TEMA 5 Inferencia no paramétrica. Guía docente:
|
|
- Alejandra Martínez San Martín
- hace 7 años
- Vistas:
Transcripción
1 TEMA 5 Inferencia no paramétrica Guía docente: Pruebas estadísticas unidireccionales (una cola) y pruebas estadísticas bidireccionales (dos colas) Antes de continuar con el tema nos vamos a detener en un aspecto importante del proceso de contraste de hipótesis que es si el tipo de prueba estadística que se aplica se efectúa a una cola o a dos colas. En la Estadística el valor de z=1.96 es recordado como valor que en una distribución normal señala si podemos rechazar la hipótesis nula (superamos o igualamos con el estadístico ese valor) y por lo tanto concluir que hay un efecto estadísticamente significativo. Por ejemplo con la prueba t de Student, la probabilidad de que la media Y1 supere a la media Y2 en 1.96 errores típicos es del 2.5%. Del mismo modo, la probabilidad de que la media Y2 supere a la media Y1 en 1.96 errores típicos es también del 2.5%. La prueba en este caso se ha realizado a dos colas (bidireccional) dado que la diferencia de las medias se busca en las dos colas de la distribución normal. Por lo tanto, si se incluyen las dos direcciones de las diferencias de medias, la probabilidad de que una diferencia entre las medias supere el valor de 1.96 es del 5% (2.5%+2.5%). Generalmente se aplican este tipo de contrastes bilateral en la investigación psicológica. El investigador plantea en su hipótesis que la dirección de la diferencia de medias puede ser tanto a favor de Y1 como de Y2 y una vez que se obtiene la significación estadística (p<0.05) se observa la dirección de las medias y se concluye. Por lo tanto, cuando se trabaja con contrastes unilaterales hay que justificar la decisión de optar por una sola dirección. La opción bilateral o unilateral se establece a priori, antes de recoger los datos y por supuesto antes de analizar los datos. 1
2 Sin embargo, también es posible plantear un contraste unilateral o a una cola. En realidad muchas de las hipótesis que se plantean en Psicología, o quizás la mayoría, son unidireccionales (este grupo tiene una media mayor que el otro, ha habido un cambio pero en esta dirección, etc.). La decisión de utilizar una prueba a dos colas o a una cola (unidireccional o bidireccional) depende del grado de conocimiento que se tenga de la relación entre las variables. Y nunca debe decidirse después de realizar el experimento ya que la decisión estadística estaría contaminada. Cola superior (contraste unilateral derecho): La zona de rechazo de H 0 se encuentra en la cola derecha de la distribución del estadístico 2
3 Cola inferior (contraste unilateral izquierdo): La zona de rechazo de H 0 se encuentra en la cola izquierda de la distribución del estadístico Se efectúa el contraste de hipótesis y el valor de alfa será alfa/2 cuando se realiza un contraste a una cola. Y sólo se interpretará la dirección de las medias que se ha especificado en la hipótesis. Supongamos que el valor de K de Student es igual a 5, si la hipótesis es bilateral se trabaja con el 0.05 pero si la hipótesis es unilateral se trabaja con el Con el 0.5 la probabilidad de error al rechazar la hipótesis nula de forma errónea es el doble que en las hipótesis a una cola. En resumen: Por lo tanto las hipótesis nula y alternativa se pueden representar así en función de que el contraste de hipótesis sea unidireccional o bidireccional: Contraste Hipótesis nula Hipótesis alternativa Bidireccional (bilateral, a dos colas) 1=
4 (En la hipótesis alternativa no se predice la dirección de las medias). Es decir, 1= 2 y si una de las dos medias es mayor que la otra se rechaza la hipótesis nula. Unidireccional (unilateral, a una cola) (En la hipótesis alternativa se predice la dirección de las medias). Se rechaza la hipótesis nula cuando las medias proceden de poblaciones diferentes y además una media determinada (se específica a priori) es mayor que la otra: 1> 2 o quizás 1< =0 Opción A: 1< 2 1= 2 Opción B: 1> 2 1= Opción A: 1> 2 Opción B: 1< 2 Inferencia paramétrica y no paramétrica. Supuestos de las pruebas parámetricas Las técnicas de inferencia estadística se clasifican en paramétricas y no paramétricas. Para que las pruebas paramétricas ofrezcan resultados precisos y válidos es necesario que cumplan una serie de requisitos que protegen a la validez de conclusión estadística. Por ejemplo, la distribución normal de las puntuaciones de la variable dependiente que están siendo analizadas, la homogeneidad de las varianzas poblacionales (conocida como homocedasticidad) de los grupos que forman las condiciones de la variable independiente (se aplica la prueba de Levene), la independiencia de los errores (comprobación de la esfericidad mediante los valores de épsilon) y que la variable dependiente esté medida al menos en escala de intervalo. Cuando se cumplen esos requisitos, las pruebas estadísticas tienen una alta capacidad para detectar una relación entre las variables si es que realmente existe dicha relación (validez de conclusión estadística). Los métodos estadísticos paramétricos suponen que los datos que se analizan siguen una distribución normal (tipo gaussiana). La validez de esta hipótesis se basa en el teorema central del límite, que señala que la distribución muestral de la media puede ser aproximadamente normal aunque la población de referencia tenga una distribución muy diferente. La aproximación mejora a medida que el tamaño de la muestra aumenta. El incumplimiento de uno o más supuestos afecta a la validez de conclusión estadística ya que puede hacer que la distribución muestral cambie y por lo tanto se modifique el 4
5 verdadero error de Tipo I pudiendo ser mayor (haciendo el contraste estadístico más liberal) o menor (el contraste estadístico sería más conservador). En definitiva, la violación de los supuestos de las pruebas paramétricas puede provocar estimaciones imprecisas de los valores p de probabilidad vinculados a los estadísticos. También la estimación del tamaño del efecto y sus intervalos de confianza pueden estimarse de forma imprecisa ante las violaciones de los supuestos de normalidad y homocedasticidad (Algina, Keselman y Penfield, 2005; Grissom y Kim, 2001; Onwuegbuzie y Levin, 2003). Esas imprecisiones pueden provocar por lo tanto errores sustantivos en la interpretación de los datos. Puede ocurrir que los datos de la muestra no cumplan los requisitos de las pruebas paramétricas o también puede que la variable dependiente no sea continua por lo que no se cumplen las restricciones establecidas para las pruebas paramétricas. 1. Pruebas no paramétricas Las pruebas no paramétricas son adecuadas cuando no se cumplen los supuestos de las pruebas paramétricas, por ejemplo si los datos no están en escala de intervalo o si la distribución de los datos es bastante asimétrica. Si los índices de asimetría son menores de 2 y los de curtosis menores de 4 se considera que la distribución está próxima a la normalidad (Curran, West and Finch, 1996). Valores superiores de asimetría y curtosis implican que el investigador opte por ejecutar pruebas no paramétricas o realizar una transformación de los datos. Podemos establecer un paralelismo entre las pruebas paramétricas y las no paramétricas más utilizadas en la investigación psicológica: Diseño Paramétrica No paramétrica Dos muestras relacionadas: t de Student Prueba de Wilcoxon Dos muestras independientes: t de Student Prueba U de Mann-Whitney K muestras relacionadas: Anova intra -sujetos unifactorial Prueba de Friedman K muestras independientes: Anova entre -sujetos unifactorial Prueba de Kruskal-Wallis En todos los casos (estadística paramétrica y no paramétrica) se lleva a cabo un proceso de decisión estadística mediante una prueba de significación de la hipótesis nula. Otra alternativa ante la violación de la normalidad o la homogeneidad de las varianzas es utilizar estadísticos robustos modernos. Los estadísticos robustos modernos son procedimientos que son capaces de mantener el error de Tipo I en su valor nominal y 5
6 también el de la potencia estadística incluso cuando los datos no tienen una distribución normal o las varianzas no son homogéneas (Wilcox, 2005). Sin embargo, los métodos robustos modernos son escasamente utilizados por los investigadores (Erceg-Hurn y Mirosevich, 2008). Existe una gran variedad de pruebas no paramétricas tanto para el análisis de variables cualitativas como cuantitativas. Se van a repasar las más utilizadas. En el SPSS se encuentran como siempre en la ventana: Analizar---Pruebas no paramétricas En la ventana se puede elegir el test o prueba no paramétrico: Muestras apareadas, relacionadas o dependientes de 2 grupos. La prueba de Wilcoxon o test de los rangos con signo La prueba de Wilcoxon es una prueba no paramétrica que se utiliza en el lugar de la prueba t de Student paramétrica para dos grupos relacionados. La prueba de Wilcoxon considera la diferencia entre cada observación del grupo experimental y el grupo de comparación. Si la hipótesis nula fuese cierta, las diferencias negativas serían similares en cantidad y tamaño a las diferencias positivas. La prueba de Wilcoxon analiza de nuevo la discrepancia entre los resultados obtenidos y la predicción de la hipótesis nula. 6
7 La forma de proceder en el cuadro de diálogo es semejante a la de la t de Student para muestras apareadas. SPSS Analizar---Pruebas no paramétricas---2 muestras relacionadas Muestras no apareadas, no relacionadas o independientes de dos grupos Para muestras independientes en la versión 19 del SPSS se ofrece la siente pantalla. Después iremos a la ventana de campos donde se señalan las variables. 7
8 Si no queremos que el SPSS ejecute de forma automática una prueba estadística podemos ir a la ventana de Configuración se pueden personalizar las pruebas no paramétricas: De las pruebas que se pueden ejecutar con grupos independientes, la prueba U de Mann-Whitney es la opción que tiene mayor potencia estadística. La prueba de U de Mann Withney Este estadístico fue introducido simultáneamente por Mann y Whitney en 1947 y se utiliza para contrastar si dos muestras, extraídas independientemente, proceden de la misma población. El único supuesto preciso es que la población o poblaciones de donde se extraen las muestras tiene que se de tipo continuo, pero no requiere simetría de la distribución. La hipótesis nula mantiene que las esperanzas matemáticas de ambas poblaciones son iguales, mientras que la alternativa puede establecer que las esperanzas matemáticas son 1. diferentes (contraste de dos colas), o 2. que una de ellas, previamente escogida, es superior a la otra (contraste de una cola). La prueba de U de Mann Withney es una prueba no paramétrica para dos muestras o grupos independientes. Las muestras pueden ser de tamaño diferente. No requiere ningún tipo de supuesto sobre la distribución de las muestras y por ello se puede usar con variables discretas u ordinales como el resto de pruebas no paramétricas. Es la 8
9 prueba no paramétrica más potente cuando el diseño es de dos grupos independientes. Supongamos los siguientes datos: En la versión 19 del SPSS la salida que ofrece una vez ha efectuado la prueba es: anterior de SPSS, la salida del ordenador era así: En En la versión SPSS Analizar---Pruebas no paramétricas---2 muestras independientes 9
10 Muestras apareadas, relacionadas o dependientes de de A=k. El test de Friedman Si la investigación tiene k variables en columnas y n elementos en filas se trata de ordenar cada fila de menor a mayor según las diferentes columnas de 1 hasta k (esto es el rango que ocupa cada variable para ese caso). Si no hay diferencias estadísticamente significativas entre las variables se espera que los rangos estén repartidos en cada columna de manera uniforme y sólo se encontrarán entre las variables pequeñas diferencias debidas al azar. Si la hipótesis nula es cierta, este estadístico de contraste se distribuye según Chi Cuadrado con a-1 grados de libertad. SPSS Analizar---Pruebas no paramétricas---k muestras relacionadas 10
11 Muestras no apareadas, no relacionadas o independientes de A=k grupos. El test de Kruskal Wallis Este estadístico, propuesto por W.H.Kruskal y W.A.Wallis en 1952, generaliza el estadistico U, cuando se trabaja con más de 2 muestras independientes y se pretende contrastar la hipótesis nula de que todas ellas proceden de la misma población. Permite comparar más de dos grupos independientes. Se considera que es la prueba no paramétrica más potente cuando el diseño tiene más de dos variables continuas independientes. Es similar a la prueba paramétrica de ANOVA para un diseño intrasujetos con un único factor. Si la hipótesis nula es cierta, este estadístico de contraste se distribuye según Chi Cuadrado con a-1 grados de libertad. SPSS Analizar---Pruebas no paramétricas---k muestras independientes 11
12 12
PRUEBAS PARA DOS MUESTRAS RELACIONADAS
PRUEBAS PARA DOS MUESTRAS RELACIONADAS Estos contrastes permiten comprobar si hay diferencias entre las distribuciones de dos poblaciones a partir de dos muestras dependientes o relacionadas; es decir,
Más detallesEstadística inferencial. Aplicación con el SPSS
Estadística inferencial. Aplicación con el SPSS Sabina Pérez Vicente Unidad de Calidad APES Hospital Costa del Sol sabina.perez.exts@juntadeandalucia.es Comparabilidad inicial de los grupos Se debe realizar
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación
ANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación Francisca José Serrano Pastor Pedro A. Sánchez Rodríguez - Implica siempre a variables
Más detallesno paramétrica comparar más de dos mediciones de rangos (medianas)
Friedman Es una prueba no paramétrica de comparación de tres o más muestras relacionadas, debe cumplir las siguientes características: Es libre de curva, no necesita una distribución específica Nivel ordinal
Más detallesno paramétrica comparar dos mediciones de rangos (medianas)
Wilcoxon Es una prueba no paramétrica de comparación de dos muestras relacionadas, debe cumplir las siguientes características: Es libre de curva, no necesita una distribución específica Nivel ordinal
Más detalles7. De acuerdo con la gráfica siguiente, el contraste estadístico es:
1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?
Más detallesCONCEPTOS FUNDAMENTALES
TEMA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICAS PRIMERA PARTE: Conceptos fundamentales 8.1. Hipótesis estadística. Tipos de hipótesis 8.2. Región crítica y región de aceptación 8.3. Errores tipo I y tipo
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesweb: http://www.uv.es/friasnav/
LAS PRUEBAS PARAMÉTRICAS 1. Se conoce el modelo de distribución de la población objeto de estudio y se desconoce un número finito de parámetros de dicha distribución que hay que estimar con los datos de
Más detalles3. Análisis univariable y bivariable
FUOC P01/71039/00748 36 Investigación descriptiva: análisis de información 3. Análisis univariable y bivariable 3.1. Análisis univariable Como se ha visto, los métodos de análisis univariable se utilizan
Más detallesAnálisis estadístico básico (I) Magdalena Cladera Munar mcladera@uib.es Departament d Economia Aplicada Universitat de les Illes Balears
Análisis estadístico básico (I) Magdalena Cladera Munar mcladera@uib.es Departament d Economia Aplicada Universitat de les Illes Balears CONTENIDOS Introducción a la inferencia estadística. Muestreo. Estimación
Más detallesProblemas resueltos. Temas 10 y 11 11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15.
Temas 10 y 11. Contrastes paramétricos de hipótesis. 1 Problemas resueltos. Temas 10 y 11 1- las puntuaciones en un test que mide la variable creatividad siguen, en la población general de adolescentes,
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detalles11. PRUEBAS NO PARAMÉTRICAS
. PRUEBAS NO PARAMÉTRICAS Edgar Acuña http://math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ PRUEBAS NO PARAMÉTRICAS Se estudiarán las pruebas noparamétricas, las cuales
Más detallesINTERVALO DE CONFIANZA PARA LA PROPORCIÓN
INTERVALO DE CONFIANZA PARA LA PROPORCIÓN Si deseamos estimar la proporción p con que una determinada característica se da en una población, a partir de la proporción p' observada en una muestra de tamaño
Más detallesNivel socioeconómico medio. Nivel socioeconómico alto SI 8 15 28 51 NO 13 16 14 43 TOTAL 21 31 42 94
6. La prueba de ji-cuadrado Del mismo modo que los estadísticos z, con su distribución normal y t, con su distribución t de Student, nos han servido para someter a prueba hipótesis que involucran a promedios
Más detallesEconometria. 4. Modelo de Regresión Lineal Simple: Inferencia. Prof. Ma. Isabel Santana
Econometria 4. Modelo de Regresión Lineal Simple: Inferencia Prof. Ma. Isabel Santana MRLS: Inferencia Hasta ahora nos hemos ocupado solamente de la estimación de los parámetros del modelo de regresión
Más detallesTema II. Las muestras y la teoría paramétrica
2.1. Muestras y muestreos: - La muestra:. Subconjunto de elementos de la población. Necesidad práctica:. Motivos económicos. Imposibilidad (práctica/teórica) de estudiar TODA la población. Inconveniencia
Más detallesTEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS
ASIGNATURA: ESTADÍSTICA II (Grado ADE,MIM,FBS) TEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS 4.1. Hipótesis estadística. Tipos de hipótesis 4.2. Región crítica y región de aceptación 4.3. Errores
Más detallesPotencia estadística
Potencia estadística M. Dolores Frías http://www.uv.es/~friasnav 1 Potencia Estadística 1 - Es la probabilidad que tiene la prueba estadística para rechazar una hipótesis NULA FALSA Tiene un rango de 0
Más detallesJulia García Salinero. Departamento de Investigación FUDEN. Introducción
1 Análisis de datos en los estudios epidemiológicos V Prueba de Chi cuadrado y Análisis de la varianza. Departamento de Investigación FUDEN. Introducción Continuamos el análisis de los estudios epidemiológicos,
Más detallesPruebas de bondad de ajuste
Pruebas de bondad de ajuste Existen pruebas cuantitativas formales para determinar si el ajuste de una distribución paramétrica a un conjunto de datos es buena en algún sentido probabilístico. Objetivo:
Más detallesPRUEBAS PARAMETRICAS Y PRUEBAS NO PARAMETRICAS. jujo386@hotmail.com
PRUEBAS PARAMETRICAS Y PRUEBAS NO PARAMETRICAS. jujo386@hotmail.com JUAN JOSÉ HERNÁNDEZ OCAÑA. PRUEBAS PARAMETRICAS Los métodos paramétricos se basan en el muestreo de una población con parámetros específicos,
Más detallesEstadística II Tema 3. Comparación de dos poblaciones. Curso 2010/11
Estadística II Tema 3. Comparación de dos poblaciones Curso 2010/11 Tema 3. Comparación de dos poblaciones Contenidos Comparación de dos poblaciones: ejemplos, datos apareados para la reducción de la variabilidad
Más detallesPrueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 28 de mayo, 2013 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesPara ello hacemos lo siguiente: Analizar. o Comparar medias. García Bellido, R.; González Such, J. y Jornet Meliá, J.M.
SPSS: PRUEBA T PRUEBA T PARA MUESTRAS INDEPENDIENTES El procedimiento Prueba T para muestras independientes debe utilizarse para comparar las medias de dos grupos de casos, es decir, cuando la comparación
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción
Más detalles2.5. Asimetría y apuntamiento
2.5. ASIMETRÍA Y APUNTAMIENTO 59 variable Z = X x S (2.9) de media z = 0 y desviación típica S Z = 1, que denominamos variable tipificada. Esta nueva variable carece de unidades y permite hacer comparables
Más detallest de Student para muestras relacionadas
t de Student para muestras relacionadas Es una prueba paramétrica de comparación de dos muestras relacionadas, debe cumplir las siguientes características: Asignación aleatoria de los grupos Homocedasticidad
Más detallesTema 3. 3. Correlación. Correlación. Introducción
3-1 Introducción Tema 3 Correlación Coeficiente de correlación lineal de Pearson Coeficiente de correlación poblacional Contraste paramétrico clásico Transformación de Fisher Correlación bayesiana Test
Más detallesLa Estadística Médica. Descripción General de la Bioestadística. Esquema de la presentación. La Bioestadística. Ejemplos de fuentes de Incertidumbre
Esquema de la presentación A. DESCRIPCIÓN GENERAL La Estadística Médica B. ORGANIZACIÓN DE LA ASIGNATURA 1. PROGRAMA 2. METODOLOGÍA DOCENTE 3. BIBLIOGRAFÍA 4. EVALUACIÓN 2 La Bioestadística Descripción
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesD.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO
Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos
Más detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detalles9.- Análisis estadísticos con R Commander
Tipos de datos - Cuantitativos: se expresan numéricamente. - Discretos: Toman valores numéricos aislados - Continuos: Toman cualquier valor dentro de unos límites dados - Categóricos o Cualitativos: No
Más detallesPROGRAMA COMPLETO DEL CURSO DE BIOESTADÍSTICA APLICADA A LAS CIENCIAS DE LA SALUD
PROGRAMA COMPLETO DEL CURSO DE BIOESTADÍSTICA APLICADA A LAS CIENCIAS DE LA SALUD 1.- Introducción a la bioestadística Introducción a la bioestadística como herramienta aplicada a las Ciencias de la Salud.
Más detallesVanesa Berlanga y María José Rubio. Clasificación de pruebas no paramétricas. Cómo aplicarlas en SPSS
Universitat de de Barcelona. Institut de de Ciències de de l Educació Clasificación de pruebas no paramétricas. Cómo aplicarlas en SPSS. Vanesa Berlanga Silvente y María José Rubio
Más detallesALTERNATIVAS NO PARAMÉTRICAS A LOS CONTRASTES DE MEDIAS
ALTERNATIVAS NO PARAMÉTRICAS A LOS CONTRASTES DE MEDIAS 1.- Introducción... 2 2.- Prueba U de Mann Whitney para muestras independientes... 3 3.- Prueba t de Wicoxon para muestras apareadas... 8 1.- Introducción
Más detallesDistribuciones de probabilidad. El teorema central del límite
8 Distribuciones de probabilidad. El teorema central del límite Neus Canal Díaz 8.1. Introducción La distribución de frecuencias es uno de los primeros pasos que debemos realizar al inicio del análisis
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 31 de mayo, 2011 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesTema 5: Principales Distribuciones de Probabilidad
Tema 5: Principales Distribuciones de Probabilidad Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Principales Distribuciones de Probabilidad
Más detallesPrácticas de inferencia y muestreo.
Prácticas de inferencia y muestreo. Contenido de la presentación Una herramienta de creación de actividades: HotPotatoes. Applets: algunos ejemplos sobre inferencia y estadística descriptiva. Excel como
Más detallesTema 1. Modelo de diseño de experimentos (un factor)
Tema 1. Modelo de diseño de experimentos (un factor) Estadística (CC. Ambientales). Profesora: Amparo Baíllo Tema 1: Diseño de experimentos (un factor) 1 Introducción El objetivo del Análisis de la Varianza
Más detallesInferencia estadística III. Análisis de Correlación. La inferencia estadística también se puede aplicar para:
1 Inferencia estadística III La inferencia estadística también se puede aplicar para: 1. Conocer el grado de relación o asociación entre dos variables: análisis mediante el coeficiente de correlación lineal
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detallesESTADÍSTICA APLICADA. PRÁCTICAS CON SPSS. TEMA 2
ESTADÍSTICA APLICADA. PRÁCTICAS CON SPSS. TEMA 2 1.- ANÁLISIS DE LA VARIANZA CON UN FACTOR El análisis de la varianza estudia el efecto de una o varias variables independientes denominadas factores sobre
Más detalles8.2.5. Intervalos para la diferencia de medias de dos poblaciones
8.. INTERVALOS DE CONFIANZA PARA LA DISTRIBUCIÓN NORMAL 89 distribuye de modo gaussiana. Para ello se tomó una muestra de 5 individuos (que podemos considerar piloto), que ofreció los siguientes resultados:
Más detallesPráctica 2 Estadística Descriptiva
Práctica 2 Estadística Descriptiva Contenido Introducción...................................... 1 Tablas de frecuencias................................. 2 Medidas de centralización, dispersión y forma...................
Más detallesANALIZAR Comparar medias
Diseño entre-grupos univariado unifactorial con A>2. Contraste de hipótesis específicas Dolores Frías-Navarro Universidad de Valencia http://www.uv.es/friasnav/ Hasta ahora hemos ido desarrollando las
Más detallesEstadísticos Aplicados en el SPSS 2008
PRUEBAS ESTADISTICAS QUE SE APLICAN (SPSS 10.0) PARAMÉTRICAS:... 2 Prueba t de Student para una muestra... 2 Prueba t par muestras independientes... 2 ANOVA de una vía (multigrupo)... 2 ANOVA de dos vías
Más detallesTema 2. Contraste de hipótesis en una población
Tema 2. Contraste de hipótesis en una población Contenidos Introducción, las hipótesis nula y alternativa El procedimiento de contraste de hipótesis Errores de Tipo I y Tipo II, potencia del contraste
Más detallesCONTRASTES DE HIPÓTESES
CONTRASTES DE IPÓTESES 1. Contraste de hipótesis 2. Contrastes de tipo paramétrico 2.1 Contraste T para una muestra 2.2 Contraste T para dos muestras independientes 2.3 Análisis de la varianza 3. Contrastes
Más detallesINFORMACIÓN SOBRE LA PRUEBA DE ACCESO (PAU) A LA UNIVERSIDAD DE OVIEDO. CURSO 2015/2016
INFORMACIÓN SOBRE LA PRUEBA DE ACCESO (PAU) A LA UNIVERSIDAD DE OVIEDO. CURSO 2015/2016 Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II 1. COMENTARIOS Y/O ACOTACIONES RESPECTO AL TEMARIO EN RELACIÓN
Más detallesDISEÑO Diagrama Características Ventajas Estadísticos
Diseño con post prueba únicamente y grupo control R G 1 X O 1 R G 2 O 2 Grupo que recibe tratamiento y un grupo control. Manipulación de la VI; Presencia o Ausencia. Grupos de comparación, es decir, manipulando
Más detallesÍndice de contenidos. Primera parte Introducción al SPSS. 1. Estructura del SPSS
Índice de contenidos Primera parte Introducción al SPSS 1. Estructura del SPSS Tipos de ventanas SPSS Ventana designada versus ventana activa Cuadros de diálogo Subcuadros de diálogo Las barras de menús
Más detallesProblemas resueltos. Tema 12. 2º La hipótesis alternativa será que la distribución no es uniforme.
Tema 12. Contrastes No Paramétricos. 1 Problemas resueltos. Tema 12 1.- En una partida de Rol se lanza 200 veces un dado de cuatro caras obteniéndose 60 veces el número 1, 45 veces el número 2, 38 veces
Más detallesCÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE
CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 011 Índice 1. Antecedentes Generales 1. Comparación de puntajes promedios.1. Errores
Más detallesTEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA
TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA TIPOS DE CONTRASTE Contrastes paramétricos: Son aquellos que se relacionan con el estudio de un parámetro poblacional (media, varianza, proporción,
Más detallesANÁLISIS DE EXPERIMENTOS
ANÁLISIS DE EXPERIMENTOS Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS 1. Introducción 2. Comparación de dos medias 3. Comparación de más de dos medias 4. Pruebas post-hoc 5. ANCOVA
Más detallesDiferencia de medias. Estadística II Equipo Docente: Iris Gallardo Andrés Antivilo Francisco Marro
Sesión 15 Prueba de Hipótesis para la Diferencia de medias En qué contexto es útil una prueba de hipótesis i para la diferencia i de medias? 1. Cuando se trabaja simultáneamente con una variable categórica
Más detallesCONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN
CONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN Antonio Morillas A. Morillas: C. no paramétricos (II) 1 1. Contrastes de aleatoriedad. Contraste de rachas. 2. Contrastes de localización 2.1 Contraste
Más detallesREGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)
PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua
Más detallesObjetivos. 1. Intervalos de Conanza y test de hipótesis. Tema 7: Intervalos de Conanza y Contrastes de Hipótesis
Tema 7: Intervalos de Conanza y Contrastes de Hipótesis Objetivos Aplicar los procedimientos de intervalos de conanza y test de hipótesis para medias y proporciones. Interpretar convenientemente los resultados
Más detallesDISTRIBUCIONES DE PROBABILIDAD (RESUMEN)
DISTRIBUCIONES DE PROBABILIDAD (RESUMEN) VARIABLE ALEATORIA: un experimento produce observaciones numéricas que varían de muestra a muestra. Una VARIABLE ALEATORIA se define como una función con valores
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesDr. Abner A. Fonseca Livias
UNIVERSIDAD NACIONAL HERMILIO VALDIZAN FACULTAD DE ENFERMERÍA Dr. Abner A. Fonseca Livias 3/21/2015 6:17 AM Dr. Abner Fonseca Livias 1 UNIVERSIDAD NACIONAL HERMILIO VALDIZAN ESCUELA DE POST GRADO Dr. Abner
Más detallesEstadística Inferencial. Sesión No. 8 Pruebas de hipótesis para varianza.
Estadística Inferencial. Sesión No. 8 Pruebas de hipótesis para varianza. Contextualización. En las dos sesiones anteriores se vieron métodos de inferencia estadística para medias y proporciones poblacionales.
Más detallesCÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS DE LAS PRUEBAS SIMCE
CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS DE LAS PRUEBAS SIMCE Unidad de Análisis Estadístico División de Evaluación de Logros de Aprendizaje Agencia de Calidad de la Educación 013 Índice 1.
Más detallesComparación de dos grupos independientes Solución no paramétrica. En capítulo 12: Métodos no paramétricos
Comparación de dos grupos independientes Solución no paramétrica En capítulo 12: Métodos no paramétricos Los métodos que hemos visto hasta ahora, asumen como distribución muestral la distribución Normal,
Más detallesInferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos VDC Prof. Mª JOSÉ PRIETO CASTELLÓ ANÁLISIS ESTADÍSTICO DE DATOS Estadística Descriptiva: -Cualitativas: frecuencias, porcentajes
Más detallesEstadística Inferencial. Sesión 5. Prueba de hipótesis
Estadística Inferencial. Sesión 5. Prueba de hipótesis Contextualización. En la práctica, es frecuente tener que tomar decisiones acerca de poblaciones con base en información de muestreo. Tales decisiones
Más detallesPráctica 1: Introducción a SPSS 1
Estadística Aplicada Curso 2010/2011 Diplomatura en Nutrición Humana y Dietética Práctica 1: Introducción a SPSS 1 Este programa estadístico está organizado en dos bloques: el editor de datos y el visor
Más detallesFUNDAMENTOS METODOLÓGICOS EN PSICOLOGÍA ANÁLISIS BÁSICOS CON SPSS
UNIVERSIDAD DE SEVILLA FACULTAD DE PSICOLOGIA FUNDAMENTOS METODOLÓGICOS EN PSICOLOGÍA PROFESORES: Gutiérrez, Mayte Martínez, Rafael J. Moreno, Rafael ANÁLISIS BÁSICOS CON SPSS INDICE: Pág. 1. Estadísticos
Más detallesBIOSESTADÍSTICA AMIGABLE
BIOSESTADÍSTICA AMIGABLE EJEMPLO: Ficha solicitud Colección Reserva UNIVERSIDAD AUSTRAL DE CHILE SISTEMA DE BIBLIOTECAS Clasificación: 574.015195 MAR 2001 Vol. y/o Copia: Apellido Autor: Título: C. 1 (SEGÚN
Más detallesTema 11: Intervalos de confianza.
Tema 11: Intervalos de confianza. Presentación y Objetivos. En este tema se trata la estimación de parámetros por intervalos de confianza. Consiste en aproximar el valor de un parámetro desconocido por
Más detallesTest de Kolmogorov-Smirnov
Test de Kolmogorov-Smirnov Georgina Flesia FaMAF 2 de junio, 2011 Test de Kolmogorov-Smirnov El test chi-cuadrado en el caso continuo H 0 : Las v.a. Y 1, Y 2,..., Y n tienen distribución continua F. Particionar
Más detallesEstadística II Tema 2. Conceptos básicos en el contraste de. Curso 2010/11
Estadística II Tema 2. Conceptos básicos en el contraste de hipótesis Curso 2010/11 Tema 2. Conceptos básicos en el contraste de hipótesis Contenidos Definición de contraste e hipótesis estadística. Hipótesis
Más detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
Más detallesF X > F Y F X < F Y F X 6= F Y
Alternativas No paramétricas En el caso de comparación de medias, como se comentó, es fundamental que se cumplan los supuestos de normalidad y varianzas iguales pero, qué hay que hacer si alguno de ellos
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 5 En una determinada investigación se estudió el rendimiento en matemáticas en función del estilo de aprendizaje de una serie de estudiantes de educación
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo
Más detalles1. Límites normales de tolerancia: estos límites asumen que los datos son una muestra aleatoria de una distribución normal.
Límites de Tolerancia Los límites de tolerancia proporcionan un rango de valores para X tal que se puede tener 100(1-α) % de confianza que P por ciento de la población, de la cual provienen los datos,
Más detallesDeterminación del tamaño muestral para calcular la significación del coeficiente de correlación lineal
Investigación: Determinación del tamaño muestral para calcular 1/5 Determinación del tamaño muestral para calcular la significación del coeficiente de correlación lineal Autores: Pértegas Día, S. spertega@canalejo.org,
Más detallesEstadística II Examen Final - Enero 2012. Responda a los siguientes ejercicios en los cuadernillos de la Universidad.
Estadística II Examen Final - Enero 2012 Responda a los siguientes ejercicios en los cuadernillos de la Universidad. No olvide poner su nombre y el número del grupo de clase en cada hoja. Indique claramente
Más detallesPruebas de Bondad de Ajuste
1 Facultad de Ingeniería IMERL PROBABILIDAD Y ESTADÍSTICA Curso 2008 Pruebas de Bondad de Ajuste En esta sección estudiaremos el problema de ajuste a una distribución. Dada una muestra X 1, X 2,, X n de
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
Más detalles1) Características del diseño en un estudio de casos y controles.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de casos y controles CONCEPTOS CLAVE 1) Características del diseño en un estudio de casos y controles. )
Más detallesUnidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones
Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una
Más detallesno paramétrica comparar más de dos grupos de rangos (medianas)
Kruskal-Wallis Es una prueba no paramétrica de comparación de tres o más grupos independientes, debe cumplir las siguientes características: Es libre de curva, no necesita una distribución específica Nivel
Más detallesESTADISTICA INFERENCIAL
ESTADISTICA INFERENCIAL PROFESOR: DR. JORGE ACUÑA A. 1 LA ESTADISTICA Estadística descriptiva Método científico Muestreo Información de entrada y de salida Estadística inferencial Inferencias Intervalos
Más detallesÍNDICE CAPITULO UNO CAPITULO DOS. Pág.
ÍNDICE CAPITULO UNO Pág. Concepto de Estadística 1 Objetivo 1 Diferencia entre estadísticas y estadística 1 Uso de la estadística 1 Divisiones de la estadística 1 1. Estadística Descriptiva 1 2. Estadística
Más detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
Más detallesTécnicas de Inferencia Estadística II. Tema 2. Contrastes de hipótesis en poblaciones normales
Técnicas de Inferencia Estadística II Tema 2. Contrastes de hipótesis en poblaciones normales M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 2. Contrastes
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009
Índice general 5 Análisis de datos categóricos 3 51 Tablas de contingencia 3 52 Distribuciones marginales y condicionadas 4 53 Independencia Test Chi-cuadrado Tablas 2 2 6 531 Independencia 6 532 Test
Más detallesAnálisis de datos en CCSS: introducción al análisis descriptivo e inferencial
Programa de Doctorado Formación en la Sociedad del Conocimiento Seminario de doctorado 13 y 14 de marzo de 2014 Análisis de datos en CCSS: introducción al análisis descriptivo e inferencial Dra. Mª José
Más detallesLECCIÓN PÚBLICA. Tema 5 Algunas Pruebas de Hipótesis. Profa. María Fátima Dos Santos
LECCIÓN PÚBLICA Tema 5 Algunas Pruebas Profa. María Fátima Dos Santos 1 TEMARIO Fundamentos de estadística inferencial Método hipotético deductivo (Juego de hipótesis) Elementos en el contraste de hipótesis
Más detalles