Métodos de Investigación Cuantitativa

Question 1

¿A qué refieren la estadística descriptiva y la estadística inferencial?

Answer 1

1. Estadística descriptiva: Analiza variables en la muestra, no generaliza ni estima, sólo describe. Sirve para sintetizar o resumir los datos obtenidos a partir de un conjunto de observaciones.
2. Estadística inferencial: Infiere las variables en la población, habla de lo que no conoce. Requiere de la descriptiva, ya que utiliza la información de la estadística descriptiva para realizar procesos que permiten, dentro de ciertos rangos de confianza, determinar el comportamiento de la población que es representada por la muestra. Tiene un grado de error, ya que estima/infiere acerca de lo que no conoce.

La estadística inferencial nos permite hacer afirmaciones probabilísticas respecto a los parámetros poblacionales.

Question 2

¿Qué son las variables discretas y las variables continuas?

Answer 2

1. Discretas: No incluye todos los valores dentro de un rango, tiene un conjunto limitado de valores posibles (ejemplos: pregunta likert de 1 a 5, o la cantidad de hermanos que tiene un participante).
2. Continuas: Incluye todos los valores posibles dentro de un rango. Esto no es común en ciencias sociales, pero en la práctica cuando tenemos una gran cantidad de valores posibles es mejor tratarlos como continuos (ejemplos: promedio de varias pregunta likert de 1 a 5, o tiempos de reacción).

Question 3

Verdadero o Falso:

Los gráficos permiten una comprensión global más inmediata, mientras las tablas una revisión más detallada.

Answer 3

Verdadero.

Question 4

Verdadero o Falso:

Las frecuencias son datos absolutos.

Answer 4

Verdadero.

Question 5

Verdadero o Falso:

Es relativamente sencillo comparar los resultados de dos tablas con un N total de respuestas diferente.

Answer 5

Falso.

Para comparar los resultados de dos tablas con un N total de respuestas diferente, se utilizan medidas estandarizadas, esto es, transformaciones de los puntajes originales a escalas que sean las mismas en todas las tablas (y que permiten la comparación).

Question 6

¿Cuáles son las medidas que estandarizan los puntajes?

Answer 6

Proporción (p) y Porcentaje (%).

Question 7

¿Para qué sirven las tablas de intervalos?

Answer 7

Sirven para evaluar la distribución de una variable continua. Recodifican la variable continua para que tenga menos valores posibles. Hay que construir suficientes intervalos para poder aproximar una curva, pero no demasiados.

Question 8

¿Cuáles son las Medidas de Tendencia Central?

Answer 8

1. Moda: Es el valor que se repite más (puntaje de mayor frecuencia).
2. Mediana: El valor que divide a la distribución por la mitad.
3. Promedio: Representa al puntaje que equilibra las distancias o diferencias con los puntajes observados.

Question 9

Verdadero o Falso:

El promedio es más afectado por los puntajes medios de la distribución.

Answer 9

Falso.

Es más afectado por los puntajes extremos de la distribución.

Ejemplo de prueba: Se tiene un grupo de 10 árboles, la mayoría de ellos mide entre 10 y 15 metros, sin embargo, hay uno que mide 50 metros. La media de altura de los árboles es de 15,7 metros. En este caso el promedio no estaría representando correctamente la tendencia central porque hay un caso extremo.

Question 10

¿De qué sirven las medidas de posición?

Answer 10

Permiten ubicar una persona dentro de una distribución de puntajes y simplificar una distribución.

Las medidas de posición dividen un conjunto de datos en grupos con el mismo número de individuos (percentiles, por ejemplo).

Question 11

Verdadero o Falso:

El boxplot es ideal para visualizar inmediatamente el comportamiento de una variable: tendencia central, dispersión y la asimetría de la distribución.

Answer 11

Verdadero.

Question 12

Verdadero o Falso:

La asimetría negativa de una distribución refiere a cuando el montículo se encuentra a la izquierda.

Answer 12

Falso.

La asimetría negativa de una distribución refiere a cuando la cola está a la izquierda, y la positiva cuando su cola está a la derecha.

Question 13

Verdadero o Falso:

Asimetría negativa: moda<mediana<promedio.

Asimetría positiva: promedio<mediana<moda.

Answer 13

Falso.

Es al revés.

Asimetría negativa: promedio<mediana<moda.

Asimetría positiva: moda<mediana<promedio.

Question 14

Verdadero o Falso:

Distribuciones con kurtosis positiva son más puntiagudas, y distribuciones con kurtosis negativa son más redondas.

Answer 14

Verdadero.

Question 15

Verdadero o Falso:

Una distribución homogénea tiene menor dispersión, menos variabilidad.

Answer 15

Verdadero.

Question 16

¿Cuáles son las medidas de dispersión?

Answer 16

1. Rango: diferencia entre el valor máximo y el mínimo de una población o muestra estadística.
2. Varianza: representa la variabilidad de una serie de datos respecto a su media.
3. Desviación estándar: El promedio de las diferencias o desviaciones respecto del promedio de la distribución.
4. Coeficiente de variación: se obtiene de dividir la desviación típica entre el valor absoluto de la media del conjunto y por lo general se expresa en porcentaje.

Question 17

Verdadero o Falso:

Mientras más heterogénea sea una distribución, mayores serán las desviaciones respecto del promedio

Answer 17

Verdadero.

Question 18

¿Qué es el error de muestreo?

Answer 18

El error de muestreo es la diferencia entre el estadígrafo de la muestra y el parámetro de la población correspondiente.

Question 19

Verdadero o Falso:

Hay un gran error de muestreo asociada a la moda de la muestra.

Answer 19

Verdadero.

La moda de una muestra no es una estimación muy confiable de su moda de población a menos que el tamaño de la muestra sea extremadamente grande. Por lo que hay un gran error de muestreo asociada a la moda de la muestra.

Question 20

Verdadero o Falso:

La media de la muestra tiene un error de muestreo menor que la moda o la mediana, por lo que tiende a ser preferida para fines inferenciales.

Answer 20

Verdadero.

Además, tiene más facilidad para un tratamiento estadístico posterior que la mediana o la moda, ya que está definida algebraicamente.

Question 21

Verdadero o Falso:

Si la distribución es marcadamente heterogénea o marcadamente homogénea, la suma de sus valores de desviación de la media es cero.

Answer 21

Verdadero.

Esto es cierto para todas las distribuciones de todas las diferentes formas y de todos los tamaños, es decir, la sumatoria de los valores es igual a 0. Obviamente, esto no puede usarse para reflejar la variabilidad.

Por ello se utiliza la suma de todos los valores de desviación al cuadrado de una distribución es un número positivo (varianza; cuya raíz cuadrada es la desviación estándar).

Question 22

¿Qué es la probabilidad?

Answer 22

Es un valor entre cero y uno, inclusive, que describe la posibilidad relativa (oportunidad o casualidad) de que ocurra un evento.

Question 23

Verdadero o Falso:

Para sumar probabilidades se debe proseguir del siguiente modo:

P(A o B) = P(A) +P(B)

Answer 23

Falso.

P(A o B) = P(A) +P(B) - P(A y B)

Question 24

¿Cuáles son las características fundamentales de una distribución normal?

Answer 24

Tiene forma de campana y posee una sola cima en el centro de la distribución. La media aritmética, la mediana y la moda son iguales y se localizan en el centro de la distribución. El área total bajo la curva es de 1. Es simétrica respecto de la media. Distribución asintótica, ósea las colas de la curva se extienden indefinidamente en ambas direcciones

Question 25

Verdadero o Falso:

Al pasar a puntajes Z, el promedio es 0 y la desviación estándar es 1, exhibiendo una distribución normal estandarizada.

Answer 25

Verdadero.

Question 26

¿Qué es el Teorema del Límite Central (TLC)?

Answer 26

Sin importar la distribución de la variable en la población, la distribución muestral tiende a aproximarse a una curva normal. Por lo tanto, podemos utilizar lo que sabemos de la curva normal para hacer inferencias sobre la población.

El teorema del límite central indica que la suma de variables aleatorias tiende a seguir una distribución normal, aun cuando las variables originales no estuvieran normalmente distribuidas. Es decir, si parto de cualquier tipo de distribución y saco muestras, y obtengo un promedio, y hago una distribución en base a esos promedios, esta será una distribución normal. Indicando que la suma de variables aleatorias (aun cuando estas no sean normales), va a generar una variable aleatoria normalmente distribuida.

Question 27

¿Qué son los Intervalos de confianza?

Answer 27

Es el rango de valores posibles donde se espera se ubique el parámetro, que se calcula a partir de la información de la muestra y de los conceptos asociados al TLC.

Question 28

¿Qué es la Hipótesis Nula (H0) y la Hipótesis Alternativa (H1)?

Answer 28

Hipótesis Nula (H0): Siempre es una hipótesis de igualdad. No hay diferencias entre los grupos, la correlación es igual a 0. Es la que se somete a prueba.

Hipótesis Alternativa (H1): Simplemente lo contrario a la hipótesis nula. Sí hay diferencias entre los grupos, la correlación es distinta de 0. Se interpreta en dirección contraria a la H0. No se somete a estudio, solo lo hace la H0.

Question 29

Verdadero o Falso:

El supuesto de la investigación es que la hipótesis nula es correcta.

Answer 29

Verdadero.

El supuesto de la investigación es que la hipótesis nula es correcta. A no ser que midamos a la población completa, nunca vamos a saber si la hipótesis nula es correcta o no. La idea es suponer que la hipótesis nula es correcta, y calcular la probabilidad de obtener una diferencia igual o mayor por azar. En caso de que la probabilidad sea muy baja (menor a 0.05), decimos que los resultados son “estadísticamente significativos” y rechazamos la hipótesis nula.

Question 30

Describa Error tipo I (Alpha) y Error tipo II (Beta).

Answer 30

Error tipo 1 (Alpha): Rechazar la hipótesis nula, cuando en realidad obtuvimos los resultados por pura casualidad, ya que las variables no estaban relacionadas en la población.

Error tipo 2 (Beta): Concluir que no existe una relación entre las variables cuando en realidad esta relación sí estaba presente en la población.

En resumen:
Error 1: encontrar diferencias cuando en realidad no las hay, rechazar la H0 cuando es verdadera.

Error 2: decir que la H0 es verdadera, cuando no lo es.

Question 31

¿A qué prueba corresponde esta definición?:

“Está diseñada para comparar si el promedio de dos grupos es diferente. Obtenemos dos muestras y evaluamos qué tan diferentes son los promedios “.

Answer 31

Prueba T.

Question 32

¿A qué prueba corresponde esta definición?:

“Prueba de hipótesis con variables cuyos valores son categorías, como preferencias religiosas o color de pelo”.

Answer 32

Chi Cuadrado.

Question 33

¿Cuáles son los tipos de Prueba T?

Answer 33

1. Para una muestra: Evaluar si el promedio es distinto a un valor específico.
2. Para muestras dependientes: Dos mediciones en la misma muestra. Evaluar si el promedio de una variable es diferente del promedio de otra variable.
3. Para muestras independientes: La misma medición en dos muestras distintas.

Question 34

Verdadero o Falso:

El coeficiente de correlación r va de 0 a 1.

Answer 34

Falso.

Toma valores de -1 a 1.

Question 35

Verdadero o Falso:

La Prueba T entrega información respecto a la relación entre dos variables, una categórica dicotómica y una cuantitaiva. Se evalúa si existen diferentes entre promedios de solo dos grupos.

Answer 35

Verdadero.

Question 36

Verdadero o Falso:

Si existen diferencias entre 3 o más grupos, analizamos la varianza mediante ANOVA. Esta evalúa la relación entre dos variables: una categórica con más de dos grupos y una cuantitativa.

Answer 36

Verdadero.

Question 37

¿Cuándo rechazar la hipótesis nula?

Answer 37

Cuando el p-value sea menor a 0,05.

Question 38

Verdadero o Falso:

Si el intervalo de confianza contiene el 0, existen diferencias significativas.

Answer 38

Falso.

Si el intervalo de confianza contiene el 0, no existen diferencias significativas.

Si el intervalo de confianza no contiene el 0, existen diferencias significativas.

Question 39

Si ANOVA se realiza con más de dos grupos, ¿cómo podemos saber entre cuáles grupos existen diferencias?

Answer 39

Usamos las pruebas POST HOC.

Question 40

¿Qué hace el Post-hoc Tukey?

Answer 40

Compara todos los pares de niveles para detectar cuáles de ellos muestran diferencias estadísticamente significativas.

Question 41

¿Qué evalúa el Chi cuadrado?

Answer 41

Evalúa la relación entre dos o más variables categóricas (nominales u ordinales).

Evalúa qué tanto se alejan los datos observados en una muestra de una distribución teórica, es decir, si los datos observados se ajustan a lo esperado teóricamente.

Question 42

Verdadero o Falso:

La ausencia de correlación expresada con el coeficiente de Pearson, no implica la ausencia de una relación entre las variables, solo indica la ausencia de una correlación lineal.

Answer 42

Verdadero.

Question 43

Si las variables están relacionadas, quiere decir que tienen varianza en común. Es decir, a mayor r, más varianza explicada (en común) hay.

¿Cuáles son los tipos de relaciones?

Answer 43

1. Pequeña: r = 0.1
2. Mediana: r = 0.3
3. Fuerte: r = 0.5

Question 44

¿Qué es el alfa de Cronbach?

Answer 44

Un coeficiente de consistencia interna, que funciona como indicador de confiabilidad que se basa en la proporción de variabilidad que se puede atribuir a las mediciones.

Varía entre 0 y 1.

Cero: indica que toda la variabilidad está asociada al error.

Uno: indica que no hay nada de variabilidad asociada al error.

Question 45

¿Para qué sirve la regresión lineal?

Answer 45

Sirve para predecir una variable, sabiendo cómo se comporta la otra.

Question 46

Verdadero o Falso:

El Histograma permite visualizar cómo están distribuidos los datos en una variable cuantitativa discreta.

Answer 46

Falso.

El Histograma permite visualizar cómo están distribuidos los datos en una variable cuantitativa continua.

Question 47

Verdadero o Falso:

Una puntuación Z indica a qué cantidad de desvíos estándar se encuentra dicha observación por encima o por debajo de la media (dependiendo si es puntuación positiva o negativa).

Answer 47

Verdadero.

Los puntajes Z representan la diferencia entre el puntaje de una persona y el promedio de la distribución, en unidades de desviación estándar.

Question 48

¿Qué valores puede adoptar la desviación estándar (SD)?

[Pregunta prueba 1]

Answer 48

La desviación estándar cuantifica el grado de dispersión, este solo puede tomar valores positivos en caso que exista algún grado de dispersión, o el valor cero cuando no existe dispersión (todos los valores son iguales).

Question 49

¿Cuál de los siguientes factores generaría intervalos de confianza más amplios?

1. Un aumento del error estándar.
2. Una disminución del tamaño de la muestra.
3. Un aumento del nivel de confianza.
4. Una disminución del promedio poblacional.

[Pregunta prueba 2]

Answer 49

1, 2 y 3.

Question 50

Respecto a la prueba t de Student, ¿cuál de las siguientes afirmaciones es correcta?

I. Se utiliza para estimar un parámetro cuando se desconoce la desviación estándar de la población.

II. Es un mejor estimador de diferencias entre promedios que la distribución normal estándar cuando las muestras son grandes.

III. Se puede utilizar para contrastar hipótesis sobre las diferencias entre los promedios de dos muestras diferentes.

[Pregunta prueba 2]

Answer 50

I y III.

Question 51

Verdadero o Falso:

La distribución normal está determinada por el promedio y la varianza.

Answer 51

Verdadero.

Al cambiar los parámetros podemos generar distintas curvas normales, con mayor o menor dispersión y con promedios más altos o bajos.

Question 52

Verdadero o Falso:

La prueba T es lo mismo que la Z solo que la información viene de la muestra y no de la población

Answer 52

Verdadero.

¿Qué ocurre si no sabemos la desviación estándar?
Reemplazamos la DS de la población con la DS de la muestra y ya no es una distribución muestral, sino una distribución t.