Si existe una relación indirecta entre dos variables, …

A. El coeficiente de correlación de Pearson presentará un valor inferior a 0,

B. Alguna de les variancias de las variables será negativa
C. El coeficiente de determinación será negativo
D. La covarianza será positiva

En un modelo de regresión lineal múltiple, el coeficiente de regresión de una variable explicativa se

interpreta como:
a. El efecto de la variable respuesta sobre las variables explicativas.
b. El efecto de la variable explicativa independientemente de las otras variables explicativas.
c. El efecto de la variable explicativa cuando las otras variables explicativas toman el valor de 0.
d. El efecto de la variable explicativa ajustado o controlado por las otras variables explicativas.

Si disponemos de dos modelos para explicar la variabilidad de una variable dependiente Y, el que tenga
mayor coeficiente de determinación (R cuadrado):
a. Sera el que la variancia residual sea mayor
b. Sera el que la variancia residual sea menor
c. Sera el modelo que peor explique Y
d. Sera el que la variancia residual sea negativa

Se realiza una regresión lineal simple entre dos variables cuantitativas. Si obtenemos un coeficiente de
regresión (Beta)de la variable explicativa negativo, indica cuál de las siguientes afirmaciones es CIERTA
a. El coeficiente de correlación entre las dos variables será negativo
b. La coordenada en el origen será negativa.
c. Indica que cuando incrementamos en una unidad la variable explicativa, la variable respuesta
incrementa
d. Con los datos disponibles, podemos afirmar que la variable explicativa presenta asociación
estadísticamente significativa

¿Cuándo realizaremos comparaciones a posteriori o post-hoc después de realizar una ANOVA?

a. Cuando rechazamos la hipótesis nula de igualdad de varianzas.
b. Siempre
c. Cuando rechazamos la hipótesis nula de igualdad de medias
d. Cuando aceptamos la hipótesis nula de igualdad de medias

Si en una tabla ANOVA la interacción entre dos factores es estadísticamente significativa,

a. La variabilidad asociada a la interacción será superior a la variabilidad total.
b. El efecto de un factor es igual en función de los niveles del otro factor.
c. El p-valor asociado el efecto interacción será superior a 0.05.
d. El efecto de un factor es diferente en función de los niveles de otro factor.

En un modelo de regresión logística, cuál de las siguientes afirmaciones sobre el coeficiente de na variable
expes FALSA:
a. El exponencial del coeficiente^Beta) es la ODDS RATIO.
b. Si el coeficiente es significativamente diferente de 0, indica que hay relación entre la variable
explicativa y respuest (outcome).
c. Si hay relación significativa entre la variable explicativa y la respuesta, el intervalo de confianza de
la exponencial del coeficiente (e^Beta) incluirá el 0.
d. Si hay relación significativa entre la variable explicativa y la respuesta el intervalo de confianza del
coeficiente de regresión incluirá el 0.

¿En un diseño con dos factores (A i B), la tabla de la complet de la descomposición de la variancia
contendrá los siguientes elementos?
a. La suma de cuadrados de los factores principales A y B.
b. La suma de cuadrados de los factores principales A y B, la de su interacción y la de los residuos.
c. La suma de cuadrados de la interacción de los dos factores y la de los residuos.
d. La suma de cuadrados de los factores principales A y B y de su interacción.
En los modelos de regresión lineal múltiple, la homocedasticidad se evalúa mediante:
a. El histograma de los valores predichos por el modelos
b. El gràfico de residuos y valores predichos por el modelo
c. El diagrama de caja y bigotes de los residuos
d. El diagrama de cuartiles de los residuos
Si queremos evaluar el efecto de la magnitud de una exposición sobre una variable respuesta cuantitativa
en presencia de variables confusoras y variables modificadoras del efecto, utilizaremos:
a. Regresión lineal múltiple.
b. Regresión logística múltiple
c. Test ANOVA de un factor.
d. Test t-student
Queremos modelar la variable “presencia y ausencia de enfermedad”.¿Para ello debemos utilizar?
a. Ninguno de los modelos propuestos en las opciones
b. Modelo de regresión logística
c. Modelo de regresión lineal múltiple
d. Modelo ANOVA
Los modelos de regresión lineal generales solo se pueden aplicar si:
a. La variabilidad dependiente y los residuos siguen un modelo normal (Gausiano)
b. El coeficiente de determinación es 0.
c. El coeficiente de determinación es 1.
d. La variancia residual es cero.

Las condiciones de aplicación de un modelo ANOVA en un diseño con observaciones independientes son:
a. normalidad de los residuos y homocedasticidad
b. únicamente homocedasticidad
c. un número de individuos per tratamiento mayor a 30
d. únicament normalidad de los residuos

Indica que afirmación es FALSA:

A. Para utilizar el estadístico de la t-student tenemos que contrastar la homogeneidad de las
variancias poblacionales entre los grupos.
B. El estadístico de la t-student es diferente si no existe homogeneidad de variancias.
C. Para utilizar el estadístico de la t-student, la variable estudiada tiene que seguir una distribución
normal o de tamaño de la muestra debe ser mayor a 30.
D. El estadístico de la t-student se puede utilizar para comparar medidas en más de dos grupos.

Cuando aplicamos correlación de Bonferroni en una comparación a posteriori

a. Se incrementa el error alfa o el nivel de significación
b. La media de la muestra se reduce
c. El de significación incrementa en función de los niveles del factor
d. El nivel de significación se reduce en función del número de comparaciones a realizar

En un modelo de regresión logística las variables explicativas deben ser:

a. Pueden ser categóricas binarias (dummy) categòricas (de dos categorías o más) o cuantitativas.
b. Exclusivamente categóricas (de dos categorías o más)
c. Exclusivamente categóricas binarias (dummy)
d. Exclusivamente cuantitativas.

Se calcula el Odds Ratio de un factor respeto una enfermedad, se obtiene un valor inferior de 1, Este o
a. El factor explica significativamente estadístico la enfermedad
b. El factor no influye en la enfermedad.
c. El factor protector de la enfermedad.
d. El factor es de riesgo de la enfermedad.

En los modelos de regresión logística el efecto de las variables independientes se interpreta como:
a. Diferencias de medias
b. Probabilidades
c. Pendientes
d. Odds ratios
Para identificar posibles valores extremos de la variable dependiente y usaremos:
a. el diagrama de barras
b. histograma
c. el diagrama de caja y bigotes
d. el gráfico de cuartiles

Si en una regressión lineal, incorporaremos una variable cualitativa con tres categorias, cuantos
coeficientes de regresión (beta) obtendremos para esta variable?
a. cuatro
b. una
c. dos
d. tres
En la primera exploració de 1000 homes i 1000 dones de 30 a 35 anys a Oxford, es va trobar cefalea de
tipus migraña en 5 homes i en 10 dones. La conclusió es que les dones presenten un risc de patir una
migraña dos cops superior als homes en aquest grup d’edat es:
a. correcta
b. incorrecta, degut a no reconeixer l’efecte d’edat en els grups
c. incorrecta, degut a que no s’aporten dades per realizar comparacio grup control
d. incorrecta, degut a que no es diferencia entre incidencia i prevalença

Quin seria efecte de les taxes d’incidència especifiques per edat de càncer d’úter si les dones histerctomitzades
fossin excloses del denominador dels càlculs (assumint que en cada grup d’edats hi ha dones que han estat sotmeses
a histerectomia)

a. les taxes seran les mateixes

b. les taxes disminuiran
c. les taxes augmentaran

Perquè traient les dones histerectomitzades del denominador aquest disminueix i la taxa serà mes gran.

EXERCICI 1

Segons el registre suec de tumors, durant els anys 2011, 2012 i 2013, aparegueren, respectivament: 97, 121 i 122
casos de càncer de pàncrees, entre homes de 70-74 anys d’edat. Al començament de 2011, aquest grup d’edat tenia
309.949 individus i al final de 2013, 332.400.

Amb les dades subministrades calculi la taxa de incidència de la malaltia per 100.000 habitants.

1) Calculem la població mitjana: (309.949+332.400) /2 = 321.174’5

2) Suma dels casos de càncer: 97+121+122 = 340
3) Multipliquem per 3 anys la població mitjana : 321.174’5 * 3 = 963.523.5
4) Calculem la taxa de incidència: 340/963.523’5 * 100.000 = 35’28 casos per 100.000 habitants

EXERCICI 2

Un grup de 500 persones de vida sexual promíscua són observades durant dos anys per veure l’aparició de
seropositivitats (virus VIH). Es troben els següents resultats:

- 5 individus seropositius als 6 mesos

- 4 individus seropositius als 12 mesos
- 6 individus seropositius als 18 mesos

Calculi la taxa d’incidència corresponent

1. Calculem el numerador (suma d’individus +): 5+4+6=15

2. Multipliquem els individus pel temps (en anys): 5*0’5 anys = 2’5 ; 4*1 any = 4 ; 6*1’5 anys= 9
3. Restem els individus + del grup de persones observades: 500-15 =485
4. Calculem el denominador (2’5 + 4+ 9) + (485*2anys d’observació) = 985’5
5. Taxa d’incidència: 0’0152 per any
“En este sentido, la principal diferencia entre los diseños de cohorte y de casos y controles se encuentra en la
selección de los sujetos de estudio. Un estudio de cohorte selecciona sujetos a partir de la exposición; se parte de un
grupo de individuos inicialment exentos de la enfermedad o evento de estudio y se les sigue en el tiempo, con el fin
de registrar la ocurrència del evento. En contraste, en el estudio de casos y controles se selecciona a los sujetos de
estudio en funcion de la presencia o ausencia de la enfermedad o evento en estudio. Esto es lo que constituye el
paradigma de este tipo de diseños, y repercutí ampliamente en su interpretación, aplicación y principales
limitantes.”

23. Quin estudi epidemologic te menys probabilitat de presentar biaixos...

1. Assaig clínic controlat aleatoritzat

2. Estudi de cohorts
3. Estudi de casos i controls
4. Estudi de cohorts retrospectiu
5. Estudi transversal

24. Una variable confusora...

1. Augmenta la validesa interna d’un estudi

2. No afecta l’associació entre un factor i una malaltia
3. Provoca un biaix d’informació
4. Incrementa la prevalença d’una malaltia
5. Distorsiona completament o parcialment l’associacio entre un factor i una malaltia

25. En un estudi dissenyat i desenvolupat correctament es consideren criteris de casualitat a:

1. La temporal entre causa i efecte

2. La força de l’associacio
3. Consitencia de l’associacio
4. Coherència amb el coneixement científic
5. Totes les anteriors

Los modelos de anàlisis de la varianza (anova) permiten analitzar la dependència de una variable cauntitativa con

1. Solo una cuantitativa

2. Una o varias cuantitativas
3. Una o varias cualitativas
4. Solo una cualitativa

Un modelo de anàlisis de varianza (anova) presenta una p=0.055. ¿Cuál de estas afirmacions es cierta?

1. Acepto hipòtesis alternativa con error alfa

2. No hay evidencias para rechazar la hipòtesis nul·la
3. Rechazo hipòtesis alternativa con error beta
4. Acepto hipòtesis nul·la con error alfa

En los modelos de anàlisis de la varianza (anova) de un factor se estima

1. Solo la varianza residual

2. La varianza intra grupo y la varianza residual
3. La varianza entre grupos y la varianza residual
4. Solo la varianza entre grupos

Los modelos de regresion lineal se pueden usar si

1. Hay heterocedasticidad
2. Los residus no son normales, N (0, sigma)
 3. Las observaciones no son independientes
4. Las observaciones son independientes, hay homocedasticidad y los residus siguen una normal (0,sigma)

Se desea evaluar si existe relacion entre el tiempo de enfriamiento (minutos) de un plato precocinado y su
contaminacion alimentaria (si/no) para ello se utilitzara:

1. Regresion lineal
2. Correlacion r de pearson
3. Chi cuadrado
4. Comparacion de medias

 17 preguntes tipo test:

Definición de salut segun la OMS
Xifres I DADES
Metodo Burgdofer classifica la poblacion en progresiva, estacionaria, i regresiva
Conceptos i usos epidiemologia
John i nsq relaciona colera con nsq
com es calcula la taxa de mortalitat (formula)
risc OODS RATIO 0,2: BO RELATIU O QUE ?

 2 preguntes practiques:(me invento los numeros)

exercici 1: hi han 167900 morts al principi del 2020 i 1790000 al final:
 han muerto 17.000 por covid, calcula la taxa per 100.000 habitants:
(CREO QUE hay que hacer la media de las 2 poblaciones, i dividir 17.000 en este numero, despues
multiplicar por 10^-5)
 han muerto 20.000 por covid19 (los mismos pasos)
 han muerto 13.000 por nsq

exercici 2:
explacaciación:
caso i controles/ cohortes
OR/RR (si es cohorte hay que hacer RR, i si es casos i controles RR)

Calcular RR o OR:

realcion fuerte/ débil/ indiferente