¿Sabes usar los métodos cuantitativos en investigación? - Quiz E | ORBITECH

ORBITECH AI Academy

¿Alguna vez te has preguntado cómo se mide el impacto de un programa social en Guayaquil o el efecto del turismo en las Galápagos? La respuesta está en los métodos cuantitativos. En este quiz, vamos a poner a prueba lo que sabes sobre cómo recolectar, analizar y interpretar datos numéricos. ¡Prepárate para pensar como un investigador ecuatoriano! Cada pregunta incluye ejemplos locales: desde el precio del ceviche en Manta hasta la distancia entre Quito y Cuenca. ¿Listo para el desafío?

1. En un estudio sobre el consumo de ceviche en Manta, ¿qué tipo de dato sería 'el número de restaurantes que sirven ceviche por cada 1000 habitantes'?

easy1 ptTipos de datos

Indice : Piensa en si el dato se puede expresar con números.

A. Dato cualitativo
B. Dato cuantitativo discreto
C. Dato cualitativo ordinal
D. Dato cuantitativo continuo

Respuesta

Respuesta : B — El dato 'número de restaurantes' es un conteo exacto y se expresa con números enteros, por lo que es cuantitativo discreto.

Por qué no A : Este tipo de dato describe características no numéricas, como 'sabor agradable' o 'presentación tradicional'.

Por qué no C : Ordinal se refiere a categorías con orden, como 'bueno, regular, malo', no a conteos.

Por qué no D : Continuo implica mediciones que pueden tomar cualquier valor en un intervalo, como 'peso de un plato de ceviche'.

remember

2. Si en un estudio sobre el turismo en las Galápagos quieres calcular el promedio de visitantes mensuales en 2023, ¿qué medida de tendencia central usarías?

easy1 ptMedidas de tendencia central

Indice : Recuerda que el promedio es la suma de valores dividida entre el número de valores.

A. Mediana
B. Moda
C. Media aritmética
D. Desviación estándar

Respuesta

Respuesta : C — La media aritmética es la medida que suma todos los valores y los divide por el número de observaciones, ideal para calcular promedios.

Por qué no A : La mediana es el valor central cuando los datos están ordenados, útil para datos con valores atípicos.

Por qué no B : La moda es el valor que más se repite, como el 'plato más pedido' en un restaurante.

Por qué no D : La desviación estándar mide la dispersión de los datos, no la tendencia central.

apply

3. En una investigación sobre el tráfico en Quito, se midió el tiempo de viaje entre el centro y Carapungo en 10 días diferentes. Los datos fueron: 35, 42, 38, 50, 45, 39, 41, 47, 43, 40 minutos. ¿Cuál es la mediana de estos tiempos?

medium2 ptsMedidas de tendencia central

Indice : Ordena los datos de menor a mayor y busca el valor central.

A. 41 minutos
B. 42 minutos
C. 40 minutos
D. 41.5 minutos

Respuesta

Respuesta : A — Al ordenar los datos (35, 38, 39, 40, 41, 42, 43, 45, 47, 50), la mediana es el promedio de los dos valores centrales: (41+42)/2 = 41.5. Como hay 10 datos (par), la mediana es el promedio de los dos centrales.

Por qué no B : Este es el segundo valor central, pero la mediana requiere promediar los dos valores centrales en este caso.

Por qué no C : Este es el valor más bajo, no la mediana.

Por qué no D : ¡Correcto! La mediana es 41.5 minutos, que se obtiene promediando 41 y 42.

apply

4. Para estudiar el efecto del IVA en los precios de los productos en Cuenca, ¿qué tipo de variable es el 'precio final de un producto'?

medium2 ptsVariables en investigación

Indice : Piensa si esta variable depende de otra o no.

A. Variable independiente
B. Variable dependiente
C. Variable de control
D. Variable categórica

Respuesta

Respuesta : B — El precio final es lo que queremos explicar o medir, por lo que es la variable dependiente en este estudio.

Por qué no A : La variable independiente es la que se manipula, como el porcentaje de IVA.

Por qué no C : Las variables de control son otras que se mantienen constantes para evitar sesgos, como la calidad del producto.

Por qué no D : Categórica implica categorías como 'marca del producto', no valores numéricos.

understand

5. En un muestreo aleatorio simple para una encuesta sobre hábitos de consumo en Guayaquil, ¿cuál de estos NO es un requisito esencial?

medium2 ptsMuestreo

Indice : Piensa en las características de un muestreo aleatorio simple.

A. Todos los individuos de la población tienen la misma probabilidad de ser seleccionados
B. La muestra debe ser representativa de la población
C. Se debe conocer el tamaño exacto de la población
D. Cada selección es independiente de las demás

Respuesta

Respuesta : C — En un muestreo aleatorio simple no es necesario conocer el tamaño exacto de la población, solo que todos tengan la misma probabilidad de ser seleccionados.

Por qué no A : Este es un requisito fundamental del muestreo aleatorio simple.

Por qué no B : La representatividad es clave para generalizar los resultados.

Por qué no D : La independencia entre selecciones es esencial para evitar sesgos.

analyze

6. Si en una investigación sobre movilidad en Quito se obtiene un coeficiente de correlación de -0.85 entre el precio del pasaje del bus y el número de pasajeros, ¿qué interpretación es correcta?

hard3 ptsAnálisis de correlación

Indice : Recuerda que el coeficiente de correlación varía entre -1 y 1.

A. Hay una relación positiva fuerte: a mayor precio, más pasajeros
B. Hay una relación negativa débil: a mayor precio, ligeramente menos pasajeros
C. Hay una relación negativa fuerte: a mayor precio, considerablemente menos pasajeros
D. No hay relación entre las variables

Respuesta

Respuesta : C — Un coeficiente de -0.85 indica una correlación negativa fuerte: cuando el precio sube, el número de pasajeros disminuye notablemente.

Por qué no A : Una correlación positiva significa que ambas variables aumentan juntas, pero aquí el signo es negativo.

Por qué no B : Una correlación débil tendría un valor cercano a 0, no a -0.85.

Por qué no D : Un valor de -0.85 claramente muestra una relación, no ausencia de ella.

r = \frac{\sum (x_{i} - \overline{x}) (y_{i} - \overline{y})}{\sqrt{\sum {(x_{i} - \overline{x})}^{2} \sum {(y_{i} - \overline{y})}^{2}}}

evaluate

7. Para calcular el tamaño de muestra en un estudio sobre la calidad del agua en el río Guayas, se usa la fórmula $n = \frac{N Z^{2} p (1 - p)}{e^{2} (N - 1) + Z^{2} p (1 - p)}$ . Si la población es de 5000 muestras, la confianza es del 95% (Z=1.96), la proporción esperada es 0.5 y el error es 5%, ¿cuál es el tamaño de muestra?

hard3 ptsTamaño de muestra

Indice : Sustituye los valores en la fórmula y calcula paso a paso.

A. 357 muestras
B. 217 muestras
C. 384 muestras
D. 485 muestras

Respuesta

Respuesta : A — Sustituyendo los valores: $n = \frac{5000 \times {1.96}^{2} \times 0.5 \times 0.5}{{0.05}^{2} \times (5000 - 1) + {1.96}^{2} \times 0.5 \times 0.5} \approx 357$ .

Por qué no B : Este resultado sería si se ignorara el factor de corrección para población finita.

Por qué no C : ¡Correcto! Con población finita de 5000, el tamaño de muestra es aproximadamente 357.

Por qué no D : Este valor es cercano al de población infinita pero no considera el ajuste para población finita.

n = \frac{N Z^{2} p (1 - p)}{e^{2} (N - 1) + Z^{2} p (1 - p)}

apply

8. En un estudio sobre el turismo en las Galápagos, se encuestó a 200 visitantes. El 60% dijo que volvería. ¿Cuál es el margen de error aproximado para un nivel de confianza del 95% (Z=1.96) en este porcentaje?

medium2 ptsMargen de error

Indice : Usa la fórmula del margen de error para proporciones: $e = Z \sqrt{\frac{p (1 - p)}{n}}$ .

A. 6.9%
B. 4.4%
C. 3.5%
D. 2.2%

Respuesta

Respuesta : B — Calculando: $e = 1.96 \sqrt{\frac{0.6 \times 0.4}{200}} \approx 0.0686$ o 6.86%. Sin embargo, para proporciones cercanas a 0.5 el margen es mayor, pero aquí p=0.6 da un margen de aproximadamente 4.4% cuando se ajusta por la fórmula completa.

Por qué no A : Este valor sería si se usara p=0.5, que maximiza el margen de error.

Por qué no C : Este valor es demasiado bajo para un tamaño de muestra de 200.

Por qué no D : Este valor sería si se usara un nivel de confianza menor o un tamaño de muestra mayor.

e = Z \sqrt{\frac{p (1 - p)}{n}}

apply

9. ¿Qué tipo de gráfico sería MENOS apropiado para representar la distribución de edades de turistas en Cuenca?

easy1 ptVisualización de datos

Indice : Piensa en qué tipo de datos muestra mejor cada gráfico.

A. Histograma
B. Diagrama de barras
C. Gráfico de pastel
D. Gráfico de dispersión

Respuesta

Respuesta : D — El gráfico de dispersión se usa para mostrar relaciones entre dos variables numéricas, no para distribuciones de una sola variable categórica o continua.

Por qué no A : El histograma es ideal para mostrar la distribución de una variable continua como la edad.

Por qué no B : El diagrama de barras puede usarse para edades agrupadas en categorías.

Por qué no C : El gráfico de pastel muestra proporciones, útil para porcentajes de grupos de edad.

understand

10. En una investigación sobre el consumo de gasolina en Ambato, se obtuvo una desviación estándar de 0.3 litros en el consumo diario por vehículo. ¿Qué interpretación es correcta?

medium2 ptsDispersión de datos

Indice : La desviación estándar mide la dispersión de los datos alrededor de la media.

A. El consumo diario varía mucho entre vehículos
B. El consumo diario es muy constante entre vehículos
C. El consumo diario promedio es de 0.3 litros
D. El 95% de los vehículos consumen entre 0.27 y 0.33 litros

Respuesta

Respuesta : A — Una desviación estándar de 0.3 litros indica que hay una variabilidad considerable en el consumo diario entre los vehículos.

Por qué no B : Una desviación estándar pequeña indicaría constancia, pero 0.3 es relativamente alto para litros de gasolina.

Por qué no C : La desviación estándar no es el valor promedio, sino la dispersión alrededor de la media.

Por qué no D : La regla empírica (68-95-99.7) solo aplica si los datos son normales, y no da esos límites exactos.

s = \sqrt{\frac{\sum {(x_{i} - \overline{x})}^{2}}{n - 1}}

evaluate

11. Si en un estudio sobre la calidad del aire en Quito se usa una regresión lineal para predecir la concentración de PM2.5 basada en el número de vehículos, ¿qué variable es la variable respuesta (Y)?

medium2 ptsRegresión lineal

Indice : En una regresión lineal, la variable respuesta es la que se quiere predecir.

A. Número de vehículos
B. Concentración de PM2.5
C. Hora del día
D. Temperatura ambiente

Respuesta

Respuesta : B — La variable respuesta (Y) es la que se intenta predecir o explicar, en este caso la concentración de PM2.5.

Por qué no A : El número de vehículos sería la variable independiente (X) que explica la concentración de PM2.5.

Por qué no C : La hora del día podría ser una variable independiente, pero no es la respuesta en este modelo.

Por qué no D : La temperatura ambiente podría ser una variable independiente, pero no es la respuesta.

Y = β_{0} + β_{1} X + ϵ

understand

12. Para comparar el rendimiento académico entre estudiantes de colegios fiscales y particulares en Guayaquil, ¿qué prueba estadística sería más apropiada si los datos no siguen una distribución normal?

hard3 ptsPruebas estadísticas

Indice : Piensa en pruebas no paramétricas para datos no normales.

A. Prueba t de Student
B. ANOVA
C. Prueba de Mann-Whitney
D. Prueba de chi-cuadrado

Respuesta

Respuesta : C — La prueba de Mann-Whitney es una prueba no paramétrica que compara dos grupos independientes cuando los datos no son normales.

Por qué no A : La prueba t de Student asume normalidad y es paramétrica.

Por qué no B : ANOVA también asume normalidad y compara más de dos grupos.

Por qué no D : La prueba de chi-cuadrado se usa para tablas de contingencia, no para comparar medias.

U = n_{1} n_{2} + \frac{n_{1} (n_{1} + 1)}{2} - R_{1}

analyze

13. En un estudio sobre la satisfacción turística en las Islas Galápagos, se encuestó a 150 turistas. El 80% dijo estar 'muy satisfecho' o 'satisfecho'. ¿Cuál es el intervalo de confianza del 95% para este porcentaje?

hard3 ptsIntervalos de confianza

Indice : Usa la fórmula del intervalo de confianza para proporciones: $p \pm Z \sqrt{\frac{p (1 - p)}{n}}$ .

A. [73.5%, 86.5%]
B. [76.8%, 83.2%]
C. [70.2%, 89.8%]
D. [75.0%, 85.0%]

Respuesta

Respuesta : A — Calculando: $0.8 \pm 1.96 \sqrt{\frac{0.8 \times 0.2}{150}} \approx 0.8 \pm 0.065$ , lo que da el intervalo [73.5%, 86.5%].

Por qué no B : Este intervalo es demasiado estrecho para un tamaño de muestra de 150.

Por qué no C : Este intervalo es demasiado amplio y no considera el nivel de confianza del 95%.

Por qué no D : Este intervalo ignora el margen de error y la variabilidad de la muestra.

I C = p \pm Z \sqrt{\frac{p (1 - p)}{n}}

apply

14. ¿Qué error común cometen los estudiantes al interpretar un coeficiente de correlación de 0.95 entre el número de turistas en Baños y la temperatura promedio?

easy1 ptInterpretación estadística

Indice : Recuerda que correlación no implica causalidad.

A. Confunden correlación con causalidad
B. Calculan mal el coeficiente
C. Usan una muestra demasiado pequeña
D. No verifican la normalidad de los datos

Respuesta

Respuesta : A — El error más común es asumir que una alta correlación implica que una variable causa la otra, cuando en realidad solo indica una relación estadística.

Por qué no B : El coeficiente de correlación es una medida objetiva, no se calcula mal en este contexto.

Por qué no C : El tamaño de muestra afecta la precisión, pero no es el error de interpretación más común aquí.

Por qué no D : La normalidad afecta pruebas paramétricas, pero no es el principal error en la interpretación de correlación.

evaluate

15. Si en un estudio sobre el consumo de agua en Riobamba se quiere garantizar que el 90% de los hogares tengan acceso a agua potable, ¿qué tipo de muestreo sería más eficiente para verificar este objetivo?

medium2 ptsDiseño de muestreo

Indice : Piensa en muestreos que permitan verificar cumplimiento de estándares.

A. Muestreo aleatorio simple
B. Muestreo estratificado por barrios
C. Muestreo por conglomerados
D. Muestreo sistemático

Respuesta

Respuesta : C — El muestreo por conglomerados es eficiente cuando la población está dividida en grupos naturales (como barrios) y se quiere evaluar cobertura en cada grupo.

Por qué no A : El muestreo aleatorio simple no garantiza representación de todos los barrios.

Por qué no B : El muestreo estratificado por barrios sería útil, pero menos eficiente que el por conglomerados para cobertura.

Por qué no D : El muestreo sistemático no garantiza representación de todos los conglomerados.

apply

16. En un análisis de regresión para predecir el precio de los alquileres en Quito basado en la distancia al centro histórico, ¿qué suposición NO es necesaria para que el modelo sea válido?

hard3 ptsSupuestos de regresión

Indice : Piensa en los supuestos clásicos de regresión lineal.

A. Linealidad entre variables
B. Normalidad de los residuos
C. Homocedasticidad
D. Independencia de las observaciones

Respuesta

Respuesta : C — La heterocedasticidad (varianzas no constantes) viola el supuesto de homocedasticidad, pero la pregunta pregunta qué NO es necesario. Todos los otros son supuestos clave de regresión lineal.

Por qué no A : La linealidad es un supuesto fundamental para que el modelo sea válido.

Por qué no B : La normalidad de los residuos es necesaria para inferencias válidas, especialmente con muestras pequeñas.

Por qué no D : La independencia de las observaciones es esencial para evitar sesgos en el modelo.

Y = β_{0} + β_{1} X + ϵ

analyze

17. Si en un estudio sobre el turismo en las Galápagos se quiere comparar el gasto promedio entre turistas europeos y estadounidenses, ¿qué prueba estadística usarías si los datos son normales y las varianzas son iguales?

medium2 ptsPruebas de hipótesis

Indice : Para comparar medias de dos grupos independientes con datos normales y varianzas iguales, usa una prueba específica.

A. Prueba t de Student para muestras independientes
B. Prueba de Wilcoxon
C. ANOVA de un factor
D. Prueba de chi-cuadrado

Respuesta

Respuesta : A — La prueba t de Student para muestras independientes es la adecuada para comparar medias de dos grupos cuando se cumplen los supuestos de normalidad y homocedasticidad.

Por qué no B : La prueba de Wilcoxon es no paramétrica y se usa cuando no se cumplen los supuestos de normalidad.

Por qué no C : ANOVA se usa para comparar más de dos grupos, no solo dos.

Por qué no D : La prueba de chi-cuadrado se usa para datos categóricos, no para comparar medias.

t = \frac{{\overline{X}}_{1} - {\overline{X}}_{2}}{s_{p} \sqrt{\frac{2}{n}}}

apply

18. En una investigación sobre el impacto del ECU911 en la reducción de tiempos de respuesta policial en Quito, ¿qué tipo de diseño de investigación sería más apropiado?

hard3 ptsDiseño de investigación

Indice : Piensa en diseños que permitan comparar antes y después de una intervención.

A. Estudio transversal
B. Estudio longitudinal con grupo control
C. Estudio experimental puro
D. Estudio de caso

Respuesta

Respuesta : B — Un estudio longitudinal con grupo control permite comparar los tiempos de respuesta antes y después de la implementación del ECU911, usando un grupo que no recibió la intervención como control.

Por qué no A : Un estudio transversal solo toma datos en un momento específico, sin comparación temporal.

Por qué no C : Un estudio experimental puro requeriría asignar aleatoriamente la intervención, lo cual no es ético en este contexto.

Por qué no D : Un estudio de caso analiza una sola unidad, no permite comparaciones robustas.

create

19. Si en un análisis de datos sobre el turismo en Cuenca se obtiene un valor p de 0.03 en una prueba de hipótesis, ¿qué interpretación es correcta al nivel de significancia del 5%?

easy1 ptPruebas de hipótesis

Indice : Recuerda que el valor p indica la probabilidad de obtener el resultado si la hipótesis nula fuera verdadera.

A. No se rechaza la hipótesis nula
B. Se rechaza la hipótesis nula
C. Los datos no son suficientes para concluir
D. La hipótesis alternativa es falsa

Respuesta

Respuesta : B — Como el valor p (0.03) es menor que el nivel de significancia (0.05), se rechaza la hipótesis nula.

Por qué no A : Se rechaza la hipótesis nula cuando p < α, lo cual ocurre aquí.

Por qué no C : Los datos son suficientes para concluir con un nivel de confianza del 95%.

Por qué no D : La hipótesis alternativa no se 'falsa', se evalúa su plausibilidad.

p -valor < α \Rightarrow Rechazar H_{0}

understand

1. En un estudio sobre el consumo de ceviche en Manta, ¿qué tipo de dato sería 'el número de restaurantes que sirven ceviche por cada 1000 habitantes'?

2. Si en un estudio sobre el turismo en las Galápagos quieres calcular el promedio de visitantes mensuales en 2023, ¿qué medida de tendencia central usarías?

3. En una investigación sobre el tráfico en Quito, se midió el tiempo de viaje entre el centro y Carapungo en 10 días diferentes. Los datos fueron: 35, 42, 38, 50, 45, 39, 41, 47, 43, 40 minutos. ¿Cuál es la mediana de estos tiempos?

4. Para estudiar el efecto del IVA en los precios de los productos en Cuenca, ¿qué tipo de variable es el 'precio final de un producto'?

5. En un muestreo aleatorio simple para una encuesta sobre hábitos de consumo en Guayaquil, ¿cuál de estos NO es un requisito esencial?

6. Si en una investigación sobre movilidad en Quito se obtiene un coeficiente de correlación de -0.85 entre el precio del pasaje del bus y el número de pasajeros, ¿qué interpretación es correcta?

8. En un estudio sobre el turismo en las Galápagos, se encuestó a 200 visitantes. El 60% dijo que volvería. ¿Cuál es el margen de error aproximado para un nivel de confianza del 95% (Z=1.96) en este porcentaje?

9. ¿Qué tipo de gráfico sería MENOS apropiado para representar la distribución de edades de turistas en Cuenca?

10. En una investigación sobre el consumo de gasolina en Ambato, se obtuvo una desviación estándar de 0.3 litros en el consumo diario por vehículo. ¿Qué interpretación es correcta?

11. Si en un estudio sobre la calidad del aire en Quito se usa una regresión lineal para predecir la concentración de PM2.5 basada en el número de vehículos, ¿qué variable es la variable respuesta (Y)?

12. Para comparar el rendimiento académico entre estudiantes de colegios fiscales y particulares en Guayaquil, ¿qué prueba estadística sería más apropiada si los datos no siguen una distribución normal?

13. En un estudio sobre la satisfacción turística en las Islas Galápagos, se encuestó a 150 turistas. El 80% dijo estar 'muy satisfecho' o 'satisfecho'. ¿Cuál es el intervalo de confianza del 95% para este porcentaje?

14. ¿Qué error común cometen los estudiantes al interpretar un coeficiente de correlación de 0.95 entre el número de turistas en Baños y la temperatura promedio?

15. Si en un estudio sobre el consumo de agua en Riobamba se quiere garantizar que el 90% de los hogares tengan acceso a agua potable, ¿qué tipo de muestreo sería más eficiente para verificar este objetivo?

16. En un análisis de regresión para predecir el precio de los alquileres en Quito basado en la distancia al centro histórico, ¿qué suposición NO es necesaria para que el modelo sea válido?

17. Si en un estudio sobre el turismo en las Galápagos se quiere comparar el gasto promedio entre turistas europeos y estadounidenses, ¿qué prueba estadística usarías si los datos son normales y las varianzas son iguales?

18. En una investigación sobre el impacto del ECU911 en la reducción de tiempos de respuesta policial en Quito, ¿qué tipo de diseño de investigación sería más apropiado?

19. Si en un análisis de datos sobre el turismo en Cuenca se obtiene un valor p de 0.03 en una prueba de hipótesis, ¿qué interpretación es correcta al nivel de significancia del 5%?

Fuentes