-                                ...

  Chapter 1 

• What is a confounding variable? 
• A variable that is manipulated by the experimenter. 
• A variable that affects the outcome being measured as well as or instead of 

the independent variable.* 

• A variable that has not been measured. 
• A variable that is made up only of categories. 
• ‘Children can learn a second language faster before the age of 7’. Is this statement: 
• A null hypothesis. 
• A non‐scientific statement. 
• A two‐tailed hypothesis. 
• A one‐tailed hypothesis.* 
• If a psychological test is valid, what does this mean? 
• The test will give consistent results. 
• The test measures what it claims to measure.* 
• The test has internal consistency. 
• The test measures a psychologically useful variable.  
• If my null hypothesis is ‘Dutch people do not differ from English people in height’, 

what is my alternative hypothesis? 

• Dutch people are taller than English people. 
• English people are taller than Dutch people. 
• Dutch people differ in height from English people. 
• All of the above are plausible alternative hypotheses.* 
• When questionnaire scores predict, or correspond with, external measures of the 

same construct that the questionnaire measures it is said to have: 

• Ecological validity. 
• Factorial validity. 
• Content validity. 

(Discovering Statistics Using R, 1e Andy Field, Jeremy Miles, Zoë Field) (Test Bank, Correct Answer are marked with *) 1 / 4

• Criterion validity.* 

6. A variable manipulated by a researcher is known as: 

• A dependent variable. 
• A confounding variable. 
• A discrete variable. 
• An independent variable.* 

7. A predictor variable is another name for: 

• A dependent variable. 
• A confounding variable. 
• A discrete variable. 
• An

 independent variable.* 

• What kind of variable is IQ, measured by a standard IQ test? 
• Categorical. 
• Discrete. 
• Nominal. 
• Continuous.* 
• A frequency distribution in which high scores are most frequent (i.e. bars on the 

graph are highest on the right‐hand side) is said to be: 

• Positively skewed. 
• Leptokurtic. 
• Platykurtic. 
• Negatively skewed.* 
• A frequency distribution in which there are too few scores at the extremes of the 

distribution is said to be: 

• Positively skewed. 
• Leptokurtic.* 
• Platykurtic. 
• Negatively skewed. 
• Which of the following is designed to compensate for

 practice effects? 

• A repeated measures design. 
• Randomization of participants. 
• Counterbalancing.* 
• A control condition. 
• Variation due to variables that have not been measured is known as:  2 / 4

• Unsystematic variance.* 
• Homogeneous variance. 
• Systematic variance. 
• Model variance. 
• If the scores on a test have a mean of 26 and a standard deviation of 4, what is the z‐

score for a score of 18? 

• –2* 
• 11 
• 2 
• –1.41 

  3 / 4

Chapter 2 

• The degree to which a statistical model represents the data collected is known as 

the: 

• Fit.* 
• Homogeneity. 
• Reliability. 
• Validity. 
• Which of the following is true about a 95% confidence interval for the mean of a 

given sample: 

• 95 out of 100 sample means will

 fall within the limits of the confidence  interval. 

• There is a 95% chance that the population mean will fall within the limits of 

the confidence interval. 

• 95 out of 100 confidence intervals will contain the population mean.* 
• There is a .05 probability that the population mean falls 

within the limits of  the confidence interval.  

• What is p the probability of? 
• p is the probability that the results are due to chance, the probability that the 

null hypothesis (H 0) is true. 

• p is the probability of observing results as extreme as (or more extreme than) 

observed, if the null hypothesis (H 0) is true.* 

• p is the probability that the results are not due to chance, the probability that 

the null hypothesis (H 0) is false. 

• p is the probability that the results would be replicated if the experiment was 

conducted a second time. 

4. A Type I error is when: 

• We conclude that there is an effect in the population when in fact there is 

not.* 

• We conclude that there

 is not an effect in the population when in fact there  is. 

• We conclude that the test statistic is significant when in fact it is not. 
• The data we have entered into R is different than the data collected. 
• If we calculated an effect size and found 

it was r = .21, which expression would best  describe the size of effect? 

• Small. 
• Small to medium.* 
• / 4