Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Bioestadística 01 2016, Exámenes de Bioestadística

Examen final bioestadistica

Tipo: Exámenes

2015/2016

Subido el 31/12/2015

glorialopez33
glorialopez33 🇪🇸

4

(1)

1 documento

1 / 6

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Bioestadistica*2015-16*
Nombre:***********Tipo***I*
Niu:* * * ****************DNI:*
*
*
Analizamos*la*relación*entre*el*consumo*de*alcohol*y*el*de*grasa.*Queremos*ver*si*los*
individuos*que*beben*mucho*alcohol*toman*aceite*para*no*dar*positivo*en*los*tests*de*
alcoholemia.*Obtenemos*estos*datos:*
*
Modelo: Lineal
----------------------------------------------------------------
Ecuación: grasa = 75.3611 + 0.5099 * alcohol
----------------------------------------------------------------
Coef E.E. t-valor p-valor
----------------------------------------------------
Ordenada 75.3611 1.9414 38.8182 0.0001
Pendiente 0.5099 0.1525 3.3443 0.0009
----------------------------------------------------
r de Pearson (coeficiente de correlación) 0.1857
r cuadrado (coeficiente de determinación) 3.45 %
Desviación Típica de los Residuos 33.2938
Rho de Spearman 0.0590 t-valor 1.0456 p-valor 0.2966
*
1) Podemos*observar:*
a) Por*cada*gramo*de*alcohol*se*consumen*75*gramos*de*grasa*
b) Por*cada*gramo*de*alcohol*se*consumen*0.5*gramos*de*grasa*
c) Por*cada*gramo*de*grasa*se*consumen*75*gramos*de*alcohol*
d) Por*cada*gramo*de*grasa*se*consumen*0.5*gramos*de*alcohol*
e) El*alcohol*se*consume*igual,*independientemente*de*la*grasa*que*se*consuma*
*
2) La*hipótesis*nula*del*modelo*lineal*sería:*
a) El*alcohol*no*se*consume*
b) No*se*consume*grasa*
c) El*consumo*de*alcohol*depende*del*de*grasa*
d) El*consumo*de*grasa*depende*del*de*alcohol*
e) La*pendiente*es*cero*
*
3) Podemos*rechazar*esa*hipótesis*nula*porque*
a) El*p-valor*es*0.0001*
b) El*p-valor*es*0.0009*
c) El*p-valor*es*0.1857*
d) El*p-valor*es*0.0590*
e) El*p-valor*es*0.2966*
*
4) Si*calculamos*el*intervalo*de*confianza*del*coeficiente*de*correlación*de*Pearson*
a) Incluirá*el*0*
b) Incluirá*el*1*
c) No*incluirá*0.1857*
d) Incluirá*0.1857*
e) El*límite*inferior*será*negativo*
*
5) El*coeficiente*de*correlación*de*Spearman*
a) Es*0.059,*por*lo*que*no*podemos*rechazar*la*hipótesis*nula*por*poco*
b) No*es*significativo,*mientras*que*si*lo*es*el*de*Pearson*
c) Es*un*test*paramétrico,*al*contrario*que*el*de*Pearson*
d) Indica*que*hay*algún*individuo*que*consume*alcohol*en*exceso*
e) No*se*debería*tener*en*cuenta*para*interpretar*estos*datos*
*
6) Revisamos*el*diagrama*de*dispersión*y*obtenemos*esta*figura:*
*
*
*
a) Un*individuo*nos*ha*mentido*
b) Un*individuo*tiene*un*consumo*de*alcohol*extremo,*lo*que*puede*afectar*el*coeficiente*
de*correlación*de*Pearson*
c) Un*individuo*tiene*un*consumo*de*alcohol*extremo,*lo*que*puede*afectar*el*coeficiente*
de*correlación*de*Spearman*
d) Deberíamos*realizar*los*datos*excluyendo*el*individuo*con*consumo*de*alcohol*superior*
a*200*
e) La*variable*consumo*de*grasa*probablemente*tiene*un*coeficiente*de*simetría*negativo*
*
*
7) Un*estudio*realiza*1000*encuestas*de*salud*en*personas*de*18*a*65*años*y*encuentra*una*
prevalencia*de*sobrepeso*reportado*de*50%.*También*se*encuentra*una*prevalencia*de*
hipertensión*de*20%.*En*un*análisis*detallado,*encuentran*120*individuos*que*reportan*
hipertensión*y*sobrepeso.*Cuál*de*estas*afirmaciones*es*cierta:*
a) Hipertensión*y*sobrepeso*son*variables*independientes*
b) La*probabilidad*de*tener*hipertensión*si*tienes*sobrepeso*es*20%*
c) La*probabilidad*de*tener*sobrepeso*si*tienes*hipertensión*es*50%*
d) La*probabilidad*de*tener*hipertensión*si*tienes*sobrepeso*es*24%*
e) La*probabilidad*de*tener*hipertensión*si*tienes*sobrepeso*es*6%*
pf3
pf4
pf5

Vista previa parcial del texto

¡Descarga Bioestadística 01 2016 y más Exámenes en PDF de Bioestadística solo en Docsity!

Bioestadistica 2015- 16 Nombre: Tipo I Niu: DNI: Analizamos la relación entre el consumo de alcohol y el de grasa. Queremos ver si los individuos que beben mucho alcohol toman aceite para no dar positivo en los tests de alcoholemia. Obtenemos estos datos: Modelo: Lineal


Ecuación: grasa = 75.3611 + 0.5099 * alcohol

Coef E.E. t-valor p-valor

Ordenada 75.3611 1.9414 38.8182 0. Pendiente 0.5099 0.1525 3.3443 0.


r de Pearson (coeficiente de correlación) 0. r cuadrado (coeficiente de determinación) 3.45 % Desviación Típica de los Residuos 33. Rho de Spearman 0.0590 t-valor 1.0456 p-valor 0.

  1. Podemos observar: a) Por cada gramo de alcohol se consumen 75 gramos de grasa b) Por cada gramo de alcohol se consumen 0.5 gramos de grasa c) Por cada gramo de grasa se consumen 75 gramos de alcohol d) Por cada gramo de grasa se consumen 0.5 gramos de alcohol e) El alcohol se consume igual, independientemente de la grasa que se consuma
  2. La hipótesis nula del modelo lineal sería: a) El alcohol no se consume b) No se consume grasa c) El consumo de alcohol depende del de grasa d) El consumo de grasa depende del de alcohol e) La pendiente es cero
  3. Podemos rechazar esa hipótesis nula porque a) El p-valor es 0. b) El p-valor es 0. c) El p-valor es 0. d) El p-valor es 0. e) El p-valor es 0.
  4. Si calculamos el intervalo de confianza del coeficiente de correlación de Pearson a) Incluirá el 0 b) Incluirá el 1 c) No incluirá 0. d) Incluirá 0. e) El límite inferior será negativo
  5. El coeficiente de correlación de Spearman a) Es 0.059, por lo que no podemos rechazar la hipótesis nula por poco b) No es significativo, mientras que si lo es el de Pearson c) Es un test paramétrico, al contrario que el de Pearson d) Indica que hay algún individuo que consume alcohol en exceso e) No se debería tener en cuenta para interpretar estos datos
  6. Revisamos el diagrama de dispersión y obtenemos esta figura: a) Un individuo nos ha mentido b) Un individuo tiene un consumo de alcohol extremo, lo que puede afectar el coeficiente de correlación de Pearson c) Un individuo tiene un consumo de alcohol extremo, lo que puede afectar el coeficiente de correlación de Spearman d) Deberíamos realizar los datos excluyendo el individuo con consumo de alcohol superior a 200 e) La variable consumo de grasa probablemente tiene un coeficiente de simetría negativo
  7. Un estudio realiza 1000 encuestas de salud en personas de 18 a 65 años y encuentra una prevalencia de sobrepeso reportado de 50%. También se encuentra una prevalencia de hipertensión de 20%. En un análisis detallado, encuentran 120 individuos que reportan hipertensión y sobrepeso. Cuál de estas afirmaciones es cierta: a) Hipertensión y sobrepeso son variables independientes b) La probabilidad de tener hipertensión si tienes sobrepeso es 20% c) La probabilidad de tener sobrepeso si tienes hipertensión es 50% d) La probabilidad de tener hipertensión si tienes sobrepeso es 24% e) La probabilidad de tener hipertensión si tienes sobrepeso es 6%
  1. En cuál las siguientes condiciones se puede considerar con bastante seguridad que una variable numérica sigue una distribución normal a) N = 10 b) N = 30 c) N = 100 d) N = 1000 e) Ninguna de las anteriores
  2. En el siguiente análisis de la relación entre la concentración de bilirrubina y la tensión arterial, se puede afirmar que Modelo: Lineal

Ecuación: BILI = 2.5283 + 0.0459 * TA

Coef E.E

Ordenada 2.5283 1. Pendiente 0.0459 0.


r de Pearson (coeficiente de correlación): 0. r cuadrado (coeficiente de determinación): 1.70% Desviación Típica de los Residuos: 0. Rho de Spearman: 0. a) Existe una correlación lineal significativa b) Como el coeficiente de Pearson es diferente del de Spearman, probablemente las variables siguen una distribución normal c) Como el coeficiente de Pearson está más cerca de 0 que de 1, la correlación no es significativa d) Aunque el coeficiente de Spearman está más cerca de 0 que de 1, la correlación es significativa e) No disponemos de información para afirmar si la correlación es significativa

  1. Para una variable numérica, entre qué valores se encuentra el 50% de la muestra a) Entre el valor mínimo y la media b) Entre el cuartil 1 y el 3 c) Entre la media y la mediana d) Entre el tercil 1 y 2 e) Entre el percentil 5 y 95
  2. La covarianza a) Sólo puede tener valores positivos b) Es invariante a la escala de las variables c) Mide asociación entre dos variable numéricas, pero es poco útil para hacer comparaciones d) Si se divide por la varianza de Y, proporciona una estimación de beta (pendiente) e) Permite comparar más de 2 medias
  3. Un estudio determina la concentración de hemoglobina en sangre en 200 pacientes con talasemia. ¿Cuál de los siguientes valores define el percentil 75? a) La concentración de hemoglobina del individuo que ocupa la posición 150, una vez ordenados de menor a mayor b) La concentración de hemoglobina máxima multiplicada por 0. c) La mediana multiplicada por 1. d) El 75% del valor medio e) La posición del individuo con un 75% del valor máximo dividida por 200
  4. El rango intercuartílico a) Es una medida de posición b) Es idéntico a la desviación típica c) Está delimitado por la mediana y la moda d) Está delimitado por los percentiles 25 y 75 e) Si tiene valores extremos indica asimetría
  5. El coeficiente de variación a) Permite comparar medias de más de dos variables b) Es una medida de dispersión c) Es mayor si la variable se mide en milímetros que en metros d) Se calcula restando la media y dividiendo por la desviación típica e) Sólo puede tener valores entre - 1 y 1
  6. Sobre el coeficiente de correlación de Pearson (r) y el coeficiente de determinación (r2) es FALSO: a) r mide asociación entre dos variable numéricas b) r2 mide proporción de varianza que explica una variable X sobre otra Y en un modelo lineal c) r puede tener cualquier valor negativo, pero r2 siempre es positivo d) los dos pueden verse afectados por valores extremos e) Se puede calcular un intervalo de confianza para r, pero no tiene sentido para r
  7. Un ensayo clínico concluye que el riesgo relativo de padecer un segundo infarto de miocardio si se toma aspirina respecto a placebo es 0.40 (IC95% 0.18 a 0.89). La conclusión del estudio es a) No hay un efecto significativo b) La aspirina es claramente perjudicial c) La aspirina reduce significativamente el riesgo d) Hasta un 89% de los pacientes se beneficiarían si tomaran aspirina e) Un 18% de los pacientes probablemente no se beneficien de tomar aspirina
  1. Si en un test t-Student que compara dos medias obtenemos un p-valor = 1. a) Las medias son iguales b) El tamaño de muestra es insuficiente c) Se puede rechazar la hipótesis nula d) La probabilidad de observar por azar diferencias como las del estudio es muy elevada e) El intervalo de confianza al 95% tendrá una amplitud de 1
  2. Uno de vuestros compañeros analiza la relación entre tabaco y consumo de vitaminas con la siguiente tabla: tabaco | Fumador | Nunca | Total vitamin | | | Fila

| 51 | 71 | 122 Frecuente | 16.19 | 22.54 | 38.


| 42 | 40 | 82 Ocasional | 13.33 | 12.70 | 26.


| 65 | 46 | 111 Nunca | 20.63 | 14.60 | 35.


Total | 158 | 157 | 315 Columna | 50.16 | 49.84 | 100. Los porcentajes de cada celda se refieren al total de la tabla a) El 16% de los fumadores consumen vitaminas con frecuencia b) El 16% de los consumidores de vitaminas con frecuencia son fumadores c) El 16% son consumidores de vitaminas con frecuencia d) El 16% son fumadores e) El 16% son consumidores de vitaminas con frecuencia y fumadores

  1. El p-valor NO es la probabilidad de que una diferencia sea falsa porque a) Depende del nivel de significación que empleemos b) Depende del tamaño de muestra c) Se calcula en el supuesto de que la hipótesis nula sea cierta d) Nunca podemos saber si la diferencia es realmente falsa e) La diferencia real es una variable aleatoria
  2. El análisis de la relación entre tabaco y consumo de vitaminas con un test de ji-cuadrado proporciona estos resultados: Tamaño Muestral: 315 Estadístico de contraste Chi-Cuadrado: 6. G.L.: 2 p-valor: 0. Nº de celdas con frecuencias absolutas esperadas < 5: 0 de 6, un 0.0000% Nº de celdas con frecuencias absolutas esperadas < 1: 0 de 6, un 0.0000% a) No es válido al no cumplirse las condiciones de aplicación b) La asociación es significativa c) El odds-ratio es 6.57, por lo que la asociación es muy fuerte d) El tamaño de muestra es insuficiente para obtener diferencias significativas e) El test tiene 315 grados de libertad
  3. Quisiéramos comparar el consumo de alcohol en relación al tabaco. Realizamos este análisis descriptivo:

Grupos Ex-Fumador Nunca Fumador

N 115 157 43 Media 3.8452 1 .6707 7. Mediana 1.0000 0.1000 0. Varianza 33.8157 11.3063 971. Desviación Típica 5.8151 3.3625 31. Asimetría 2.3921 3.1644 6.


El test más adecuado sería a) Análisis de la varianza b) Kruskal-Wallis c) t-Student d) Ji-cuadrado e) Modelo lineal

  1. Un test de Kruskal-Wallis a) Compara varianzas b) Compara medianas a partir de la distribución de los datos transformados en rangos c) Siempre es más significativo que el ANOVA d) Es la versión no paramédica de la correlación de Pearson e) Requiere que los datos sigan una distribución Normal
  2. La probabilidad de padecer la enfermedad si se obtiene un resultado positivo en un test diagnóstico es a) El valor predictivo positivo b) La sensibilidad c) El valor predictivo negativo d) La prevalencia e) 1 - valor predictivo positivo
  3. Para analizar si hay relación entre la concentración de bilirrubina y la presencia de una mutación en el gen CYP1A2 debería usarse a) t-Student b) Ji-cuadrado c) F-Snedecor d) Pearson e) McNemar
  1. ¿Tienen los fumadores unos niveles de colesterol mayores que los no fumadores? Variable Respuesta: colest Variable Explicativa: tabaco Grupo Fumador Nunca

Tamaños Muestrales 158 157 Medias: 256.4411 228. Desviaciones Típicas: 128.6328 134. E.E. de las Medias: 10.2335 10. Asimetría 1.0135 1.


Varianza Conjunta: 17279. E.E. de la Diferencia de Medias: 14. Grados de Libertad: 313. Diferencia de Medias 28. Estimación


I.C. al 95.00% para la diferencia de medias: 28.05 +/- 29.14 [-1.09, 57.19] t-Student


Hipótesis Nula: diferencia de medias = 0. Hipótesis Alternativa: no igual t-Student: 1. p-valor: 0. a) Si, la media es 28 mg/dl superior b) No, las diferencias observadas en este estudio son grandes, pero se podrían dar por azar con más de un 5% de probabilidad c) No, en la población la concentración de colesterol es igual d) Algún dato es incorrecto, porque no puede haber valores de colesterol negativos y el límite inferior del intervalo de confianza es - 1. e) No tenemos toda la información, el test no cumple las condiciones de aplicación y deberíamos realizar un test U-Mann-Whitney

  1. Indica una utilidad del cálculo del intervalo de confianza de la diferencia de medias de una variable entre dos grupos a) Contrastar si las medias de los grupos son iguales b) Calcular la correlación de la variable con otra c) Control de calidad de los datos y descubrir fraude d) Evaluar normalidad de la variable e) Evaluar la simetría de la variable
  2. En cuál de las siguientes condiciones sería necesario emplear el test de Kruskal-Wallis en lugar del ANOVA: a) Las medias son iguales b) La variable tiene índice de asimetría - 1. c) Las variables están relacionadas d) Las varianzas son iguales e) La correlación no es cero
  3. Qué prueba permite determinar si la asociación entre la concentración de creatinina y la de albúmina es significativa a) ANOVA b) Test de Barlett c) Ji-Cuadrado d) Correlación e) McNemar
  4. Si en un estudio se obtiene una odds-ratio de 1,3 con un intervalo de confianza al 95% de 0,29 a 5, a) No se puede concluir sobre la significación sin saber el tamaño de la muestra b) Está mal calculado porque el límite inferior no puede ser menor a 1 c) La asociación no es significativa porque incluye el valor de la hipótesis nula d) Hay una asociación negativa, pero no significativa e) Hay una asociación positiva significativa
  5. El error beta a) Es proporcional al alfa b) Si el tamaño de muestra es fijo, disminuye si también disminuimos el nivel de significación c) Sólo puede disminuir si reducimos el tamaño de muestra d) Se afecta por valores extremos e) Es complementario a la probabilidad de detectar un efecto cuando existe en la población
  6. La tasa de incremento anual en la incidencia de cáncer de mama, estimada a partir de los datos del registro de tumores es de 0.03 (IC95% - 0.01 a 0.05) casos por 1000 mujeres- año. a) Los datos son compatibles con una reducción de la incidencia b) Se deberían implementar medidas de detección precoz para evitar el aumento significativo de la incidencia c) Debe haber un error en los cálculos, pues una tasa de incremento no puede ser negativa d) El intervalo es demasiado amplio, por lo que el estudio debe repetirse con un mayor tamaño de muestra e) Cada año se detectan 3 casos más por cada millón de mujeres