MirPirFir.

PIR 2023 · Pregunta 14

Estadística inferencial

Seleccione la prueba estadística más adecuada para las siguientes dos hipótesis. H1: Las estimaciones de CI de los varones son más elevadas que las de las mujeres. H2: El CI medio de las mujeres es más elevado que el de los varones:

Ver respuesta sin contestar

Respuesta correcta: A (clave oficial publicada)

Explicación

El diseño compara dos grupos independientes (varones vs. mujeres). H1 utiliza el término 'estimaciones', lo que en el contexto del examen sugiere datos ordinales o sin normalidad garantizada, requiriendo la prueba no paramétrica para muestras independientes (U de Mann-Whitney). H2 menciona explícitamente el 'CI medio', lo que apunta a una comparación paramétrica de medias (t-test para muestras independientes). La opción 1 es la única que combina dos pruebas válidas para un diseño de grupos independientes, descartando correlaciones, muestras relacionadas o variables categóricas.

A. Varones y mujeres constituyen dos muestras independientes. H1, al referirse a 'estimaciones' (sin especificar medias ni normalidad), se asocia a datos de nivel ordinal o no normal, para los cuales la prueba no paramétrica adecuada es la U de Mann-Whitney. H2, al citar el 'CI medio', exige una prueba paramétrica para comparar medias de dos grupos independientes (t de Student). Es la única opción que emplea dos pruebas coherentes con el diseño experimental.

  • B. Spearman y Pearson son coeficientes de correlación que miden asociación entre dos variables continuas u ordinales en los mismos sujetos, no diferencias entre grupos independientes.
  • C. La t para muestras relacionadas requiere medidas repetidas o parejas emparejadas. El chi-cuadrado analiza la independencia entre dos variables categóricas, no diferencias en una variable cuantitativa como el CI.
  • D. La T de Wilcoxon y la prueba binomial de signos son pruebas no paramétricas para muestras relacionadas (diseños pre-post o emparejados), no para comparar dos grupos independientes.

Fuentes

Explicación generada con IA y verificada por consenso entre modelos de distintas familias.