PSICOESTADÍSTICA
Convocatoria 1993
1. Utilizamos el Análisis de Covarianza
cuando:
1. Queremos estudiar el efecto de
covariación entre dos o más
variables.
2. Queremos aislar, estadísticamente,
el efecto de alguna variable extraña
en nuestro diseño.
3. No tenemos datos suficientes para
realizar un análisis de varianza.
4. Queremos realizar un análisis de
tendencias de los datos.
5. Queremos realizar un análisis de
varianza pero los grupos están
relacionados.
2. Si transformamos unas puntuaciones Xi
(X1, X2, …, XN) en otras puntuaciones Yi
(Y1, Y2,…YN), de modo que Y = X1 + C,
Y2 = X2 + C…, YN = XN + C:
1. La varianza de las nuevas
puntuaciones (Y) es la misma que
la de las puntuaciones primitivas
(X).
2. La varianza de las nuevas
puntuaciones (Y) es la varianza de
las puntuaciones X, incrementada
en la constante (C).
3. La varianza de las nuevas
puntuaciones (Y) es la varianza de
las puntuaciones X, multiplicada
por la constante C.
4. La varianza de las nuevas
puntuaciones (Y) varía o no,
respeto a la varianza de las
puntuaciones X en función de cual
sea el valor de la constante C.
5. Ninguna de las anteriores
afirmaciones es cierta, habría que
calcularlo en cada caso.
3. ¿Podemos obtener como resultado de un
análisis de varianza un valor de F
menor que la unidad?
1. Puede suceder y no plantea ningún
problema.
2. Si esto ocurre es que nos hemos
equivocado en los cálculos.
3. Si esto ocurre es que nuestros datos
no se ajustan a los requisitos
exigibles para la aplicación del
análisis de varianza.
4. Esto sucede cuando no hay
diferencias significativas entre los
grupos
5. La F de un análisis de varianza
siempre es menor que la unidad.
4. Cuando en un informe de investigación
se dice que la diferencia fue significativa
y que p < 0,001 se quiere decir que:
1. La diferencia no es relevante
aunque sea significativa.
2. Probablemente la hipótesis nula es
verdadera.
3. La diferencia es significativa al 5
por ciento, pero también lo sería al
1 por mil.
4. El nivel de confianza es de 0,001.
5. El intervalo es insesgado.
5. Una correlación de -0,90 entre
activación y rendimiento laboral nos
indica que:
1. La activación y el rendimiento
laboral no se relacionan.
2. A mayor activación mayor
rendimiento.
3. A mayor activación menor
rendimiento.
4. Hay otras variables extrañas que
tienen gran peso.
5. La activación es la causa del
rendimiento laboral.
6. La diferencia entre las medidas de una
muestra de hombres y otra de mujeres
es 0,75. Si esta diferencia no resulta
estadísticamente significativa entonces
podemos afirmar que:
1. Los hombres y las mujeres difieren
pero no lo suficiente.
2. No hay diferencias reales entre las
muestras.
3. El contraste es poco potente.
4. Las variables correlacionan.
5. Los hombres y las mujeres no
difieren en cuanto a la característica
medida.
7. Una técnica que se utiliza para
contrastar si cuatro poblaciones difieren
en sus promedios es:
 1. Análisis discriminante. de tipo I y de tipo II
2. Análisis factorial. simultáneamente.
3. Diferencia de medidas (t de 4. Disminuir la probabilidad de error
Student). de tipo I.
4. Análisis de varianza. 5. Disminuir el tamaño del efecto.
5. Componentes principales.

12. ¿Qué es el nivel de significación de un

8. En el análisis estadístico de los datos de contraste de hipótesis?
una investigación, el error de Tipo I es:
1. La probabilidad de que rechacemos
1. El cometido por errores de
la hipótesis nula siendo verdadera.
redondeo cuando no se trabaja con
2. La probabilidad de que rechacemos
un ordenador potente.
la hipótesis nula siendo falsa.
2. La probabilidad de rechazar la
3. La probabilidad de que aceptemos
hipótesis nula siendo verdadera. la hipótesis nula siendo verdadera.
3. La probabilidad de aceptar la
4. La probabilidad de que aceptemos
hipótesis nula siendo falsa.
la hipótesis nula siendo falsa.
4. El error que se comete debido a las
5. La probabilidad de tomar una
expectativas de los sujetos.
decisión correcta.
5. El error que se cometo debido a la
expectativas del experimentador.
13. ¿Cuál es el procedimiento estadístico
que permite valorar la correlación entre
9. Si sabemos que el Centil 75 de unos dos variables, eliminando el efecto de
datos es igual a -5 (C75 = -5) podemos una tercera?
asegurar:
1. La correlación parcial.
1. Que la varianza de esos datos es
2. La correlación biserial puntual.
negativa.
2. Que la amplitud semiintercuartil es 3. La correlación múltiple
negativa. 4. La correlación canónica.
5. La correlación biserial.
3. Que hay 75 puntuaciones
negativas.
4. Que la mediana es negativa.
14. ¿A qué se refiere la característica
5. Que la media es negativa.
robustez o fortaleza de un contraste de
hipótesis?

1. A que se basa en pocos supuestos.

Convocatoria 1994
2. A que es muy potente.
3. A que no exige homocedasticidad.
10. ¿Qué estadístico utilizaría para
4. A que es insensible a la violación
comparar la variabilidad de dos
de los supuestos en los que se basa.
distribuciones con medias
marcadamente distintas? 5. A que los resultados obtenidos con
él son muy fiables.
1. La varianza.
2. El coeficiente de variación.
3. El coeficiente de contingencia. 15. ¿Qué medida de tendencia central
4. La amplitud semi-intercuartil. utilizaría para representar a una
5. La covarianza. muestra, si está estudiando la variable
“lugar de nacimiento”?

1. La media.
11. Cohen propone como un criterio válido 2. La mediana.
para aumentar la potencia de la prueba 3. El centil 50.
la hipótesis: 4. La desviación típica.
5. La moda.
1. Aumentar la probabilidad de error
de tipo I. 16. ¿Cuál es la ventaja de trabajar con
2. Aumentar la probabilidad de error puntuaciones típicas?:
de tipo II.
3. Aumentar la probabilidad de error 1. Que sabemos que se distribuyen
 según el modelo normal. 21. La correlación entre las puntuaciones
2. Que no adoptan valores negativos. en un test de inteligencia y las de una
3. Que su media y varianza son prueba de rendimiento es 0,70, mientras
constantes. que la de las puntuaciones en un test de
4. Que en ellas coinciden media, ansiedad y la de la mencionada prueba
mediana y moda. de rendimiento es -0,80. ¿Qué test
5. Que todas las puntuaciones oscilan utilizaríamos para pronosticar las
entre menos 1 y más 1. puntuaciones en rendimiento?

1. El test de inteligencia, puesto que

17. La escala de eneatipos es una escala mantiene una relación directa con
las puntuaciones en rendimiento
derivada de puntuaciones:
2. El test de ansiedad, puesto que la
correlación es más alta y por tanto
1. Centiles también lo será el coeficiente de
2. Percentiles determinación.
3. Típicas normalizadas 3. El test de inteligencia, puesto que
4. Quartiles. la correlación es más alta
5. Típicas lineales. 4. El test de ansiedad, puesto que
mantiene una relación inversa con
el rendimiento
5. Ninguno de los dos, pues para
Convocatoria 1995 poder predecir una variable a partir
de otra, la correlación entre las
18. El popular método de bisección puede puntuaciones debe ser igual a 1.
ser considerado, en términos de Stevens,
como un método de:
22. ¿Qué podemos afirmar antes una
1. Producción de intervalos
correlación de r=-0,90 entre creatividad
2. Estimación de intervalos e introversión?
3. Emparejamiento cruzado de
intervalos 1. Que ambas variables no se
4. Producción de magnitudes relacionan
5. Estimación de magnitudes 2. Que la creatividad es producida en
su mayor parte por la introversión
3. Que el 90% de la variabilidad en
19. Un diseño entresujetos analizado por creatividad es explicada por la
análisis de varianza necesita asumir: introversión
4. Que el 10% de la variabilidad en
1. Homogeneidad, independencia y
creatividad es explicada por la
normalidad.
introversión
2. Homogeneidad y normalidad
5. Que el 10% de la variabilidad en
3. Homogeneidad, independencia,
creatividad no es explicada por la
normalidad y esfericidad
introversión.
4. Esfericidad, homogeneidad e
independencia
5. Esfericidad, homogeneidad,
23. Si un sujeto obtiene una puntuación
independencia y simetría
típica igual a 2, entonces:
compuesta
1. Coincide con la media
2. Supera a la media en dos
20. La proporción de varianza de una desviaciones típicas
variable, atribuida a los factores 3. Su centil es negativo
comunes extraídos en un Análisis
4. Su directa es mayor de 100
factorial se denomina:
5. Es significativa al 1%
1. Saturación o peso factorial
2. Valor propio o eigenvalue
24. En un grupo de 200 sujetos evaluamos
3. Comunalidad
la variable inteligencia y encontramos
4. Unicidad
que el centil 80 es 100. Por tanto:
5. Rotación
1. El 80% de los sujetos obtienen
puntuaciones superiores a 100.
 2. 100 sujetos superan la puntuación
80.
3. El 80% de los sujetos obtienen Convocatoria 1996
puntuaciones inferiores a 100
4. El centil 80 coincide con la 28. ¿A quéserá igual la media de
mediana laspuntuaciones directas pronosticadas,
5. 100 sujetos tienen puntuaciones mediante la recta de
inferiores a 100 regresión,enunavariable Yapartirdeunas
puntuacionesenunavariableX?:

25. La variable “carrera elegida en primera 1. Alamediadelaspuntuacionesdirecta

opción” por un grupo de estudiantes de sobtenidas
C.O.U. es una variable: enYmáslaordenadaenelorigendelar
ectade regresión.
1. Nominal 2. Alamediadelaspuntuacionesdirecta
2. Ordinal. sobtenidas enX.
3. Cuantitativa de intervalo 3. Alamediadelaspuntuacionesdirecta
4. Cuantitativa de razón sobtenidas
5. Escalar enYmultiplicadaporlapendientedela
rectade regresión.
4. A la
26. ¿Qué prueba utilizaríamos como índice mediadelaspuntuacionesdiferencial
de acuerdo interjueces cuando nuestra es,o de desviación,obtenidasenX.
variable es nominal? 5. Alamediadelaspuntuacionesdirecta
sobtenidas enY.
1. La correlación de Pearson
2. La correlación biserial
3. La Kappa de Cohen 29. ¿Cuántovaldrálavarianzadeunaspuntuaci
4. La correlación curvilínea onesY quesonunatransformación
5. El coeficiente Q de Yule linealdeunas puntuacionesX?:

1. LavarianzadeYseráigualalavarianza
27. En un artículo en el que se encuentra deX.
que la media de las mujeres en aptitud 2. Lapendientealcuadradodelatransfor
espacial es de 57 y la de los hombres 60 mación
se informa de que no hay diferencia linealmultiplicadaporlavarianzadeX
significativas en tal aptitud entre .
hombres y mujeres (t80= 1,6; p > 0,05). 3. LavarianzadeXmáslaordenadaenel
¿Qué significa esto? origen de latransformaciónlineal.
4. Lapendientealcuadradodelatransfor
1. Que la diferencia entre las media mación
poblacionales de hombres y linealmultiplicadaporlavarianzadeX
mujeres no es lo suficientemente másla
grande para ser tenida en ordenadaenelorigendelatransforma
consideración ciónlineal.
2. Que la diferencia entre las medias 5. LaraízcuadradadelavarianzadeX.
muestrales de hombres y mujeres
no es lo suficientemente grande
para ser tenida en consideración 30. ¿Qué tiposde puntuaciones nosaportan
3. Que la información encontrada es más información sobre laposición de
compatible con la hipótesis de que una observación
las medias poblacionales de enunadistribucióndefrecuencias?:
hombres y mujeres son idénticas
4. Que la información encontrada es 1. Diferenciales.
compatible con la hipótesis de que 2. Equivalentes.
las medias muestrales de hombres y 3. Directas.
mujeres son iguales 4. Típicas.
5. Pronosticadas.
5. Que la información encontrada es
compatible con la hipótesis de que
la diferencia entre las medias
31. ¿Quécoeficientedecorrelaciónentrelospr
poblacionales de hombres y opuestos es el más apropiado para
mujeres es pequeña. medir el grado de semejanza
entrelosvaloresdedossucesiones
 ordinales?: 3. Compararlavariabilidaddedistintas
variablesen distintosgrupos.
1. DeKendall 4. Compararlatendenciacentraldelamis
2. Biserial-puntual ma variableen distintosgrupos.
3. Phi 5. Ningunadelaanterioresescierta.
4. Parcial
5. Tetracórica
36. Ladistribuciónmuestraldeunestadístico:

32. ¿Cuál de las siguientesalternativas 1. Esladistribuciónqueserealizaconlas

define correctamente observacionesde unamuestra.
alamediageométricade“n”valores 2. Esladistribucióndeeseestadísticoo
X1,X2,...Xn?: btenidoen
todaslasmuestrasposiblesdela
1. Laraízenésimadelasumadelos población.
“n”valores. 3. Esladistribuciónqueserealizaconlas
2. Laraízcuadradadelamediaaritmética observacionesdeunapoblación.
delos cuadradosdelos“n”valores. 4. Noesuna
3. Laraízenésimadelproductodelos“n” distribuciónúnica,dadoque hay
valores. tantas comomuestrasposibles.
4. Laraízcuadradadelproductodeesos 5. No existe,sólopodemoshablarde
“n”valores. distribución
5. Laraízenésimadelamediaaritmética poblacionalodedistribucióndeuna
delos cuadradosde esos“n” muestra
valores.

37. Eninferenciaestadística,laspruebasdebond
33. Silaecuaciónderegresión
adde ajustesonaquéllasenlasque:
parapredecireléxito académico, Y,
apartir de las puntuaciones de un
1. Sepruebaqueelmuestreorealizadop
test,X,fueseY= -
2+5.X,entonceslacorrelación orel investigadorescorrecto.
dePearsonentreestasdosvariablesXeYser 2. Probamossilaformadedistribucións
ía: upuestaen
lapoblaciónescompatibleconlosres
1. Mayordeuno. ultados muestrales.
2. Nosepodríacalcular. 3. Semidelafiabilidaddelosdatos.
3. Nula. 4. Seanalizalavalidezdelas
4. Negativa. observaciones.
5. Positiva. 5. Probamoslahomogeneidaddelasvar
ianzas

34. Sialapuntuaciónobtenidaporunniñoenunt
est deinteligencia lecorresponde 38. En inferencia estadística, lastécnicas
elpercentil80, no paramétricas
significaquesuniveldeinteligencia: enelcontrastedehipótesisseutilizan
cuando:
1. Coincideconel
80%delosniñosdesuedad. 1. Elniveldemedidadelavariableesordi
2. Haalcanzadoundesarrollomadurativ nal
odel80% 2. Elniveldemedidadelavariableesdein
3. Essuperadoporel80%delapoblación tervalos.
general. 3. Queremosestimarunparámetrodelap
4. Superaal 80%delosniñosdesuedad. oblación.
5. Superaal 20%delosniñosdesuedad. 4. Eltamañodelamuestraesgrande.
5. Elniveldemedidadelavariableesdera
zón.
35. Elcoeficientedevariaciónseutilizapara:

1. Cuantificarlavariaciónconjuntaentr 39. Enestadística,utilizamoselanálisisdecova

edos variables. rianza cuando:
2. Compararlavariabilidaddelamismav
ariableen elmismogrupo. 1. Queremoscontrolar,estadísticamen
 te,elefectode másotrossupuestosadicionales.
algunavariableextrañaennuestrodis 4. ElvalorqueseobtienedeFenelanálisi
eño. sde varianzadebecoincidirconel
2. Queremosestudiarelefectode delanálisisde covarianza.
covariaciónentre doso 5. Elanálisisdecovarianzaserealizacua
másvariables. ndonose
3. Tenemosdos omás cumplenlossupuestosparamétricos
gruposrelacionadospara comparar. pararealizar unanálisisdevarianza.
4. Queremosrealizarunanálisisdetend
enciasdelos datos.
5. Nosecumplenlossupuestosparamét 43. Enestadísticainferencial,sialrealizarunco
ricospara ntraste dehipótesisobtenemos
poderrealizarunAnálisisdeVarianza quenoesposibleaceptarla
. hipótesisnulaconunniveldeconfianza
del95%, perosídel99%:

40. Enelanálisisdevarianza: 1. Estamosafirmandoquehayunaprob

1. Elerrorexperimentaleslavariabilidad
en intergruposoentrelos grupos.
2. Elerrorexperimentaleslavariabilidad
intragruposodentrode los grupos.
3. Los gruposonivelesdela
variableindependiente
debensergruposrelacionados.
4. Losgruposa
comparardebenprocederde
poblacionesquedifieransignificativ
amenteentre susvarianzas.
5. Lavariabilidadintragrupodebecoinc
idirconla variabilidadintergrupo.
abilidaddel95%dequelahipótesisnu
laseaverdadera.
2. Lahipótesisnulatieneunaprobabilid
addeun4% deserverdadera.
3. Resultaimposiblequeestecasosedé,
dadoquesi
noseaceptaaunniveldeconfianzadel
95%,
tampocosepuedeaceptaral99%.
4. Estamosafirmandoquehayunaproba
bilidaddel
99%dequelahipótesisnulaseaverda
dera.
5. Hayunaprobabilidaddel1%dequela
hipótesis nulaseaverdadera.

41. ¿Oué podemos afirmar si,

comoresultado de investigación,
obtenemosunacorrelaciónr= -0,80
entreinteligenciaeintroversión?:
1. Quecuantomásintrovertidoeselsuje
to,más inteligente.
2. Queambasvariablesnoserelacionan
. significación.
3. Queel80%delavariabilidadenintelig
enciaes explicadaporlaintroversión.
4. Queel36%delavariabilidaden
inteligencianoes
explicadaporlaintroversión.
5. Queel20%delavariabilidadenintelig
enciaes explicadaporlaintroversión.
44. En inferenciaestadística, el nivel
deconfianza al
quetrabajamosenloscontrastesdehipótesi
s:
1. Essinónimooequivalentealnivelde
2. Eslaprobabilidadderechazarunahip
ótesisnula quees falsa.
3. Eslaprobabilidaddeaceptarunahipó
tesisnula quees falsa.
4. Eslaprobabilidadderechazarunahip
ótesisnula quees cierta.
5. Eslaprobabilidaddeaceptarunahipó
tesisnula quees cierta.

42. Enestadísticainferencial:
45. Enestadísticainferencial,conlaestimación
1. Parapoderrealizarunanálisisdecovar
ianzabasta conquese cumplanlos
supuestosdel análisisde varianza.
2. Parapoderrealizarunanálisisdecovar
ianzase
exigenmenossupuestosqueparaelan
álisisde varianza.
3. Parapoderrealizarunanálisisdecovar
ianzason necesarioslos
supuestosdelanálisisdevarianza
puntual deparámetros:
1. Nopodemosestablecerelerrorcometi
doal estimarelparámetro.
2. Conocemoslafiabilidaddenuestraes
timación.
3. Estimamoselvalordelparámetrocon
una probabilidaddeconfianza.
4. Conocemoselerrorcometidoalestim
arel parámetro.
 5. Establecemosdos puntosque 5. Típica.
formanunintervalo deconfianza.

49. El cociente entre dos varianzas se

46. El estadístico σ 2
utilizado distribuye según:
parasalvarlosinconvenientes
1. La curva normal.
delasmedidasde tendenciacentrala
2. La distribución t de Student.
lahorade evaluarposibles
3. Chi cuadrado.
diferenciasentresexos:
4. La distribución F de Snedecor.
5. No sigue ninguna distribución
1. Indicasóloel porcentajedela
varianzaquese conocida.
debealerrordemedida.
2. Indicala
50. Si en un contraste de hipótesis
proporcióndelavarianzatotaldela
estadísticas tenemos más de dos
distribucióntotal
muestras relacionadas, una posible
delapuntuacionesque puede
prueba a aplicar es:
explicarseporlavariableindependie
nte.
1. El test de Kruskal-Wallis.
3. Indica,fundamentalmente,elporcent
2. El test de Signos.
ajedela
3. El test de Friedman.
varianzaquesedebealavariaciónintra 4. La prueba de Wilcoxon.
sexo.
5. La prueba U de Mann-Whitney.
4. Sólopuedeutilizarsecuandopreviam
entese
utilizalatécnicadelanálisisfactorial. 51. El coeficiente de correlación de Pearson,
5. Seutilizapreferentementecuandoexi al cuadrado:
steuna
superioridaddeunodelossexosdeal 1. Nos indica el error cometido al
menos mediadesviacióntípica. hacer los pronósticos.
2. Es el error típico de estimación.
3. Nos indica la proporción de azar
47. ¿Dequéseocupalaestadísticadescriptiva?: que afecta a los pronósticos.
4. Es el coeficiente de determinación.
1. Describeaunapoblaciónmediantees 5. Es directamente proporcional al
timaciones muestrales. error de estimación.
2. Describelas característicasde
unamuestra
utilizandoestadísticosmuestrales. 52. En estadística, el error de Tipo II es:
3. Describeaunapoblaciónmediantela
sinferencias 1. La probabilidad de rechazar la
realizadasenunamuestra. hipótesis nula siendo verdadera.
4. Describelascaracterísticasdeunapo 2. La probabilidad de mantener la
blación hipótesis nula siendo falsa.
utilizandoestadísticosmuestrales. 3. La probabilidad de rechazar la
5. Describelas característicasde hipótesis nula siendo falsa.
unamuestra medianteparámetros 4. El error que se comete siempre que
estadísticos. aceptamos una hipótesis nula.
5. El error que se comete debido a las
deficiencias del diseño, o error
experimental.
Convocatoria 1997

48. El porcentaje de sujetos de un grupo 53. ¿Qué se entiende por modelo

normativo que puntúa por debajo de la equilibrado en el análisis de varianza?:
puntuación empírica de un sujeto, viene
determinado por la puntuación: 1. Cuando los grupos que se
comparan tienen el mismo número
1. Cronológica. de elementos o unidades
2. Típica derivada. experimentales.
3. Empírica. 2. Cuando el número de factores
4. Centil. coincide con el de niveles.
 3. Cuando uno de los factores es de vale 1.
efectos fijos y el otro de efectos 3. La suma de las diferencias de las
aleatorios. puntuaciones respecto de su media
4. Cuando se ha controlado al vale 0.
máximo el error experimental. 4. La suma de las diferencias al
5. Cuando las varianzas son cuadrado de las puntuaciones
homogéneas. respecto a su media es mayor que
respecto a cualquier otro valor
distinto de la media.
54. ¿Qué se entiende por estimador 5. La suma de las diferencias al
insesgado?: cuadrado de las puntuaciones
respecto a su media es igual que
1. Cuando utiliza toda la información respecto a cualquier otro valor
muestral posible para estimar un distinto de la media.
parámetro.
2. Cuando su esperanza matemática
coincide con el valor delparámetro 58. En los contrastes de hipótesis
poblacional que estima. estadísticas:
3. Cuando las estimaciones que
proporciona se van aproximando 1. Toda hipótesis nula debe ir
cada vez más al valor delparámetro acompañada de una hipótesis
poblacional a medida que aumenta alternativa.
el tamaño de la muestra. 2. Para cada hipótesis nula existe una
4. Cuando tiene una varianza mínima. única hipótesis alternativa.
5. Cuando está libre de error 3. El rechazar la hipótesis nula
experimental. implica, también, rechazar la
hipótesis alternativa.
4. Si rechazamos una hipótesis nula,
55. El análisis de covarianza o ANCOVA: tenemos certeza total de que el
hecho probado no se cumple.
1. Se utiliza para controlar, 5. La hipótesis nula es la que nunca se
estadísticamente, parte delerror cumple.
experimental.
2. Es una técnica que estudia la
covariación entre dos variables.
3. Es una técnica alternativa al Convocatoria 1998
análisis de varianza para cuando no
se cumplen los supuestos de 59. Las escalas centiles:
aplicación de ésta.
4. Se aplica cuando no tenemos datos 1. Son escalas ordinales.
suficientes para realizar un análisis 2. Son escalas de intervalo.
de varianza. 3. Pueden tomar valores negativos.
5. Presenta sus resultados en términos 4. Tienen unidad de medida
de correlaciones. constante.
56. Si en un experimento consideramos el 5. Son escalas normalizadas.
número de hermanos de un sujeto, como
una variable independiente, ésta será:
60. El muestreo aleatorio estratificado:
1. Continua.
2. Discreta. 1. Asegura que los estratos de la población
3. Extraña. mantienen una determinada
4. Sistemática. representación en la muestra.
5. Organísmica. 2. Es un muestreo no probabilístico en el
que las unidades son incluidas según el
criterio de un experto.
57. ¿Cuál de las siguientes es una propiedad 3. Es una técnica en la que se muestrean
fundamental de la media aritmética?: conjuntos de elementos en vez de los
elementos mismos.
1. La suma de las diferencias al 4. Es un muestreo en el que no se puede
cuadrado de las puntuaciones determinar cuál es la probabilidad de
respecto a su media vale 0. que un elemento de la población forme
2. La suma de las diferencias de las parte de la muestra.
puntuaciones respecto a su media 5. Es un caso especial del muestreo
 intencional. 5. No es una prueba de bondad de
ajuste.

61. En el contraste de hipótesis estadísticas: 64. Para la estimación puntual de un

parámetro poblacional:
1. Una hipótesis nula que ha sido
rechazada en un contraste 1. Debemos utilizar el estimador
unilateral, a un determinado nivel insesgado de dicho parámetro.
de confianza, puede no ser 2. Nos basamos en el intervalo de
rechazada, a ese mismo nivel de estimación.
confianza, si el contraste es 3. Conocemos la probabilidad de error
bilateral. de la estimación.
2. Una hipótesis nula que ha sido 4. Debemos calcular el error típico de
rechazada en un contraste estimación.
unilateral, a un determinado nivel 5. Debemos saber el nivel de
de confianza, no puede ser confianza al que trabajamos.
rechazada a ese mismo nivel de
confianza, si el contraste es
bilateral. 65. Si en un contraste de hipótesis
3. Una hipótesis nula que ha sido no estadísticas, tenemos más de dos
rechazada, a un determinado nivel muestras independientes una posible
de confianza, en un contraste prueba a aplicar es:
bilateral, será también no
rechazada, si el contraste es 1. La prueba U de Mann-Whitney.
unilateral. 2. El test de signos.
4. A un determinado nivel de 3. La prueba de Wilcoxson.
confianza, es más fácil rechazar la 4. El test de Friedman.
hipótesis nula en el contraste 5. El test de Kruskal-Wallis.
bilateral que en el unilateral.
5. Cuanto mayor es el nivel de
confianza al que trabajemos, mayor 66. En estadística inferencial la
será la probabilidad de rechazar la probabilidad de mantener una hipótesis
hipótesis nula. nula que es cierta, es:

1. El nivel de riesgo al que trabajamos

62. En estadística inferencial decimos que en el contraste de hipótesis.
un estimador es insesgado cuando: 2. El nivel de confianza al que
trabajamos en el contraste de
1. Tiene una varianza pequeña. hipótesis.
2. Utiliza, para la estimación, toda la 3. La potencia del contraste.
información disponible en la 4. El punto que señala la frontera
muestra. entre la región de aceptación y la de
3. Es consistente. rechazo.
4. La media de su distribución 5. Una probabilidad con la que nunca
muestral coincide con el parámetro se trabaja.
que tratamos de estimar.
5. No podemos fiarnos de él.
67. En estadística descriptiva, el coeficiente
de variación:
63. La prueba Chi cuadrado de bondad de
ajuste: 1. Es un término sinónimo a
coeficiente de correlación.
1. Sólo es aplicable cuando el nivel de 2. Mide la variación conjunta de dos
medida de los datos es de intervalo. variables.
2. Sirve para probar si los resultados 3. Se utiliza para saber si una varianza
muestrales son compatibles con una es significativa.
hipotética distribución poblacional. 4. Se puede utilizar para comparar
3. Se utiliza cuando se quiere probar variabilidades muestrales de
la homogeneidad de las varianzas. características de distinta
4. Sólo es calculable cuando se naturaleza.
conocen los parámetros 5. Es un coeficiente de correlación
poblacionales. con variables categóricas.
 Y= 4 + 2X. ¿Cuál es la varianza de las
nuevas puntuaciones Y?:
68. Tenemos un conjunto de puntuaciones
que se distribuyen normalmente, con 1. 36.
media igual a 20 y desviación típica 2. 34.
igual a 4. Sabemos que la puntuación de 3. 32.
un sujeto que pertenece a dicho 4. 20.
conjunto es de 20. Esto nos permite 5. 16.
afirmar:

1. Que su puntuación coincide con el 72. La distribución muestral de la medida

50% de las puntuaciones de su es normal:
grupo.
2. Que su puntuación supera el 50% 1. Cuando, independientemente del
de las puntuaciones de su grupo. tamaño de la muestra, es normal la
3. Que no tenemos datos suficientes distribución de la variable
para conocer la posición de esta estudiada.
puntuación en el grupo 2. Aunque la distribución de la
4. Que todos los sujetos obtienen la variable estudiada no sea normal, si
misma puntuación. la muestra es pequeña.
5. No es posible obtener una 3. Siempre, independientemente de la
puntuación que coincida distribución de la variable
exactamente con la media, dada la estudiada y del tamaño de la
variabilidad. muestra.
4. La distribución muestral de la
media no es normal, sino que se
69. Cuando queremos realizar la distribuye según una binominal.
representación gráfica de variables 5. La distribución muestral de la
cualitativas, usamos un: medida es discreta.

1. Diagrama de sectores o pictograma.

2. Histograma.
3. Polígono de frecuencias. Convocatoria 1999
4. Polígono de barras.
5. Diagrama de tallos y hojas. 73. Silavarianzacomúnentredosvariablesesd
el
49%,¿cuáleslacorrelaciónentreambas?:
70. Si tenemos una ecuación de regresión
lineal Y= 2 - 2X que nos pronostica el 1. +0,98
consumo de alcohol en función de las 2. +0,49
puntuaciones de un test, podemos 3. -0,49
afirmar que: 4. -0,51
5. -0,70
1. A mayor puntuación en el test,
mayor consumo de alcohol.
2. No existe relación entre la 74. SiP(z<-0,5)=0,3085
puntuación del test y el consumo de yP(z<0,5)=0,6915,¿qué porcentaje
alcohol. deunapoblaciónconunadistribuciónnorm
3. La correlación de Pearson entre la alpuedeesperarse
puntuación del test y el consumo de queobtengapuntuacionescomprendidase
alcohol es igual a cero. ntrez=-0,5y z=0,5?:
4. A mayor puntuación en el test,
menor consumo de alcohol. 1. 1,0000
5. La correlación lineal entre la 2. 0,6915
puntuación del test y el consumo de 3. 0,5000
alcohol es positiva. 4. 0,3830
5. 0,3085

71. Tenemos un conjunto de puntuaciones 75. En los diseños de medidas repetidas, la

X, cuya varianza es igual a 8. Si a cada interacciónde los sujetos con las
una se le multiplica por 2 y se le suma 4, ocasiones de medidapuede dar lugar a
se obtienen unas nuevas puntuaciones que la prueba F resulte negativamente
 sesgada. ¿Cuál de las siguientes 3. Laigualdaddedosproporcionesenla
posibilidadespuede evitar el problema?: población.
4. Lapendientedelafunciónajustadaenl
1. Incrementar el tamaño de la muestra. apoblación.
2. Incrementar los niveles de la variable 5. Laigualdaddekmediasenla
independiente. población.
3. Reducir el nivel de significación.
4. Transformar las puntuaciones.
5. Espaciar la presentación de los 80. Sienuncontraste dehipótesis estadísticas
tratamientos. disponemos
demásdedosmuestraspequeñase
independientes,un posibleestadísticode
76. Unapuntuación con- trastea aplicares:
típicaiguala2indicaquela
puntuacióndirectacorrespondiente: 1. EltestdeFriedman.
2. LapruebadeWilcoxon.
1. Se separadela mediadosunidades. 3. Eltestde signos.
2. Seseparadelamediadosveceselvalor 4. LaU deMann-Whitney.
dela desviacióntípica. 5. EltestdeKruskal-Wallis.
3. Eseldobledela media.
4. Seseparadelamediadosunidadesenv
alor absoluto. 81. Silarelaciónentredosvariables
5. Esmenorquela puntuaciónmedia. eslinealyse expresacomoY
=A+B*X,entonces:

77. Launidad 1. Aesunaconstantequeindicalapendie

demedidaenqueseexpresaelcoeficientede ntede la recta.
variaciónes: 2. B esla ordenadaenelorigen.
3. Besla pendientedela recta.
1. Lamismaenlaqueestánexpresadoslo 4. Yeslavariablequeindicalapendiente
sdatos. dela recta.
2. Ladelosdatosalcuadrado. 5. Xeslavariablepredictora,Ylavariabl
3. Aquellaenlaquevieneexpresadalade ecriterioyAyBsonlasconstantesenel
sviacióntípica. origen.
4. Aquellaenlaquevieneexpresadalam
ediay ladesviacióntípica. 82. El muestreo polietápico:
5. Enninguna.
1. Es un tipo de muestreo aleatorio por
conglomerados.
78. Elerrorde TipoIes: 2. Es un muestreo intencional.
3. Es un procedimiento opinático para
1. La seleccionar una muestra en el que se
probabilidadderechazarunahipótesi procede por etapas.
snula falsa. 4. Es un tipo de muestreo estratificado, en
2. La el que se seleccionan las unidades por
probabilidadderechazarunahipótesi etapas en diferentenúmero, para que así
snula verdadera. la muestra resulterepresentativa de la
3. Laprobabilidaddeaceptarunahipóte población.
sisnula falsa. 5. Resulta muy costoso en la práctica,
4. Laprobabilidaddeaceptarunahipóte debido a la necesidad de contar con el
sisnula verdadera. listado de todos loselementos de la
5. Elcoeficienteconfidencial. población, para así proceder a la
selección de la muestra por etapas.

79. Lapruebadebondad
deajusteesuncontraste
estadísticoacercade:
83. Laprobabilidad delerrorTipoII(beta)yla
1. Ladistribucióndeunavariablealeator potenciadeuncontraste:
iaenla población.
2. Laigualdaddedosvariablesaleatoria 1. Mantienenunarelaciónlinealdirecta.
senla población. 2. Sólodependende
 lamagnituddelefectoo 2. Sólosiladistribución
gradodefalsedaddela hipótesisnula. defrecuenciasessimétrica.
3. Dependendelniveldesignificaciónfij 3. Sólosiladistribucióndefrecuenciases
adopor elinvestigadory deltamaño normal.
delamuestra,pe- 4. Sólosiladistribucióndefrecuenciases
roesindependientedela multinomial.
magnituddelefecto 5. Seacualsealaformadeladistribuciónd
4. Mantienen unarelación e frecuencias.
linealinversa: de
hecholapotenciaes1menosprobabili
dad del errordeTipoII. 87. El errortípicodeunestimadores:
5. Soncompletamenteindependientes.
1. La varianza de la
distribuciónmuestral del estimador.
84. Aunque elanálisis devarianza 2. Ladesviacióntípicadeladistribución
esunaprueba robusta, dela variableenla población.
cuandoseincumpleelsupuestode 3. Ladesviacióntípicadeladistribución
normalidaddelaspuntuaciones: muestraldelestimador.
4. Laraízcuadradadelestimador.
1. Debe abandonarsela idea deutilizar 5. Ladesviaciónmediadelavariableenl
esta pruebaparaanalizarlosdatos. a p oblación.
2. Debentransformarselosdatos(ejemp
lo,Y’=logY),antesdeprocedera
suanálisis. 88. Elmodeloestadístico
3. Deben suprimirse los queimponecomocondiciónquelaspendien
valoresextremos (los queestán tes
pordebajodelcuartil primeroypor delasrectasderegresióndeksubpoblacion
encima delcuartiltercero) esseanigualesentresí,es elanálisisde:
paradespuésprocederal análisis.
4. Silavariableindependienteesnomina 1. Varianzadedosfactoresconmedidasi
ldicotómica,opuededicotomizarse, ndependientes.
puedeutilizarseelANOVApero,enes 2. Varianzadedosfactores,diseñomixto
tecaso,FsedistribuyecomoChicuadr ,uno conmedidas repetidas
ado. yotroconmedidasindependientes.
5. Silavariableindependienteesnomina 3. Varianzaconuncriteriodeclasificaci
ldicotómica,opuededicotomizarse, ón y efectosaleatorios.
puedeutilizarseelANOVApero,enes 4. Varianzasobrepuntuacionescorregi
tecaso,Fsedistribuyesegúnla dasmediantecurvanormal.
distribucióndePoison. 5. Covarianzaconuncriteriodeclasifica
cióny efectosfijos.

85. Unapuntuacióntípicaindica:
89. Seconsideraeficienteunestimadorcuando
1. Elvalorpromediodeunadistribución :
defrecuencias.
2. Ladispersiónde unadistribución. 1. Agotatoda lainformaciónqueexiste
3. Laprobabilidaddecometererrorenun en la muestraenordena
apredicciónprobabilística estimarunparámetro.
4. Elnúmerodedesviaciones 2. Suvaloresperadocoincideconelvalor
típicasqueuna observaciónse del parámetrodela
separadela mediade sugrupo. poblaciónqueestima.
5. Unapropiedaddela distribución. 3. Suvarianzamuestralesmínima.
4. Suvaloresperadocoincideconelvalor
del parámetro
86. Fueradelintervalocomprendidoentrelam poblacionalqueestimasieltamaño
edia dela muestratiendea infinito.
ymás/menosdosdesviacionestípicasseenc 5. Elvalor esperado delavarianza
uentra,comomáximo,el25%delasobserva delestimador coincideconel
ciones: parámetro

1. Sólosiladistribución
defrecuenciasesbinomial. 90. Sielcoeficientedecorrelaciónmúltipleentr
 e 4. Un contraste bilateral y un
unavariablecriterioykvariablespredictor contraste unilateral izquierdo,
as esnulo,entoncespodemosafirmarque: respectivamente.
5. Un contraste unilateral izquierdo y
1. Lavariabilidad un contraste unilateral derecho,
delavariablecriterioestá respectivamente.
asociadaensutotalidada la
variabilidaddelas
kvariablespredictoras. 94. Cuando se aplica el estadístico CHI
2. No cometemosningún error CUADRADO de Pearson para la
alpronosticar mediantela independencia de variables, la hipótesis
ecuaciónderegresiónmúltiple. alternativa, de una forma general, será:
3. Lasumadeloscuadradosresidualoerr
ores nula. 1. En la muestra, la variable
4. Lavariablecriterionotienevariabilida dependiente observada X, no es
dcomúnconlaskvariablespredictoras independiente de la variable
. dependiente observada Y.
5. Laskvariablespredictoras 2. En la población, la variable
noestánrelacionadaslinealmenteentr dependiente observada X, es
esí. independiente de la variable
dependiente observada Y.
3. En la muestra. la variable
independiente aplicada X, es
Convocatoria 2000 independiente de la variable
dependiente observada Y.
91. El tiempo que tarda una rata en 4. En la población, la variable
recorrer un laberinto, se clasificaría dependiente observada X, no es
como una variable: independiente de la variable
independiente aplicada Y.
1. Del estímulo. 5. En la población, la variable
2. Cualitativa. dependiente observada X, no es
3. Cuantitativa. independiente de la variable
4. Ambiental. dependiente observada Y.
5. Discreta.
95. ¿Cuál de las siguientes frases es errónea
92. En la formulación de la hipótesis “si X, si nos referimos a las condiciones que
entonces Y”: deben cumplir los datos para aplicar
como estadístico de contraste una T dc
1. Y representa a la variable
Student para dos muestras
dependiente.
independientes?:
2. X representa a la variable
dependiente.
3. Y representa a la variable 1. Variable independiente medida a
independiente. nivel. de intervalo.
2. Poblaciones normales no mayor
4. X e Y son las variables
que 29 sujetos en cada muestra.
dependientes.
3. Supuesto de homocedasticidad (si
5. X e Y son las variables
independientes. las varianzas son desconocidas) o
tamaños iguales de ambas muestras
si no se da este supuesto de
homocedasticidad.
93. Las siguientes hipótesis nulas: 4. Variable dependiente medida a
H0:ŋ1 =ŋ1 y H0:ŋ1 ≥ ŋ1expresan: nivel de intervalo.
5. Las n1+n2 observaciones son
1. Un contraste unilateral izquierdo y independientes y aleatorias.
un contraste bilateral,
respectivamente.
2. Un contraste unilateral derecho y
96. Entre las características que indican la
un contraste unilateral izquierdo,
bondad de los estimadores se
respectivamente.
3. Un contraste bilateral y un encuentran:
contraste unilateral derecho,
1. La suficiencia y el sesgo.
respectivamente.
2. La suficiencia y la eficiencia.
 3. El sesgo y la eficiencia. muestra.
4. La inconsistencia y la carencia de
sesgo.
5. La representatividad y la carencia 100. Se tiene una variable Xi, con un número
de sesgo. de personas en la muestra igual a n.
¿Cuánto vale la suma de las
puntuaciones diferenciales de la
97. Señale la afirmación correcta de entre variable Xi?
las cinco siguientes:
1. n
1. Una variable debe ser un 2. media de X
subconjunto representativo. 3. n · (media de X)
2. Un estadístico es un valor numérico 4. 0
que describe una característica de 5. Ʃ Xi
una población.
3. Una muestra es un conjunto de
elementos de una población. 101. Se tiene una variable Xi, con un número
4. Un parámetro es un valor numérico de personas en la muestra igual a n, se
que describe una característica de tipifica cada valor de Xi en su
una muestra. correspondiente valor Zi. ¿Cuánto vale
5. Lo más característico de una la media de las puntuaciones típicas?
población es que todos los
elementos son identificables. 1. 1
2. N
3. 0
4. Media de X
5. Sx
Convocatoria 2001

98. Se tiene una variable Xi, con un número 102. Dadala ecuaciónderegresión:
de personas en la muestra igual a n, y se Yi=A+B•Xi+ei
genera una nueva variable Yi a partir de ¿Cuántovalelacorrelaciónentrelavariabl
los valores de Xi, siendo: Yi = 2Xi + 3, se eXi y loserroresdepronósticoei(rXe)?:
conoce la media de Xi (que es X). 1. rXe= 0.
¿Cuándo vale la media de la variable 2. rXe= -1
Yi?: 3. rXe= +1
4. rXe= 0’5
1. (media de Y) = 2 ·(media de X)
5. rXe = Depende de cada ecuación.
2. (media de Y) = 2n ·(media de X)
3. (media de Y) = 2 ·(media de X) + 3
4. (media de Y) = (media de X) + 3 103. Semidendosvariables(Xi
5. (media de Y) = 2n·(media de X) +
eYi)enlosmismos individuos.
3n
Lacorrelación linealdePearson
entrelasdosvariables
esrXY;serealizanlas
99. Se tiene una variable Xi, con un número siguientestransformaciones:
de personas en la muestra igual a n. Ui=2Xi+3
¿Qué es el primer cuartil (Q1) de la Vi=4Yi+1
variable Xi? ¿Cuánto valela correlaciónentre las
nuevasvariablesUi y Vi(rUV)?:
1. Es la suma de los valores de Xi
dividida entre 4. 1. rUV= rXY+ 3 + 1.
2. rUV= 2•4•rXY.
2. Es la cuarta parte de n.
3. rUV= 2•4•rXY+ 3 + 1.
3. Es la suma de los valores de los n
primeros naturales dividida entre 4. 4. rUV= 3•1•rXY.
5. rUV= rXY.

4. Es el máximo valor de la variable

104. El valorde la correlación lineal
xi dividido entre 4. dePearson (rXY)entrelasvariablesXi
5. Es el valor de Xi que deja por eYi,¿quévalores puedetomar?:
debajo a la cuarta parte de la ANULADA
 1. VI:Yi.
1. Puedetomarcualquiervalor 2. VI:A.
2. Valeentre0y+1. 3. VI:B.
3. Valeentre0 y–1. 4. VI:Xi.
4. Valeentre–1y+1. 5. VI:ei.
5. Valeentre0 y100.

105. ¿Cuántovalelacorrelación 109. En unaecuaciónderegresión:

Yi=A+B•Xi+ei ¿dóndeserepresentala
dePearsondeuna variable(Xi)consigo variableXenunaplano cartesiano?:
misma(rXX)?:
1. Enelejedeordenadas.
1. rXX= 1. 2. Enel ejeortogonal.
2. rXX= 0. 3. Enel ejeoblicuo.
3. rXX= -1. 4. Enel ejebisectriz.
4. rXX= 0’50. 5. Enel ejedeabscisas.
5. rXX= -0’50.

110. En unaecuaciónderegresión:
106. En una investigación Yi=A+B•Xi+ei ¿cuálesla
longitudinalsemide la variableY en una pendientedeesaecuación?:
muestrade n niños en el 1. Yi.
momento1(Yi,1),ytambién 2. A.
semidelamisma 3. B.
variableYenelmomento2(Yi,2),secalculal 4. Xi.
a mediadeYi,1 5. ei.
(Y1),lamediadeYi,2(Y2),yla
correlaciónentreYi,1 eYi,2
(r1,2).Secalculala variable“ganancia”
decadaniñocomola 111. Dadala ecuaciónderegresión:
Yi=A+B•Xi+ei ¿cuálesla
diferenciaentrelapuntuaciónenelmomen variabledependiente(VD)?:
to2 y enelmomento1:
Gi=Yi,2– Yi,1¿Cuánto vale lamedia 1. VD:Yi
de la variable“ganancia” (YG)?: 2. VD: A
1. G= 2+ 1. 3. VD:B.
2. G= 2- 1. 4. VD:Xi.
3. 5. VD:ei.
G= 2+ 1 –r1,2.
4. G= 2- 1+ r1,2.
5. G= 2+ 1-2•r1,2. 112. Unalumnoobtiene
enuntestunapuntuación típicaiguala–
0’25(zi =-0’25).¿Quésignifica estedato?:
107. Se tieneuna variable Xi, con un número
de 1. Que dejapor debajo de sí al25% de
personasenlamuestraigualan,setipificaca los valoresdeesetestenla
da valor de Xi en su correspondiente muestraestudiada.
valor z i. 2. Que debapor debajo de sí al75% de
¿Cuántovalelavarianzadelaspuntuacion los valoresdeesetestenla
2 muestraestudiada.
es típicas,s ?: 3. Queelvalordirecto de esa
puntuaciónes el e la media
1. S 2Z = 1 multiplicada por 0,25.
2. S 2Z = n 4. Que la posición relativa de esa
3. S 2Z = 0 puntuación es de 0,25 desviaciones
4. S 2Z = media de X típicas por debajo de la media.
5. S 2Z = S 2x 5. Que la posición relativa de esa
puntuación es de 0,25 desviaciones
típicas por encima de la media.
108. Dadala ecuaciónderegresión:
Yi=A+B•Xi+ei ¿cuálesla
variableindependiente(VI)?:
113. Unpsicólogo,quetrabajaenuncentrode
 salud, deseacomprobarsilaesquizofrenia sujetosenuntest,latransformaciónacentil
guarda relación con el género de los es consisteen:
pacientes.
Organizaunatabladecontingenciade2X2: 1. Asignaracadapuntuacióndirectael
porcentajedesujetosqueobtienen
No puntuaciones inferioresa ella.
Esquizofréni
esquizofrénic 2. Asignaracadapuntuacióndirectael
co
o porcentajedesujetosqueobtienen
Hombre f1 f2 puntuaciones superioresaella.
Mujer f3 f4 3. Asignaracadapuntuacióndiferencial
el porcentajedesujetosqueobtienen
paraello,revisatodoslosexpedientes delas puntuacionesinferioresa ella.
personasquehanpasadoporelcentrodesal 4. Asignaracadapuntuacióndiferencial
ud
el porcentajedesujetosqueobtienen
ycontabilizalacorrespondientefrecuenci puntuacionessuperioresaella.
a(j) encadacasilla. ¿Qué tipo de
5. Ningunadelasanterioresescorrecta.
prueba estadística es más
adecuadaparacomprobar elobjetivode
investigación?:
117. En lafunciónlinealY=2X-6.¿Enqué
1. Unapruebade“t”deStudent-Fisher. punto cortarálarectaalejedelasX?:
2. Una pruebade análisis de
laavanzada de Fisher. 1. +6.
3. 2. +3.
UnapruebadecorrelacióndeSpearma
n(rs). 3. -6.
4. +2.
4. UnapruebadecorrelacióndePearson(
5. Ningunodelosanteriores.
rXY).
5. Unapruebadechi-cuadrado( X2).
118. Cuandoqueramos conocer exactamente
tanto ladirección como la intensidad de
una
asociaciónentredosvariableshabremosde
calcular:

1. Lacovarianza.
Convocatoria 2002 2. El coeficientededeterminación.
3. Lacorrelación.
114. La estrategiaque permite transformar 4. El estadísticodeMann-Whitney.
los hechosen datos, dentro de un sistema 5. Lamatrizdevarianzas-covarianzas.
comprensibley analizable por cualquier
investigador,seconocecomo:
119. Laprobabilidaddelaunióndedossucesos,
1. Metodología. mutuamenteexclusivos,es:
2. Modalizacióndevariables.
3. Medición. 1. La suma de sus probabilidades.
4. Escalamiento. 2. La diferencia entre sus
5. Nominalizacióndevariables. probabilidades
3. Elproductoentresusprobabilidades.
4. El cociente entre sus
115. La clasificación de las escalas de medida probabilidades.
en: Nominales,Ordinales,deIntervalo y 5. Ningunaalternativaescorrecta.
de Razón,sedebea:

1. Guilford. 120. Sisetomaselavariable"preferenciapor un

2. Spearman. tipodemúsica"yordenásemossusvalores.
3. Thurstone. ¿Cómomediríasudispersión?:
4. Campbell.
5. Stevens. 1. Conla desviacióntípica.
2. Conla amplitudsemiintercuartil
(A.S.I.).
116. Una vez obtenidas las puntuacionesde 3. Conel
los coeficientedevariación(C.V.).
 4. Conla desviaciónmedia.
5. Conla mediana. 125. Ladesviacióntípicadelaspuntuaciones
típicas es siempre:

121. Silapuntuación40,7ocupaelpercentil60, 1. 1.
indicaque: 2. 0.
3. (-1).
1. El40,7%de los sujetos se encuentra 4. Coincideconla
por encima del valor60. mediaendiferenciales.
2. El40%delossujetossuperaelvalordel 5. Ningunaescorrecta.
a citadapuntuación.
3. El60%delossujetossuperaelvalordel
a citadapuntuación. 126. En general, una correlación puede
4. El 50,3% de los sujetos seencuentra considerarsesignificativacuando
por encima del valor60. seobtiene:
5. Ningunaalternativaescorrecta.
1. Unvalor≥0.33,seacualseaelvalordel
a significación.
122. SienunadistribuciónlaMedianavale8yla 2. Unvalor≤0.33,seacualseaelvalordel
Media5.¿Cómoesladistribución?: a significación.
3. Unasignificación≥a0.05,seacualsea
1. Asimétrica positiva. el valordela correlación.
2. Simétrica. 4. Unasignificación≤a0.05,seacualsea
3. Asimétricanegativa. el valordela correlación.
4. Leptocúrtica. 5. Lasalternativas1y3son correctas.
5. Faltandatosparasaberlo.
127. UnadelassiguientesafirmacionesNO
correspondeaunacurvanormal:
123. Elestadístico "Q" de Yule debe utilizarse
cuando: ANULADA 1. Es simétrica respecto del eje
vertical que pasaporla media.
1. Deseeconocerelcoeficientedecorrel 2. Tieneunúnicovalormáximo(X=µ).
ación deSpearman. 3. Esasintóticarespectodel
2. Quieraconocerlarelaciónentredosv ejedeordenadas.
ariablesmedidasanivel deintervalo. 4. Paracadapardeµydeσ hayunacurva
3. Quieraconocerlarelaciónentredoss normal distinta.
eries derangos. 5. Lamedia,lamedianaylamodacoincid
4. Quieraconocerlarelaciónentredosv en enelmismovalor.
ariablesmedidasanivel nominal.
5. Lasalternativasay b son correctas.
128. Alincluirnuevos predictoresenun
modelode regresiónocurreque:
124. Al medirlaasociaciónenuna muestra de
1. Elcoeficientededeterminaciónaume
doscientaspersonasentre3formasdistinta ntará.
s decrianza y 4 formas distintas de 2. El
apoyo social coeficientededeterminacióndisminu
hemosobtenidouncoeficienteχ2 igual a irá.
20,19 (sig.= 0,04). Podríamos concluir: 3. El coeficientede determinación no
se alterará.
1. Elapoyosocialylosestilosdecrianzas 4. Elcoeficientededeterminaciónosem
on independientes. antendráocrecerá.
2. Elapoyosocialylosestilosdecrianzae 5. En unmodelode regresión no se
stán relacionadosparaunα=0,05. pueden incluirnuevospredictores.
3. Nopodemosmedirasociaciónentreap
oyo social y estilos de crianza.
4. Elestadísticoχ2 129. La correlaciónbiserial(ρb):
nodebeutilizarseparaeste
tipodevariables. 1. Esunameraaplicacióndelacorrelació
5. Elapoyosocialylosestilosdecrianzae nde Pearson.
stán relacionadosparaunα=0,01. 2. Esmásadecuadaquelacorrelaciónbis
erial puntual cuando no se puede
asumir normalidadenla
 distribución.
3. Debeusarsecuando una de las
variables implicadas no es 134. Paraconocerlaposicióndeunsujetoenuna
dicotómica pero se dicotomiza. variableenrelaciónconelresto de la
4. Oscila entre +1y -1. muestra, utilizaría:
5. Es unode los coeficientes de
correlación parala estimacióndel 1. Lavarianza.
índicededificultad. 2. Lamedia.
3. Uníndicedesimetría.
4. Cuantiles.
130. Un modelode análisis de la varianzase 5. Uníndicedecurtosis.
consideraequilibrado(balanceado)
cuando:
135. Lavarianzadeunamuestraconsideradade
1. Elnúmerodenivelesessiempreelmis sde ksubmuestras es:
mo paratodoslosfactores.
2. Elexperimentoserepitevariasvecesp 1. Lasuma delasvarianzasparciales.
ara cadaniveldel factor. 2. Lamediadelasvarianzasparciales.
3. Lavarianzadelosdistintosnivelesdelf 3. Lamediadelasvarianzasmáslavarian
actoresconstante. zade las medias.
4. Losfactoressonheterocedásticos. 4. Lavarianzade las medias.
5. Elnúmerodeobservacionesparacada 5. Lamediadelasvarianzasmenoslasvar
nivel delfactores siempre elmismo. ianzas parciales.
131. ¿Cuáldelassiguientes representaciones
gráficaspermiteconocerdirectamenteelv
alor de los cuartiles?: 136. Un procedimiento adecuado y sencillo
para conocerlavarianzade
1. El diagrama dedispersión. kvariablesquesecombinanlinealmentepa
2. El diagrama debarras. ra obtener una puntuación totales:
3. Eldiagrama decajas.
4. El diagrama desectores. 1. Lacovarianza.
5. Eldiagrama desecuencias. 2. Elcoeficientede determinación.
3. Lacorrelación.
4. El estadísticodeMann-Whitney.
5. Lamatrizdevarianzas-covarianzas.
Convocatoria 2003

132. Alprocesomediante el que se establece 137. Si deseocomparar la variabilidadque

una existe entrela percepción espacial en
correspondenciabiunívocaentrenúmeros niños de 5 y en niñosde12años,usaré:
y modalidadesdeuna
variable,seconocecomo: 1. Lavarianzaconladesviacióntípica.
2. Elcoeficientede variación.
1. Diseñodeexperimentos. 3. La amplitudsemiintercuartil.
2. Escalamientomultivariado. 4. Ladesviaciónmedia.
3. Normalizacióndelosdatos. 5. El rango.
4. Medición.
5. Nominalizacióndevariables.
138. SielCI de un individuo es 95 y ocupa el
percentil30consideramosque:
133. Cuandoel
objetivodeuninvestigadorescompararlas 1. El95%delossujetosseencuentrapore
diferenciasde mediasparadosmues- ncima del valor.
trasindependientesconun 2. El 70%delossujetossuperael CI95.
nquetiendeainfinito, latécnicaautilizar 3. El 30%delossujetossuperael CI.
será: 4. El5%delossujetosseencuentraporde
bajo del valor30.
1. Análisis deregresión. 5. Ningunaalternativaescorrecta.
2. Pruebasnoparamétricas.
3. PruebadeLevene.
4. CorrelacióndeSpearman. 139. SienunadistribuciónlaMedianavale12yla
5. Pruebat. Media6,¿Cómoesladistribución?:
 144. Uninvestigadorquieresometera prueba
1. Asimétrica positiva. la hipótesis nula de que: “Las medias de
2. Simétrica. k poblaciones independientesson iguales
3. Asimétrica negativa entre sí”. ¿Qué estrategiaanalítica le
4. Leptocúrtica. aconsejaría que siguiese?:
5. Faltandatosparasaberlo.
1. El análisis discriminante.
2. El análisis factorial.
140. Elnúmerodegradosdelibertad para 3. El análisisde la varianza.
determinarelvalorcríticodeχ2 4. El análisis conla pruebachi-
enunatabla de contingenciade3x4esde: cuadrado.
5. El análisis decorrespondencias.
1. 6.
2. 12.
3. 8. 145. ¿Desdequétipodedistribución considera
4. Necesitoconocereltamaño muestral. usted quedebe representarse la variable:
5. El estadísticoχ2 no se utiliza en “tiempo que tardaunenfermoen
tablas de contingencia de3x4. manifestar sus primeros
síntomastrasunainfección”?:

141. ¿Cuáldelossiguientes estadísticos NO 1. Distribuciónbinomial.

permite medir la variabilidadde 2. Distribución de Bernouille.
unamuestra?: 3. Distribuciónrectangular.
4. Distribuciónnormal.
1. El rango. 5. Distribuciónexponencial.
2. Lacovarianza.
3. Lavarianza.
4. Elcoeficientede variación. 146. ¿Qué representación gráfica utilizaríasi
5. La amplitudsemintercuartil. su objetivofuesevisualizarel
impactodesuintervenciónenelhábitotabaq
uista deunpaciente?:ANULADA
142. Unade las diferencias entre estadístico y
parámetroesque: 1. Histograma.
2. Diagrama desectores.
1. El estadísticoestá libre de error de 3. Serietemporal.
muestreo. 4. Diagrama decaja.
2. Elparámetroestálibredeerrordemues 5. Diagrama de talloy hojas.
treo.
3. El
estadísticoseobtienedesdeunapoblac 147. Lasrectasde regresiónen puntuaciones
ión. directas ydiferencialesson:
4. El
parámetroseobtienedesdeunamuestr 1. Iguales.
a. 2. Paralelas.
5. Estadísticoyparámetrosonconceptos 3. Convergentes.
intercambiables 4. Divergentes.
5. Coincidentesenel valordel
parámetroA
143. Supuestalaprueba de
inteligenciaWeschler
normalmentedistribuidaconµ=100yσ=15 148. Silanubedepuntosde un diagrama de
,si dispersiónescadavezmásdelgada,el
unindividuoseencuentraa1σporencimad |r|será:
e lamedia,¿Quécalificaciónobtuvo?:
1. Cercanoacero.
1. 70. 2. Cercanoal.
2. 30. 3. Iguala lacovarianza.
3. 15. 4. Positivo.
4. 85. 5. Negativo.
5. 115.

149. Sideseamospredecirvaloresde lectura a

 partir 1. Análisis deregresión.
delvalor12dematemáticasmedianteŶ= 2. Pruebasnoparamétricas.
0. 5X+10: 3. PruebadeLevene.
4. CorrelacióndeSpearman.
1. Elerrorquecometeremosseráde16. 5. Pruebat.
2. Para predecirnecesito,
además,conocer la mediadeX.
3. Predeciremos 154. Laescaladepercentileses:
elvalor16paramatemáticas.
4. Predeciremoselvalor16paralectura. 1. Ordinal conunidadesmuy
5. Necesito conocerel error cuadrático desiguales.
medio parapoderhacerpredicciones. 2. Ordinal conunidadesiguales.
3. Cualitativa con unidades muy
150. De una encuesta a 400 psicólogos desiguales.
escolares respondieron¿Forman estos 4. Cuantitativa con unidades iguales.
240 una muestraaleatoria de todos los 5. Nominal
psicólogos escolares?: conunidadesequiespaciadas.

1. Sí, porque suponen más de la mitad de

los encuestados. 155. Elnúmerodegradosdelibertad para
2. Es una muestra representativa, aunque determinarelvalorcríticodeχ2
no aleatoria. enunatablade contingenciade4x5,esde:
3. Sí, es una muestra aleatoria.
4. No. 1. 20.
5. Depende de cúal sea el objetivo de la 2. 12.
encuesta 3. 8.
4. 4.
5. Necesito conocer el tamaño
151. Ladesigualdad de ladistancia muestral.
entrevalores, especialmenteen los
extremos de la distribución,esuno
delosinconvenientesde:
156. Siunpsicólogoquieremedirlahomogeneid
ad
1. Losestaninos.
deunamuestrapequeña,¿quéleaconsejas
2. LaspuntuacionesT.
?:
3. LaspuntuacionesCI.
1. Que use la varianza.
4. Los percentiles.
2. Queuseunestadísticodeposición.
5. Losequivalentesdecurso.
3. Que use la cuasivarianza.
4. Que use la media.
5. Queusela desviaciónmedia.
Convocatoria 2004

152. Cuandolasmodalidadesdeunavariableún 157. El coeficiente de correlación múltiple R2:

icamentepuedenconsiderasedesdelarelac ANULADA
ión deigualdad-
desigualdad,seconsideraque la 1. Especificalavarianzaexplicadaporu
variablees: navariable apartirdeotra.
2. Indicalaproporcióndevarianzadelas
1. Politómica. variables predichas que queda
2. Nominal. explicada por la variable
3. Ordinal. predictora.
4. Intervalo. 3. Secorrespondeconelcuadradodelav
5. Razón. arianza.
4. Secorrespondeconelcuadradodelac
ovarianza.
153. Cuandoel 5. Describelarelacióndeunavariablec
objetivodeuninvestigadorescompararlas onun
diferenciasde conjuntoponderadodevariables.
mediasparadosmuestrasindependientesq
ue no cumplen los criterios de
normalidad, latécnicaautilizar será: 158. Cuandodeseamosobtenerunvalor de
probabilidadcondicionada,resultamuyút
 il: 2. Desviación típica.
3. Puntuacióntípica.
1. Losdiagramasdeárbol. 4. Puntuacióndirecta.
2. Losnúmerosaleatorios. 5. Puntuaciónfactorial.
3. La regla de Laplace.
4. Las leyes de De Morgan.
5. LaregladeBayés. 164. Supuestala prueba de inteligencia
Weschler
normalmentedistribuidaconµ=100yσ=15
159. ¿Utilizaríalapruebaχ2 , siunindividuoseencuentraa 1σpor
paradeterminarsila encima de
proporcióndezurdosen116niñoses
lamedia,¿Quécalificaciónobtuvo?:
significativamentediferentedelade78niña
s?:
1. 70.
1. Sí. 2. 30,4.
2. No, utilizaría Spearman. 3. 15.
3. No, utilizaría Pearson. 4. 85.
4. Sólodespuésdeaplicarlacorrecciónd 5. 115.
eYates.
5. No,porquela
distribuciónnoesnormal. 165. Silanubedepuntosde un diagrama de
dispersiónescadavezmásgrueso,el|r|será:

160. ¿Quémedidade tendencia central 1. Cercanoacero.

consideraría másadecuadaparala 2. Cercanoa1.
variable “apatía” medida 3. Igual a la covarianza.
comopresenciay/oausencia?: 4. Positivo.
5. Negativo.
1. La media.
2. Lamediana.
3. Lamoda. 166. Si,teniendoen cuenta las variables
4. Ladesviaciónmedia. pertinentes,
5. La media geométrica. deseamosconocercuáleslatipología de los
sujetosanoréxicos,podríamosrealizar:
ANULADA
161. Si trabajamosenunexperimentoen 1. Unanálisisdevarianza.
Psicofísica 2. Unanálisis factorial.
dondedebemospromediarrazones, el 3. Unanálisis deregresión.
cálculo másadecuadoeselde: 4. Unanálisis discriminante.
5. Un análisis de series temporales.
1. Media aritmética.
2. Media geométrica.
3. Media armónica. 167. Cuandonosreferimosal
4. Media cuadrática. errortípicodeestimación,hablamosde:
5. Ningunamedia. ANULADA

1. La desviaciónmedia
esperablerespecto al valorcentral.
162. El coeficientedecontingencia“C”:
2. El conjuntoposible de valoresque
puede tomarunparámetro.
1. Se encuentra entre 0 y + 1.
3. El conjuntoposible de valoresque
2. Se encuentre entre -1 y + 1.
puede tomar unestadístico.
3. Para“n”grandecoincidecon χ2. 4. Ladistribucióndevaloresquepuedeto
4. Coincide con el coeficiente “Q” de marel estimadoral
Yule. tomarmuestrasdela población.
5. Puedesercualquiervalor. 5. Unmodoespecialdedistribuciónenel
muestreo.

163. Lacalificaciónestándar más elemental y

útil es la:
Convocatoria 2005
1. Puntuacióndiferencial.
168. Unadistribucióndevalores se considera independientes,¿cuál de las siguientes
leptocúrticacuando elíndicede curtosis afirmacionesescorrecta?:
es:
1. Existeuna
1. Igualacero. relaciónlinealperfectaentreellas.
2. Mayorquecero. 2. No existe relaciónlinealentre ellas.
3. Menorquecero. 3. El
4. Igual auno. coeficientededeterminaciónesigual
5. El índicede curtosis no a1.
permitehacer esta valoración. 4. Elpronóstico,entreambasvariables,e
nregresiónseráperfecto.
5. Larectaderegresiónlineal-
169. ¿Quéestadísticonospermiteconocerencu minimocuadrática no es calculable.
ántasunidadesdelos valores que toma la
variable seconcentraelcincuenta por
ciento central de loscasos?: 174. ElcoeficientedecorrelacióndeSpearman
lo utilizaríasiempre entre variables:
1. Lamedia.
2. Lamoda. 1. Dicotómicas.
3. Laamplitudorangosemintercuartílic 2. Nominales.
o. 3. Dependientes.
4. Laamplitudorangointercuartílico. 4. Independientes.
5. Laamplitudorangototal. 5. Ordinales.

170. Paracompararladispersióndevariablesq 175. Considerandounavariablenominal,lame

ue correspondenapoblaciones dida descriptivaque tienesentido es:
extremadamente desiguales, podemos
utilizar: 1. La marca de clase.
2. Ladispersiónrelativa.
1. Lavarianza. 3. La media y la varianza.
2. Lacuasivarianza. 4. Lamoda.
3. La amplitudintercuartil. 5. Elcoeficientede variación.
4. Lamediana.
5. Elcoeficientede variación.
171. Losintervalosdeconfianzaproporcionan: 176. Enunaregresiónlineal,elcoeficiente de
determinación y elde correlaciónlineal:
1. Elvalorde lavarianzamuestral.
2. El valordela varianzapoblacional. 1. Siemprecoinciden.
3. Elintervalodeposiblesvaloresdelesta 2. Nuncacoinciden.
dístico poblacional 3. Sólo puedencoincidir si elajuste
quecorresponda. lineal es perfecto.
4. El valordela mediapoblacional. 4. Sólo coincidensi la
5. Elintervalodeposiblesvaloresdelpar varianzaexplicada es igual ala
ámetro poblacional noexplicada.
quecorresponda. 5. Sólo coincidensi la varianza
explicada es distinta dela
varianzapronosticada.
172. ¿Quécondiciónhadeconsiderarseparapo
der realizar elcontraste de una media
mediante unaestrategiaparamétrica?: 177. Siseconsideraenpuntuacionestípicaslava
riable ansiedad, lamediadel grupo:
1. Quela
poblaciónsigaunadistribuciónnorma 1. Dependerádel tamañodela muestra.
l. 2. Será iguala cero.
2. Quela poblaciónseafinita. 3. Dependerádela
3. Quela poblaciónseaasimétrica. dispersióndelossujetos.
4. Que lamuestraseainferiora90. 4. Oscilaráentre±1.
5. Que lapoblación no siga una 5. Seráigual auno.
distribución normal.

178. Laescaladepercentilesesuna escala:

173. Enelsupuestodequedosvariables sean
 183. Unpaciente sigue una serie temporal
1. Ordinal conunidadesmuy estacionariaendepresión,cuando:
desiguales.
2. Cualitativa con unidades muy 1. La variabilidady la media en
desiguales. depresión es constanteenel tiempo.
3. Ordinal conunidadesiguales. 2. Lamediaendepresiónes constante en
4. Cuantitativa discreta con unidades el
iguales. tiempo,aunquenoloseasuvarianza.
5. Cuantitativa continua con unidades 3. La
iguales. variabilidadendepresiónesconstante
en el tiempo,aunquenosumedia.
4. Tantola variabilidadcomolamedia
179. Uninvestigadorordenaelgradodeafectaci en depresióncambianalolargodel
ón desuspacientes(5grados),alavez tiempo.
queobtiene, 5. Elniveldedepresióncambiayserepite
de0a10,elgradodefelicidadautopercibida en momentosprefijadosdetiempo.
porcadaunodeellos.¿Quéestadísticode
correlaciónconsideraríapara medir la 184. Si se desea estimar un índice de
relación entrelasdos variables?: discriminación entre ítem y test, cuando
ambas medidas son dicotómicas. ¿Qué
1. Pearson. alternativa consideraría adecuada?:
2. Coeficiente C.
3. QdeYule. 1. Correlación tetracórica.
4. Spearman. 2. Correlación biserial.
5. Chi-cuadrado. 3. Correlación biserial-puntual.
4. Coeficiente phi.
5. Índice basado en las proporciones de
180. Elnúmerodegradosdelibertad para aciertos.
determinarelvalorcríticode χ2en una
tabla de contingenciade2x3es:
1. De6. Convocatoria 2006
2. De2.
3. De8. 185. Cuandoseanalizanlosdatosdeunainvestig
4. De5. aciónpsicológicamedianteanálisisdevari
5. Necesitoconocereltamaño muestral. anza dedosfactores:

1. Es porque los datos provienen de

181. SideseamospredecirlosvaloresdeYaparti medidas fisiológicas.
r del valor12de X, medianteY= 0.5X 2. Tantolasvariablesdependientescom
+10: oindependientes(enestecaso
dos)deben haberse
1. Parapredecirnecesito,además,conoc medidoenunaescaladerazón.
er X. 3. Eldiseñodelainvestigaciónincluyed
2. Predeciremoselvalor16para X. osvariablesindependientes.
3. Elerrorquecometeremosseráde16. 4. Eldiseñodelainvestigacióncuentaco
4. Predeciremoselvalor16para Y. ndos variablesdependientes.
5. Estafunciónnopermitehacerpredicci 5. Tantolasvariablesdependientescom
ones. oindependientes(enestecasodos)deb
en haberse
medidoenunaescalanominal.
182. SielcoeficientedecorrelaciónentreXeYes0
,30, podemos afirmar queel coeficiente
de correlaciónentre V e Y,siendo V = 186. Paraaplicarelestadístico de contraste
3X,será: Chi Cuadradoen un test de
independencia, la escala
1. 0,1. demedidadelavariabledependientedebes
2. 0,30. er al menos:
3. 0,9.
4. 0,09. 1. Cuantitativa.
5. 0,33. 2. Derazón.
3. De intervalo.
4. Ordinal.
 5. Nominal. 3. De intervalo.
4. Nominal.
5. Subjetiva.
187. Enlainvestigaciónpsicológica,elanálisis
de regresión es un procedimiento que
permite: 191. Al mediruna variable con las
descripciones rubio-moreno-albino,
1. Calcularlacorrelaciónentrelavariabl laescalade medida utilizadaes:
eindependiente y la variable
predictora. 1. Subjetiva.
2. Conocerlacorrelaciónentrelavariabl 2. Derazón.
ecriterioy la variable dependiente. 3. De intervalo.
3. Predecirelvalordelavariableindepen 4. Ordinal.
diente 5. Nominal.
partiendodelosdatosmuestrales.
4. Predecirel comportamiento de una
variable 192. Uninvestigadorestáinteresadoensabersil
criterioapartirdeotravariable os
denominada predictora. resultadossobrelaaplicacióndeunprogra
5. Eliminarmedianteprocedimientosm ma
atemáticoselinflujodevariablesextra detratamientopsicológicoalargaladuraci
ñas. ón delsueño.Conoce que la duración del
sueño es unavariablequese distribuye
normalmente en
188. En terminología del análisis de lapoblaciónconunamediade7horas;dado
varianza, las categorías en las que se quesuinterésesconocersiel programa de
dividen los factores se denominan: tratamientopsicológicoincrementaelnúm
ero dehorasquese duerme. ¿Cuál de las
1. Estadíos. siguientes
2. Fases. formulacionesdesuhipótesiseslacorrecta
3. Valores. ?:
4. Momentos.
5. Niveles. 1. H0:µ= 7 / H1:µ≠7.
2. H0:µ≥7/ H1:µ<7.
3. H0:µ≤7/ H1:µ>7.
189. Paraaplicarla 4. H1:µ= 7 / H0:µ≠7.
técnicadeanálisisdevarianza deun factor 5. H1:µ≥7/ H0:µ<7.
se deben cumplir una serie de
supuestosentrelos que se encuentran los
193. Tenemosunapoblaciónnormal con
siguientes:
varianza desconocida. Se toma de ella
una muestra de
1. Lanormalidaddelapoblacióndelaque
tamañon=23.Paraestimarelvalor del
se obtuvola muestray la
parámetromediapoblacionalµ,utilizare
heterocedasticidad.
mosun
2. Laigualdaddelasvarianzasylaindepe
estadísticodecontrastecuyadistribucióne
ndencia de las observaciones.
s:
3. Larobustezdelatécnicadeanálisisy
lafiabilidad de los datos.
1. FdeSnedecor.
4. Laindependencia
2. Chicuadrado.
delasobservacionesaunque
3. Binomial.
provengandepoblacionescon
4. Normal(N(0,1)).
distribuciones nonormales.
5. TdeStudent.
5. Lahomocedasticidadyladependenci
adelas observaciones.
194. La estimación del error muestral es una
característica exclusiva del muestreo:
190. Cuandomedimosunavariableconlosadjet
1. Intencional.
ivos alto-regular-
2. Probabilístico.
bajo,laescalademedidaes:
3. Opinático.
4. Polietápico.
1. Ordinal.
5. Circunstancial.
2. Derazón.
195. Enelcontrastedemediasparadosmuestras 1. Ser muy grande.
independientes lo que se busca es: 2. Contener como mínimo el 1% de
los elementos de la población.
1. Inferirelefectodeunacondicióndeun 3. Ser representativa.
experimentobasándoseenla 4. Extraerse de otra muestra más
medidadedosvariablesdependientes grande.
distintas.
2. Inferirel efectodedoscondiciones de
un experimentobasándoseenla 199. ¿Cuál de los siguientes muestreos es
medida de dos probabilístico?:
variablesdependientesdistintas.
3. Aplicarelestadístico“F’’deSnedecor 1. Muestreo por conglomerados.
. 2. Muestreo estratégico.
4. Inferirel efectodedoscondiciones de 3. Muestreo accidental.
un experimentobasándoseenla 4. Muestreo multicategorías.
medidadeuna mismavariable 5. Muestreo de “bola de nieve”.
dependiente.
5. Poderestablecerlacorrelación entre
las medidaspreyposttratamientodela Convocatoria 2007
variable de- pendiente.

200. El índice de acuerdo Kappa:

196. Elmuestreoprobabilísticoofrece la
posibilidad decalcular: 1. Suele proporcionar valores altos
por la in-fluencia de acuerdo por
1. Cualquierestadístico,indepen- azar.
dientementedel tipodeescaladela 2. Es difícil de interpretar, ya que sus
variable deinterés. valores van de -1 a 10.
2. Los estadísticos necesarios para la 3. Es poco informativo.
inferencia. 4. Para poder calcularlo es necesario
3. Losestadísticosnecesariospara la conocer el número de sujetos, o
descripción deunamuestra. situaciones, observados.
4. El valorexactodelosparámetros. 5. Corrige la probabilidad de que el
5. Laprobabilidaddeobtenercadaunade acuerdo entre los observadores sea
las muestras posibles. debido al azar.

201. Cuandosepartedeuncenso,lasconclusion
197. Cuandoseaplicauna prueba estadística
es:
de bondadde ajuste, el interés del
investigador se centraen:
1. Soninferenciasmásválidas.
1. Determinarsiladistribuciónmuestral 2. Nosoninferencias.
dela variable independiente 3. Soninferencias ciertas.
seajusta aunadistribución de 4. Hay que expresarlas a nivel
probabilidadteórica determinada. probabilístico.
2. Determinarlosintervalosdeconfianz 5. Debenhacersesólorespectoalamuest
adelos ra.
parámetroscorrespondientesavariab
les cuyo nivel demedidaesordinal
onominal. 202. El estadístico de contraste Chi
3. Establecerloslímitesalosqueseajusta Cuadrado se utilizacuando:
un intervalodeconfianza.
4. Fijarelniveldealfaqueseutilizaráenla 1. Lamuestraesmayorque100.
inferencia. 2. Sequiereverelefectodedosomásvaria
5. Determinarsiladistribucióndeproba bles dependientes.
bilidad deunavariableseajusta 3. Sequierecomprobarlaindependencia
aunadistribuciónde dedos variables cualitativas.
probabilidadteórica determinada. 4. Sedeseacomprobarlosefectosdelaint
eracciónentrefactores.
5. Es necesarioestablecer relaciones
198. En las investigaciones psicológicas, una
muestradebe: causales entre las variables.
 según la misma hipótesis,omuy
203. LatécnicadelAnálisisdeVarianzapermite similar,paraevaluardeforma
: concienzudala validezdeunefecto.
3. Efectoenunexperimentoqueatraelaat
1. Maximizar los efectos del factor enciónoelinterés para compensar la
estudiado. artificialidad.
2. Discernirquépartedelavariabilidadc 4. Estudiodecampodiseñadodeformae
orrespondealfactorestudiadoycuálal xperimental.
errorexperimental. 5. Investigaciónenlaquelasvariablespr
3. Minimizarel errordemedida. eexistentesy nomanipuladasentre
4. Confirmarlasdiferenciassignificativ las personas se
asentre midenenbuscadeunadiferenciao
losvaloresmediosdelavariable correlación.
independiente.
5. Conocerlaprobabilidadconquepued
e ocurrir elerrormuestral. 208. Paralaaplicacióndel
estadísticodecontrasteT
dediferenciasdemediasenelcaso de dos
204. En terminología del análisis de muestras independientes, es necesario
varianza, las categorías en las que se que:
dividen los factores se denominan: 1. Las variables dependientes estén
medidas a nivel nominal.
1. Estadios. 2. Lavariabledependienteestémedida,a
2. Niveles. lmenos,anivel derazón.
3. Cortes. 3. Lasvariablesdependientesesténmedi
4. Valores. das,al menosanivel ordinal.
5. Variablesindependientes. 4. Lavariabledependienteestémedida,a
lmenos,anivel devolumen.
5. Lavariabledependienteestémedida,a
lmenos,anivel deintervalo.
Convocatoria 2008

205. Cuando se obtienen las puntuaciones de 209. Elanálisisderegresiónlineal es un

un test, el porcentaje de sujetos del procedimiento que permite:
grupo normativo que puntúa por debajo
de la puntuación obte-nida es: 1. Calcularlacorrelaciónentrelavariabl
1. La puntuación escalar. eindependiente y la variable
2. La puntuación directa. predictora.
3. La puntuación cronológica. 2. Predecirelcomportamientode una
4. La puntuación percentil. variable
5. La puntuación típica. criterioapartirdeotravariable
denominada predictora.
3. Conocerlacorrelaciónentrelavariabl
206. Enelcontrastedehipótesis,elerrortipoI: ecriterioy la variable dependiente.
4. Predecirelvalordelavariableindepen
1. Seevitasiemprequelamuestraseasufi diente
cientementegrande. partiendodelosdatosmaestrales.
2. Tiene una probabilidad“beta”. 5. Eliminar,medianteprocedimientosm
3. Eselquesecometecuandosemantiene atemáticoselinflujodevariablesextra
una hipótesis ñas.
nulaquedebíahaberserechazado.
4. Escuandoserechazaunahipótesisnul
aque en realidad era falsa. 210. Para poder describir las propiedades de
5. Secometealrechazarunahipótesisnul una poblacióna partir de las
aque debíahabersemantenido (por propiedades
ser verdadera en realidad). contenidasenunamuestra,esnecesarioqu
e:

207. Elmetaanálisishacereferenciaa: 1. Lamuestrasehayaextraídodeformaal

eatoria
1. Medidasestrictamentecontroladas. 2. Lapoblacióncontengamuchoseleme
2. Análisisestadísticode los resultados ntos.
de diversosestudios equivalentes 3. Lamuestrasearepresentativadeesapo
 blación. 1. Sólo cuandoel
4. Contengaal menosdiezsujetos. tamañodelamuestraesel adecuado.
5. Sea suficientemente grande. 2. Sólocuandoesnormalladistribuciónd
ela variableestudiada.
3. Siemprequelamuestrasehayaextraíd
211. Cuandoseaplicael ocon unprocedimientoadecuado.
estadísticodecontrasteChi 4. Siesnormalladistribución
CuadradodePearsonenuntestde delavariable
independencia: estudiadaocuandoaumentasuficiente
menteel tamañodela muestra.
1. Lasvariablesdependientesdebensero 5. Sila muestraesmuypequeña
rdinales (al menos). estadística
2. La hipótesis nula se formula
siempre de forma unilateral
izquierda. Convocatoria 2010
3. Lahipótesisalternativaseaceptasipes
mayoroigual que“alfa”. 215. Elanálisisqueusaremos
4. Nosebuscahacerinferenciassinodesc paracomprobarsi
ribir muestras. existendiferenciassignificativas
5. Esnecesariocalcularlasfrecuenciaste entre3medias es:
óricas
(oesperadas),supuestaverdaderala 1. Pruebat.
hipótesis nula. 2. PruebaZ.
3. Anova.
4. Correlación.
5. Regresión
Convocatoria 2009

212. Elmetaanálisishacereferenciaa:
Convocatoria 2011
1. Medidasestrictamentecualitativas.
2. Análisisestadísticodelosresultados 216. ¿Cuándo se comete un error de tipo I?:
dediversosestudiosequivalentesseg
únla mismahipó- tesis,o 1. Cuando se decide mantener una
muysimilar,paraevaluardeforma hipótesis nula que en realidad es
concienzudala validezde unefecto. falsa.
3. Losanálisisdelasvariablesextrañasd 2. Cuando se decide rechazar una
eun experimento. hipótesis nula que en realidad es
4. Estudiodecampodiseñadodeformac verdadera.
uasiexperimental. 3. Cuando se decide mantener una
5. Investigaciónenlaquelasvariablespr hipótesis nula que en realidad es
eexistentesynomanipuladas verdadera.
entrelaspersonasse 4. Cuando se decide rechazar una
midenenbuscadeunadiferencia hipótesis nula que en realidad es
ocorrelación. falsa.
5. Cuando habiendo rechazado
correctamente la hipótesis nula, se
213. Enunainvestigaciónquebuscarealizarinf hace una interpretación incorrecta
erencias apartirdelanálisis de los resultados.
delosdatos,alos valoresquedelimitan
lazonaderechazodela
hipótesisnulalosllamamosvalores: 217. ¿De qué nos informa el nivel crítico?:

1. Residuales. 1. Nos informa de la magnitud del

2. Críticos. impacto del tratamiento.
3. Extremos. 2. Nos informa del riesgo máximo
4. Falsos. que estamos dispuestos a asumir al
5. Puntodecorte. tomar la decisión de rechazar una
hipótesis concreta.
3. Nos informa si el estudio realizado
214. La distribuciónmuestraldela contribuye o no de forma
mediaesnormal: significativa al desarrollo de una
teoría o de una línea de
 investigación.
4. Nos informa sobre el grado de
compatibilidad o discrepancia entre
la evidencia muestral observada y
la hipótesis nula.
5. Nos informa del grado en que el
fenómeno objeto de estudio se halla
presente en la población.
218. Realizamos un análisis de la varianza
con tres factores: A, B y C.
Encontramos que los factores
principales A, B y C son significativos,
así como la interacción B x C. Ninguna
de las restantes interacciones son
significativas. ¿Qué debemos analizar
para interpretar los datos?:
1. Sólo los factores principales A, B y
C.
2. Solo la interacción B x C.
3. El factor principal A, así como la
interacción B x C.
4. Tanto los factores principales B y C
como la interacción B x C.
5. Los factores principales A, B y C,
así como la interacción B x C.
Convocatoria 2012
221. Un/a psicólogo/a desea conocer si hay
relación entre las variables: “intensidad
del dolor de cabeza” ordenado de 0 a 10
y “momento del curso escolar”,
ordenado de 1 (septiembre) a 9 (mayo).
¿A qué estadístico ha de recurrir?:
1. Correlación de Pearson.
2. Q de Yule.
3. Varianza.
4. Estadísticos de tendencia central.
5. Correlación de Spearman.
222. La variable tiempo que tarda cada
paciente en abandonar el hábito
tabáquico:
1. Es una variable cuantitativa
continua.
2. Es una variable cuantitativa
discreta.
3. Es una variable nominal.
4. Es una variable ordinal.
5. Es una variable cuasi-cuantitativa.

219. ¿Qué es la tasa de error por familia de

comparaciones?: 223. Con el intervalo de confianza
conseguimos:
1. Es la probabilidad de cometer un
error de tipo I en un conjunto de 1. Que la medición se obtenga sin
comparaciones en un experimento. error.
2. Es la probabilidad de cometer un 2. Que contenga siempre un parámetro
error de tipo II en un conjunto de determinado.
comparaciones en un experimento. 3. Que el parámetro a contrastar esté
3. Es la probabilidad de cometer un fuera de dicho intervalo.
error de tipo I en una sola 4. Un pronóstico de que contenga un
comparación. parámetro con una mínima
4. Es la probabilidad de cometer un probabilidad.
error de tipo II en una sola 5. Un pronóstico de que contenga un
comparación. parámetro con máxima
5. Es el porcentaje de comparaciones probabilidad.
en los que ha cometido un error de
tipo I en un experimento.
224. El concepto “homocedasticidad” hace
referencia a:
220. ¿Qué son las puntuaciones “outliers”?:
1. La igualdad de varianzas.
1. Son puntuaciones que no dispone el 2. La desigualdad de varianzas.
investigador. 3. La igualdad en las medias.
2. Son puntuaciones extremas. 4. La desigualdad en las medias.
3. Son aquellas puntuaciones que 5. El comportamiento simétrico en las
variables.
regresan a la media.
4. Son puntuaciones con valores
cercanos a la media.
5. Son puntuaciones perdidas 225. Si observo mínima variabilidad en el
número de cigarrillos que fuma un
producto de la muerte
grupo de pacientes, el histograma
experimental.
debería ser:
 1. Cinco de cada diez ciudadanos
1. Asimétrico positivo. presentarían una inteligencia
2. Asimétrico negativo. normal.
3. Leptocúrtico. 2. La mitad de la población se situaría
4. Platicúrtico. por debajo de la media.
5. Mesocúrtico. 3. Uno de cada diez ciudadanos será
intelectualmente brillante.
4. De cada diez personas, uno muestra
226. La hipótesis nula: discapacidad intelectual.
5. La superdotación afecta a menos
1. Es una proposición que se del 4% de la población.
considera provisionalmente como
falsa hasta que se comprueba
experimentalmente. 230. Un psicólogo desea conocer si existen
2. En contraste de medias, indica que diferencias en distintos aspectos
la diferencia entre dos medias es relacionados con el hábito tabáquico
negativa. entre hombres y mujeres. Suponiendo
3. Es una proposición que se normalidad y varianzas desconocidas
considera provisionalmente como pero iguales, convendría que analizase
verdadera hasta su comprobación los datos considerando:
experimental.
4. En contraste de medias, indica que 1. Prueba de Lèvene.
la diferencia entre dos medias es 2. Análisis factorial confirmatorio.
mayor que cero. 3. Análisis de estadísticos
5. Se considera siempre que la descriptivos.
variable aleatoria no sea continua. 4. La correlación de Pearson.
5. El estadístico “t” de Student.

227. Un/a psicólogo/a quiere pronosticar la

satisfacción vital de los/as enfermero/as
mediante cuatro rasgos concretos, para Convocatoria 2013
ello debe:
231. En una distribución de frecuencias,
1. Efectuar un análisis de correlación ¿cómo denominamos al número de veces
múltiple. que se repite en la muestra un
2. Efectuar un análisis de regresión determinado valor de la variable o
múltiple. cualquier otro valor inferior?
3. Efectuar un análisis de correlación
simple. 1. Proporción.
4. Efectuar un análisis de regresión 2. Frecuencia absoluta acumulada.
simple. 3. Porcentaje acumulado.
5. Efectuar un análisis de varianza. 4. Frecuencia absoluta.
5. Frecuencia relativa acumulada.
228. ¿Qué tipo de puntuación normativa
tiene elinconveniente de que su
distribución es desigual,por lo que no es 232. ¿Cuál de estas igualdades es
posible calcular diferenciasni INCORRECTA?
compararlas si se han obtenido en
diferentespruebas?: 1. Decil 1=Centil 10.
2. Cuartil 1=Percentil 25.
1. Desviación CI. 3. Quartil 2=Centil 20.
2. Puntuaciones Z. 4. Decil 5=Mediana.
3. Eneatipos. 5. Cuartil 3=Centil 75.
4. Percentiles.
5. Puntuaciones T.
233. Si obtuviéramos un Coeficiente de
Correlación de Pearson de r=0,60 para
dos variables “x” e “y” ¿Cuál de estas
229. Teniendo en cuenta la distribución conclusiones podríamos establecer?
poblacional de la capacidad intelectual,
¿cuál de las siguientes declaraciones es 1. Existe una relación causal entre
incorrecta?: ambas variables de manera que
incrementar los valores de la
 variable “x” en la muestra daría que el valor cero no se encuentra en el
lugar a un incremento de los intervalo:
valores de “y”.
2. Existe una relación causal entre 1. No podemos tomar ninguna
ambas variables de manera que decisión respecto de la hipótesis
incrementar los valores de la nula de igualdad de las medias.
variable “y” en la muestra daría 2. No podemos rechazar la hipótesis
lugar a un incremento de los nula de igualdad entre las medias
poblacionales.
valores de “x”.
3. Debemos rechazar la hipótesis nula
3. El grado de asociación lineal de igualdad entre las medias
entre ambas variables es del 60 poblacionales
por ciento. 4. Aceptamos la hipótesis nula de
4. Se trata de una correlación lineal igualdad entre las medias
con un valor medio, poblacionales
independientemente de la 5. Rechazamos la hipótesis alternativa
naturaleza de las variables. de igualdad entre las medias
5. Existe un patrón de covariación poblacionales.
lineal positiva entre ambas
variables.
238. En el error de tipo II:

234. ¿Cuál es el modelo de muestreo cuyo 1. No se rechaza la hipótesis

principio es acceder directamente a las alternativa siendo cierta.
aglomeraciones naturales de unidades 2. No se rechaza la hipótesis nula
en la población? (obreros en fábricas, siendo falsa.
estudiantes en universidades…): 3. No se rechaza la hipótesis nula
siendo cierta.
1. Muestreo estratificado. 4. Se rechaza la hipótesis nula siendo
2. Muestreo aleatorio simple. cierta.
3. Muestreo de conglomerados. 5. Se acepta la hipótesis alternativa
4. Muestreo sistemático. siendo falsa.
5. Muestreo en el tiempo.

235. ¿Cuál de estas representaciones 239. La existencia de una asociación

gráficas emplearía para examinar la estadísticamente significativa entre dos
relación entre dos o más variables variables ordinales puede determinarse
cuantitativas? mediante:

1. Diagrama de sectores. 1. El test de Kuskal-Wallis.

2. Gráfico de dispersión. 2. La correlación de Pearson.
3. Histograma. 3. El test de Kappa.
4. Gráfico de cajas. 4. La correlación de Spearman.
5. Diagrama de barras. 5. El test de Wilcoxon.

240. En las investigaciones de encuesta

strabaja con una muestra representativa
Convocatoria 2014 de la población. ¿Qué supone esto?:

1. La muestra refleja fielmente las

236. A medida que aumentan los grados de variables que caracterizan a la
libertad, la distribución t de Student se
población y su tamaño es adecuado.
aproxima a:
2. Las conclusiones del estudio sólo
describen ala muestra concreta y no
1. La distribución normal.
son generalizables.
2. La distribución binomial.
3. Obtenemos información incompleta
3. La distribución F de Snedecor.
y sesgada por las características de
4. La distribución uniforme.
la muestra.
5. La distribución Chi cuadrado.
4. El criterio básico de inclusión en la
muestra es la accesibilidad de los
participantes
237. Si tras establecer el intervalo de
5. El tamaño de la muestra debe ser lo
confianza respecto a una diferencia entre
más próximo posible al de la
dos medias independientes, encontramos
 población.
1. La frecuencia esperada.
2. La frecuencia observada.
241. En una distribución normal: 3. La diferencia entre la frecuencia
observada y la esperada.
1. La Media de las puntuaciones es 0. 4. La frecuencia que se obtiene en la tabla
2. La Desviación Típica es igual a la de la distribución X2.
unidad.
3. La Media es igual a la Mediana.
4. La Media no tiene por qué coincidir 246. Para calcular el coeficiente de validez,
con la Mediana. la correlación más adecuada cuando las
5. No se puede calcular la Moda. puntuaciones del test son una variable
continua y el criterio es una variable
dicotómica es:

Convocatoria 2015 1. La correlación tetracórica.

242. ¿Qué condiciones debe cumplir una
muestra de participantes de un estudio
para que sea representativa de la
población?
247. El nivel de significación (α) suele ser un
1. Que se haya obtenido por aplicación de
un muestreo de juicio o selección
experta.
2. Que su tamaño sea suficiente y se haya
conseguido que las variables que
caracterizan a la población estén
presentes en la muestra.
3. Que los criterios de inclusión y
exclusión en la muestra sean conocidos
y públicos.
4. Que la población objetivo sea lo más
cercana posible a la población.
243. ¿Cuál de estas afirmaciones es correcta?
2. Coeficiente phi.
3. Correlación de Spearman.
4. Correlación biserial puntual.
valor:
1. Muy pequeño porque cuanto menor es
α mayor es la probabilidad de rechazar
erróneamente la hipótesis nula.
2. Muy pequeño porque cuanto mayor es
α mayor es la probabilidad de rechazar
erróneamente la hipótesis nula.
3. Muy grande porque cuanto mayor es α
mayor es la probabilidad de rechazar la
hipótesis nula.
4. Muy pequeño porque cuanto mayor es
α menor es la probabilidad de rechazar
erróneamente la hipótesis nula.

1. Cuanto menor es la varianza de la 248. La distribución T se aproxima a la

distribución muestral del estimador, normal:
mayor es la eficiencia.
2. Cuanto mayor es la varianza de la 1. A medida que aumentan los grados de
distribución muestral del estimador, libertad.
mayor es la eficiencia. 2. Nunca, porque son dos distribuciones
3. Cuanto mayor es la varianza de la distintas.
distribución muestral del estimador, 3. Cuando tenemos entre 0 y 30 grados de
mayor es la eficacia. libertad.
4. Cuanto menor es la varianza de la 4. Si el muestreo es aleatorio.
distribución muestral del estimador,
menor es la eficiencia.
249. La zona de rechazo de la hipótesis nula
se llama:
244. Una puntuación típica normalizada
igual a 0, deja por debajo de sí: 1. Región β o de rechazo.
2. Región crítica o de rechazo.
1. El 0% de los casos. 3. Región de confianza o de rechazo.
2. El 50% de los casos. 4. Región 1- α o de rechazo.
3. El 100% de los casos.
4. El 25% de los casos.
250. La existencia de una asociación
estadística significativa entre variables
245. En el contraste estadístico X2 (chi ordinales puede determinarse, más
cuadrado) la frecuencia teórica es: adecuadamente, mediante:
 2. El 75% central de los casos.
1. El test de Kuskal-Wallis. 3. El 50% central de los casos.
2. La correlación de Pearson. 4. El 25% central de los casos.
3. El test de Kappa.
4. La correlación de Spearman.
255. En lo que respecta a los supuestos que
Convocatoria 2016 deben cumplirse para poder aplicar
técnicas de análisis paramétricas,
indique cuál de las siguientes
251. La escala de rangos percentiles que afirmaciones es INCORRECTA:
habitualmente se emplea para
comunicar los resultados de los test 1. La aplicación de pruebas paramétricas
normativos constituyen una escala del como el ANOVA exige el
tipo: cumplimiento de supuestos tales como
la normalidad, homocedasticidad e
6. Nominal. independencia de las observaciones.
7. Ordinal. 2. El supuesto de normalidad puede
8. Intervalo. analizarse mediante la prueba de
9. Razón. Kolmogorov-Smirnov con la
corrección de Lilliefors cuando los
tamaños muestrales son superiores a
252. A la probabilidad de obtener, siendo Ho 50.
verdadera, un resultado para un 3. La prueba de Levene se aplica para
estadístico de contraste, tan o más analizar el supuesto de
extremo que el encontrado en nuestra homocedasticidad y, en caso de
muestra, se denomina: incumplimiento del supuesto, se
recomienda utilizar los estadísticos
1. Nivel de propuestos por Welch y Brown-
significación, Forsythe.
alfa. 4. La independencia de las observaciones
2. Nivel de puede analizarse mediante el test de
confianza, 1 – DurbinWatson y una de las estrategias
alfa. más eficaces para garantizar el
3. Potencia de cumplimiento de este supuesto es
prueba, 1 – utilizar diseños de medidas repetidas.
beta.
4. Grado de
significación
o nivel Convocatoria 2017
crítico,p.
256. Los sistemas de clasificación de la
conducta anormal (p.ej. los utilizados en el
253. Cuál de los siguientes es un supuesto que
debe cumplirse para la aplicación de la DSM) constituyen:
prueba de chi-cuadrado de
independencia en una tabla de 1. Escalas de razón.
contingencia: 2. Sistemas de clasificación nominal.
3. Sistemas de intervalo.
1. Que exista un igual número de filas que 4. Escalas ordinales.
de columnas.
2. Que las variables estén medidas en 257. En una investigación se ha concluido que
escala ordinal. existe relación entre las variables
3. Que no haya más de un 20% de estudiadas, basándose en el resultado
frecuencias esperadas inferiores a 5. obtenido en la prueba de hipótesis nula.
4. Que las frecuencias esperadas sean Sin embargo, constatamos que dicha
iguales a las frecuencias empíricas. relación no existe en la población. Según
este enunciado ... (señale la afirmación
correcta):
254. En un diagrama de cajas (Box-Plot), la
caja central representa: 1. Se ha cometido un error de tipo I.
2. Se ha cometido un error de tipo II.
1. El 100% de los 3. La potencia de la prueba es baja.
casos. 4. El valor de p obtenido en la prueba de
hipótesis nula es superior a 0,05.

258 .El Coeficiente de Correlación de Pcarson
se ve reducido si:
1. Aumenta la homogeneidad de la
muestra.
2. Aumenta el tamaño de la muestra.
3. Se calcula en puntuaciones típicas.
4. Se intercambian X e Y.
259. En lo que respecta a los componentes de
la varianza total de los datos, la varianza
de error es una fuente de variación que:
l. Forma parte de la varianza sistemática de
los datos.
2. Tiene lugar en la variable independiente
debido a la influencia de variables
extrañas o perturbadoras.
3. Es debida a factores aleatorios.
4. Se conoce también como varianza
intergrupos.
260. Para la utilización de pruebas estadísticas
paramétricas, es necesario analizar el
cumplimiento de los supuestos del modelo
estadístico. En este sentido, señale la
afirmación INCORRECTA:
1. Para analizar el supuesto de
homogeneidad de las varianzas, se
recomienda utilizar la prueba de Levene
por ser robusta ante el
incumplimientodel supuesto de
normalidad de la variabledependiente.
2. La utilización de una regla de
asignación aleatoria de los sujetos a las
condiciones experimentaleses uno de los
procedimientosmás utilizados para
garantizar el cumplimiento del supuesto
de independencia de las observaciones.
3. Para medir el cumplimiento de la
normalidad de las puntuaciones de la
variable dependiente, se recomienda
utilizar la prueba de Bartlett.
4. Ante la presencia de heterocedasticidad,
uno de los métodos que puede utilizarse
radica enla corrección de los grados de
libertad de la prueba F, denominándose
dicha prueba Fconservadora.
261. Respecto de la validez de conclusión
estadística, al definir la potencia de una
prueba estadística, señale cuál de las
siguientes afirmaciones es
INCORRECTA):
1. Depende del tamaño del efecto obtenido
en el estudio.
2. Incrementa a medida que aumenta el
tamaño muestra del estudio.
3. Es inversamente proporcional al valor
de la tasa de error tipo I que el
experimentadorconsidera adecuado en
un estudio.
4. Es complementaria al error de tipo II.
Convocatoria 2018
259. Con relación a los supuestos del modelo
estadístico, indique la afirmación
CORRECTA:
1. La normalidad es un supuesto que
puede ser explorado mediante la
prueba de Brown-Forsythe.
2. La homogeneidad de la varianza es un
supuesto cuya comprobación suele
realizarse mediante la prueba W de
Welch.
3. La prueba Durbin-Watson analiza la
existencia de autocorrelación entre
residuales y nos informa acerca del
supuesto de independencia de las
observaciones.
4. Un valor en la prueba de Shapiro-
Wilks de SW=2,781; p=0,05 muestra
un valor estadísticamente significativo
que indica que se cumple el supuestode
normalidad.
263. En el ámbito de la validez de conclusión
estadística, indique la afirmación
INCORRECTA:
1. La baja potencia estadística puede
implicar un alto riesgo de cometer un
error de tipo II.
2. La escasa fiabilidad de las medidas
utilizadas puede influir en las
conclusiones sobre covariación.
3. Existen estadísticos que de manera
sistemática infraestiman o
sobreestiman la magnitud de un efecto,
lo cual amenaza a la validez de la
conclusión estadística.
4. La heterogeneidad de las unidades
muestrales incrementa la probabilidad
de detectar el efecto objeto de estudio.
264. En el modelo de regresión lineal simple
cuando trabajamos en puntuaciones
típicas, el coeficiente de regresión (beta)
de la variable independiente (VI) es igual
a:
1. La varianza de la variable dependiente
(VD).
2. 0.
 3. La correlación de Pearson entre la VD interés de los efectos principales se
y la VI. reducen en cierta medida dado que su
4. 1. interpretación depende de los niveles
del resto de factores.
2. El análisis de los efectos simples
265. Antes de aplicar una prueba t de implica interpretar el efecto de un
diferencias de medias para grupos factor cuando se tiene en cuenta un
independientes, hay que comprobar el único nivel del otro factor.
supuesto de homocedasticidad. ¿Cuál de 3. El análisis de los efectos simples sólo
las siguientes pruebas se emplea para tal tiene sentido cuando la interacción
fin (ANULADA)?: entre los factores es estadísticamente
significativa.
1. Brown-Forsythe. 4. El efecto de interacción solo será
2. U de Mann-Witney. estadísticamente significativo si los
3. Chi-cuadrado. efectos principales también lo son.
F de Levene
270. En lo que respecta a la validez de
266. Una puntuación “eneatipo” en un test conclusión estadística, indique cuál de las
requiere la transformación: siguientes afirmaciones es correcta:

1. De las puntuaciones en una escala que 1. La potencia es complementaria al error

va del 1 al 99 con una media igual a 50.
2. De las puntuaciones en una escala que
va del 1 al 99 con una desviación típica
igual a 10.
3. De las puntuaciones en una escala que
va del 1 al 9 con una desviación típica
igual a 2.
4. De las puntuaciones en una escala que
va del 1 al 9 con una desviación típica
igual a 5.
267. ¿Cuál sería la puntuación Z que
correspondería a un CI 130 en la batería
Wechler?
de tipo I y se define como la capacidad
de una prueba estadística para detectar
una relación entre variables.
2. El error de tipo II se refiere al hecho de
detectar una relación entre variables
cuando de hecho no existe tal relación
en la población.
3. La probabilidad de cometer un error de
tipo I se denomina alpha y se refiere a
rechazar la hipótesis nula cuando dicha
hipótesis es verdadera.
4. El tamaño muestral tiene una relación
inversamente proporcional con la
potencia de la prueba estadística.

1. +1.0. 271. En el ámbito del análisis estadístico, en

2. +2.0. concreto de la regresión lineal, indique la
3. +3.0. afirmación INCORRECTA:
4. +4.0.
1. La regresión lineal permite analizar la
relación entre uno o más predictores
268. ¿Cuál es el efecto del fenómeno conocido cuantitativos y una variable
como “restricción de rango” sobre el dependiente también cuantitativa, no
valor de correlación observado entre dos pudiéndose en ningún caso incluir en el
variables psicológicas? análisis predictores categóricos.
2. En el análisis de regresión, el
1. El aumento de ese valor. coeficiente de regresión parcial no
2. La disminución de ese valor. estandarizado Bo ó β0 ofrece el valor
3. La desaparición de ese valor. de la ecuación de regresión cuando
4. El cambio de signo de ese valor. todos los predictores son igual a cero.
3. Una estrategia para medir la bondad de
ajuste en un análisis de regresión
Convocatoria 2019 simple es utilizar el coeficiente de
determinación que se calcula elevando
269. Para interpretar adecuadamente al cuadrado el coeficiente de
los resultados obtenidos mediante un correlación de Pearson.
análisis factorial de la varianza debe 4. Si se desea encontrar la ecuación de
tenerse en cuenta (indique la regresión capaz de ofrecer el mejor
afirmación INCORRECTA): ajuste posible con el menos número de
variables, se recomienda utilizar la
1. Cuando el efecto de interacción es regresión jerárquica o por pasos.
estadísticamente significativo, el
272. En el marco del análisis de la varianza,
con un factor y tres tratamientos, indique la
afirmación INCORRECTA:
1. La prueba de Dunn-Bonferroni nos
permitiría llevar a cabo comparaciones
múltiples entre pares de medias
planificadas o a priori.
2. Si el investigador desea realizar todas
las posibles comparaciones por pares,
post hoc o a posteriori, podía utilizar la
prueba de Tukey.
3. Para estimar el tamaño del efecto
relativo a la proporción de varianza
explicada, sería aconsejable la
utilización de eta-cuadrado (η2), por
ser un estimador no sesgado.
4. En el caso de incumplir el supuesto de
homogeneidad de las varianzas se
recomienda utilizar los estadísticos W
de Welch o F de Brown y Forsythe,
como alternativa al estadístico F.
Convocatoria 2020
273. Atendiendo a las características del
diseño de covarianza, señale la afirmación
INCORRECTA:
1. El análisis asociado a este diseño es el
análisis de covarianza, el cual combina las
ventajas del análisis de la varianza y el análisis
de regresión.
2. Se trata de un diseño en el que se utiliza un
procedimiento de control experimental sobre la
variable perturbadora o covariable.
3. Es un diseño que permite reducir la varianza
de error e incrementar la potencia estadística.
4. Este diseño se utiliza en la metodología
cuasiexperimental con el propósito de controlar
el sesgo de selección.
274. En el ámbito del análisis estadístico de
los datos, en lo que respecta al tamaño del
efecto,indique la afirmación INCORRECTA:
1. En un análisis de la varianza, la obtención de
unvalor de F estadísticamente significativo se
corresponde siempre con un efecto importante.
2. La prueba d de Cohen consiste en calcular la
diferencia estandarizada entre medidas.
3. Para estimar la proporción de varianza
explicada se desaconseja utilizar eta-cuadrado
debido a que se trata de un estimador sesgado
del tamaño del efecto.
4. El tamaño del efecto entre más de dos medias
puede ser calculado mediante el estadístico f.
275. En el marco del análisis de la varianza
con más de un factor, señale la afirmación
INCORRECTA:
1. El estudio del efecto moderador de una
terceravariable, en la relación entre una variable
independiente y una variable dependiente, se
puede analizar mediante el efecto de interacción
entre dicha
tercera variable y el factor o variable
independiente.
2. Un efecto simple consiste en el efecto de un
factor A cuando únicamente se tiene en cuenta
un único nivel del otro factor B.
3. Cuando se obtiene un efecto de interacción
estadísticamente significativo, la interpretación
de losefectos principales implicados en dicha
interacciónsupone un error de interpretación.
4. El análisis de los efectos simples no debe ser
utilizado para interpretar una interacción
estadísticamente significativa.
276. En lo que respecta a las estrategias para
seleccionarla muestra de una investigación,
señale la afirmaciónINCORRECTA:
1. En el muestreo aleatorio estratificado se
establecenrestricciones a la selección totalmente
aleatoria dela muestra.
2. El tamaño muestral puede ser delimitado
respondiendo al objetivo de que la muestra sea
representativa de la población de referencia y/o
atendiendo a estudios de potencia a priori.
3. En el muestreo aleatorio estratificado, el
procedimiento de afijación uniforme implica
que los tamaños de los estratos son
proporcionales a los tamaños poblacionales.
4. El muestreo aleatorio por conglomerados
implica que, en lugar de elementos individuales
de la población, se utilizan conjuntos de
elementos quepuede considerarse que
constituyen una unidadmás amplia.
277. ¿Cuál de las siguientes pruebas se
emplea para comprobar el supuesto de
esferidad en el análisis de varianza de
medidas repetidas?:
1. Shaphiro-Wilks.
2. Levene.
3. Mantel-Haenszel.
4. Mauchly.
278. En el contexto del análisis de datos,
señale la afirmación INCORRECTA:
1. Si en un estudio se realizan varios contrastes
simultáneos o independientes, la tasa de error de
tipo I se incrementa con respecto al nivel
nominal planteado.
2. El procedimiento HSD de Tukey es un
procedimiento dirigido a realizar comparaciones
entre pares de medias, cuando estas
comparaciones son simples y están formuladas a
posteriori.
3. La corrección de Bonferroni es el método
más apropiado para controlar la tasa de error de
tipo I por familia de comparaciones, cuando se 283.Cuando en el análisis de varianza
pretende analizar un subconjunto de todas las unifactorial no se cumple el supuesto de
posibles comparaciones, y éstas están homocedasticidad, en vez de la F ordinaria,
formuladas a priori. ¿cuál de las siguientes pruebas convendría
4. Cuando se pretende comparar un grupo de emplear?:
control frente al resto de condiciones
experimentales, la prueba más adecuada para 1. Brown-Forsythe.
controlar el error de tipo I es la prueba de 2. Shapiro-Wilk.
Newman-Keuls. 3. Levene.
4. Mauchly.
279. En el contexto de un estudio sobre la
satisfacción conla vida en las distintas
comunidades autónomas, ysabiendo que la
media española es de 50, y que la desviación
típica es 10, ¿en qué comunidad autónoma
están más satisfechos con la vida sus
habitantes siobtenemos las siguientes
puntuaciones?: Castilla y León: puntuación
directa = 43; Madrid: z= 0,8; Comunidad
Valenciana: T = 55: Andalucía = -1DT.

1. Castilla y León.
2. Comunidad Valenciana.
3. Andalucía.
4. Madrid. Convocatoria 2022

Convocatoria 2021 284. ¿Cuál de las siguientes es una condición

para que pueda aplicarse el estadístico Chi
280.En un análisis de regresión simple, ¿cuál cuadrado de independencia en una tabla de
de los siguientes coeficientes indica el cambio contingencia?:
que se produce en la variable de respuesta,
por cada incremento en una unidad de la 1. número de filas que de columnas.
variable predictora?: 2. Marginales de fila iguales a los
marginales de columna.
1. Coeficiente de regresión no 3. Todos los residuales son 0.
estandarizado β1. 4. No más del 20% de las frecuencias
2. Coeficiente de regresión no esperadas son menores a 5.
estandarizado β0.
3. Coeficiente de regresión tipificado B1. 285. El tamaño de la caja central de un
4. Coeficiente de determinación diagrama de caja (Box Plot) viene dado por:
corregido.
1. La amplitud intercuartílica.
281.¿Cuál de los siguientes estadísticos se 2. El rango.
emplea como indicador de multicolinealidad 3. La desviación típica.
en los modelos de regresión lineal múltiple?: 4. La diferencia entre media y mediana.

1. Durbin-Watson. 286. ¿Qué estadístico emplearemos si

2. Tolerancia. queremos conocer la relación lineal entre las
3. Distancia de Cook. variables X e Y eliminando el efecto que una
4. Correlación de Pearson. tercera variable (Z) tiene sobre Y?:

282.Si en una regresión logística binaria 1. Covarianza.

tenemos un predictor categórico con cuatro 2. Regresión.
niveles, ¿en cuántas variables dicotómicas 3. Correlación semiparcial.
(dummy) se transformaría para emplearlo en 4. Correlación parcial.
el modelo?:

1. En 2. 287. Con el fin de probar el efecto de un

2. En 3. factor, siendo el diseño no equilibrado y ante
3. En 4. el incumplimiento del supuesto de
4. En 5. homocedasticidad, la prueba adecuada es:

1. F de Levene.
 2. Durbin-Watson.
3. W de Welch.
4. Fmáxima de Hartley.

288. En un diseño multigrupos al azar, si el

investigador desea realizar comparaciones a
posteriori entre todos los pares de medias, en
el caso de cumplimiento de los supuestos del
modelo estadístico y para garantizar la
mayor potencia y control del error de tipo I,
la prueba más adecuada es:

1. El procedimiento de Bonferroni.
2. Prueba HSD de Tukey.
3. Prueba de Dunnet.
4. Prueba de Fisher.

289. En el ámbito de las medidas del tamaño

del efecto, para evaluar el impacto de un
determinado tratamiento, indique cuál de las
siguientes afirmaciones es correcta:

1. Eta cuadrado es equivalente al

coeficiente de determinación de un
modelo de regresión.
2. Omega cuadrado es un estimador
sesgado por el tamaño muestral y se
recomienda utilizar eta cuadrado en su
lugar.
3. Delta de Cliff es un estimador
paramétrico del tamaño del efecto.
4. Sólo la “d” de Cohen puede informar
acerca del tamaño de efecto de un
tratamiento.