UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO

SSO
OLLU
UCCIIO
ONNEESS PPR
REEG
GUUN
NTTA
ASS D
DEE EEX
XÁÁM
MEEN
NEESS TTEEM
MAA 44

2009/2010 – FEBRERO (MODELO A)

Desviación
Media Covarianza
típica
X 100 10 24
Y 7 3
Tabla 1: Para estudiar la relación entre las puntuaciones en un test (X) y el rendimiento obtenido en una
asignatura (Y) se utiliza una muestra de 500 niños (n=500), obteniéndose los siguientes resultados:

9. El coeficiente X2 toma valores:

a) iguales o superiores a cero
b) negativos
c) comprendidos entre -1 y 1.
10. El coeficiente de correlación de Pearson entre X e Y, a partir de los datos de la Tabla 1, vale:
a) 0,1
b) 0,8
c) 0,9
S xy 24
rxy = = = 0 ,8
SxSy 10 ⋅ 3
11. El signo de la pendiente de la recta de regresión de Y sobre X, en puntuaciones directas, depende
de:
a) las medias de X e Y
b) el cociente entre las desviaciones típicas de Y y X
c) el coeficiente de correlación de Pearson entre X e Y
La fórmula de la ecuación de regresión de Y sobre X es: Y’ = a + bX, donde “b” (la pendiente) es:
Sy
b = rxy ⋅
Sx
Puesto que la desviación típica siempre es un valor positivo (sólo toma el valor cero cuando las puntuaciones
son iguales), el cociente: Sy/Sx será siempre positivo. Por tanto el signo de la pendiente dependerá del signo del
coeficiente de correlación de Pearson entre X e Y (rxy).
12. La recta de regresión para pronosticar las puntuaciones en la asignatura a partir de las
puntuaciones en el test, teniendo en cuenta los datos de la Tabla 1 es:
a) Y’ = -3+0,8X
b) Y´=-17+0,24X
c) Y´=0,24X-10

Sy 3
b = rxy ⋅ = 0,8 = 0,24 a = Y − b ⋅ X = 7 − 0,24 ⋅ 100 = −17 Y’ = – 17 + 0,24 · X
Sx 10
UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2009/2010 – FEBRERO (MODELO B)

Situación 1. A un grupo de 100 niños se les administró un test de inteligencia espacial (X) y se
evaluó (de 0 a 10) su rendimiento en la asignatura de matemáticas (Y). Algunos datos obtenidos son:
Σ X = 3000 Σ Y = 600 Σ X2 = 92500 SY = 3 Σ XY = 19350
10. Según los datos de la situación 1, el coeficiente de correlación de Pearson entre X e Y es:
a) -0,9
b) 0,9
c) 13,5
ΣX 3000 ΣY 600
X= = = 30 Y= = =6
n 100 n 100

ΣXY 19350 S xy 135

S xy = − XY = − 30 ⋅ 6 = 13,5 rxy = = = 0,9
n 100 SxSy 5⋅3
11. La recta de regresión para pronosticar el rendimiento en matemáticas según los datos de la
situación 1 es:
a) Y’ = – 10,2 + 0,54·Xi
b) Y’ = – 10,2·Xi + 0,54
c) Y’ = 10,2 + 0,54·Xi

Sy 3
b = rxy ⋅ = 0,9 ⋅ = 0,54 a = Y − b ⋅ X = 6 − 0,54 ⋅ 30 = −10,2 Y’ = – 10,2 + 0,54 · X
Sx 5
12. Con los datos de la situación 1 y sabiendo que al suspenso le corresponde una nota inferior a 5,
al aprobado entre 5 y 7 y al notable superior a 7, ¿qué calificación pronosticaremos en matemáticas
a un niño con una inteligencia espacial de 33?
a) Suspenso
b) Aprobado
c) Notable
Y’ = – 10,2 + 0,54 · X = – 10,2 + 0,54 · 33 = 7,62

CURSO 2014/2015 UNED A CORUÑA 2

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2009/2010 – FEBRERO (MODELO C)

X Y XY
∑X = 200 ∑Y = 70 ∑XY = 1528
∑X2 = 4640 ∑Y2 = 530
Tabla 3. Datos de las puntuaciones de 10 alumnos en un test de autoestima (X) y la calificación final del curso (Y)
11. Con los datos de la Tabla 3, ¿cuál es la covarianza entre X e Y?:
a) 7,3
b) 9,6
c) 12,8
ΣXY 1528
S xy = − XY = − 20 ⋅ 7 = 12,8
n 10
12. Con los datos de la Tabla 3, la proporción de la varianza de la calificación final del curso
explicada por el test de autoestima vale:
a) 0,80
b) 0,64
c) 0,89
2
ΣX 2 4640  200 
S =
2
x − X2 = −  = 64 ; Sx = 8
n 100  10 
2
ΣY 2 530  70 
S =
2
y − Y2 = −   = 4 ; Sy = 2
n 100  10 
S xy 12,8
rxy = = = 0,80 ; r2xy = 0,64
SxSy 8 ⋅ 2
13. Con los datos de la Tabla 3, la pendiente de la recta de regresión que permite pronosticar la
calificación final (Y) a partir del test de autoestima (X) es:
a) 0,50
b) 1,05
c) 0,20

nΣXY − ΣXΣY 10 ⋅ 1528 − 200 ⋅ 70 1280

b= = = = 0,20
nΣX 2 − (ΣX )2 10 ⋅ 4640 − 200 2 6400
14. Si en una tabla de contingencia las frecuencias observadas coinciden con las teóricas, el valor
de X2 es:
a) 0
b) 1
c) -1

CURSO 2014/2015 UNED A CORUÑA 3

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2009/2010 – FEBRERO (MODELO D)

Sujetos Inteligencia social (X) Tolerancia (Y)
1 3 5
2 5 6
3 4 4
4 1 2
5 9 8
6 7 5
7 10 8
8 9 10
Tabla 2. Puntuaciones de 8 sujetos en las variables inteligencia social (X) y tolerancia (Y), donde X =
6, Y = 6, SX = 3,04, SY = 2,40 y rXY = 0,89.
10. Con los datos de la Tabla 2, la covarianza entre inteligencia social y tolerancia está:
a) entre 0,85 y 0,90
b) ente 5 y 5,50
c) entre 6,40 y 6,60
S xy
rxy = ; S xy = rxy ⋅ S x ⋅ S y = 0,89 ⋅ 3,04 ⋅ 2,40 = 6,49
SxSy
11. Dada la Tabla 2, la pendiente y la ordenada en el origen de la ecuación de la recta de regresión
que permite pronosticar la tolerancia a partir de la inteligencia social son respectivamente:
a) 0,50 y 2
b) 0,70 y 1,80
c) 1,13 y -0,78

Sy 2,40
b = rxy ⋅ = 0,89 ⋅ = 0,70 a = Y − b ⋅ X = 6 − 0 ,70 ⋅ 6 = 1,80
Sx 3,04
12. A partir de la Tabla 2, ¿qué puntuación directa pronosticaremos en tolerancia a un sujeto cuya
puntuación directa en inteligencia social es 4:
a) 3,74
b) 4
c) 4,6
Y’ = 1,80 + 0,70 · X = 1,80 + 0,70 · 4 = 4,60

CURSO 2014/2015 UNED A CORUÑA 4

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2009/2010 – SEPTIEMBRE (MODELO A)

Media Desviación Recta de regresión Tabla 2: Para pronosticar las puntuaciones en una
típica asignatura (Y) a partir de las puntuaciones en un test
X 100 10 de razonamiento (X) disponemos de los siguientes
Y’ = – 8 + 0,16X datos obtenidos en un grupo de 500 niños
Y 8 2
9. Si queremos estudiar la relación entre dos variables, X e Y, cada una de ellas con tres categorías
utilizaremos el coeficiente:
a) C de Contingencia
b) de Pearson
c) de Asimetría
10. Si queremos estudiar la relación entre dos variables dicotómicas, X e Y, el valor del Coeficiente
de Contingencia máximo que podemos obtener es:
a) 0,20
b) 0,71
c) 0,9

k −1 2 −1
c MÁX = = = 0,5 = 0 ,71
k 2
11. Utilizando la recta de regresión, recogida en la Tabla 2, ¿qué puntuación en Y pronosticaremos
a un alumno que ha obtenido una puntuación de 100 en X?:
a) 4
b) 6
c) 8
Y’ = – 8 + 0,16X = – 8 + 0,16 · 100 = 8
12. Teniendo en cuenta los datos de la Tabla 2, el coeficiente de correlación de Pearson entre X e Y,
vale:
a) 0,7
b) 0,8
c) 0,9
Sy Sy Sx 10
b = rxy ⋅ y b = 0,16 por tanto rxy ⋅ = 0,16 y rxy = 0,16 ⋅ = 0,16 ⋅ = 0,8
Sx Sx Sy 2

CURSO 2014/2015 UNED A CORUÑA 5

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2009/2010 – SEPTIEMBRE (MODELO B)

Divorciados Alumno X Y XY
No Si Roberto 122 5,7 695,4
Número 0 122 5,7 Ana 130 8,4 1092
de hijos 1 130 8,4 María 124 6,0 744
2 o más 124 6,0 Jesús 123 6,1 750,3
Inés 135 8,6 1161
634 34,8 4442,7
Tabla 1. Se ha tomado una muestra aleatoria de 100 Tabla 2. Resultados de medir el Cociente Intelectual
parejas, que se casaron en Madrid en el año 2000. Se (CI), variable X, y la nota media al terminar el curso,
ha tomado nota del número de hijos y de si las parejas variable Y, de 5 alumnos de 15 años de edad.
se han divorciado o no.
9. Con los datos de la Tabla 1, hemos obtenido un valor de X2, Chi cuadrado, igual a 6,352. El
coeficiente C de Contingencia está comprendido entre:
a) 0,7 y 1
b) 0,4 y 0,7
c) 0,1 y 0,4

χ2 6,352
c= = = 0 ,0597 = 0,24
χ +n
2
6 ,352 + 100
10. Según los datos de la Tabla 2, la covarianza entre el CI y la nota media a final de curso es:
a) 6
b) 7
c) 8

ΣXY 4442,7 634 34 ,8

S xy = − XY = − ⋅ = 888,54 − 126,8 ⋅ 6,96 = 6,012
n 5 5 5
11. La recta de regresión, calculada con los datos de la Tabla 2, para pronosticar la nota media al
terminar el curso, en función del CI, es:
a) – 24,1 + 0,245Xi
b) – 24,1Xi + 0,245Xi
c) 24,1 + 0,245Xi

nΣXY − ΣXΣY 5 ⋅ 4442,7 − 634 ⋅ 34 ,8 22213,5 − 22063,2 150,3

b= = = = = 0,245
nΣX 2 − (ΣX )2 5 ⋅ 80514 − 634 2 402570 − 401956 614
a = Y − b ⋅ X = 6,96 − 0,245 ⋅ 126,8 = −24 ,106 Y’ = – 24,106 + 0,245 · X
12. Con los datos de la Tabla 2 ¿qué nota media a final de curso pronosticaremos a un alumno que
tiene un CI de 127?
a) 6
b) 7
c) 8
Y’ = – 24,106 + 0,245 · X = – 24,106 + 0,245 · 127 = 7,009

CURSO 2014/2015 UNED A CORUÑA 6

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2009/2010 – SEPTIEMBRE (MODELO C)

Trastorno psicológico
X Y
Aceptación del Trastorno de
Depresión Media 30 15
tratamiento personalidad
Varianza 64 36
Sí 36 44
Correlación rxy = 0,70
No 4 16
Tabla 3: Un psicólogo utilizó un test de Analogías
Tabla 2: En una investigación se estudió la
Verbales (X) para predecir el rendimiento en
aceptación o no del tratamiento psicológico por
Lengua de 4º de la ESO (Y). Obtuvo las
parte de pacientes que presentaban dos tipos de
puntuaciones de las dos variables en una muestra
trastornos psicológicos. En la tabla de doble
aleatoria de 1000 estudiantes. En la tabla se
entrada se muestra la distribución conjunta de
muestran las medias, las varianza y la correlación
frecuencias absolutas de ambas variables
entre ambas variables.
10. Con los datos de la Tabla 2, si analizamos la relación entre ambas variables, el índice chi-
cuadrado es igual a:
a) 7,25
b) 0
c) 4,17
Depresión Trastorno de personalidad Total
Aceptación
Frec. Frec. Frec. Frec.
del
conjunta conjunta conjunta conjunta
tratamiento
observada teórica observada teórica
Sí 36 32 44 48 80
No 4 8 16 12 20
40 40 60 60 100

χ 2 = ∑∑
(ne − nt )2 = (36 − 32)2 + (44 − 48)2 + (4 − 8)2 + (16 − 12)2 = 4 ,166 ≅ 4 ,17
nt 32 48 8 12

11. Con los datos de la Tabla 3, la covarianza entre ambas variables es igual a:
a) 83,6
b) 25,3
c) 33,6
S XY = rXY S X S Y = 33,6
12. La recta de regresión de Y sobre X siempre pasa por el punto:
a) ( )
X ,Y

b) (0 ,Y )
c) (X ,0)
13. Con los datos de la Tabla 3, la pendiente de la recta de regresión de Y sobre X en puntuaciones
directas es:
a) 0,525
b) 0,385
c) 0,495
SY 6
b = rXY = 0,70 = 0,525
SX 8

CURSO 2014/2015 UNED A CORUÑA 7

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2010/2011 – FEBRERO (MODELO A)

Vendedor Fluidez verbal (X) Ventas diarias (Y) X·Y X2
1 10 2 20 100
2 50 4 200 2500
3 50 5 250 2500
4 60 3 180 3600
5 20 1 20 400
190 15 670 9100
Tabla 2. Resultados en un test de fluidez verbal de un grupo de vendedores de enciclopedias y número de
ventas diarias realizadas

9. ¿Qué diagrama de dispersión corresponde a los datos presentados en la tabla 2?

a) El 1
b) El 2
c) El 3
Diagrama 1 Diagrama 2 Diagrama 3

10. Entre las variables Fluidez Verbal y Nº de Ventas Diarias de la tabla 2 existe una relación lineal:
a) directa
b) inversa
c) nula
11. Con los datos de la tabla 2, la pendiente de la recta de regresión que permite pronosticar el
número de ventas diarias (Y) a partir de la fluidez verbal de los vendedores (X) es:
a) -0,053
b) 0
c) 0,053

n∑ X ⋅ Y − ∑ X ∑ Y 5 ⋅ 670 − 190 ⋅ 15 500

b= = = = 0,053
n∑ X 2 − (∑ X ) 5 ⋅ 9100 − 1902 9400
2

12. ¿Cuántas ventas diarias se pronosticará a un nuevo aspirante al puesto de vendedor de

enciclopedias que ha obtenido en el test de fluidez verbal una puntuación de 40?
a) Entre 0 y 1
b) Entre 2 y 3
c) Entre 3 y 4

X=
∑X i 190
= = 38 Y =
∑ Yi = 15 = 3 a = Y − bX = 3 − 0,053 ⋅ 38 = 0,986
n 5 n 5
Y' = a + bX = 0,986 + 0,053 ⋅ X = 0,986 + 0,053 ⋅ 40 = 3,106

CURSO 2014/2015 UNED A CORUÑA 8

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2010/2011 – FEBRERO (MODELO B)

X Media Desv. típica Correlación
X 8 2,83 rxy = 0,7
Y 14 5,66
Tabla 2: Datos de 50 personas en un estudio para predecir la nota en dibujo artístico (Y) a partir de su nivel de
creatividad (X)
10. El coeficiente de Contingencia puede tomar valores:
a) mayores o iguales a 0 y menores que 1
b) entre -1 y 1
c) entre 0 y 100
11. Con los datos de la tabla 2, la covarianza entre la variable X e Y es:
a) 0,49
b) 13,38
c) 11,21
S xy
rxy = → S xy = S x ⋅ S y ⋅ rxy = 2,83 ⋅ 5,66 ⋅ 0,70 = 11,21
Sx ⋅ Sy
12. Respecto a la tabla 2, la ordenada en el origen y la pendiente de la ecuación de la recta de
regresión para pronosticar la variable Y a partir de la variable X son, respectivamente:
a) 2,8 y 1,4
b) -8,4 y 2,8
c) 0,35 y 11,2
Sy 5,66
b = rxy = 0,70 ⋅ = 1,4 a = Y − bX = 14 − 1,4 ⋅ 8 = 2,8
Sx 2,83
13. Considerando los datos de la tabla 2, ¿qué puntuación en Y pronosticaremos a un alumno que
tiene una puntuación en X de 10?:
a) 112,35
b) 19,6
c) 16,8
Y' = a + bX = 2,8 + 1,4 ⋅ X = 2,8 + 1,4 ⋅ 10 = 16,8

CURSO 2014/2015 UNED A CORUÑA 9

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2010/2011 – FEBRERO (MODELO C)

Situación 2. En una investigación para estudiar la relación
Mejora del
entre siesta y mejora del aprendizaje, todos los sujetos
aprendizaje
realizaron una tarea de aprendizaje por la mañana. Después
Sí No
de comer, la mitad de los sujetos se echó la siesta. Finalmente, Siesta Sí 170 30 200
todos los sujetos volvieron a realizar la misma tarea de No 70 130 200
aprendizaje por la tarde. 240 160 400

10. En la situación 2, el valor del estadístico X2 para cuantificar el grado de asociación entre siesta y
mejora del aprendizaje está entre:
a) 30 y 40
b) 50 y 60
c) 100 y 110

X = ∑∑
2 (ne − nt )2 = (170 − 120)2 + (30 − 80)2 + (70 − 120)2 + (130 − 80)2 = 104 ,17
nt 120 80 120 80
Donde ne es la frecuencia observada o empírica y nt es la frecuencia teórica o esperada

total fila × total columna 200 × 240 200 × 160

nt = n11 = = 120 n12 = 80 n21 = 120 n22 = = 80
n 400 400
11. En la situación 2, el valor del coeficiente de contingencia C para cuantificar el grado de
asociación entre siesta y mejora del aprendizaje está entre:
a) 0,26 y 0,30
b) 0,33 y 0,36
c) 0,43 y 0,46

X2 104,17
C= = = 0,45
X +n
2
104,17 + 400
12. La recta de regresión que permite pronosticar el riesgo de padecer una enfermedad coronaria
(Y) en función de la hostilidad (X) es Y’ = 1,1 + 0,9X, ¿cuál es el riesgo de padecer una enfermedad
coronaria de una persona que ha obtenido una puntuación X = 8 en hostilidad?:
a) 0,9
b) 1,1
c) 8,3
Y' = a + bX = 1,1 + 0,9 ⋅ X = 1,1 + 0,9 ⋅ 8 = 8,3

CURSO 2014/2015 UNED A CORUÑA 10

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2010/2011 – SEPTIEMBRE (MODELO A)

Voluntariado
Si No

Altruismo
Bajo 250 150

Alto 550 50

Tabla 2. Los 1000 estudiantes de un centro educativo según sean o no voluntarios y según puntúen alto o bajo
en altruismo
10. El estadístico X2 para cuantificar el grado de asociación entre las variables voluntariado y
altruismo de la tabla 2 está entre:
a) 105 y 110
b) 115 y 120
c) 125 y 130

X = ∑∑
2 (ne − nt )2 = (250 − 320)2 + (150 − 80)2 + (550 − 480)2 + (50 − 120)2 = 127,60
nt 320 80 480 120
Donde ne es la frecuencia observada o empírica y nt es la frecuencia teórica o esperada

total fila × total columna 400 × 800 400 × 20

nt = n11 = = 320 n12 = = 80 n21 = 480 n22 = 120
n 1000 100
11. Si el coeficiente de correlación de Pearson entre X e Y es igual a -1, el valor de la covarianza
entre X e Y es:
a) negativo
b) positivo
c) cero
S xy
Si rxy = – 1 el valor de Sxy es negativo puesto que rxy = y las desviaciones típicas no pueden tener
Sx ⋅ Sy
signo negativo

12. Y’ = 2X – 3 indica que la ordenada en el origen de la recta de regresión es:

a) 2
b) - 3
c) 3

13. En una muestra de víctimas de violencia doméstica, hemos obtenido la recta de regresión
siguiente Y’ = 0,08 + 1,24X. En esta investigación, X es el grado de violencia doméstica sufrida e Y
el grado de daño físico y psicológico manifestado. Una puntuación pronosticada Y’ = 10 indica que
X es igual a:
a) 0,08
b) 1,24
c) 8
Y' = a + bX = 0,08 + 1,24 ⋅ X
Y' = 10
9,92
10 = 0,08 + 1,24 ⋅ X → 10 − 0,08 = 1,24 ⋅ X → 9,92 = 1,24 ⋅ X → X= =8
1,24

CURSO 2014/2015 UNED A CORUÑA 11

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2010/2011 – SEPTIEMBRE (MODELO B)

Figura 1. Distribuciones de frecuencias obtenidas al aplicar Figura 2. Diagrama de dispersión y recta de

una misma prueba de competencia lectora a alumnos de: (a) regresión de Y sobre X. La variable X representa la
Primaria, (b) Secundaria y (c) Bachillerato. puntuación obtenida en un test de concentración, y
la variable Y el número de errores cometidos al
realizar una tarea monótona de atención.
Discriminación laboral percibida
Baja Moderada Alta
Inmigrantes Rumanos 30 35 15 80
Marroquíes 10 20 20 50
Subsharianos 10 30 30 70
50 85 65 200
Tabla 2. Resultados obtenidos en un estudio sobre la discriminación laboral percibida de tres grupos distintos de
inmigrantes.
10. Según la Figura 2, la relación entre el nivel de concentración y el número de errores cometido
es:
a) lineal directa
b) lineal inversa
c) nula
11. La recta de regresión representada en la Figura 2 es:
a) Y’ = 10,14 - 0,09X
b) Y’ = 10,14 + 0,09X
c) Y’ = 10,14X - 0,09

n∑ X ⋅ Y − ∑ X ∑ Y Concentración Núm. de X·Y X2

b= (X) errores
n∑ X 2 − (∑ X )
2
(Y)
10 10 100 100
5 ⋅ 1040 − 230 ⋅ 30 − 1700 50 4 200 2500
b= = = −0,09 80 2 160 6400
5 ⋅ 14300 − 2302 18600 70 6 420 4900
20 8 160 400
230 30
X= = 46 Y= =6 230 30 1040 14300
5 5
a = Y − bX = 6 − 0,09 ⋅ 46 = 10,14 → Y' = a + bX = 10,14 − 0 ,09 ⋅ X
12. Es apropiado analizar la relación entre dos variables utilizando el coeficiente C de contingencia
en el caso de:
a) la Figura 1
b) la Figura 2
c) la Tabla 2

CURSO 2014/2015 UNED A CORUÑA 12

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2010/2011 – SEPTIEMBRE (MODELO C)

X Y XY
Cínica Educación Trabajo
X = 30 Y =7
∑ XY = 10660 Hombre 5 15 25
∑X 2 = 45200 ∑Y 2 = 2650 Mujer 25 15 5

Tabla 2: Con el fin de estudiar la relación entre las Tabla 3: Elección del itinerario en el grado de
puntuaciones en un test de inteligencia (X) y la Psicología en función del sexo de los estudiantes
obtenida en un examen de matemáticas (Y), se de segundo de grado que asisten a un centro
utilizan las puntuaciones de 50 sujetos asociado de la UNED
obteniéndose los siguientes resultados:
10. Atendiendo a los datos de la tabla 2, la recta de regresión de las calificaciones en matemáticas
sobre las puntuaciones en el test de inteligencia es:
a) Y’=-0,24X-0,20
b) Y’=0,50X+10,20
c) Y’=0,80X-17

n∑ X ⋅ Y − ∑ X ∑ Y 50 ⋅ 10660 − 1500 ⋅ 350 8000

b= = = = 0,80
n∑ X − (∑ X ) 50 ⋅ 45200 − 15002
2
2 10000

a = Y − bX = 7 − 0 ,8 ⋅ 30 = −17 → Y' = a + bX = −17 + 0,8 ⋅ X

11. Con los datos de la tabla 2, la covarianza entre ambas variables es igual a:
a) 4,6
b) 7,9
c) 3,2

S XY =
∑ X ⋅ Y − X ⋅ Y = 1066 − (30 ⋅ 7) = 3,2
n 50
12. Atendiendo a la tabla 3, si el valor del estadístico X2=26,667, ¿cuánto vale el coeficiente de
Contingencia?:
a) 0,20
b) 0,48
c) 0,60

X 2 = ∑∑
(ne − nt )2 = (5 − 15)2 + (15 − 15)2 + (25 − 15)2 + (25 − 15)2 + (15 − 15)2 + (5 − 15)2 = 26,667
nt 15 15 15 15 15 15
Donde ne es la frecuencia observada o empírica y nt es la frecuencia teórica o esperada
total fila × total columna 45 × 30 45 × 30
nt = n11 = = 15 n12 = = 15 n13 = 15 …
n 90 90
X2 26,667
C= = = 0 ,48
X +n
2
26,667 + 90
13. Con los datos de la tabla 3, ¿se puede calcular el coeficiente de contingencia máximo?:
a) sí
b) no
c) sí pero no es fiable

CURSO 2014/2015 UNED A CORUÑA 13

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2011/2012 – FEBRERO (MODELO A)

Persona Xi Tarea realizada
1 20 Si No
2 6 Baja 68 92 160

Ansiedad
3 9 (84,8) (75,2)
4 6
Alta 144 96 240
5 12
(127,2) (112,8)
6 8
7 16 212 188 400
Tabla 3. En un estudio se investigó la relación entre la
ansiedad de ejecución (Baja o Alta) y la realización
Tabla 1. Resultados en un test de agudeza visual (X) de
correcta de una tarea (Sí, No) en 400 personas. En la
siete personas en una investigación sobre la miopía
tabla se muestran alguitas frecuentas observadas y,
debajo y entre paréntesis, algunas frecuencias teóricas
10. Con los datos de la tabla 3, el valor de X2 es igual a:
a) 7,17
b) 11,80
c) 16,8

X 2 = ∑∑
(ne − nt )2 = (67 − 84,8)2 + (92 − 75,2)2 + (144 − 127,2)2 + (96 − 112,8 )2 = 11,80
nt 84 ,8 75,2 127,2 112,8
Donde ne es la frecuencia observada o empírica y nt es la frecuencia teórica o esperada

total fila × total columna 160 × 188 240 × 212

nt = n12 = = 75,2 n21 = = 127,2
n 400 400
11. En la tabla 3, ¿se puede calcular el coeficiente de contingencia máximo?
a) Sí, porque el número de sujetos es grande
b) No porque el número de filas es distinto al número de columnas
c) Sí, porque el número de filas es distinto al número de columnas [p. 128 U.D.]

12. Hemos medido el grado de miopía (Y) de las siete personas de la tabla 1 y, a continuación,
hemos calculado la recta de regresión de Y sobre X. Sabiendo que la correlación de Pearson entre el
test de agudeza visual y el grado de miopía es de 0,68 y que la varianza de las puntuaciones
pronosticadas Y’, es igual a 4, ¿cuál es la pendiente de la recta de regresión de Y sobre X?
a) 3,4
b) -0,28
c) 0,41
Datos: rxy = 0,68 S2Y’ = 4 ¿b en Y’i = a + bXi?

Sy 8 ,65 S 2y' 4
b = rxy = 0,68 = 0,4056 ≅ 0,41 donde S 2y = 2
= = 8,65
Sx 4 ,93 rxy 0,682
13. Con los datos de la tabla 1 y del ejercicio anterior ¿cuál es el valor de la varianza de los errores?
a) 4,65
b) 1,88
c) 1

SE2 = S 2Y − S 2Y ' = 8,65 − 4 = 4 ,65

CURSO 2014/2015 UNED A CORUÑA 14

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2011/2012 – FEBRERO (MODELO B)

300
250
250 210 X =7 Media de la variable X
Frecuencia absoluta

200 Hijos de parejas no Y' = 7,4 Media de los pronósticos Y’

divociadas
150 120 b = 0,9 Pendiente de la recta de
100 Hijos de parejas
100 70 divorciadas regresión de Y sobre X
50 Correlación de Pearson entre X
50
r = 0,8485
eY
0
S2E = 0,6272 Varianza de los errores de
1 2 3 pronóstico
Equilibrio emocional

Gráfica 1. Distribución del equilibrio emocional de los

hijos de las parejas divorciadas y no divorciadas de una Tabla 2. Resultados obtenidos en una muestra de
ciudad española. Los números 1, 2 y 3 del eje de adolescentes en las variables estrés del entorno
abscisas indican equilibrio emocional bajo, medio y alto, familiar (X) y agresividad de los adolescentes (Y)
respectivamente

9. Respecto a la gráfica 1, para cuantificar la relación entre las dos variables del estudio, calculamos
X2 y obtuvimos X2 = 201,53. El coeficiente de contingencia está próximo a:
a) 0
b) 0,5
c) 1

X2 201,53
C= = = 0,45
X +n
2
201,53 + 800

10. Con los datos de la tabla 2, si el estrés del entorno familiar de un adolescente es X = 9, la
agresividad pronosticada del adolescente es:
a) 7
b) 7,4
c) 9,2

Y' = Y a = Y − bX = 7,4 − 0,9 ⋅ 7 = 1,1 Y' = a + bX = 1,1 + 0 ,9 ⋅ 9 = 9,2

11. Respecto de la tabla 2, Sy vale:
a) 1,5
b) 2,03
c) 4,13

S 2y ⋅ (1 − rxy2 ) = SE2
SE2 SE2 0,6272
1 − rxy2 = S 2y = = = 2,24 S y = 2,24 = 1,5
S 2Y 1 − rxy 1 − 0,8485
2

CURSO 2014/2015 UNED A CORUÑA 15

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2011/2012 – FEBRERO (MODELO C)

Niveles de ácido fólico
Bajos Normales

Depresión
Sí 30 35

No 10 25

Tabla 1. Resultados obtenidos en un estudio sobre la posible influencia de los niveles de ácido fólico en la
presencia de un trastorno depresivo. La muestra está formada por 100 personas

10. Atendiendo a los datos de la tabla 1, el estadístico X2 adoptará un valor:

a) entre 0 y 4
b) entre 5 y 9
c) entre 10 y 14

X 2 = ∑∑
(ne − nt )2 = (30 − 26)2 + (35 − 39)2 + (10 − 14 )2 + (25 − 21)2 = 2,93
nt 26 39 14 21
Donde ne es la frecuencia observada o empírica y nt es la frecuencia teórica o esperada

total fila × total columna 65 × 40 35 × 60

nt = n11 = = 26 n12 = 39 n21 = 14 n22 = = 21
n 100 100
11. Suponiendo que la hipótesis del estudio cuyos resultados se presentan en la tabla 1 es que hay
una fuerte relación entre el nivel de ácido fólico y la presencia de un trastorno depresivo, ¿apuntan
los resultados en esta dirección?
a) Sí, porque el valor de X2 es alto
b) Sí porque el valor de C está próximo al máximo
c) No, porque el valor de C está lejos del máximo

k −1 2 −1 X2 2,93
Cmáx = = = 0,707 C= = = 0,17
k 2 X +n
2
2,93 + 100
12. Cuando existe un coeficiente de correlación de Pearson elevado entre dos variables:
a) Siempre se puede afirmar que una de las variables es la causa de la otra
b) Sólo se puede afirmar una relación de causalidad si rxy está muy próximo a 1
c) No se puede afirmar que exista una relación de causalidad entre ambas variables

13. Se utiliza la regresión lineal para pronosticar el rendimiento de un grupo de estudiantes en

función de su motivación. ¿Cuál será el coeficiente de correlación de Pearson entre ambas variables
si la proporción de varianza explicada es 0,36?
a) 0,13
b) 0,6
c) 0,75
2
La proporción de varianza explicada es r xy = 0,36, de modo que rxy = 0,6

CURSO 2014/2015 UNED A CORUÑA 16

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2011/2012 – SEPTIEMBRE (MODELO A)

Alumno Hábitos de estudio (X) Calificación global (Y) X·Y X2
A 2 6 12 4
B 8 5 40 64
C 12 10 120 144
D 3 7 21 9
E 1 3 3 1
26 31 196 222
Tabla 2. Resultados en un cuestionario de hábitos de estudio (X) y la calificación global en 4º de Secundaria (Y)
de cinco alumnos de un centro educativo

10. Con los datos de la Tabla 2, la covarianza entre X e Y vale:

a) 3,66
b) 6,96
c) 9,66

S XY =
∑ X ⋅ Y − X ⋅ Y = 196 − (5,2 ⋅ 6,2) = 39,2 − 32,24 = 6,96
n 5
11. Con los datos de la tabla 2, la pendiente de la recta de regresión en puntuaciones directas para
pronosticar las calificaciones globales (Y) a partir del cuestionario de hábitos de estudio (X) es:
a) 0,16
b) 0,32
c) 0,40
n∑ X ⋅ Y − ∑ X ∑ Y 5 ⋅ 196 − 26 ⋅ 31 174
b= = = = 0,40
n∑ X 2 − (∑ X ) 5 ⋅ 222 − 262
2
434

12. Un coeficiente de correlación de Pearson alto y negativo implica que entre las variables:
a) Existe una relación lineal inversa
b) No existe relación
c) Existe relación pero no es lineal

13. En una tabla de contingencia en la que se relacionan el género y la otra variable dicotómica, las
diferencias entre las frecuencias observadas y las teóricas es igual a cero en las cuatro celdas de la
tabla ¿Cuál sería el valor del coeficiente de contingencia máximo para esa tabla?
a) 1
b) 0,71
c) 0,50

k −1 2 −1
Cmáx = = = 0,707
k 2

CURSO 2014/2015 UNED A CORUÑA 17

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2011/2012 – SEPTIEMBRE (MODELO B)

Media Desv. típica Covarianza
X 108 6
SXY = 27,2
Y 41 5
Tabla 1. Datos de 20 alumnos en un estudio para predecir la puntuación en matemáticas (Y) a partir de su nvel
de inteligencia (X). La ordenada en el origen de la recta de regresión de Y sobre X es a = – 40,61
10. Con los datos de la tabla 1, el coeficiente de correlación de Pearson entre X e Y vale:
a) 0,5026
b) 0,7076
c) 0,9067
S xy 27,2
rxy = = = 0,9067
Sx ⋅ Sy 6⋅5
11. Atendiendo a los datos de la tabla 1, la puntuación en matemáticas que se pronosticará a un
alumno que ha obtenido en el test de inteligencia (X) una puntuación de 102 estará entre:
a) 35 y 38
b) 17 y 20
c) 40 y 43
Sy 5
b = rxy = 0,9067 ⋅ = 0,7556 a = Y − bX = 41 − 0 ,7556 ⋅ 108 = −40,6048
Sx 6
Y' = a + bX = −40,61 + 0,7556 ⋅ 102 = 36,46
12. ¿En qué índice podemos considerar que existe una fuerte relación entre las variables si el valor
obtenido está próximo a uno?
a) En chi-cuadrado
b) En el coeficiente de contingencia
c) En la covarianza
13. Con los datos de la tabla 1, si las puntuaciones en matemáticas (Y) se multiplican por 3 y
obtenemos una nueva variable V, la correlación entre Y y V es:
a) 1
b) -1
c) 0

CURSO 2014/2015 UNED A CORUÑA 18

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2011/2012 – SEPTIEMBRE (MODELO C)

Nota en el examen
Apto No apto

ansiedad
Nivel de
Normal 100 10

Alto 40 50

Tabla 2. Se ha medido a 200 personas el nivel de ansiedad previo a la realización del examen de conducir y la
nota obtenida en el examen
11. Con los datos de la tabla 2, el valor de X2 está entre:
a) 35 y 45
b) 46 y 56
c) 57 y 67

X 2 = ∑∑
(ne − nt )2 = (100 − 77)2 + (40 − 63)2 + (10 − 33)2 + (50 − 27)2 = 50,89
nt 77 63 33 27
Donde ne es la frecuencia observada o empírica y nt es la frecuencia teórica o esperada

total fila × total columna 110 × 140 90 × 60

nt = n11 = = 77 n12 = 63 n21 = 33 n22 = = 27
n 200 200

12. En una recta de regresión, la proporción de varianza de Y explicada por la varianza de X es igual
a:
a) El coeficiente de correlación entre ambas variables al cuadrado
b) El coeficiente de correlación entre ambas variables
c) La raíz cuadrada del coeficiente de correlación entre ambas variables

13. Cuando el coeficiente de contingencia es igual al Cmáx, podemos decir que:

a) Existe una relación moderada entre las variables
b) Existe una fuerte relación entre las variables
c) No existe relación entre las variables

CURSO 2014/2015 UNED A CORUÑA 19

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2012/2013 – FEBRERO (MODELO A)

Tabla 2. Para pronosticar las puntuaciones en una tarea de atención (Y) a partir de las puntuaciones en un test
de agudeza visual (X) disponemos de los siguientes datos obtenidos en un grupo de 100 personas:

10. Con los datos de la Tabla 2, la pendiente de la recta de regresión para predecir la puntuación en
la tarea de atención a partir de la puntuación en el test de agudeza visual, en puntuaciones directas
es:
a) 0,83
b) 1,12
c) 1,54
n∑ X ⋅ Y − ∑ X ∑ Y 100 ⋅ 39600 − 1600 ⋅ 2300 3960000 − 3680000
b= = = = 1,12
n∑ X − (∑ X ) 100 ⋅ 28100 − 16002
2
2 250000
11. Con los datos de la Tabla 2, la ordenada en el origen de la recta de regresión de Y sobre X es:
a) 5,08
b) 9,16
c) 15,34
a = Y − bX = 23 − 1,12 ⋅ 16 = 23 − 17,92 = 5,08

Donde X =
∑ Xi = 1600 = 16 Y = ∑ Yi = 2300 = 23
N 100 N 100
12. Considerando los datos de la Tabla 2, ¿qué puntuación en la tarea de atención se pronosticará a
una persona que ha obtenido en el test de agudeza visual una puntuación de 24?:
a) 31,96
b) 27,19
c) 24,78
Y' = a + bX = 5,08 + 1,12 ⋅ X = 5,08 + 1,12 ⋅ 24 = 31,96
13 Con los datos de la Tabla 2, la correlación entre la tarea de atención (Y) y la agudeza visual (X)
vale:
a) 0,6
b) 0,55
c) 0,8
Sy Sx 5
b = rxy → rxy = b = 1,12 ⋅ = 0 ,8
Sx Sy 7

Donde Sx =
∑X 2

− X2 =
28100
− 162 = 218 − 256 = 25 = 5
N 100
Alternativamente, también podríamos obtener la correlación aplicando la siguiente fórmula:
n∑ X ⋅ Y − ∑ X ∑ Y 100 ⋅ 39600 − 1600 ⋅ 2300
rxy = = = 0,8
n∑ X − (∑ X ) n∑ Y − (∑ Y ) 100 ⋅ 28100 − 16002 100 ⋅ 57800 − 23002
2 2 2 2

CURSO 2014/2015 UNED A CORUÑA 20

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2012/2013 – FEBRERO (MODELO B)

Gráfico 1. Número de alumnos matriculados y aprobados en tres asignaturas (A, B y C)

11. Se realizó un estudio con 200 alumnos sobre la relación entre la titularidad pública o privada de
los centros escolares a los que pertenecían y el hecho de aprobar o suspender una prueba de
rendimiento. Si el estadístico X2 vale 4,22, el coeficiente de contingencia es igual a:
a) 0,02
b) 0,14
c) 0,27
χ2 4 ,22
C= = = 0,14
χ +n
2
4 ,22 + 200
12. Con los datos del gráfico 1, si se estudiara la relación entre las asignaturas y el hecho de aprobar
o no mediante el estadístico X2, ¿cuál es el valor de la frecuencia esperada o teórica de los que se
matriculan en la asignatura A y no aprueban?:
a) 160
b) 255
c) 60
500 ⋅ 320 A B C
nt = = 160 Aprueban 350 120 210 680
1000 No aprueban 150 30 140 320
500 150 350 1000
13. En una recta de regresión de Y sobre X la correlación entre ambas variables es de 0,80, ¿cuánto
vale la proporción de la varianza no explicada en la regresión?: A) 0,36; B) 0,20; C) 0,64.
a) 0,36
b) 0,20
c) 0,64
1 – r2XY = 1 – 0,802 = 0,36

CURSO 2014/2015 UNED A CORUÑA 21

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2012/2013 – FEBRERO (MODELO C)

Trabajador
X Y XY X2
1 4 3 12 16
2 6 5 30 36
3 9 10 90 81
4 12 12 144 144
5 14 9 126 196
45 39 402 473
Tabla 3. Resultados en una escala de perseverancia (X) y en una tarea de discriminación visual (Y) de 5
trabajadores de una empresa.

9. Atendiendo a los datos de la Tabla 2, el valor de X2 es 20, ¿cuánto vale el coeficiente de

Contingencia?:
a) 0,2
b) 0,316
c) 0,525

χ2 20 20
C= = = = 0,1 = 0,316
χ +n2
20 + 180 200
10. Según los datos de la Tabla 3, la covarianza entre la perseverancia y la tarea de discriminación
visual es:
a) 10,2
b) 12,3
c) 15,8

X=
∑X i
=
45
=9 Y=
∑Y i
=
39
= 7,8
N 5 N 5

S XY =
∑ X ⋅ Y − X ⋅ Y = 402 − (9 ⋅ 7,8) = 10,2
n 5
11. Con los datos de la Tabla 3, la pendiente de la recta de regresión de Y sobre X es:
a) 0,25
b) 0,50
c) 0,75
n∑ X ⋅ Y − ∑ X ∑ Y 5 ⋅ 402 − 45 ⋅ 39 255
b= = = = 0,75
n∑ X − (∑ X ) 5 ⋅ 473 − 452
2
2
340

12. Con los datos de la Tabla 3, la ordenada en el origen de la recta de regresión de Y sobre X es:
a) 5,55
b) 1,05
c) 3,3

a = Y − bX = 7,8 − 0,75 ⋅ 9 = 1,05

CURSO 2014/2015 UNED A CORUÑA 22

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2012/2013 – SEPTIEMBRE (MODELO A)

Mejoría clínica
Media Varianza Covarianza
Tratamiento Sí No
entre X e Y
Cognitivo 40 25
X 30 25
13,5 Conductual 60 10
Y 6 9
Farmacológico 50 15
Tabla 2. Resultados obtenidos por 100 comerciales en Tabla 3. Mejoría clínica de un grupo de 200 pacientes
un test de motivación de logro (X) y las ventas diagnosticados con depresión según el tipo de
realizadas durante el último mes (Y) tratamiento recibido

10. Teniendo en cuenta los datos de la Tabla 2, el coeficiente de correlación de Pearson entre x e Y,
vale:
a) 0,6
b) 0,7
c) 0,9
S xy 13,5
rxy = = = 0,9
Sx ⋅ Sy 5⋅3
11. Con los datos de la Tabla 2, la recta de regresión para pronosticar las ventas mensuales (Y) a
partir de la motivación de logro (X) es:
a) Y’ = -10,2 + 0,54X
b) Y’ = -42,6 + 1,62X
c) Y’ = -21,0 + 0,90X
Sy 3
b = rxy = 0,9 ⋅ = 0,54 a = Y − bX = 6 − 0,54 ⋅ 30 = 10,2 Y’i = -10,2 + 0,54X i
Sx 5
12. Con los datos de la Tabla 3, si ambas variables no estuviesen relacionadas entre sí, el número
esperado de paciente que han recibido terapia conductual y que no ha mostrado mejoría clínica es
de:
a) 14,2
b) 17,5
c) 33,3
50 ⋅ 70 Sí No
nt = = 17,5 Cognitivo 40 25 65
200 Conductual 60 10 70
Farmacológico 50 15 65
150 50 200

13. Considerando los datos de la Tabla 3, el valor del Coeficiente de contingencia Máximo (Cmáx):
a) es 0,707
b) es 0,816
c) no se puede calcular
El coeficiente de contingencia máximo se puede estimar en los casos en que la tabla de contingencia tenga el
mismo número de filas y de columnas

CURSO 2014/2015 UNED A CORUÑA 23

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2013/2014– FEBRERO (MODELO A)

Figura 1. Representación gráfica conjunta de dos variables en una muestra de 5 niños de 2º de Primaria: la puntuación
obtenida en un test de Comprensión Verbal (X) y la calificación obtenida en un examen de la asignatura Lenguaje (Y).
10. Se desea comprobar si hay relación entre la nacionalidad (inglés, alemán y español) y el destino
preferido en vacaciones (playa, montaña, ciudad) en una muestra determinada. ¿Qué valor máximo
puede adoptar el coeficiente de contingencia en este caso?
a) 0,707
b) 0,816
c) 1
k −1 3−1
C máx = = = 0,816
k 3
11. Observando la Figura 1, podemos concluir que la relación entre la prueba de Comprensión
Verbal y la calificación obtenida en la asignatura de Lenguaje es:
a) lineal directa
b) lineal inversa
c) no lineal
12. Atendiendo a los datos de la Figura 1, la recta de regresión que permite pronosticar la
calificación en el examen (Y) en función de la puntuación obtenida en el test de Comprensión
Verbal (X) es:
a) Y’ = 0,18 + 1,14X
b) Y’ = 1,14 + 0,18X
c) Y’ = 25,92 + 0,18X
Compresión Examen
Niño X·Y X2
Verbal (X) Lenguaje (Y)
1 15 4 60 225
2 20 4 80 400
3 25 6 150 625
4 30 7 210 900
5 45 9 405 2025
Total 135 30 905 4175

n∑ X ⋅ Y − ∑ X ∑ Y 5 ⋅ 905 − 135 ⋅ 30 4525 − 4050

b= = = = 0,18
n∑ X − (∑ X ) 5 ⋅ 4175 − 1352
2
2
2650

X=
∑ X = 135 = 27 Y=
∑ Y = 30 = 6
n 5 n 5
a = Y − bX = 6 − 0,18 ⋅ 27 = 1,14 Y’i = 1,14 + 0,18Xi
13. Con los datos de la Figura 1, ¿qué puntuación le pronosticaremos en el examen de Lenguaje a
un niño que ha obtenido un 12 en el test de comprensión verbal?
a) 3,3 Y’i = 1,14 + 0,18Xi = 1,14 + 0,18 · 12 = 3,3
b) 4,5
c) 6

CURSO 2014/2015 UNED A CORUÑA 24

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2013/2014– FEBRERO (MODELO B)

Tabla 2. Para las puntuaciones de 200 personas en dos variables cuantitativas, X e Y, disponemos de los
siguientes datos:

11. Para calcular el grado de asociación entre dos variables cualitativas utilizamos:
a) la covarianza;
b) el coeficiente de correlación lineal de Pearson
c) el coeficiente de contingencia C
12. En la Tabla 2, la covarianza entre X e Y es igual a:
a) 18
b) 20
c) 25

S XY =
∑ XY − (X ⋅ Y ) = 163600 −  1600  ⋅  20000  = 818 − (8 ⋅ 100) = 818 − 800 = 18
N 200  200   200 
13. Teniendo en cuenta la Tabla 2, ¿qué puntuación pronosticaremos en Y a una persona que ha
obtenido una puntuación de 8 en X?:
a) 80
b) 100
c) 120
Y’i = 4,5·Xi + 64 = 4,5 · 8 + 64 = 36 + 64 = 100

CURSO 2014/2015 UNED A CORUÑA 25

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

2013/2014– SEPTIEMBRE (MODELO A)

Alumno X Y
1 4 14
2 5 20
3 5 17
4 6 18
5 8 20
Tabla 2. Horas de estudio de inglés a la semana (X) y puntuaciones en una prueba internacional de inglés (Y) de
5 niños de 2º de Primaria. Sabemos que la pendiente de la recta de regresión de Y sobre X es igual a 1,15.

10. Teniendo en cuenta los datos de la Tabla 2, la puntuación que pronosticaremos en la prueba
internacional de inglés a un alumno que estudia 5 horas semanales de inglés es:
a) 17,11
b) 20,03
c) 22,89

X=
∑X i4 +5+5+6+8
= = 5,6 Y =
∑ Yi = 14 + 20 + 17 + 18 + 20 = 17,8
n 5 n 5
a = Y − bX = 17,8 − 1,15 ⋅ 5,6 = 11,36 Y’i = 11,36 + 1,15·Xi = 11,36 + 1,15 · 5 = 17,11
11. Con los datos de la Tabla 2, la media de las puntuaciones pronosticadas en la prueba
internacional de inglés es igual a:
a) 20,1
b) 17,8
c) 14,6
Y' = Y =17,8

12. Según los datos de la Tabla 2, el índice adecuado para estudiar la relación entre ambas
variables es:
a) el coeficiente de correlación de Pearson
b) el coeficiente de Contingencia
c) el coeficiente de variación

13. En una muestra de 100 sujetos, el coeficiente de contingencia entre dos variables con tres
categorías cada una es igual a 0,25. ¿Cuál sería el valor del coeficiente de contingencia máximo?:
a) 0,67
b) 0,71
c) 0,82
k −1 3−1
C máx = = = 0,816 ≅ 0,82
k 3

2013/2014– SEPTIEMBRE (MODELO B)

CURSO 2014/2015 UNED A CORUÑA 26

UNED INTRODUCCIÓN AL ANÁLISIS DE DATOS GRADO
S
SO
S OL
OLLU
UC
U CIIIO
C ON
O NE
NEES
SP
S PR
P RE
REEG
GU
G UN
U NT
NTTA
AS
A SD
S DE
DEEE
EX
E XÁ
X ÁM
ÁMME
EN
E NE
NEES
ST
S TE
T EM
E MA
M A 444
A

Figura 1. Número de accidentes y de fallecidos durante Tabla 2. Sintomatología detectada a un grupo de 200
las vacaciones de Semana Santa en los últimos 5 años niños de una clínica infantil
(Fuente: DGT).
10. Con los datos de la Tabla 2, la frecuencia teórica de los niños que tienen dificultades de
aprendizaje:
a) es igual a la de las niñas
b) es mayor que la de las niñas
c) es menor que la de las niñas
115 ⋅ 40 85 ⋅ 40
Niños: nt = = 23 Niñas: nt = = 17
200 200
11. Atendiendo a la Tabla 2, si el valor del estadístico X2 = 22,18, el coeficiente de Contingencia es
un valor comprendido entre: A); B); C).
a) 0 y 0,2
b) 0,3 y 0,5
c) 0,6 y 0,8
χ2 22,18
C= = = 0,0998 = 0,32
χ +n
2
22,18 + 200
12. Atendiendo a los datos de la Figura 1, la recta de regresión que permite pronosticar el número
de fallecidos en accidente (Y) en función del número de accidentes (X) acontecidos es:
a) Y’ = 1 + 4,8X
b) Y’ = 4,8 + 0,18X
c) Y’ = 4,8 + X
Núm. XY
Núm.
Año accidentes X2
fallecidos (Y)
(X)
2010 41 44 1804 1681
2011 36 39 1404 1296
2012 37 45 1665 1369
2013 23 26 598 529
2014 28 35 980 784
Total 165 189 6451 5659
n∑ X ⋅ Y − ∑ X ∑ Y 5 ⋅ 6451 − 165 ⋅ 189 32255 − 31185 1070
b= = = = =1
n∑ X − (∑ X ) 5 ⋅ 5659 − 1652 28295 − 27225 1070
2 2

X=
∑ X = 165 = 33 Y=
∑ Y = 189 = 37,8
n 5 n 5
a = Y − bX = 37,8 − 1 ⋅ 33 = 4 ,8 Y’i = 4,8 + Xi
13. Considerando los datos de la Figura 1, la relación entre el número de accidentes y el número de
fallecidos en las vacaciones de Semana Santa de los últimos años es:
a) lineal directa
b) lineal inversa
c) prácticamente nula

CURSO 2014/2015 UNED A CORUÑA 27