4 Análisis de Varianza
|
|
- María Rosario Rivas Soler
- hace 7 años
- Vistas:
Transcripción
1 4 Análisis de Varianza
2 4. Análisis de Varianza e.4.1. Quiénes obtienen mejores resultados en Matemáticas, los estudiantes que viven en zonas rurales, en pequeñas ciudades, en ciudades medias o en grandes ciudades? Analicemos la pregunta, se trata de estudiar si "existen diferencias significativas en el rendimiento en matemáticas de los estudiantes (VD) en función de su hábitat (VI)"; la variable independiente es nominal politómica (con cuatro alternativas) y la dependiente es de intervalo. La hipótesis nula es: H 0: Es decir, que las muestras obtenidas sean de la misma población. Y la alternativa (H 1), que alguna de las igualdades no se cumpla (que pertenezcan a poblaciones diferentes). Si la variable dependiente (hábitat) tuviese dos alternativas utilizaríamos la prueba T de Student para dos muestras, pero al tener más de dos se utilizará un Análisis de Varianza Simple Análisis de Varianza Simple El Análisis de Varianza (o ANOVA, del inglés analysis of variance) es una prueba utilizada para contrastar la hipótesis de que varias medias son iguales. Fueron ideadas por R.A. Fisher en 1925, y son una de las pruebas más importantes de la estadística actual. Como se ha comentado, es una extensión de la prueba T para dos muestras independientes. Sirve, por tanto, para estudiar la incidencia de una variable nominal u ordinal (categórica) con más de las alternativas, en una variable de intervalo o de razón (cuantitativa). El ANOVA utiliza una estrategia bastante razonable: si los resultados de cada uno de los grupos (en nuestro ejemplo el rendimiento en Matemáticas de los estudiantes que viven en pueblos, ciudades pequeñas, medias o grandes) no contienen errores sistemáticos, los valores medios respectivos no diferirán mucho los unos de los otros y su dispersión, debido a los errores aleatorios, será comparable a la dispersión presente individualmente en cada grupo (tipo de hábitat). Así, la prueba se basa en la estimación del estadístico F, que muestra el grado de parecido existente entre las medias que se comparan. Si las medias de las poblaciones son iguales, las medias de las muestras de los grupos serán parecidas, por lo que las únicas diferencias serán las atribuidas al azar, y el valor del estimador F será de 1. Si las medias poblacionales son diferentes, entonces el valor mayor que 1, y más alto conforme mayor sea la diferencia. F.J. Murillo y C. Martínez-Garrido Página 52
3 El estadístico F está asociado a un nivel crítico (la probabilidad de obtener valores como el obtenido o mayores). Si éste es mayor a nuestro nivel de error asumido (que habitualmente será del 95%, de decir de un 0,05) se rechaza la hipótesis nula, que indica la igualdad de medias, y se acepta la alternativa. Además de determinar que existen diferencias entre las medias, es posible que deseemos saber qué medias difieren. Existen dos tipos de contrastes para comparar medias: a priori y post hoc. Los contrastes a priori se plantean antes de ejecutar el experimento. Los contrastes post hoc se realizan después de haber llevado a cabo el experimento. El Análisis de Varianza (o ANOVA) es una prueba estadística desarrollada para realizar simultáneamente la comparación de las medias de más de dos poblaciones. Para su uso, es necesario que las variables cumplan tres condiciones: 1. Cada conjunto de datos debe ser independiente del resto. 2. Los resultados obtenidos para cada conjunto deben seguir una distribución normal, aunque soporta bastante bien el incumplimiento de este supuesto siempre que su distribución sea simétrica Las varianzas de cada conjunto de datos no deben diferir de forma significativa 2. Esta condición previa de aplicación se verificará estadísticamente mediante una de las opciones que se encuentran dentro de la configuración del ANOVA. La configuración del análisis se realiza en el cuadro de diálogo correspondiente. Veámoslo: Elije en los menús: Analizar -> Comparar medias -> ANOVA de un factor 1 La prueba para comprobar la normalidad de distribución de una variable es la de Kolmogorov-Smirnov, se verá en el tema 7. 2 Para verificar este supuesto, en el subcuadro de opciones está la Prueba de homogeneidad de las varianzas, que calcula el estadístico de Levene para contrastar la igualdad de las varianzas de grupo. Si las varianzas no son iguales, en este mismo subcuadro se encuentra la opción "Brown-Forsythe". Calcula el estadístico de Brown-Forsythe para contrastar la igualdad de las medias de grupo. F.J. Murillo y C. Martínez-Garrido Página 53
4 FIGURA 4.1. CUADRO DE DIÁLOGO ANOVA DE UN FACTOR 1. Selecciona una o más variables dependientes, en este caso: Rendimiento en Matemáticas. 2. Selecciona una sola variable como "factor" (variable independiente): en este caso Hábitat. Tras aceptar nos ofrece el siguiente resultado (tabla 4.1). TABLA 4.1. RESULTADOS DEL ANOVA DE UN FACTOR Rendimiento en Matemáticas Suma de cuadrados gl Media cuadrática F Sig. Inter-grupos 52621, ,349 54,020,000 Intra-grupos , ,700 Total , La información que nos ofrece es la siguiente: Suma de cuadrados: es una estimación de la desviación entre los resultados medios y el resultado medio global, tanto dentro de los grupos, como entre los grupos. gl: Grados de libertad. El número de grupos a comparar, menos 1. Media cuadrática: Es el valor de dividir la suma de cuadrados entre los grados de libertad. F.J. Murillo y C. Martínez-Garrido Página 54
5 F: Estadístico llamado F. Es el coeficiente de dividir las medias cuadráticas y refleja el grado de parecido existente entre las medias que se están comparando. Sig: Significación o nivel crítico, es la probabilidad de obtener valores F como el obtenido o mayores bajo la hipótesis nula de la igualdad de medias. En este caso es 0,000. La interpretación es igual que en la T de Student del tema anterior, si el nivel crítico asociado al estadístico F es menor que 0,05 (o el α que estemos considerando) se rechaza la hipótesis y se acepta la alterna, es decir, se concluye que, efectivamente, hay relación entre el hábitat y el rendimiento en Matemáticas (o que los cuatro hábitat forman parte de la misma población). Sin embargo, de lo que no tenemos información es entre qué tipo de hábitat hay diferencias, ni el sentido de las mismas. Para ello se necesitan los contrastes a posteriori. Contrastes post hoc Una vez que se ha determinado que existen diferencias entre las medias, los contrastes de comparaciones múltiples post hoc, o comparaciones a posteriori, permiten determinar entre qué medias existen diferencias significativas. El procedimiento es sencillo. Sólo hay que pulsar la opción "Post Hoc" del cuadro de diálogo de ANOVA de un factor. Lo difícil quizá es elegir entre tantas opciones. En el Anexo, al final de este tema, se presenta un cuadro resumen con las características de los diferentes estadísticos. FIGURA 4.2. SUBCUADRO DE DIÁLOGO ANOVA DE UN FACTOR: COMPARACIONES MÚLTIPLES POST HOC F.J. Murillo y C. Martínez-Garrido Página 55
6 Una posibilidad razonable es elegir el estadístico de HDS Tukey (opción Tukey) si las varianzas son iguales y el estadístico Games-Howell si no se asumen varianzas iguales. Los resultados para nuestro ejemplo se muestran en las tablas 4.2 y 4.3. TABLA 4.2. RESULTADOS DEL ANOVA DE UN FACTOR CON COMPARACIONES MÚLTIPLES POST HOC Rendimiento en Matemáticas HSD de Tukey (I) Habitat (pueblo, ciudad pequeña, media o grande) Pueblos (menos de habs.) Ciudades pequeñas (de a habs.) Ciudades medias (de a habs.) Ciudades grandes (más de habs.) (J) Habitat (pueblo, ciudad pequeña, media o grande) Ciudades pequeñas (de a habs.) Ciudades medias (de a habs.) Ciudades grandes (más de habs.) Pueblos (menos de habs.) Ciudades medias (de a habs.) Ciudades grandes (más de habs.) Pueblos (menos de habs.) Ciudades pequeñas (de a habs.) Ciudades grandes (más de habs.) Pueblos (menos de habs.) Ciudades pequeñas (de a habs.) Ciudades medias (de a habs.) *. La diferencia de medias es significativa al nivel Diferencia de medias (I-J) Error típico Sig. Intervalo de confianza al 95% Límite inferior Límite superior -3, *,598434,000-4, , , *,611973,000-7, , , *,788173,000-10, , , *,598434,000 1, , , *,551351,000-4, , , *,742086,000-7, , , *,611973,000 4, , , *,551351,000 1, , , *,753047,010-4, , , *,788173,000 6, , , *,742086,000 3, , , *,753047,010, ,28597 La interpretación es igualmente sencilla. En cada una de las filas compara las medias de los grupos por pares. La interpretación, una vez más, es fijándose en el nivel crítico y compararlo con nuestro α (normalmente 0,05). De esta forma se puede observar que hay diferencias en el rendimiento de los estudiantes en Matemáticas entre los que viven en pueblos y en ciudades pequeñas, entre pueblos y ciudades medias... y así entre todos los pares de grupos. En la segunda de las tablas nos ofrece los resultados y encontramos ayuda para una mejor interpretación. TABLA 4.3. RESULTADOS DEL ANOVA DE UN FACTOR CON COMPARACIONES MÚLTIPLES POST HOC, SUBCONJUNTOS HOMOGÉNEOS F.J. Murillo y C. Martínez-Garrido Página 56
7 HSD de Tukey a,,b Habitat (pueblo, ciudad pequeña, media o grande) N Subconjunto para alfa = Pueblos (menos de habs.) ,28904 Ciudades pequeñas (de a habs.) Ciudades medias (de a habs.) Ciudades grandes (más de habs.) , , ,84936 Sig. 1,000 1,000 1,000 1,000 Se muestran las medias para los grupos en los subconjuntos homogéneos. a. Usa el tamaño muestral de la media armónica = 1403,800. b. Los tamaños de los grupos no son iguales. Se utilizará la media armónica de los tamaños de los grupos. Los niveles de error de tipo I no están garantizados. Se observa que existen cuatro grupos diferenciados (cuatro poblaciones), cada una de un tipo de hábitat, indicándose la media del rendimiento de cada grupo. De esta forma, los resultados apuntan a que los niños y niñas que viven en pueblos sacan el peor resultado (48,28), después (con diferencias estadísticamente significativas) los que viven en ciudades pequeñas (51,37), después los que viven el ciudades medias (54,49) y lo que mejores resultados obtienen en rendimiento en Matemáticas son los que viven en grandes ciudades (56,84 de media). Este resultado, obtenido a partir de datos reales, nos muestra la desigual distribución del rendimiento en función del lugar donde vive el niño, y muestra unas preocupantes señales de inequidad en función del hábitat Análisis de Varianza factorial También es posible estudiar el efecto de varias variables y su interacción sobre una variable dependiente cuantitativa. Así, por ejemplo, podemos estudiar el efecto que tiene el género del estudiante sobre el rendimiento en lengua, el efecto del género del docente y la interacción entre las dos variables sobre el rendimiento en matemáticas. Así, puede verse el siguiente caso inventado (tabla 4.4). El rendimiento promedio de todos los estudiantes es de 6. El de los niños es igual que el de la niñas, de 6; y sacan los mismos resultados los estudiantes con profesores varones que con profesoras, 6. Sin embargo, se produce un curioso efecto de interacción, dado que si el género del docente y del estudiante coinciden los resultados serán claramente mejores que si no coinciden. TABLA 4.4. EFECTO DE LA INTERACCIÓN ENTRE VARIABLES. RENDIMIENTO EN MATEMÁTICAS DE LOS ESTUDIANTES EN FUNCIÓN DE SU GÉNERO Y DEL GÉNERO DE SU DOCENTE Estudiante varón Estudiante mujer Total Docente varón Docente mujer Total F.J. Murillo y C. Martínez-Garrido Página 57
8 Un ejemplo de esto con nuestros datos puede ser el siguiente: e.4.2. Existen diferencias significativas en el Rendimiento en Matemáticas de los estudiantes en función de su hábitat, de sus años de preescolarización y de la interacción entre ambas variables? Como se observa, probaremos de forma simultánea las tres hipótesis: 1. Existen diferencias significativas en el Rendimiento en Matemáticas en función del hábitat 2. Existen diferencias significativas en Rendimiento en Matemáticas en función de los años de preescolarización 3. Existen diferencias significativas en el Rendimiento de los estudiantes en función de la interacción entre ambas variables? Para ello se realizará un Análisis de Varianza Factorial. Este estadístico se encuentra en el cuadro de diálogo "Modelo Lineal General" y luego "Univariante" (dado que sólo tenemos una única variable dependiente). Observemos en la figura 4.4, el cuadro de diálogo en el que aparece. FIGURA 4.4. CUADRO DE DIÁLOGO "UNIVARIANTE" PARA HACER UN ANÁLISIS DE VARIANZA FACTORIAL Entonces seleccione: "Rendimiento en Matemáticas" como Dependiente. "Preescolarización" y "Hábitat" como Factores fijos. F.J. Murillo y C. Martínez-Garrido Página 58
9 Y pinchamos en "Aceptar". Nos aparecen cuatro opciones: Efectos fijos: un factor de efectos fijos es aquel en el que contamos con todas las alternativas en la variable. Bien sea porque están todas -por ejemplo, el hábitat- bien porque queremos ver la diferencia entre esas alternativas. Es decir, las alternativas son la población de alternativas de respuesta sobre los que se quiere hacer la inferencia. Efectos aleatorios: un factor de efectos aleatorios, por su parte, es aquel que las alternativas seleccionadas son una muestra aleatoria de todas las alternativas posibles. Luego haremos un ejemplo de las mismas. Covariables: para hacer un Análisis de Covarianza (ver apartado 4.3). Ponderación MCP: si tenemos alguna variable para ponderar al utilizar el Método de Mínimos Cuadrados Ponderados (que no es el caso). El resultado se muestra en la tabla 4.5. TABLA 4.5. RESULTADOS DEL ANOVA FACTORIAL. PRUEBAS DE EFECTOS INTERSUJETOS Variable dependiente:rendimiento en Matemáticas Origen Suma de cuadrados tipo III gl Media cuadrática F Sig. Modelo corregido 95166,829 a ,455 19,899,000 Intersección , , ,985,000 Habitat 29030, ,947 30,352,000 Preescol 30473, ,930 31,860,000 Habitat * Preescol 4895, ,898 1,706,082 Error , ,828 Total 2,023E Total corregida , a. R cuadrado =,043 (R cuadrado corregida =,041) Los resultados nos dan respuesta a las tres hipótesis planteadas: 1. Hay diferencias en Rendimiento en Matemáticas en función del Hábitat (el nivel crítico que aparece en la 3ª fila es 0,000<0,05), como ya habíamos visto. 2. Hay diferencias en función de la edad de escolarización en preescolar (4ª fila). 3. No hay diferencias en función de la interacción (5ª columna: 0,082>0,05). F.J. Murillo y C. Martínez-Garrido Página 59
10 4.3. Análisis de Covarianza Sabiendo que el Nivel Socio-Económico de las familias influye de forma importante en el rendimiento de los estudiantes (r xy = 0,33), y que el Hábitat está relacionado con ese nivel socio-económico, sería posible pensar que quizá las diferencias en Rendimiento en función del Hábitat sea debido al Nivel Socio-económico de las familias, y no al hábitat. Es decir que la relación entre Hábitat y Rendimiento sea una relación espuria 3. Para descartar (o confirmar) esa posibilidad, tenemos el Análisis de Covarianza (ANCOVA). La pregunta es: e.4.3. Existen diferencias en el Rendimiento en Matemáticas de los estudiantes en función del Hábitat, si controlamos el efecto del Nivel Socio-económico? El Análisis de Covarianza (ANCOVA) es una técnica de control estadístico que permite eliminar de la variable dependiente del ANOVA el efecto atribuible a variables no incluidas en el diseño y, con ello, no sometidas a control. Al igual que en el Análisis de Varianza Factorial este estadístico se encuentra en el cuadro de diálogo "Modelo Lineal General" y luego "Univariante" (dado que sólo tenemos una única variable dependiente), pero donde ponemos la variable de control como covariable. El cuadro de diálogo en el que aparece se encuentra en la figura 4.5. FIGURA 4.5. CUADRO DE DIÁLOGO "UNIVARIANTE", PARA HACER UN ANÁLISIS DE COVARIANZA 3 Estadísticamente, una relación espuria es una relación en la cual dos acontecimientos no tienen conexión, aunque aparentemente la tienen debido a un tercer factor no considerado aún (llamado "factor de confusión" o "variable escondida"). La relación espuria da la impresión de la existencia de un vínculo apreciable entre dos grupos que es inválido cuando se examina objetivamente. F.J. Murillo y C. Martínez-Garrido Página 60
11 Entonces selecciona: "Rendimiento en Matemáticas" como Dependiente. "Hábitat" en Factores fijos. "N-SocEc" (Nivel Socio-económico de las familias) como covariable. Y pinchamos en "Aceptar". Los resultados aparecen en la tabla 4.6. TABLA 4.6. RESULTADOS DEL ANCOVA. PRUEBAS DE EFECTOS INTERSUJETOS Variable dependiente: Rendimiento en Matemáticas Origen Suma de cuadrados tipo III gl Media cuadrática F Sig. Modelo corregido ,123 a , ,424,000 Intersección 1,556E7 1 1,556E ,266,000 N_SocEc , , ,588,000 Habitat 19724, ,738 22,378,000 Error , ,797 Total 2,023E Total corregida , a. R cuadrado =,117 (R cuadrado corregida =,116) F.J. Murillo y C. Martínez-Garrido Página 61
12 El resultado buscado se presenta en la cuarta fila: nos indica que existen diferencias en el rendimiento en función del Hábitat, incluso habiendo controlado el Nivel Socio-económico de las familias de los estudiantes (0,00<0,05). En la fila tercera nos indica que la variable "Nivel Socio-económico", al mostrar un nivel crítico de menos de 0,05 se encuentran relacionadas con la variable dependiente, y tiene sentido incluirlo en el modelo. Es decir, el Hábitat y el Nivel Socio-económico son dos factores de inequidad en el sistema educativo cuya influencia es aditiva Anexo. Contrastes a posteriori. Asumiendo varianzas iguales LSD. Utiliza pruebas T para llevar a cabo todas las comparaciones por pares entre las medias de los grupos. No se efectúa ninguna corrección de la tasa de error para el hecho de realizar múltiples comparaciones. Bonferroni. Utiliza las pruebas T para realizar comparaciones por pares entre las medias de los grupos, pero controla la tasa de error global estableciendo que la tasa de error de cada prueba sea igual a la tasa de error por experimento dividida entre el número total de contrastes. Así, se corrige el nivel crítico por el hecho de que se están realizando múltiples comparaciones. Sidak. Prueba de comparaciones múltiples por parejas basada en un estadístico T. La prueba de Sidak corrige el nivel de significación para las comparaciones múltiples y da lugar a límites más estrechos que los de Bonferroni. Scheffe. Realiza comparaciones conjuntas simultáneas por pares para todas las posibles parejas de combinaciones de las medidas. Usa la distribución muestral F. Puede utilizarse para examinar todas las combinaciones lineales de grupos de medias posibles, no sólo las comparaciones por parejas. R-E-G-W F. Procedimiento múltiple por pasos (por tamaño de las distancias) de Ryan-Einot-Gabriel-Welsch que se basa en una prueba F. R-E-G-W Q. Procedimiento múltiple por pasos (por tamaño de las distancias) de Ryan-Einot-Gabriel-Welsch que se basa en el rango estudentizado. S-N-K. Realiza todas las comparaciones por parejas entre las medias utilizando la distribución del rango de Student. Con tamaños de grupo iguales, también compara pares de medias dentro de subconjuntos homogéneos utilizando un procedimiento por pasos. Las medias se ordenan de mayor a menor y se contrastan en primer lugar las diferencias extremas. Tukey. Utiliza el estadístico del rango estudentizado para realizar todas las comparaciones por pares entre los grupos. Establece la tasa de error por experimento como la tasa de error para el conjunto de todas las comparaciones por pares. Tukey-b. Prueba que emplea la distribución del rango estudentizado para realizar comparaciones por pares entre los grupos. El valor crítico es el promedio de los valores correspondientes a la diferencia honestamente significativa de Tukey y al método de Student-Newman-Keuls. Duncan. Realiza comparaciones por pares utilizando un orden por pasos idéntico al orden usado por la prueba de Student-Newman-Keuls, pero establece un nivel de protección en la tasa de error para la colección de contrastes, en lugar de usar una tasa de error para los contrastes individuales. Utiliza el estadístico del rango estudentizado. UT2 de Hochberg. Prueba de comparaciones múltiples y de rango que utiliza el módulo máximo estudentizado. Es similar a la prueba de la diferencia honestamente significativa de Tukey. Gabriel. Prueba de comparación por parejas que utiliza el módulo máximo estudentizado y que es generalmente más potente que la GT2 de Hochberg, cuando los tamaños de las casillas son desiguales. La prueba de Gabriel se puede convertir en liberal cuando los tamaños de las casillas varían mucho. Waller-Duncan. Prueba de comparaciones múltiples basada en un estadístico T. Utiliza la aproximación Bayesiana. Dunnett. Prueba de comparaciones múltiples por parejas que compara un conjunto de tratamientos respecto a una única media de control. La última categoría es la categoría de control por defecto. Si lo deseas, puedes seleccionar la primera categoría. Para comprobar que la media de cualquier nivel del factor (excepto la categoría de control) no es igual a la de la categoría de control, utiliza una prueba bilateral. Para contrastar si la media en cualquier nivel del factor es menor que la de la categoría de control, selecciona "Control". Para contrastar si la media en cualquier nivel del factor es mayor que la de la categoría de control, selecciona "Control". No asumiendo varianzas iguales T2 de Tamhane. Prueba conservadora de comparación por parejas basada en la prueba T. Esta prueba es F.J. Murillo y C. Martínez-Garrido Página 62
13 adecuada cuando las varianzas son desiguales. T3 de Dunnett. Prueba de comparación por parejas basada en el módulo máximo estudentizado. Esta prueba es adecuada cuando las varianzas son desiguales. Games-Howell. Prueba de comparación por parejas que es en ocasiones liberal. Esta prueba es adecuada cuando las varianzas son desiguales. C de Dunnett. Prueba de comparación por parejas basada en el rango estudentizado. Esta prueba es adecuada cuando las varianzas son desiguales Fuente: Manual base del SPSS Ejercicios e.4.4. Existen diferencias significativas en el Rendimiento en Lengua de los estudiantes en función del Hábitat? Si es así, dónde viven los estudiantes que sacan mejores y peores resultados? e.4.5. Existen diferencias significativas en el Rendimiento en Lengua de los estudiantes en función de su hábitat, de su género y de la interacción entre ambas variables? e.4.6. Existen diferencias en el Rendimiento en Lengua de los estudiantes en función del Hábitat, si controlamos el efecto del Nivel Socio-económico? e.4.7. Los estudiantes matriculados en centros públicos obtienen diferente Rendimiento en Matemáticas que los que asisten a centros privados? Si controlamos el efecto del Nivel Socio-Económico de las familias, hay diferencias? e.4.8. El entorno socio-económico donde está situado el centro influye en el Rendimiento de los estudiantes en Matemáticas? Si lo controlamos por titularidad de centro? F.J. Murillo y C. Martínez-Garrido Página 63
14 F.J. Murillo y C. Martínez-Garrido Página 64
Prueba 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 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 detallesCapítulo 14 Análisis de varianza de un factor El procedimiento ANOVA de un factor
Capítulo 14 Análisis de varianza de un factor El procedimiento ANOVA de un factor El análisis de varianza (ANOVA) de un factor sirve para comparar varios grupos en una variable cuantitativa. Se trata,
Más detallesTEMA 10 COMPARAR MEDIAS
TEMA 10 COMPARAR MEDIAS Los procedimientos incluidos en el menú Comparar medias permiten el cálculo de medias y otros estadísticos, así como la comparación de medias para diferentes tipos de variables,
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 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 detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Definición y clasificación del diseño experimental de grupos Diseño experimental de dos grupos: definición y clasificación Diseño experimental de dos grupos: análisis estadístico
Más detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detalles14 horas. 20 horas
EJERCICIOS PROPUESTOS ANALISIS DE VARIANZA. Se realiza un ANOVA para comparar el tiempo que demora en aliviar el dolor de cabeza de varios tipos de analgésicos. Se obtiene como resultado un test observado
Más detalles1. Realice la prueba de homogeneidad de variancias e interprete los resultados.
1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis
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 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 detallesSupuestos y comparaciones múltiples
Supuestos y comparaciones múltiples Diseño de Experimentos Pruebas estadísticas Pruebas de bondad de ajuste Prueba de hipótesis para probar si un conjunto de datos se puede asumir bajo una distribución
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 detallesTEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
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 detallesESTADÍSTICA APLICADA A LA MEDICINA LABORAL
ESTADÍSTICA APLICADA A LA MEDICINA LABORAL ---oo--- II Curso 29/ Pedro Femia Marzo Bioestadística - Facultad de Medicina http://www.ugr.es/local/bioest Un esquema general de comparación de medias 2 Asumible
Más detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesT. 4 Inferencia estadística acerca de la relación entre variables (II): el análisis de varianza (ANOVA).
T. 4 Inferencia estadística acerca de la relación entre variables (II): el análisis de varianza (ANOVA). 1. El ANOVA de un factor para muestras independientes 2. El ANOVA de un factor para muestras relacionadas
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Métodos complementarios al análisis de varianza Comparaciones múltiples Comparación o pruebas de rangos múltiples Después de que se rechazó la hipótesis
Más detallesAnálisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears
Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza
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 detallesDISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas
DISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas Hasta ahora hemos ido desarrollando las pruebas parámetricas para contrastar hipótesis de un grupo
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detalles4. DISEÑOS MULTIFACTORIALES O FACTORIALES
4. DISEÑOS MULTIFACTORIALES O FACTORIALES 4.1 PRINCIPIOS Y DEFINICIONES BASICAS Los arreglos factoriales se utilizan cuando en una investigación se pretende estudiar simultáneamente la influencia del cambio
Más detallesPrueba T de Student. Descripción de la Prueba T de student. Proceso de cálculo. Criterios de la prueba T de student
Descripción de la Prueba T de student Prueba T de student Víctor Cuchillac (padre) Prueba paramétrica para evaluar la asociación entre una variable nominal y una variable cuantitativa dicotómica (que posea
Más detallesEstas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías
ANOVA I 19-8-2014 Estas dos clases ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías ANOVA II - ANOVA factorial - ANCOVA (análisis
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente
Más detallesANÁLISIS DE LA VARIANZA CON UN SOLO FACTOR
Instituto Valenciano de Investigaciones Agrarias Seminario MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN AGRONÓMICA Tema 6 ANÁLISIS DE LA VARIANZA CON UN SOLO FACTOR Análisis de la Varianza con un solo factor
Más detallesANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes
ANOVA Análisis de la Varianza Univariante Efectos fijos Muestras independientes De la t a la F En el test de la t de Student para muestras independientes, aprendimos como usar la distribución t para contrastar
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesSIGNIFICACIÓN ESTADÍSTICA DE LA DIFERENCIA ENTRE 2 MEDIAS
SIGNIFICACIÓN ESTADÍSTICA DE LA DIFERENCIA ENTRE 2 MEDIAS 3datos 2011 Variables CUANTITATIVAS Valor más representativo: MEDIA aritmética Técnicas Inferenciales sobre la significación de la diferencia entre
Más detallesGrupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS
Red ibérica de evaluación de eficacia y efectos secundarios de tratamientos para el control de plagas en el olivar (RIESPO) 2ª Reunión, Madrid 10-11/06/2010 Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS ESTADÍSTICA
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 detallesTema 18 Análisis de la varianza de un factor (ANOVA) Contraste paramétrico de hipótesis
Tema 18 Análisis de la varianza de un factor () Contraste paramétrico de hipótesis Compara la distribución de una variable continua normal en mas de dos poblaciones (niveles o categorías) Pruebas de contraste
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 detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 9 DESCRIPTIVOS El submenú Estadísticos descriptivos está en el menú Analizar, y ofrece una serie de opciones para analizar datos de una forma sencilla. En este capítulo serán descritos estos procedimientos.
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 detallesANÁLISIS DE DATOS EN PSICOLOGÍA II CUADERNO DE PRÁCTICAS DE SPSS. Ludgerio Espinosa Antonio Pardo Javier Revuelta Rafael San Martín
ANÁLISIS DE DATOS EN PSICOLOGÍA II CUADERNO DE PRÁCTICAS DE SPSS Ludgerio Espinosa Antonio Pardo Javier Revuelta Rafael San Martín ÍNDICE 1. Archivos de datos... 1 Lectura de datos con el SPSS... 1 Introducción
Más detallesINFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS
. Metodología en Salud Pública INFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS Autor: Clara Laguna 7.1 INTRODUCCIÓN Los datos categóricos o variables cualitativas son muy frecuentes en
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Más detallesDISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 2016.
DISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 016. Problema 1.- En una determinada investigación se estudia el efecto del tipo de ejercicio (, andar y ) y tipo de dieta (poca grasa y mucha grasa)
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 detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detalles4. Obtén las siguientes tablas de doble entrada para las variables Dispersión y Formación:
ACTIVIDAD DE INFERENCIA Y ASOCIACIÓN 1. Obtén los estadísticos descriptivos básicos y un intervalo de confianza del 95% para la media del coste en farmacia por habitante. A partir del resultado obtenido
Más detallesESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación
TEMA V ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación Análisis de la covarianza (ANCOVA) Modelos alternativos de análisis DISEÑO DE GRUPO CONTROL NO
Más detallesIntervalos de Confianza
Bases de Estadística Licenciatura en Ciencias Ambientales Curso 2oo3/2oo4 Intervalos de Confianza El objetivo de esta práctica es ilustrar las diferentes técnicas para construir intervalos de confianza
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 detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 6 Problema 1.- Tengamos las variables sexo, nivel económico y consumo de tabaco. Los datos son los siguientes: Hombre Mujer Alto Bajo Alto Bajo 10 10
Más detallesCapítulo 13. Contrastes sobre medias: Los procedimientos Medias y Prueba T. Medias
Capítulo 13 Contrastes sobre medias: Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Más detallesCapítulo 14. Análisis de varianza de un factor: El procedimiento ANOVA de un factor
Capítulo 14 Análisis de varianza de un factor: El procedimiento ANOVA de un factor El análisis de varianza (ANOVA) de un factor sirve para comparar varios grupos en una variable cuantitativa. Se trata,
Más detallesCapítulo 2. Experimentos de comparaciones simples... 7
CONTENIDO Capítulo J. Introducción al diseño de experimentos... 1 Conceptos en el diseño de experimentos............... 1 Aplicaciones del diseño de experimentos.................... 4 Clasificación de
Más detallesCapítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T
Capítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesINDICE. 81 Operadores lógicos Funciones exponenciales y logarítmicas Funciones trigonométricas
INDICE Introducción XV Capitulo 1. Instalación y primeros pasos en SPSS 10 Instalación de SPSS 10 1 Comenzando con SPSS 10 8 El trabajo de trabajo de SPSS 10 9 Opciones de a barra de menú principal 10
Más detallesPráctica 2. Hipótesis de investigación
Práctica 2. Hipótesis de investigación Teniendo en cuenta los resultados de la investigación anterior, un segundo equipo de investigadores diseña un nuevo fármaco para aumentar la extroversión. Han introducido
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 detallesparamétrica comparar dos grupos de puntuaciones
t de Student Es una prueba paramétrica de comparación de dos muestras independientes, debe cumplir las siguientes características: Asignación aleatoria de los grupos Homocedasticidad (homogeneidad de las
Más detallesEXAMEN Prof. J. Calventus S., 19 julio de 2013
U. S. T. Psicología Estadística Inferencial EXAMEN Prof. J. Calventus S., 19 julio de 2013 NOMBRE: Puntaje: Nota: Para responder esta prueba podrá consultarse todo tipo de material escrito. Utiliza un
Más detallesBloque 3 Tema 14 ANÁLISIS DE LA VARIANZA. PRUEBA F
Bloque 3 Tema 4 AÁLISIS DE LA VARIAZA. PRUEBA F El objetivo fundamental de la experimentación es estudiar la posible relación de causalidad existente entre dos o más variables. Este estudio representa
Más detallesValores de glucemia en 36 varones sanos
Prueba Kolmogorov-Smirnov para una muestra: Es una prueba de bondad de ajuste. Se emplea en una muestra independiente. El tipo de variable es cuantitativa continua (debe ser medida en escala al menos ordinal).
Más detallesTEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN
TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN 1 DISEÑO DE INVESTIGACIÓN Y 1 A = a 1 a Y 1 A = 3 a 1 a a Hipótesis específicas de la investigación Cuando la variable independiente tiene
Más detallesEstadísticas II. M. en E. M. Milagros Eugenia Faci. 15 de julio de 2010
010 Estadísticas II M. en E. M. Milagros Eugenia Faci 1 de julio de 010 Estadísticas II CONTENIDO INTRODUCCIÓN...3 PASO 1. DATOS DEL COEFICIENTE INTELECTUAL DE LA CLASE ALTA, MEDIA Y BAJA...3 PASO. ENCONTRAR
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesUniversidad Nacional del Litoral Facultad de Humanidades y Ciencias
MAT60: Estadística II 2013-2do. Cuatrimestre 01: Profesorado de Matemática Titular: TAUBER, Liliana Mabel Equipo de Cátedra: VERA CANDIOTI, Cecilia TAUBER, Liliana Mabel REDONDO, Yanina Teresita Régimen
Más detalles1. Identifique el tipo de diseño que se ha utilizado en esta investigación.
3ª PRÁCTICA DE ORDENADOR: práctica A (FEEDBACK) Winer (71) describió un experimento en el que se estudió el efecto de tres drogas sobre el tiempo de reacción en una serie de tareas estandarizadas. Se observó
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesCAPÍTULO 3. Los datos de las seis variables fueron analizados estadísticamente. diseño experimental de bloques completamente al azar.
61 CAPÍTULO 3 3. ANÁLISIS DE RESULTADOS Los datos de las seis variables fueron analizados estadísticamente mediante el análisis de varianza (ADEVA), que es utilizado para evaluar el diseño experimental
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesCuando los ceros de la p sí importan
Cuando los ceros de la p sí importan Ya sabemos que para contrastar la igualdad de medias de dos muestras que se distribuyan de forma normal podemos utilizar la prueba de la t de Student. Así que asumimos
Más detallesU ED Tudela Diseños de Investigación y Análisis de Datos - Tema 7
Diseños de Investigación y Análisis de Datos Preguntas de exámenes TEMA 7: A OVA PARA MUESTRAS I DEPE DIE TES (2 FACTORES) 1.- Se dice que un diseño bifactorial es equilibrado si: A) Los grupos tienen
Más detallesPRUEBA CHI-CUADRADO. Para realizar un contraste Chi-cuadrado la secuencia es:
PRUEBA CHI-CUADRADO Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hipótesis nula de la prueba Chi-cuadrado postula una distribución de probabilidad totalmente especificada
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesAnálisis de Covarianza
Capítulo VI Análisis de Covarianza El análisis análisis de covarianza es un procedimiento muy importante en experimentación, pero lamentablemente no se usa con frecuencia. Utiliza el análisis de varianza
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 detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
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 detallesTABLAS DE CONTINGENCIA
Tablas de contingencia 1 TABLAS DE CONTINGENCIA En SPSS, el procedimiento de Tablas de Contingencia crea tablas de clasificación doble y múltiple y, además, proporciona una serie de pruebas y medidas de
Más detallesPrincipios de Bioestadística
Principios de Bioestadística Dra. Juliana Giménez www.cii.org.ar Nos permite Llegar a conclusiones correctas acerca de procedimientos para el diagnostico Valorar protocolos de estudio e informes Se pretende
Más detallesACTIVIDAD PRÁCTICA 3 COMPARACIÓN DE DOS MUESTRAS INDEPENDIENTES Comparación de dos medias independientes (prueba t de Student, prueba paramétrica)
ACTIVIDAD PRÁCTICA 3 COMPARACIÓN DE DOS MUESTRAS INDEPENDIENTES Comparación de dos medias independientes (prueba t de Student, prueba paramétrica) Con esta actividad se pretende que aprendamos a realizar
Más detallesCONTRASTES PARAMÉTRICOS
CONTRASTES PARAMÉTRICOS Contenidos Introducción 75 Contraste de dos medias 76 Grupos independientes 77 Grupos dependientes 85 Contraste de dos varianzas independientes 92 ANOVAs Unifactoriales entre e
Más detallesDISEÑO EXPERIMENTAL Biología, 2º Ciclo Profesores: Mauro Santos y Hafid Laayouni PROGRAMA TEÓRICO
DISEÑO EXPERIMENTAL Biología, 2º Ciclo 2005-2006 Profesores: Mauro Santos y Hafid Laayouni PROGRAMA TEÓRICO Tema 1 Introducción Diseño experimental e inferencia estadística: las dos caras de una misma
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesAl nivel de confianza del 95%, las puntuaciones típicas son: 2- La hipótesis alternativa es; A) ; B) ; C).
A continuación se presentan 4 situaciones. Cada situación viene seguida por una serie de preguntas referidas a la misma así como de preguntas teóricas generales. SITUACIÓN 1: La empresa SND's de sondeos
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 detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
Más detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
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 detallesDIRECCIÓN DE PROYECTOS INTERNACIONALES Y ESPECIALES. Guía para el análisis de datos del Segundo Estudio Regional Comparativo y Explicativo (SERCE)
DIRECCIÓN DE PROYECTOS INTERNACIONALES Y ESPECIALES Guía para el análisis de datos del Segundo Estudio Regional Comparativo y Explicativo (SERCE) 18 DE MAYO 2010 ÍNDICE INTRODUCCIÓN... 5 MEDIAS DE DESEMPEÑO
Más detalles2013-B. Diseño y análisis de experimentos. El chocomilk ideal
2013-B El chocomilk ideal Nadia Berenice Haro Mares Ulises Guadalupe Herrera Sillas Violeta María Isabel Martínez Mercado Angélica Rivera Pulido Proyecto Final Angélica, Nadia, Violeta y Ulises, acaban
Más detallesEsquema (1) Análisis de la Varianza y de la Covarianza. ANOVA y ANCOVA. ANOVA y ANCOVA 1. Análisis de la Varianza de 1 Factor
Esquema (1) Análisis de la arianza y de la Covarianza ANOA y ANCOA 1. (Muestras independientes). () 3. Análisis de la arianza de Factores 4. Análisis de la Covarianza 5. Análisis con más de Factores J.F.
Más detallesPero qué hacemos cuando no se cumple la normalidad o tenemos muy pocos datos?
Capítulo : Métodos no paramétricos Los métodos presentados en los capítulos anteriores, se basaban en el conocimiento de las distribuciones muestrales de las diferencias de porcentajes o promedios, cuando
Más detallesESTADÍSTICA 1º AMBIENTALES TERCERA PRÁCTICA: INTERVALOS DE CONFIANZA & CONTRASTES DE HIPÓTESIS (GUIADA & RESUELTA)
ESTADÍSTICA 1º AMBIENTALES TERCERA PRÁCTICA: INTERVALOS DE CONFIANZA & CONTRASTES DE HIPÓTESIS (GUIADA & RESUELTA) El objetivo de esta práctica es calcular Intervalos de Confianza (IC) y Contrastes de
Más detallesEstudio del consumo y los precios al consumo de Frutas y Hortalizas
Conseería de Agricultura y Pesca Estudio del consumo y los precios al consumo de Frutas y Hortalizas Aspectos Metodológicos Marzo 008 Versión 1 SECRETARÍA GENERAL DE AGRICULTURA, GANADERÍA Y DESARROLLO
Más detalles