay una variable test, que es la base para hacer los
pronsticos (X), y una variable pronosticada (Y). Pero nada impide que se intercambien
los papeles, en teora, pudiendo realizar pronsticos en X, tomando Y como base, y
obtendramos la ecuacin de pronstico de X sobre Y (pg. 22 formulario).
Hay una relacin entre ambas pendientes que es: (pg. 22 formulario)
b . d = r2xy
Por lo tanto: d = r2xy / b = 0602 / 090 = 040
-------------------------------------------34.- La ecuacin de regresin de Y sobre X en puntuaciones directas es (pg. 21
formulario):
Yi = a + b.Xi
Como conocemos los datos directos de todos los sujetos en ambas variables, los
introducimos en la calculadora, en el MODE REG, para obtener a = 385 y b = 145.
Por lo tanto:
Yi = 385 + 145 . Xi
---------------------------------------------2
35.- Llamamos coeficiente de determinacin a R = r xy. (pg. 336 L.T.) Para

obtenerlo, como tenemos los datos memorizados en la calculadora, basta con rxy = 097,
Por lo tanto:
R2 = 0972 = 09447.
----------------------------------------------36.- En el contexto de la regresin lineal bivariada, la proporcin de variabilidad de la
variable dependiente que es explicada por la variable independiente coincide con el
valor del coeficiente de correlacin al cuadrado, y recibe el nombre de coeficiente de
2
2
determinacin (r xy = R ). (pg. 336 L.T.)
37.- En regresin lineal, una medida del ajuste de la recta a los puntos reales viene dado
por el coeficiente de determinacin R2, que vara entre 0 y 1; a mayor R2 mejor ajuste.
Otra medida de la bondad del ajuste, aunque no de carcter relativo como R2, es
la varianza de los errores, S2y.x; a mayor varianza, peor ajuste.
-----------------------------------------------38.- Si observamos el formulario (pg. 21 y 22), veremos que:
b = rxy
Sy
Sx
------ y d = rxy -----Sy
Sx
Por lo tanto, si b = d, Sx y Sy deben ser iguales

------------------------------------------------39.- Similar a la n 31.- La figura recoge el diagrama de dispersin de dos variables
cuantitativas X e Y (ver Tema 8, pg. 251). De su lectura, observamos que a medida que
aumenta X disminuye Y, lo que indica una relacin inversa, negativa. (pg. 324 L.T. y
pg. 21 formulario)
-------------------------------------------------40.- En regresin lineal, una medida del ajuste de la recta a los puntos reales viene dado
por el coeficiente de determinacin R2, que vara entre 0 y 1, a mayor R2 mejor ajuste.
El valor de R2 coincide con el cuadrado del coeficiente de correlacin de
Pearson. Por lo tanto, elegiremos el test 2, porque su R2 es mayor.
--------------------------------------------------41.- Sabemos que S2y = 200, S2y.x = 72 , rxy = ?
De las relaciones entre estos conceptos (pg. 21 formulario) deducimos que:
S2y.x
72
r2xy = 1 - --------- = 1 - ------- = 064
S2y
200
_____
Por lo tanto, rxy = 064 = + 080. Si rxy > 0, entonces = + 080.
---------------------------------------------__
__
42.- Sabemos que x = 3, y = 6, Y = 5, X = 1, Y = ? , si X = 5.
La ecuacin de pronstico en puntuaciones directas de Y sobre X (pg. 21 formulario)
es:
Yi = a + b .Xi
Podemos obtener la pendiente b, porque sabemos que 6 = b .3 , b = 6 / 3 = 2
__
__
Podemos obtener a, ya que a = Y - b . X = 5 2.1 = 3
Por lo tanto:
Y = 3 + 2 . 5 = 13
-------------------------------------------43.- Similar a la n 16 y a la n 26.- Como ya hemos explicado all, lo ms rpido es
introducir los pares, las coordenadas de los dos puntos en la calculadora, en el MODE
REG, y obtendremos b = 1
Tambin podemos calcularlo a travs de un pequeo sistema de dos ecuaciones, que
resolveremos por reduccin, restando la 1 de la segunda:
6 = a + b.4
7 = a + b.5
--------------------1 = / 5b 4b,
1 = b.
O tambin acudir a la definicin de pendiente: es la variacin que se produce en Y

cuando X vara una unidad. Si X pasa de 4 a 5 (1 unidad), b ser el cambio en Y (de 6 a
7) = 1. (pg. 324 L.T.)
------------------------------------------------44.- Sabemos que n = 5, X = 10, X2 = 30, Y = 30, Y2 = 220, XY = 78,
El Coeficiente de Determinacin R2 es el cuadrado del coeficiente de correlacin de
Pearson rxy (pg. 336 L.T. y pg. 21 formulario)
Para hallar el valor de rxy, conociendo los sumatorios de las puntuaciones directas,
utilizaremos la frmula de la pg 20 del formulario:
5.78 10.30
rxy = ------------------------------------ =
(5.30 102) (5.220 302)
90
---------------- = 090
50 . 20
Por lo tanto: R2 = r2xy = 0902 = 081

----------------------------------------45.- La ecuacin de regresin de Y sobre X en puntuaciones directas es (pg. 21
formulario):
Y = a + b.X
Para obtener a y b, conocidos los sumatorios:
5.78 10.30
90
b = ---------------------- = --------- = 18
50
5.30 102
30
10
a = ------- - 18 . ----- = 24
5
5
Por lo tanto:
Y = 24 + 18 . X
--------------------------------------------46.- De los ndices a que se refiere la pregunta:
ayx es la ordenada en el origen; su valor depende de si la recta corta al eje de
ordenadas por encima o por debajo del origen (0,0). (pg. 324 L.T.)
byx es la pendiente; su valor depende de la intensidad de la relacin entre las variables,
y su signo, de la direccin de esa relacin. (pg. 324 L.T. y pg. 21 formulario)
rxy es el coeficiente de correlacin de Pearson; su valor depende de la intensidad de la
relacin entre las variables, y su signo, de la direccin de esa relacin. (pg. 304 L.T. y
pg. 20 formulario)
Por lo tanto, los que siempre tienen el mismo signo son byx y rxy, basta observar
las relaciones entre ambos:
Sx
b = rxy -------Sy
Siendo Sx y Sy siempre > 0, el signo de b ser el mismo que tenga rxy:
-- Si la relacin entre las variables es directa, rxy > 0 y b > 0
-- Si la relacin entre las variables es inversa, rxy < 0 y b < 0

----------------------------------------47.- La Media de los errores es = 0; son errores aleatorios, no sistemticos. Por eso se
sigue el criterio de que la suma cuadrtica de los errores sea mnima. (pg. 326 L.T. y
pg. 21 formulario)
Nota.- La i = 0, La 2i es la que vara segn el valor del coeficiente de correlacin
de Pearson.
------------------------------------------48.- La figura nos suministra los pares de valores de los sujetos en las dos variables:
X:
1
2
3
Y:
3
5
4
Como conocemos los datos directos podemos introducirlos en la calculadora, en el
MODE REG, para obtener los coeficientes de regresin:
a = 3, b = 050
Por lo tanto, la ecuacin de regresin en puntuaciones directas ser:
Y = 3 + 050 . X
--------------------------------------------49.- Si dos variables tienen covarianza 0, la pendiente tambin es cero, ya que, como
podemos ver en la pg. 21 del formulario:
Sxy
b = -----------S2x
y el nico pronstico que podremos hacer de la variable dependiente es su media
aritmtica (pg. 326 L.T.)
Si b = 0, implica que la variable X tienen nula capacidad predictiva sobre Y
-----------------------------------------------
50.- En el modelo de la regresin lineal simple, la pendiente indica la variacin que se

produce en Y cuando X vara una unidad. (pg. 324 L.T.)
-----------------------------------------51.- Similar a la n 20.- El error tpico de estimacin se representa por Sy.x y es la
desviacin tpica de los errores. (pg. 335 L.T.)
La opcin a) es Sy.x
La opcin b) es Sy
La opcin c) es Sy
-------------------------------------------52.- Al igual que en la n 48, la figura nos informa sobre los valores obtenidos por los
sujetos en las dos variables:
X:
1
2
3
Y:
3
5
4
El error tpico lo obtendremos con la frmula (pg. 21 formulario):
_______
Sy.x = Sy . 1 r2xy
Al introducir los datos en la calculadora, en el MODE REG, obtendremos:
Sy = 082 y rxy = 050
________
Por lo tanto, Sy.x = 082 . 1 0502 = 071
--------------------------------------------53.- En la regresin lineal, una de las relaciones fundamentales del ajuste por mnimos
cuadrados de un conjunto de datos es que la variabilidad total es:
S2y = S2y + S2y.x

De la expresin anterior se deduce que los pronsticos y los residuos son
independientes, es decir su covarianza es cero. (pg. 334 L.T.)
-----------------------------------------------
__
54.- Sabemos que Y = 4, b = 5, Si x = 2, Y = ?.
La ecuacin de pronstico de Y sobre X en puntuaciones diferenciales es (pg. 21
formulario):
y = b . x
Si x = 2, y = 5 . 2 = 10, ello significa que est a 10 unidades por encima de la
media (recordemos lo expuesto en el tema 6 sobre las puntuaciones diferenciales, pg.
174 L.T.)
__
__
Sabemos que Y = Y = 4, por lo tanto, Y = 10 + 4 = 14.
--------------------------------------------55.- Sabemos que rxy > 0, y S2y.x / S2y = 036 = 1 r2xy.
Hallaremos el valor del coeficiente de correlacin a travs de la relacin (pg. 21
formulario):
S2y.x
----------- = 1 - r2xy, 036 = 1 r2xy, r2xy = 1 036
S2y
_____
rxy = 064 = 080 (puesto que rxy > 0)
------------------------------------------56.- El valor de la pendiente de la recta de regresin de Y sobre X podemos hallarlo de
varias formas.
1.- Introduciendo las coordenadas del par de puntos de la recta, en el MODE REG, para
obtener:
b = 2 (y a = 3)
2.- Tambin aplicando la definicin de pendiente: es la tasa de cambio que se produce
en Y cuando X vara en una unidad. Si X pasa de 0 a 1, Y pasa de 3 a 5, por lo tanto:
b = 5 3 = 2 (pg. 324 L.T.)
--------------------------------------------57.- La ecuacin de regresin de Y sobre X en puntuaciones directas es (pg. 21
formulario):
Y = a + b.X
Como sabemos las puntuaciones directas de todos los sujetos en ambas variables, las
b=3
---------------------------------------------58.- La relacin entre Sy.x y rxy aparece en la frmula (pg. 21 formulario):
__________
Sy.x = Sy . 1 r2xy
Si Sy.x = 0, 1 r2xy = 0, r2xy = 1, rxy = + 1

Como la relacin entre X e Y es inversa, rxy < 0, rxy = - 1
----------------------------------------__ __
59.- La ecuacin de regresin de Y sobre X pasa siempre por el punto (X , Y ), que es el
origen del eje de coordenadas cuando expresamos la ecuacin de pronstico en
puntuaciones diferenciales. (pg. 329 L.T.)
-----------------------------------------60.- Sabemos que Y = 5 + X, Sy = 4, Sx = 2, rxy = ?
Podemos utilizar la frmula (pg. 21 formulario):
Sx
2
rxy = b . -------- = 1 . ------- = 050
Sy
4
-------------------------------------------61.- La figura uno nos ofrece grficamente los datos de 5 sujetos en la variable
cuantitativa:
X:
1
2
3
4
5
Y:
1
4
5
8
9
Para realizar un pronstico en puntuaciones directas, deberemos obtener en primer lugar
la recta de regresin de Y sobre X en puntuaciones directas (pg. 21 formulario)
Y = a + b.X
Como conocemos los datos de los sujetos en ambas variables, los introducimos en la
calculadora, en el MODE REG, para obtener:
a = - 06
Por lo tanto:
b=2
Y = - 06 + 2.X
Si X = 3, entonces Y = - 06 + 2.3 = 54
----------------------------------------62.- El error de pronstico o residuo es la diferencia entre el valor real en la variable
dependiente y el pronosticado mediante la recta de regresin:
i = Yi Yi
Sabemos que Y = 06 + 2.X

Si X = 4, Y = - 06 + 2 . 4 = 74
Si para X = 4, Y = 8, y Y = 74, = 8 - 74 = 06
------------------------------------------63.- En el modelo de la regresin lineal, la proporcin de variabilidad de la variable
dependiente que no es explicada, que no est asociada, por la variable independiente es
1 R2 (pg. 336 L.T. y pg. 21 formulario)
Como R2 = r2xy, y tenemos los datos de la pregunta n 61 memorizados en la
calculadora, obtendremos:
rxy = 0985
Por lo tanto, 1 R2 = 1 09852 = 0029775 = 297775 %
-------------------------------------------64.- Sabemos que (pg. 21 formulario):
S2y = b2 . S2x
Como tenemos memorizados los datos de la n 61, podemos obtener:

Por lo tanto:
b = 2 y S2x = 2
S2y = 22 . 2 = 8
O tambin podemos valernos de la ecuacin:
S2y / S2y = r2xy
(pg. 21 formulario)
De la calculadora obtendremos rxy = 0985 y S2y = 824

S2y = 09852 . 824 = 7994654 8
------------------------------------------------65.- Error tpico se llama, en el contexto de la regresin lineal, a la desviacin tpica de
los errores o residuos. (pg. 333 L.T. y pg. 21 formulario)
La opcin a) es falsa.- Y Y = E (error de pronstico)
La opcin b) es falsa.- Zy
----------------------------------------66.- El ajuste de la recta de regresin a los datos observados se evala a travs del
coeficiente de determinacin R2, que va de 0 a 1; cuanto ms cerca de 1, mejor ser el
ajuste. (pg. 336 L.T.)
S2y
2
Su valor coincide con:
r xy = ------ (pg. 21 formulario)
S2y
Es decir, representa la proporcin de variabilidad de la variable dependiente que es
explicada por (o est asociada a) la variabilidad de la variable independiente.
La opcin a) es falsa.- Si S2y.x = 1, es slo un valor ms de la varianza error
La opcin c) es falsa.- A mayor varianza de error, peor ajuste.
-----------------------------------------67.- Ver explicacin de la pregunta anterior. (pg. 336 L.T. y pg. 21 formulario)
-------------------------------------------68.- Igual que la n 38.- Sirven las explicaciones all ofrecidas.
--------------------------------------------
69.- Sabemos que (pg. 21 formulario):
S2y
S2y.x
------- = r2xy, y --------- = 1 r2xy
S2y
S2y
De donde se deduce que, segn el problema, r2xy = 1 r2xy, 2 r2xy = 1,
_____
2
r xy = 1/ 2 = 050, rxy = 050 = + 07071
----------------------------------------70.- Sabemos que:
Zy = 065 . Zx,
de donde se deduce que rxy = 065 (pg. 21 formulario; ver la ecuacin de pronstico de
Y sobre X en puntuaciones tpicas)
Sabemos tambin que Szy
= rxy = 065
(pg. 332 L.T.)
---------------------------------------71.- La recta de regresin de Y sobre X en puntuaciones directas es (pg. 21
formulario):
Y = a + b.X
Como conocemos los datos directos de todos los sujetos en ambas variables, podemos
introducirlos en la calculadora, en el MODE REG, para obtener:
a = - 3 36
b = 1409
-------------------------------------------72.- El error tpico de estimacin Sy.x aparece en la frmula (pg. 21 formulario):
__________
Sy.x = Sy 1 r2xy
Como tenemos memorizados los datos de la n 71, obtendremos Sy = 206 y rxy = 0908
__________
Por lo tanto: Sy.x = 206 1 09082 = 0863
73.- Sabemos que Y = 087 . X + 235, y que la recta de regresin de Y sobre X en
puntuaciones diferenciales es (pg. 21 formulario):
y = b . x
Por lo tanto, si b = 087, y x = -3, y = 087 . (-3) = - 261
---------------------------------------------74.- Similar a la n 16 y la n 26.- Podemos hacerlo de varias formas, como ya se
explic en las preguntas mencionadas.
La ms rpida y sencilla es introducir las coordenadas de los puntos en la
calculadora, en el MODE REG, para obtener:
b = 08
a = 35
-------------------------------------------75.- Sabemos que Y = 3 + 2.X, S2x = 40 y S2y = 200, a = 3 y b = 2.
Para obtener R2 = r2xy, haremos uso de la relacin (pg. 21 formulario):
Sx
S2y
40
rxy = b ------ , r2xy = ------ = 22 . ------- = 080
Sy
S 2x
200
-------------------------------------------76.- En el modelo de la regresin lineal, sabemos que los errores tpicos de prediccin
son:
_______
-- En Puntuaciones Directas: Sy.x = Sy 1 r2xy (pg. 333 L.T. y pg. 21 form.)
-- En Puntuaciones Diferenciales: igual que en directas (pg. 333 L.T. y pg. 21 form.)
______
-- En Puntuaciones Tpicas: Sy.x = 1- r2xy (pg. 337 L.T. y pg. 21 formulario)
Nota.- En el enunciado debe decir errores tpicos de prediccin, ya que los Errores de
pronstico son las diferencias entre el valor real en la variable dependiente y el
pronosticado mediante la recta (pg. 325 L.T.) y seran:
= Y Y,
= y y,
= Zy Zy
77.- Sabemos que R2 = 036 y Sy = 10, S2y = ?

La varianza de los pronsticos aparece en la frmula (pg. 21 formulario):
S2y = S2y . R2 =
036 . 102 = 36.
----------------------------------------------78.- La recta de regresin de Y sobre X en puntuaciones directas es (pg. 21
formulario):
Y = a + b .X
Para obtener el valor de la pendiente b, como conocemos los datos de todos los sujetos
en ambas variables, los introducimos en la calculadora, en el MODE REG, para obtener:
b = 12 y a = 16
----------------------------------------79.- La ecuaciones de regresin de Y sobre S son (pg. 21 formulario):
__ __
-- En Puntuaciones Directas: Y = a + b.X (pasa por el punto X, Y ) (pg. 329 L.T.)
-- En Puntuaciones Diferenciales: y = b.x (pasa por el punto 0,0) (pg. 330 L.T.)
-- En Puntuaciones Tpicas: Zy = b.Zx (pasa por el punto 0,0) (pg. 336 L.T.)
-----------------------------------------80.- Sabemos que Y = 1 + 5.X, Si Y = 14, = 3,
Sabiendo que el error y el valor de Y, podremos averiguar Y, puesto que
Error = Y Y, Y = Y = 14 3 = 11
Sabiendo Y podremos averiguar la X de donde procede el pronstico, sustituyendo en
la ecuacin de pronstico:
11 = 1 + 5.X 5.X = 11 1 = 10 X = 10 / 5 = 2
--------------------------------------------
81- La opcin a) es falsa.- La pendiente de la recta de regresin de Y sobre X es b y la

pendiente de la recta de regresin de X sobre Y es d (pg. 21 y 22 formulario)
La opcin b) es falsa.- La ordenada de la recta de regresin de Y sobre X es a y la
ordenada de la recta de regresin de X sobre Y es c. (pg. 21 y 22 formulario)
La opcin c) es verdadera.- El coeficiente de correlacin de Pearson es conmutativo; es
decir, rxy = ryx, y por tanto:
R2 = r2xy = r2yx
---------------------------------------------82.- Igual que la n 68.- Sirven las explicaciones all ofrecidas.
------------------------------------------83.- Igual que la n 24.- Sirven las explicaciones all ofrecidas.
-------------------------------------------84.- En el modelo de la regresin lineal simple, el cuadrado del coeficiente de
correlacin (R2) que llamamos coeficiente de determinacin, representa la proporcin
de la variabilidad de la variable dependiente que es explicada por la variabilidad de la
variable independiente; su valor va de 0 a 1, y es un ndice de la bondad de ajuste de la
recta a los datos; a mayor R2 mejor ajuste. (pg. 336 L.T.)
---------------------------------------------85.- La ecuacin de pronstico de Y sobre X en puntuaciones tpicas es (pg. 21
formulario):
Zy = rxy. Zx
Cono conocemos los datos directos de los sujetos en ambas variables, podemos
rxy = 0816 ,
Por tanto: Zy = 0816. Zx
-----------------------------------------------
86.- La proporcin de variabilidad de Y explicada por la variabilidad de X es R2, (pg.

21 formulario y pg. 336 L.T.)
Como tenemos los datos memorizados de la pregunta n 85, sabemos que rxy = 0816,
por lo tanto:
R2 = r2xy = 08162 = 0665856 = 6659 %
------------------------------------------------87.- La ecuacin de regresin de Y sobre X en puntuaciones directas es (pg. 21
formulario):
Y = a + b.X
Como tenemos memorizados los datos de la pregunta n 85, podremos obtener:
b = 05769
------------------------------------------88.- El error tpico de estimacin aparece en la frmula (pg. 21 formulario):
_______
Sy.x = Sy 1 r2xy
Como tenemos los datos memorizados, podemos obtener: Sy = 208 y rxy = 0816
_________
Por lo tanto: Sy.x = 208 . 1 08162 = 120
--------------------------------------------89.- La ecuacin de regresin de Y sobre X en puntuaciones directas es (pg. 21
formulario):
Y= a + b.X
Como conocemos los datos directos de todos los sujetos en ambas variables, podemos
a = 467 y
b=0
-----------------------------------------------
90.- La varianza de los errores de pronstico es (pg. 21 formulario):
S2y.x = S2y ( 1 r2xy)

Como tenemos los datos memorizados podemos obtener: S2y = 389 y rxy = 0
Por lo tanto, S2y.x = 389 (1 02) = 389
------------------------------------------------91.- Ya lo hemos obtenido en la pregunta n 89: b = 0
------------------------------------------------92.- Si observamos los datos de la pregunta n 89, vemos que existe una relacin inversa
entre X e Y, a medida que crece X disminuye Y, excepto en el par (11,8) donde se
rompe esa tendencia, que descubriremos si realizamos una representacin grfica a
travs del diagrama de dispersin (pg. 249 y siguientes L.T.)
Eliminando ese par, los nuevos datos sern:
X:
Y:
1
6
3
5
5
4
7
3
9
2
Si los introducimos en la calculadora, en el MODE REG, obtendremos b = - 05

-------------------------------------------93.- El ndice de ajuste del modelo, de la recta de regresin, a los puntos reales, es el
coeficiente de determinacin R2 = r2xy (pg. 336 L.T. y pg. 21 formulario)
Como tenemos los datos memorizados de la pregunta anterior, obtenemos rxy = -1
Por lo tanto: R2 = (-1)2 = 1, que revela un ajuste perfecto; toda la variabilidad de la
variable dependiente es explicada por (est asociada a) la variable independiente.
--------------------------------------------94.- En la pregunta n 89, sin eliminar el par de valores atpicos, hemos obtenido, tras
introducir los datos en la calculadora en el MODE REG:
a = 467,
b=0
rxy = 0 (ver pregunta n 90)
Por lo tanto,
S2y
-------- = R2 = r2xy = 02
S2y
(pg. 21 formulario)
---------------------------------------------95.- Al ser R2 el ndice de ajuste de la recta de regresin a los datos reales, si R2 = 0,
indica que el ajuste no existe, es muy malo; recordemos que el valor de R2 va de 0 a 1.
(pg. 336 L.T.)
--------------------------------------------96.- Ya hemos explicado en la pregunta n 92 que el par atpico era (11, 8), que
corresponde al sujeto F.
---------------------------------------------97.- La relacin entre la varianza de error y el coeficiente de determinacin aparece en
la frmula (pg. 21 formulario):
S2y.x
----------- = 1 - r2xy
S2y
Si S2y.x = 0, 1 r2xy = 0, r2xy = R2 = 1 ajuste perfecto.
---------------------------------------------98.- Similar a la n 16, 26, 43, etc, Como en ellas, podemos averiguar el valor de la
pendiente de la recta de regresin de Y sobre X de varias formas. La ms rpida y
sencilla es introducir en la calculadora, en el MODE REG, las coordenadas de los dos
puntos para obtener:
b = 1, a = 3
-----------------------------------------------
99.- La ecuacin de pronstico de Y sobre X en puntuaciones tpicas es (pg. 21

formulario):
Zy = rxy . Zx
__
Si X = X siempre le corresponder una Zx = 0, Zy = 0
formulario):
Y=a+b.X
Como conocemos los datos de los sujetos en ambas variables, podemos introducirlos en
la calculadora, en el MODE REG, para obtener:
a = 1, b = 2
-------------------------------------------101.- Sabemos que para el mismo sujeto x = 2 y X = 7, que y = 10 y Y = 38.
Si tomamos la ecuacin de pronstico de Y sobre X en puntuaciones diferenciales (pg.
21 formulario):
y = b.x 10 = b.2, b = 10/2 = 5
Si tomamos la ecuacin de pronstico de Y sobre X en puntuaciones directas (pg. 21
formulario):
Y = a + b.X 38 = a + 5.7, a = 38 7.5. = 3
---------------------------------------------102.- En el modelo de regresin, sabemos que b
. d = r2xy
(pg. 22 formulario)
Sabemos que d = r2xy, b = r2xy / d = 1

----------------------------------------------103.- Los errores de pronstico en la regresin lineal simple son aleatorios, por eso su
Media = 0, y su Varianza es S2y.x. El criterio que se sigue para calcular la recta es que la
suma cuadrtica de los residuos sea mnima. (pg. 326 L.T.)
104.- La figura 1 recoge el diagrama de dispersin de dos variables. Al leer el diagrama

vemos que, a medida que aumenta X, aumenta Y, por lo que entre X e Y existe una
relacin positiva, directa, (pg. 309 L.T.).
Como sabemos, el signo de la pendiente es el mismo que el del coeficiente de
correlacin de Pearson; por tanto, si rxy > 0, entonces b > 0 (pg. 21 formulario)
------------------------------------------------105.- Igual que la n 32.- Sirven las explicaciones all ofrecidas.
-------------------------------------------------106.- Igual que la n 33.- Sirven las explicaciones all ofrecidas.
------------------------------------------------109.- Igual que la n 28.- Sirven las explicaciones all ofrecidas
------------------------------------------------110.- Igual que la n 29.- Sirven las explicaciones all ofrecidas.
formulario):
Y = a + b.X
Como conocemos los datos de todos los sujetos en ambas variables, los
a = 753
y b = 028
Por lo tanto: Y = 753 + 028 . X

-----------------------------------------112.- La proporcin de varianza de Y explicada por X es (pg. 21 formulario):
S2y
-------- = r2xy
S2y
Como tenemos los datos memorizados, podemos obtener:

rxy = 051
Por lo tanto: r2xy = 0512 = 0258

--------------------------------------------113.- El error tpico de estimacin, en el modelo de la regresin lineal, es (pg. 21
formulario):
_________
Sy.x = Sy 1 r2xy
Como tenemos los datos memorizados, podemos saber que Sy = 102 y rxy = 051
_________
Por lo tanto: Sy.x = 102 1 0512 = 0877
---------------------------------------------114.- En el modelo de la regresin lineal, el criterio para calcular la recta de regresin es
que la suma cuadrtica de todos los residuos sea mnima.
Si dos variables tienen covarianza cero (Sxy = 0), la pendiente tambin ser 0 y el
nico pronstico que podremos hacer de la variable dependiente ser su media
aritmtica, por una de las propiedades de dicho promedio. (pg. 326, 322 y 120 L.T.)
-------------------------------------------
115.- Para obtener el valor de la pendiente de la recta de regresin de X sobre Y

podemos actuar de varias formas:
1.- Como disponemos de los datos directos de los sujetos en ambas variables, podemos
introducirlos en la calculadora, en el MODE REG, pero cambiando el orden, para que Y
sea la variable test y X la variable criterio, pronosticada, la que se introduce en segundo
lugar, y obtendremos:
c = - 146 y d = 0923
2.- Como ya tenemos los datos de la pregunta n 111 memorizados, podemos hacer uso
de la relacin entre ambas pendientes (pg. 22 formulario):
b . d = r2xy.
De la calculadora obtenemos el valor de b = 028 y de rxy = 051. Por lo tanto:
d = 0512 / 028 = 0929
-------------------------------------------116.- En el modelo de la regresin lineal, una de las propiedades fundamentales del
ajuste por mnimos cuadrados de un conjunto de datos mediante la recta de regresin es
(pg. 334 L.T. y pg. 21 formulario):
S2y = S2y + S2y.x

----------------------------------------117.- Similar a la n 59.- La ecuacin de regresin de Y sobre X en puntuaciones
directas pasa por el punto de ambas medias. Si cambiamos de escala, a puntuaciones
diferenciales, lo que estamos haciendo es trasladar el origen de coordenadas al punto
donde se sitan ambas medias, ya que a los medias siempre les corresponde una
puntuacin diferencial = 0. (pg .329 L.T.)
------------------------------------------118.- Igual que la n 17.- Sirven las explicaciones all ofrecidas.
Nota.- Han corregido el error contenido en la alternativa c), que la haca igualmente
verdadera que la a)
119.- Igual que la n 18.- Sirven las explicaciones all ofrecidas.
--------------------------------------------120.- Igual que la n 19.- Sirven las explicaciones all ofrecidas.
----------------------------------------------123.- Igual que la n 22.- Sirven las explicaciones all ofrecidas.
-----------------------------------------------126.- En el modelo de la regresin lineal simple, la proporcin de variabilidad de la
variable dependiente que es explicada por (o est asociada a) la variabilidad de la
variable independiente, viene expresada por el cuadrado del coeficiente de correlacin,
que recibe el nombre de Coeficiente de Determinacin R2. (pg. 336 L.T. y pg. 21
formulario)
127.- El pronstico que se hace de la variable dependiente Y, para cada valor de la
variable independiente a travs de la recta de regresin, puede no coincidir con su valor
real.
A esa diferencia, entre el valor real y el pronstico, se le da el nombre de residuo
o error de pronstico: = Yi Yi (pg. 324 L.T. y pg. 21 formulario)
Estos errores son aleatorios, por eso su media es = 0 y su varianza es S2y.x. El
criterio que se sigue es que la suma cuadrtica de los errores sea mnima. (pg. 326
L.T.)
---------------------------------------------128.- En el modelo de la regresin lineal, las estimaciones de la variable dependiente en
puntuaciones tpicas dan como resultado un conjunto de puntuaciones cuyo promedio,
al igual que en las puntuaciones tpicas, es cero, pero cuya desviacin tpica no es 1,
sino rxy. Por eso, a las puntuaciones tpicas pronosticadas a partir de la recta de
regresin se les denomina puntuaciones pseudotpicas. (pg. 332 L.T.) (Ver Tema 6,
1 P.P. pg. 175 L.T.)
----------------------------------------------129.- La ecuacin de pronstico de Y sobre X en puntuaciones directas es (pg. 21
formulario):
Y = a + b.X
Como disponemos de los datos directos de todos los sujetos en ambas variables,
podemos introducirlos en la calculadora, en el MODE REG, para obtener:
b = - 18 y
a = 76
---------------------------------------130.- Igual que la n 79.- Sirven las explicaciones all ofrecidas.
----------------------------------------131.- La ecuacin de regresin de Y sobre X en puntuaciones directas es (pg. 21
formulario):
Y = a + b.X
__ __
Sabemos que el punto (X , Y ) pertenece a la recta de regresin (pg. 327 L.T.).
Podemos hacerlo de diversas formas:
1.- Algebraicamente:
Sustituyendo a,
y
a = 7 b.3
9 = a + b.4
-----------------------------9 = (7 3b) + 4b = 7 + b, b = 9 7 = 2
a = 7 2.3 = 1
2.- Ms rpido y sencillo. Conocidos dos puntos de la recta, introducimos sus

coordenadas en la calculadora, en el MODE REG, para obtener:
a = 1, b = 2
-------------------------------------132.- En el modelo de regresin lineal, una de las propiedades fundamentales del ajuste
por mnimos cuadrados de un conjunto de datos mediante la recta de regresin es (pg.
334 L.T. y pg. 21 formulario):
S2y = S2y + S2y.x

Tambin sabemos que:
Por lo tanto:
S2y.x
------------ = 1 r2xy
S2y
40
S2y = --------------= 200
1 080
-----------------------------------133.- La ecuacin de pronstico de Y sobre X en puntuaciones directas es (pg. 21
formulario):
Y = a + b.X
Y en puntuaciones diferenciales:
Sabemos que
8 = b.4, b = 8/4 = 2
y = b.x
Y que 5 = a + 2.1 , a = 5 - 2 = 3
-------------------------------------134.- Sabemos que (pg. 21 formulario):
S2y.x = S2y (1 r2xy)
= 2252 ( 1 0922) = 07776
--------------------------------------135.- Similar a la n 19.- Sirven las explicaciones all ofrecidas.
---------------------------------------136.- En el modelo de regresin sabemos que (pg. 21 formulario)
__
__
Puntuaciones Directas:
Y, Sy, X , Sx
__
__
Puntuaciones Directas Pronosticadas:
Y = Y , Sy, a, b,
__
Puntuaciones Diferenciales Pronosticadas: y = 0, Sy = SY, a = 0,
Puntuaciones Tpicas Pronosticadas:
b,
Zy = 0, SZy = rxy, a = 0, b= rxy
--------------------------------137.- Con los datos de la pregunta n 134 sabemos que (pg. 21 formulario):
Sy
b = rxy ------- = 092
Sx
225
---------- = 1389
149
-----------------------------------138.- Similar a la n 50.- Sirven las explicaciones all ofrecidas.
-------------------------------------
139.- En el modelo de la regresin lineal, la proporcin de variabilidad de la variable

dependiente que es explicada por la variabilidad de la variable independiente es igual al
cuadrado del coeficiente de correlacin de Pearson, que recibe el nombre de Coeficiente
de Determinacin R2. (pg. 336 L.T. y pg. 21 formulario)
S2y
------- = r2xy
S2y
= 0922 = 08464
--------------------------------140.- Con los datos de la n 134, y tras haber obtenido el valor de la pendiente, b =
01389 en la n 137, la ordenada en el origen ser (pg. 21 formulario):
__
__
a = Y b. X = 475 1389 . 275 = 093
---------------------------------141.- En el modelo de la regresin lineal, la proporcin de variabilidad de la variable
dependiente no explicada por la variabilidad de la variable independiente es 1 R2
S2y.x
----------- = 1 r2xy = 1 R2
S2y
Como conocemos los datos directos de los sujetos en ambas variables, podemos
introducirlos en la calculadora, en el MODE REG, para obtener: rxy = 0656
Por lo tanto:
S2y.x
--------- = 1 06562 = 0569664
S2y
-----------------------------142.- La Suma de Cuadrados de Y es = yi2 (pg. 22 formulario)
Si recordamos la definicin de la varianza (pg. 14 formulario), veremos que:
yi2 = S2y . n
Como tenemos memorizados los datos, podremos obtener S2y = 656; por lo tanto:
yi2 = 656 . 5 = 328
-----------------------------143.- En el modelo de regresin lineal, la ecuacin de pronstico de Y sobre X en
puntuaciones directas es (pg. 21 formulario)
Y = a + b.X
Como tenemos los datos memorizados, desde la n 141, podemos saber que:
a = 4097 y b = 0456
Por lo tanto:
Y = 4097 + 0456 . 12 = 9569
Como el valor real es Y = 12, el error de pronstico ser (pg. 21 formulario):
= Y Y =
12 9569 = 2431
---------------------------------144.- Si sabemos que la recta de regresin, significa que conocemos la pendiente ( +
09) y la ordenada en el origen ( + 15); por lo tanto, con slo estos datos no podemos
saber el coeficiente de correlacin de Pearson, pero s su signo, su direccin, que es el
mismo que el de la pendiente (pg. 21 formulario).
Por lo tanto, como b = + 09, rxy > 0.
Nota.- Slo podramos conocer el coeficiente de correlacin de Pearson, sabiendo la
recta de regresin, si sta estuviera en puntuaciones tpicas, porque entonces la
pendiente de la recta es el coeficiente de correlacin:
Zy = rxy . Zx
------------------------------145.- Sabemos que rxy = 080, y conocemos la ecuacin de pronstico de Y sobre X en
puntuaciones directas:
Y = 15 + 15 . X
Entre ambas pendientes existe la siguiente relacin (pg. 22 formulario):
b . d = r2xy
Por lo tanto, al conocer la pendiente de Y sobre X y el coeficiente de correlacin,
podremos obtener la pendiente de X sobre Y:
d = r2xy / b = 0802 / 15 = 0427
----------------------------------146.- En el modelo de la regresin, la proporcin de varianza de la variable dependiente
explicada por la variabilidad de la variable independiente es R2 (pg. 336 L.T. y pg. 21
formulario)
S2y
--------- = r2xy = R2
S2y
Si sabemos que S2y = S2y, entonces:

(1/2 S2y)
R2 = ------------- = 050
S2y
------------------------------------147.- El error tpico de estimacin es la raz cuadrada de la varianza de los errores, es
decir, la desviacin tpica de los errores de estimacin. (pg. 333 L.T. y pg. 21
formulario)
-------------------------------------148.- La capacidad predictiva de la variable independiente X viene simbolizada por el
valor de la pendiente b, ya que sta expresa la tasa de cambio, la variacin, que se
produce en la variable dependiente Y por unidad de cambio en X. (pg. 324 L.T.)
Por lo tanto, de las tres alternativas propuestas, tendr menor capacidad
predictiva la que tenga menor pendiente, b = 0002
--------------------------------------149.- La opcin a) es verdadera.- La relacin entre r2xy y S2y.x es inversa. (pg. 21
formulario)
La opcin b) es falsa.- Lo contrario de la a)

La opcin c) es falsa.- La relacin entre S2y y S2y.x es directa.
-----------------------------150.- En el modelo de la regresin, el criterio que se sigue para calcular la recta es que
la suma cuadrtica de los errores sea mnima. (pg. 326 L.T.)
------------------------------151.- En el modelo de la regresin la suma de cuadrados de los productos cruzados es
(pg. 22 formulario):
X.Y
SCP = XY - -------------n
Como disponemos de los datos directos de todos los sujetos en ambas variables,
podemos introducirlos en la calculadora, en el MODE REG, para obtener la XY, la
suma de productos cruzados, que es lo que pide la pregunta:
XY = 636
----------------------------------152.- En el modelo de la regresin lineal, la proporcin de varianza de Y explicada por
la varianza de X es el coeficiente de determinacin R2 (pg. 336 L.T. y pg. 21
formulario):
_______
2
Si R = 5913 % = 05913, rxy = 05913 = 07689
-----------------------------------153.- En el modelo de la regresin lineal, la ecuacin de pronstico de Y sobre X en
puntuaciones directas es (pg. 21 formularioi):
Y = a + b.X
Como tenemos los datos memorizados en la calculadora, podemos obtener:
a = 1355
b = 0806
Por lo tanto:
Y = 1355 + 0806.X
Si X = 11, Y = 1355 + 0806 . 11 = 10221

---------------------------------154.- La pendiente ya la hemos calculado en la n 153, para poder realizar los
pronsticos, y era:
b = 0806
----------------------------------

Psicología Matemática. 11

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Psicología Matemática. 11

Cargado por

Copyright:

Formatos disponibles

ANLISIS DE DATOS EN PSICOLOGIA I TEMA 11

20.- El error tpico de estimacin es:

La recta de regresin de Y sobre X es:

33.- El coeficiente de correlacin de Pearson entre dos variables X e Y vale 060 y la

40.- Disponemos de dos tests X1 y X2 que se utilizan para predecir el rendimiento

47.- La media de los errores de pronstico:

51.- Al error tpico de estimacin tambin se le conoce como:

68.- En cul de las siguientes situaciones la pendiente de regresin para pronosticar Y

75.- La ecuacin de regresin de Y sobre W es Y = 3 + 2.X, y las varianzas de X e Y,

77.-Sabiendo que el coeficiente de determinacin entre X e Y vale 036, y que la

79.- La ecuacin de regresin en puntuaciones diferenciales tiene en comn con la

80.- La ecuacin de regresin de Y sobre X es igual a Y = 1 + 5.X, y con un sujeto que

95.- El ajuste de la ecuacin de regresin para pronosticar las puntuaciones en la prueba

102.- Sabiendo que la pendiente de la recta de regresin de X sobre Y es igual al

109.- La ecuacin de regresin de la tabla de la pregunta n 107 expresada en

116.- En el contexto de la regresin lineal, la varianza de la variable dependiente Y se

120.- La ordenada en el origen de la ecuacin de regresin para pronosticar Y a partir de

121.- El error tpico de estimacin es:

122.- El error de pronstico en la ecuacin de Y sobre X es:

129.- Las puntuaciones directas de cinco sujetos en las variables X e Y,

Con estos datos, la varianza de los residuos o errores es igual a:

135.- El intercepto u ordenada en el origen en una recta de regresin es el valor que

139.- Con los datos de la pregunta n 134, la proporcin de varianza de las

149.- De la expresin S2y.x = S2y (1 r2xy) se deduce que:

154.- Con relacin a los datos de la pregunta n 151, la pendiente de la ecuacin de

ANALISIS DE DATOS I TEMA 11 SOLUCIONES

---------------------------Junio 2002 Mod. A n 1

Junio 2002 Mod. A n 3

Junio 2002 Mod. A n 8

Junio 2002 Mod. D n 5

Junio 2002 Mod. E n 1

Junio 2002 Mod. E n 6

Sep. 2002 Mod. A n 5

Sep. 2002 Mod. A n 8

Sep. 2002 R Mod. G n 2

Sep. 2002 R Mod. G n 7

Junio 2003 Mod. A n 4

Junio 2003 Mod. E n 3

Junio 2003 Mod. F n 1

Junio 2003 Mod. F n 6

Sep. 2003 Mod. A n 4

Sep. 2003 R Mod. G n 2

Sep. 2003 R Mod. G n 7

Junio 2004 1 V Mod. A n 5

Junio 2004 2 V Mod. A n 3

Junio 2004 2 V Mod. A n 9

Junio 2004 Extr. Mod. E n 5

Junio 2004 Extr. Mod. G n 3

Sep. 2004 Mod. A n 1

Sep. 2004 Mod. A n 6

Sep. 2004 R Mod. F n 4

Sep. 2004 R Mod. F n 6

Sep. 2004 R Mod. F n 9

Junio 2005 1 V Mod. A n 5

Junio 2005 2 V Mod. A n 3

Sep. 2005 Mod. A n 1

Sep. 2005 Mod. A n 6

Sep. 2005 R Mod. F n 4

ANALISIS DE DATOS I TEMA 11 SOLUCIONES RAZONADAS.

S2y.x = S2y ( 1 r2xy) =

r2xy = 0642 = 04096 = 4096 %

rxy = ----------------------- = ------------------ =

1 r2xy = 1 0702 = 051 = 51 %

SCR = b . xy = 084 . 84 = 7056