pruebas paramétricas

Pruebas paramétricas

T de student

Ancova

Anova

Mancova

Se utiliza para determinar si hay una diferencia significativa entre las medias de dos grupos.

Condiciones

-Independencia

-Normalidad

-Igualdad de varianzas

Si las condiciones se cumplen se puede considerar que el parámetro estimado, en este caso la diferencia de medias muestrales

sigue una distribuciónT-student (grados libertad, mean = parámetro estimado, sd = SE)

Hipótesis

Antes de rechazar o conservar tenga en cuenta

se tendrá una probabilidad del 5% de haber rechazado Hipotesis nula cuando realmente es cierta

Errores:

Error tipo I: Error de rechazar la Hipótesis nula cuando realmente es cierta.

Error tipo II: Error de considerar como cierta Hipóteis nula cuando realmente es falsa.

Hipótesis nula

Hipó'tesis Alterna

Tenga en cuenta que a menor valor de alpha, menor probabilidad de rechazar la hipótesis nula

Se rechazará la hipótesis nula en favor de la hipótesis alternativa si el p-valor obtenido es menor que 0.05

En el caso de comparar dos medias independientes la hipótesis nula considera que μ1=μ 2μ1=μ2.

En el caso de comparar dos medias independientes la hipótesis alternativa considera que μ1≠μ 2μ1≠μ2.

Anova de una via

Condiciones

-Independencia: Las observaciones deben ser aleatorias.

-Distribución normal de cada uno de los niveles o grupos

-Varianza constante entre grupos (homocedasticidad)

Anova de dos vías

Condiciones

-Independencia: Las observaciones deben ser aleatorias.

-Distribución normal de cada uno de los niveles o grupos

-Varianza constante entre grupos (homocedasticidad)

Recuerda que: El ANOVA de dos vías con repeticiones combina 3 hipótesis nulas

Hipótesis

Hipótesis nula

Hipótesis nula

Hipótesis nula

Referida a un factor afirma que las medias de las poblaciones definidas por niveles del factor son iguales

Referida al efecto de una interacción afirma que el efecto es nulo

Por cada factor y cada posible combinación de factores

Anova de una vía

es el tipo de análisis que se emplea cuando los datos no están pareados y se quiere estudiar si existen diferencias significativas entre las medias de una variable aleatoria continua en los diferentes niveles de otra variable cualitativa o factor.

Condiciones

-Independencia: Las observaciones deben ser aleatorias.-Distribución normal de cada uno de los niveles o grupos-Varianza constante entre grupos (homocedasticidad)

Hipótesis

Hipótesis nula

Hipótesis alterna

No hay diferencias entre las medias de los diferentes grupos

No hay diferencias entre las medias de los diferentes grupos

El objetivo principal de este tipo de modelos es estudiar si la relación entre las predictoras numéricas y la respuesta viene condicionada por el factor o factores de clasificación considerados

Para que se usa

1. Para controlar el error y aumentar la precisión.2. Ajustar medias de tratamientos de la variable dependiente a las diferencias en conjuntos de valores de variables independientes correspondientes. 3. Interpretación de la naturaleza de los efectos de los tratamientos. 4. Dividir una covarianza total o suma de productos cruzados en componentes

Hipótesis

Para probar la hipótesis H0: r1 = r2 = ... rt contra la alternativa H1: por lo menos ri ≠ rj, con i ≠ j, la estadística de prueba, F, está dada po

Pero si el valor calculado de la F es mayor que la tabulada, se rechaza la hipótesis nula.

si Hipotesis nula es cierta, se distribuye como una F con 11 y 32 grados de libertad

Se trata de comparar las medias de I poblaciones normales multivariantes independientes y con matriz de dispersión común.

para que se usa

para analizar diseños estrictamente Multivariados pero también para diseños con medidas repetidas (o variables intrasujetos).

Hipótesis

Se contrasta una sola hipótesis: que las medias de los g grupos son iguales en las p variables dependientes, que los g vectores de medias de grupo -llamados centroides

en las situaciones unifactoriales, también aquí será lo más frecuente plantear hipótesis mucho más concretas que las del ANOVA global.

A veces producen resultados diferentes y con un estadístico se rechace la hipótesis nula, mientras que con otro no pueda rechazarse. Solamente coincidirán con 1 variable dependiente o 2 grupos