Análisis multivariante - Examen
  • 1. El análisis multivariante es una técnica estadística utilizada para analizar conjuntos de datos que contienen observaciones sobre múltiples variables. Permite a los investigadores comprender las relaciones entre estas variables y descubrir patrones o tendencias que pueden no ser evidentes al analizar cada variable por separado. Al examinar múltiples variables simultáneamente, el análisis multivariante proporciona una comprensión más completa y holística de los datos, lo que permite a los investigadores tomar decisiones más informadas y extraer conclusiones fiables. Entre los métodos habituales de análisis multivariante se encuentran el análisis de componentes principales, el análisis factorial, el análisis de conglomerados y la regresión multivariante. Estas técnicas se utilizan ampliamente en diversos campos como la economía, la psicología, la biología y el marketing para explorar relaciones complejas y extraer información significativa de los datos.

    ¿Qué es el análisis multivariante?
A) Análisis de una sola variable
B) Análisis simultáneo de múltiples variables
C) Análisis de dos variables
D) Análisis de variables continuas únicamente
  • 2. ¿Qué técnica estadística se utiliza habitualmente en el análisis multivariante?
A) Prueba Chi-cuadrado
B) ANOVA
C) Prueba T
D) Análisis de componentes principales
  • 3. ¿Qué análisis se utiliza en el análisis multivariante para agrupar variables en función de sus similitudes?
A) Análisis de regresión
B) ANOVA
C) Análisis de correlación
D) Análisis de conglomerados
  • 4. ¿Cuál es el objetivo del análisis discriminante en el análisis multivariante?
A) Para determinar los valores atípicos
B) Para determinar los coeficientes de correlación
C) Determinar qué variables discriminan entre dos o más grupos
D) Determinar las estadísticas descriptivas
  • 5. ¿Para qué sirve el diagrama de scree en el análisis multivariante?
A) Identificar valores atípicos
B) Para trazar puntos de datos
C) Para mostrar los coeficientes de correlación
D) Para determinar el número de factores que deben retenerse en el análisis factorial
  • 6. ¿Cuándo debe utilizarse la matriz de covarianza en el análisis multivariante?
A) Para realizar el análisis factorial
B) Comprender las relaciones y variaciones entre múltiples variables
C) Para detectar valores atípicos
D) Para determinar el tamaño de la muestra
  • 7. ¿Cuándo puede ser adecuado utilizar el análisis de componentes principales en el análisis multivariante?
A) Cuando sólo se traten datos categóricos
B) Cuando las variables están muy correlacionadas
C) Cuando las variables son independientes
D) Cuando hay valores atípicos
  • 8. ¿Para qué se utiliza el análisis de funciones discriminantes en el análisis multivariante?
A) Predecir la pertenencia a un grupo en función de variables predictoras
B) Para realizar el análisis de conglomerados
C) Para encontrar valores atípicos
D) Para determinar las correlaciones
  • 9. ¿Qué ayuda a determinar la prueba scree en el análisis factorial?
A) La desviación típica de las variables
B) La importancia de las variables
C) La correlación entre las variables
D) El número de factores a retener
  • 10. ¿Qué permite hacer el análisis discriminante a los investigadores?
A) Realizar un análisis factorial
B) Identificar valores atípicos en los datos
C) Determinar qué variables predicen mejor la pertenencia a un grupo
D) Prueba de correlaciones
  • 11. ¿Qué pretende el análisis de conglomerados en el análisis multivariante?
A) Pruebas de diferencias entre grupos
B) Agrupación de observaciones similares en clusters
C) Realización de análisis factoriales
D) Trazado de datos bivariantes
  • 12. ¿Para qué sirve el análisis de correlación canónica?
A) Para determinar las cargas factoriales
B) Determinar la relación entre dos conjuntos de variables
C) Para determinar los valores atípicos
D) Realizar pruebas de hipótesis
  • 13. ¿Para qué se utiliza el análisis de correlación canónica en el análisis multivariante?
A) Examinar las relaciones entre dos conjuntos de variables
B) Encontrar la correlación entre una variable y sí misma
C) Probar las hipótesis
D) Para realizar el análisis de regresión
  • 14. ¿En qué se diferencia MANOVA de ANOVA en el análisis multivariante?
A) MANOVA considera múltiples variables dependientes simultáneamente, mientras que ANOVA se centra en una única variable dependiente.
B) ANOVA es apropiado para muestras de pequeño tamaño, mientras que MANOVA lo es para muestras de gran tamaño.
C) ANOVA utiliza modelos de efectos mixtos, mientras que MANOVA utiliza modelos de efectos fijos.
D) MANOVA se utiliza para el análisis de datos categóricos, mientras que ANOVA se utiliza para el análisis de datos continuos.
  • 15. ¿Qué software es conocido por su capacidad de análisis multivariante y fue desarrollado por STATISTICA?
A) JMP
B) SPSS
C) MiniTab
D) STATISTICA
  • 16. ¿Qué distribución generaliza la distribución t de Student para pruebas de hipótesis multivariadas?
A) Distribución T al cuadrado de Hotelling
B) Distribución inversa de Wishart
C) Distribución normal multivariada
D) Distribución de Wishart
  • 17. ¿En qué ayudan las representaciones gráficas estadísticas como los diagramas de dispersión y las matrices de diagramas de dispersión?
A) Identificar relaciones lineales entre variables.
B) Crear variables sintéticas.
C) Asignar objetos a grupos.
D) Explorar datos multivariados.
  • 18. ¿Qué software es conocido por su análisis multivariado y está desarrollado por NCSS?
A) NCSS
B) MiniTab
C) SPSS
D) JMP
  • 19. ¿Qué software es conocido por su análisis multivariante y fue desarrollado en MATLAB?
A) SPSS
B) MATLAB
C) MiniTab
D) JMP
  • 20. ¿Qué distribución multivariante se utiliza en la regresión lineal multivariante bayesiana?
A) Distribución de Hotelling al cuadrado
B) Distribución normal multivariante
C) Distribución de Wishart
D) Distribución inversa de Wishart
  • 21. ¿Qué software es conocido por su uso en análisis multivariante y está desarrollado en Python?
A) SPSS
B) JMP
C) SciPy
D) MiniTab
  • 22. ¿Cuál es una aplicación común del análisis multivariante en el campo de las ciencias ómicas?
A) Estadística descriptiva
B) Análisis univariado
C) Descubrimiento de estructuras latentes
D) Regresión lineal simple
  • 23. ¿Qué software es conocido por su capacidad de análisis multivariado y fue desarrollado por STATA?
A) MiniTab
B) Stata
C) JMP
D) SPSS
  • 24. ¿Qué software es conocido por su análisis multivariante y es una aplicación SaaS gratuita?
A) SPSS
B) MiniTab
C) JMP
D) DataPandit
  • 25. ¿Qué software es conocido por su análisis multivariante y fue desarrollado por SAS?
A) JMP
B) SPSS
C) MiniTab
D) SAS
  • 26. ¿Qué software es conocido por su capacidad de análisis multivariante y está desarrollado en Eviews?
A) MiniTab
B) SPSS
C) Eviews
D) JMP
  • 27. ¿Qué supuestos hace el análisis de correspondencias (CA) sobre las disimilaridades entre los registros?
A) Disimilaridades de Mahalanobis.
B) Disimilaridades euclidianas.
C) Disimilaridades basadas en el chi-cuadrado.
D) Disimilaridades de Manhattan.
  • 28. ¿Quiénes realizaron contribuciones significativas a la teoría estadística multivariante a mediados del siglo XX?
A) C.R. Rao
B) R.A. Fisher
C) Karl Pearson
D) Anderson
  • 29. ¿Qué software es conocido por su análisis multivariante y fue desarrollado por SIMCA?
A) JMP
B) SPSS
C) MiniTab
D) SIMCA
  • 30. ¿Cuál es una aplicación clave del análisis multivariado en el análisis de datos?
A) Regresión lineal simple
B) Estadística descriptiva
C) Análisis univariado
D) Reducción de la dimensionalidad
  • 31. ¿Qué software es conocido por su capacidad de análisis multivariante y está desarrollado en R?
A) SPSS
B) MiniTab
C) R
D) JMP
  • 32. ¿Cuál es el papel de la distribución de Inverse-Wishart en la inferencia estadística?
A) Inferencia bayesiana
B) Inferencia frecuentista
C) Inferencia descriptiva
D) Inferencia predictiva
  • 33. ¿Qué distribución se utiliza en análisis multivariados que es similar a la distribución de Wishart?
A) Distribución multivariada de Student-t
B) Distribución de Wishart
C) Distribución normal multivariada
D) Distribución inversa de Wishart
  • 34. ¿Cómo se denomina el proceso en el que se completan los valores faltantes en los componentes de un conjunto de datos?
A) Imputación
B) Regresión
C) Interpolación
D) Extrapolación
  • 35. ¿Cuál es una aplicación común del análisis multivariante en la minería de datos?
A) Regresión lineal simple
B) Análisis univariado
C) Estadística descriptiva
D) Agrupamiento (o clustering)
Examen creado con That Quiz — el sitio de matemáticas.