VERIFICACIÓN DEL SUPUESTO: DE IGUALDAD DE VARIANZAS: OBSERVACIÓN GRÁFICA Y PRUEBA DE BARTLETT.

Slides:



Advertisements
Presentaciones similares
ANOVA DE UN FACTOR.
Advertisements

DISEÑO DE EXPERIMENTOS
REGRESION LINEAL SIMPLE
METODO.   Meta = lado; Odos = camino, es el camino o procedimiento adecuado para conseguir una finalidad.
METODOLOGÍA DE INVESTIGACIÓN Titular: Agustín Salvia
UNIVERSIDAD DE GUAYAQUIL.
Titular: Agustín Salvia
Análisis de la Varianza
Diseño Completamente Aleatorizado: ejemplo
Regresión lineal simple
Pruebas de hipótesis.
Estimación Diferencia de dos medias
Regresión Lineal Simple
DISEÑO Y ANALISIS DE EXPERIMENTOS DR. PORFIRIO GUTIERREZ GONZALEZ.
Pruebas paramétricas y no paramétricas
DISEÑOS POR BLOQUES ALEATORIZADOS
REGRESIÓN LINEAL SIMPLE
Máster en Planificación Estratégica en Publicidad y RRPP TRABAJO FINAL DE MÁSTER TFM Estructura.
REGRECION LINEAL SIMPLE, MULTIPLE Y CORRELACION. REGRECION LINEAL SIMPLE.
Un criterio para detectar outliers. Otro criterio para detectar errores groseros (outliers)
La Unidimensionalidad 2ª Presentación borrador, Realizado: Carmen Calatayud Fernández (Enviada el día 29/04/08)
VARIABLE ALEATORIA Y DISTRIBUCIÓN NORMAL
ELEMENTOS BÁSICOS DE MUESTREO. ¿Cómo obtener muestras representativas? 02/06/2016 ELEMENTOS BÁSICOS DE MUESTREO ¿Cómo lograr que un estudio tenga validez.
Danny Rafael Amaya Cotes Marcos Elías López Guerra.
TEORÍA DEL MUESTREO El muestreo implica seleccionar a un grupo de personas, acontecimientos u otros elementos que usamos para dirigir un estudio. Se espera.
UNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA “Héctor Abad Gómez” Facultad Nacional de Salud Pública “Héctor Abad Gómez”
PRESENTADO POR: JOHANNA ANDREA RODRIGUEZ MORENO.  Descubierta por William S. en 1908, la distribución de T normalmente se llama distribución de t de.
Experimentos con un solo factor: anÁlIsis de varianza
“ENLACE UNET - HOSPITAL CENTRAL A TRAVÉS DEL ÁREA DE ESTADÍSTICA” San Cristóbal 27 de Mayo del 2005.
DISEÑOS EXPERIMENTALES DE CASO ÚNICO Ps. Paula Fernández-Dávila-Renato Oviedo.
Diagramas de control CONSIDERACIONES BÁSICAS. DIAGRAMAS DE CONTROL  El Control Estadístico de Proceso (Statistical Process Control SPC) es la herramienta.
Inferencia estadística
Objetivo: Identificar y aplicar los conceptos básicos de la Antropología.
Gráficas de Control por Atributos Profesor Walter López.
Tarea # 2. La distribución uniforme es la que corresponde a una variable que toma todos sus valores, con igual probabilidad; el espacio muestral debe.
PSICOLOGÍA EN LA ODONTOLOGÍA Producto Integrador de Aprendizaje Aplicación de las tecnologías de la Información Gabriela Martínez Chapa
OVA CURSO UNIDAD 1 Capitulo Cuarto: Definiciones y herramientas estadísticas aplicadas a los diseños experimentales Lección 5. Análisis de varianza.
Componentes Genéticos y Heredabilidad en pimientos.
Carlos A. Andújar Rojas, Ph.D. 1. Razonamiento estadístico  Es el proceso por el que se utiliza la lógica para tratar de describir, explicar, predecir.
LA METODOLOGIA BOX-JENKINS
6. Conceptos básicos Nazira Calleja. Inferencia estadística.
BIOESTADÍSTICA Y ESTADÍSTICA BÁSICA CHILLÁN, SEGUNDO SEMESTRE PROF. SOC. M© KEVIN VILLEGAS.
DISEÑO FACTORIAL. En muchas situaciones experimentales resulta de interés estudiar los efectos producidos por dos o más factores simultáneamente; esto.
ANÁLISIS DE VARIANZA DE UN FACTOR ANOVA I Dr. en Ed. Carlos Saúl Juárez Lugo Centro Universitario UAEM Ecatepec 2015.
Componentes Genéticos y Heredabilidad en pimientos.
CONCEPTOS Variable, encuesta, variable cuantitativa, variable cualitativa, estadística, media,mediana,moda. Presenta: Eva Stefani Cruz Vázquez.
Análisis de datos y metodología II Equipo de tutores 2015: -Diego Henríquez -Ivan Guailla -Denise Leiva -Patricio Mena -Leonardo Portillo -Cristian Ramírez.
NATURALEZA DE LA INVESTIGACIÓN
MSc. Daisy Espallargas Ibarra
DISTRIBUCIONES DE PROBABILIDAD Por Jorge Sánchez.
INFERENCIA EN LOS MODELOS ARIMA ECONOMETRÍA II CAPÍTULO VI D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero.
Comparación no paramétrica de K medias independientes Briana Gómez Ramírez Natalia Zapata López.
1234 Guadalupe Ruiz Merino – Curso de Estadística Básica 56 ESTIMACIÓN Y CONTRASTE DE HIPÓTESIS.
Estadística y Biometría Modelación Estadística Regresión lineal.
Evaluando los promedios de grupos distintos UNIDAD 7 1.
Análisis de resultados para investigaciones cuantitativas «Método»
Inferencia estadística.
Análisis y diseño de experimentos
REGRESIÓN LINEAL SIMPLE
DISEÑO Y ANALISIS DE EXPERIMENTOS
DISEÑO Y ANALISIS DE EXPERIMENTOS
REGRESIÓN LINEAL SIMPLE
Regresión y Correlación Múltiple: Prueba de hipótesis.
DISEÑOS DE EXPERIMENTOS FACTORIALES
PRUEBA DE HIPOTESIS ESTADISTICA
ANALISIS DE REGRESION SIMPLE
DISEÑO Y ANALISIS DE EXPERIMENTOS
REGRESION LINEAL SIMPLE
REGRESION LINEAL SIMPLE
PRUEBA DE HIPOTESIS ESTADISTICA
Transcripción de la presentación:

VERIFICACIÓN DEL SUPUESTO: DE IGUALDAD DE VARIANZAS: OBSERVACIÓN GRÁFICA Y PRUEBA DE BARTLETT

INTEGRANTES HABIB FRANCO LUIS LEIVA CELIA RUBIO JOSÉ QUIROZ JEAN CARLOS ROJAS

INTRODUCCIÓN La metodología estadística se basa en supuestos que deben verificarse si se quiere tener la confianza de que las inferencias son pertinentes. El proceso por el que verificamos si estos supuestos son correctos se denomina verificación del modelo el cual tiene una enorme importancia en las aplicaciones de la Estadística y, es una práctica estadística muy recomendable realizar una verificación del modelo adecuado. Cuando se propone un modelo para el ajuste de los datos se establecen básicamente los siguientes supuestos sobre el error: Independencia, normalidad, Media cero y varianza constante.

Los supuestos básicos que se deben verificar en el ajuste de los modelos son los siguientes: La no correlación de los errores: Este supuesto no se cumplen cuando las observaciones son tomadas secuencialmente en el tiempo, el espacio y en datos cluster, entre otros. Cuando los datos están correlacionados se debe trabajar con métodos estadísticos apropiados. La homocedasticidad de los errores: Este supuesto puede no cumplirse por diversas razones, por ejemplo: Por daños en alguna parte del experimento, contratiempos, uso del material experimental menos homogéneo en algunas réplicas, por no tener cuidado en el control durante la ejecución del experimento o en el control de las unidades experimentales.

¿Cuál es la finalidad del análisis de varianzas? El análisis de varianza es utilizado para verificar si hay diferencias estadísticamente significativas entre medias cuando tenemos más de dos muestras o grupos en el mismo planteamiento. Lo más importante es la toma de decisiones.

¿Qué comprobamos con el análisis de varianzas? 1. Comprobamos si existen diferencias estadísticamente significativas entre más de dos muestras. 2. Buscamos comprobar si hay diferencias entre las medias de las muestras. 3. Es el método apropiado cuando tenemos más de dos muestras en el mismo planteamiento; en vez de comparar las medias de dos en dos, utilizamos el análisis de varianza.

VERIFICACIÓN DEL SUPUESTO Para la verificación del supuesto se parte de la definición del residual sobre el que se formulan algunos supuestos los cuales resulta necesario verificar para que al realizar inferencias resulten válida (sobre el modelo: ajuste, adecuación, validez de la predicción, etc.) La validación lleva en consideración la realización de un análisis de los residuales para verificar cualquier anomalía sobre el ajuste del modelo lineal. Cuando se propone un modelo para el ajuste de los datos se establecen básicamente los siguientes supuestos sobre el error: Independencia, normalidad, media cero y varianza constante.

Mostrar los posibles problemas que se presentan cuando alguno de los supuestos no se cumple, así como mostrar diferentes formas de corregir las desviaciones de los supuestos en el caso en que se incumplan. OBJETIVO

CAUSAS DE DESVÍOS DE SUPUESTOS Los supuestos básicos que se deben verificar en el ajuste de los modelos son los siguientes: La n correlación de los errores La homocedasticidad de los errores La normalidad No aditividad en el modelo

PRUEBA DE BARTLETT DE HOMOGENEIDAD DE VARIANZAS La prueba de frecuentemente llamada M-de Barltlett o también Neyman-Pearson-Bartlett. Su aplicación básica como ya se mencionó es para la comparación de varianzas (homogeneidad de varianzas) entre grupos, pero también puede ser usada para chequear homogeneidad en interacciones de mayor grado en experimentos factoriales.

PRUEBA DE BARTLETT DE HOMOGENEIDAD DE VARIANZAS En la conducción de la prueba se suponen k poblaciones normales con media µi y varianza s Si de cada una de las poblaciones se toman muestras aleatorias de tamaño ni independientes y se observa la característica de interés se plantea la hipótesis. VS Se propone el estadístico de prueba:

EJEMPLO Efecto macho en la activación del estro usando la prueba de Bartlett.

SOLUCION La nueva metodología muestra que U>= 0 h, por lo que el grupo 1 y el grupo 2 satisfacen el supuesto de homogeneidad de varianzas.

SOLUCION La nueva metodología muestra que U>= h, por lo que el grupo 1 y el grupo 2 satisfacen el supuesto de homogeneidad de varianzas.

El estadístico de Bartlett tiene cambios considerable en su distribución cuando se presenta en el caso censura. La prueba cumple con la propiedad de varianza, es decir, no cambia el valor estadístico de prueba ante cambios en los parámetros de la población. El comportamiento de la distribución es que a un nivel de censura constante y aumenta el tamaño de muestra constante y aumenta el nivel de censura, estos valores se hacen mayores. CONCLUSIÓN

GRACIAS