ANÁLISIS DE VARIANZA DE UN FACTOR ANOVA I Dr. en Ed. Carlos Saúl Juárez Lugo Centro Universitario UAEM Ecatepec 2015.

Slides:



Advertisements
Presentaciones similares
ANOVA DE UN FACTOR.
Advertisements

“Estadística Descriptiva”
METODOLOGÍA DE INVESTIGACIÓN Titular: Agustín Salvia
TUTORIAL SPSS Comparación de medias con el Paquete Estadístico para las Ciencias Sociales Unidad 4.
Clases 3 Pruebas de Hipótesis
(niveles o categorías)
Seminario de TesisUnidad I. Marco Metodológico“Estadística Descriptiva” Dr. Javier Moreno Tapia.
Resumen y descripci ó n de datos num é ricos Estad í stica Capítulo 3.2.
Tema 5: Numéricas en varios grupos
Clase 6 Hipótesis de diferencias de grupos
Construcción de la tabla del ANOVA
ACTIVIDAD DE PORTAFOLIOS 3
Capitulo 4 Análisis descriptivo inferencial: comparaciones múltiples
Regresión Lineal Simple
Aplicaciones Estadísticas a las Finanzas Clase 1
Diseños clásicos de Investigación utilizados en Psicología
DISEÑO Y ANALISIS DE EXPERIMENTOS DR. PORFIRIO GUTIERREZ GONZALEZ.
Aplicaciones Estadísticas a las Finanzas Clase 1
Kaoru Ishikawa Y su aportación al proceso de calidad Equipo 4
La Investigación Científica
Metodología de la Investigación II Profesorados para profesionales UM – ISPE Natalia L. Maza.
REGRECION LINEAL SIMPLE, MULTIPLE Y CORRELACION. REGRECION LINEAL SIMPLE.
Un criterio para detectar outliers. Otro criterio para detectar errores groseros (outliers)
Paola Andrea Penagos Verónica González J Métodos de Investigación III UdeA – Agosto de 2011 PRUEBA DE FRIEDMAN.
CAPACITACIÓN, INVESTIGACIÓN, ESTADÍSTICA Y MERCADEO
Clase 4 Marco Teórico Metodología Desarrollo. Marco Teórico En el Marco Teórico se deberá describir el marco elegido sobre el que sustenta la investigación.
PROPUESTA DE DISEÑO CURRICULAR BASADO EN EL DESARROLLO DE COMPETENCIAS PARA UNA COMUNIDAD UNIVERSITARIA Presentada por Edna Brigitte Triana Rodríguez.
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO FACULTAD DE INGENIERÍA COORDINACIÓN DE MATERIAS PROPEDÉUTICAS INGENIERÍA ELECTRÓNICA ASIGNATURA: MÉTODOS NUMÉRICOS.
La distribución t es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida cuando el tamaño.
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.
Curso de formación en la enseñanza de las matemáticas para el manejo de contenidos del Plan y Programas de estudio 2009 en el aula. Elaborado por: Mtra.
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
MÁS DE DOS MUESTRAS Procedimientos paramétricos. Pruebas de diferencias entre más de dos muestras *Con cálculos diferentes de SC y gl, según el caso.
Cristina. Derivada del término en latín variabilis, variable es una palabra que representa a aquello que varía o que está.
Prueba de Friedman Vanessa Restrepo Viviana Sanchez Luisa Arroyave
OVA CURSO UNIDAD 1 Capitulo Cuarto: Definiciones y herramientas estadísticas aplicadas a los diseños experimentales Lección 5. Análisis de varianza.
C ONCEPTOS BÁSICOS DE I NFERENCIA II 1. Teorema 1. Si X~N(µ, σ) y Y=aX+b donde a y b son constantes, entonces: Teorema 2. Si X1, X2, …, Xn son variables.
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.
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.
PRUEBA CHI-CUADRADO UNIDAD 2: ESTADÍSTICA.
Rodrigo Ferrer Urbina Universidad de Tarapacá.  ¿Qué es? ◦ Un conjunto de procedimientos.  ¿Qué hacen? ◦ Resumir y organizar información.  ¿Para que?
Análisis de datos y metodología II Equipo de tutores 2015: -Diego Henríquez -Ivan Guailla -Denise Leiva -Patricio Mena -Leonardo Portillo -Cristian Ramírez.
 ¿Influye significativamente el rasgo de adaptación (personal, social, total) en el rendimiento escolar, expresado en notas de enseñanza media, de los.
Tarea # 1. Una variable es un símbolo que actúa en las funciones, las fórmulas, los algoritmos y las proposiciones de las matemáticas y la estadística.
DISTRIBUCIONES DE PROBABILIDAD Por Jorge Sánchez.
Análisis Cuantitativo de Datos (Básico) Medicina Preventiva Facultad de Medicina UJED.
INFERENCIA EN LOS MODELOS ARIMA ECONOMETRÍA II CAPÍTULO VI D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero.
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, Decana de América) FACULTAD DE MEDICINA - UPG MAESTRÍA EN NEUROCIENCIAS Curso: Bioestadística.
7.2 P ROCEDIMIENTOS PARAMÉTRICOS PARA DATOS CUANTITATIVOS Dos muestras Intervalos de confianza.
ANALISIS DE VARIANZA.
Comparación no paramétrica de K medias independientes Briana Gómez Ramírez Natalia Zapata López.
Paola arias Estadística II.  Fue descrita en 1908 por William sealy gosset  Es una distribución de probabilidad que se emplea comúnmente cuando tenemos.
Curso de formación en la enseñanza de las matemáticas para el manejo de contenidos del Plan y Programas de estudio 2009 en el aula. Elaborado por: Mtra.
Diseño Metodológico en la Investigación
ALEX RODRIGO RIVERA RÍOS DOCTOR EN QUÍMICA INDUSTRIAL. DIPLOMADO EN PEDAGOGÍAS INNOVADORAS. MAGISTER EN DOCENCIA UNIVERSITARIA E INVESTIGACIÓN EDUCATIVA.
Métodos Cuantitativos de Análisis de Datos I. Medidas de Variación.
1234 Guadalupe Ruiz Merino – Curso de Estadística Básica 56 ESTIMACIÓN Y CONTRASTE DE HIPÓTESIS.
PRESENTADO POR : BRIGITTE HERNÁNDEZ PRESENTADO A : ORFIDIA OVALLE GRUPO 3 D.
Evaluando los promedios de grupos distintos UNIDAD 7 1.
PROGRAMA UNEFA –C.I.N.U. Matemáticas2011. PRESENTACIÓN DEL CURSOPRESENTACIÓN DEL CURSO La UNEFA, como institución educativa preocupada por mejorar la.
Análisis de resultados para investigaciones cuantitativas «Método»
Análisis of varianza (ANOVA) De un factor o unidireccional
Cálculo del Análisis de Varianza con un Factor ANOVA I con SPSS
Cálculo del Análisis de Varianza con un Factor ANOVA I con Excel
Transcripción de la presentación:

ANÁLISIS DE VARIANZA DE UN FACTOR ANOVA I Dr. en Ed. Carlos Saúl Juárez Lugo Centro Universitario UAEM Ecatepec 2015

Licenciatura en Psicología. Centro Universitario UAEM Ecatepec Unidad de Aprendizaje a la que se destina el material: Estadística Aplicada Programa por competencias Secuencia didáctica que indica el Programa de Aprendizaje: 1. Analizará el empleo de la estadística aplicada en la investigación. 2- Manejará los conceptos básicos de la estadística aplicada. 3- Calculará las pruebas paramétricas de asociación y de comparación: entre ellas ANOVA I 4- Calculará las pruebas no paramétricas de asociación y de comparación. 5- Interpretará los resultados obtenidos de cada una de las pruebas.

UNIDAD DE APRENDIZAJE: ESTADÍSTICA APLICADA (Programa por Competencias) Clave: L20B18 Nivel: Básico, Competencia: Inicial, Modalidad: Presencial Créditos: 8, Horas teóricas: 18, Horas prácticas: 46 Unidades de Aprendizaje Antecedentes: Estadística descriptiva e Investigación cuantitativa. Unidad de Aprendizaje Consecuente: Construcción de Instrumentos. Unidades de aprendizaje simultáneas: Indicadas por la trayectoria. Seminarios y talleres elegidos por el alumno

Objetivo General: En el contexto de la investigación, especialmente en el ámbito del estudio de la conducta, lo social y lo educativo el alumno sabrá emplear la estadística aplicada, que apoyará las conclusiones teórico-metodológicas en el contexto del trabajo, por lo tanto, al término del curso, el alumno identificará, aplicará y tomará decisión en cuanto a la prueba estadística que sea más viable aplicar en una investigación.

Objetivo particular: Identificará cuando un problema de investigación puede resolverse con el análisis de Varianza, desarrollando el algoritmo para resolver la hipótesis de trabajo.

Fundamento teórico del análisis de varianza de tipo I ANOVA I. Cálculo del análisis de varianza realizado de manera manual. Interpretación de la prueba F. Bibliografía básica.

Dr. en Ed. Carlos Saúl Juárez Lugo Estadística Aplicada Centro Universitario UAEM Ecatepec 2015

Es una prueba estadística para analizar si más de dos grupos difieren significativamente entre sí en cuanto a sus medias y varianzas.

Variables: Una dependiente y una independiente. Nivel de medición de las variables:  Independiente es categórica: Nivel socioeconómico (muy alto, alto, medio, bajo y muy bajo).  Dependiente es por intervalos o de razón.

Muestreo aleatorio independiente. Poblaciones normales para cada grupo. Varianzas iguales en las poblaciones.

Produce un valor conocido como F o razón F Se basa en la distribución F La razón F compara las variaciones en las puntuaciones debidas a dos diferentes fuentes: Variaciones entre los grupos que se comparan, y Variaciones dentro de los grupos.

Hipótesis que comprueba: Diferencia entre más de dos grupos: “Los grupos difieren significativamente entre sí”. Si los grupos difieren realmente entre sí, sus puntuaciones variarán más de lo que pueden variar las puntuaciones entre los integrantes de un mismo grupo.

Familia 1Familia 2Familia 3Familia 4 ABCD abcd A B C D A B C D A B C D Homogeneidad intrafamilia Homogeneidad Intrafamilia Homogeneidad intrafamilia Homogeneidad intrafamilia Esperamos Heterogeneidad interfamilias

Familia 1Familia 2Familia 3Familia 4 A A A A A a A a A A A A a A a A A A A A No hay diferencia entre familias

En el ejemplo se espera que : Los integrantes de una familia se parezcan más entre sí que a los miembros de otro familia. Esperamos homogeneidad intrafamilia y heterogeneidad interfamilia.

La razón F nos indica si las diferencias entre los grupos (familias) son mayores que las diferencias intragrupo (dentro de estos). Las diferencias se miden en términos de varianza (medida de dispersión o variabilidad alrededor de la media).

Se diseña un experimento con el fin de comprobar si el uso de tres métodos de enseñanza produce resultados diferentes que son estadísticamente significativos en el rendimiento de una cierta asignatura.

Sean tres grupos de estudiantes seleccionados al azar, con las puntuaciones obtenidas después de que cada uno de ellos fue enseñado por el método que se índica:

Método Lectura individualDe exposiciónDe discusión Tabla 1. Concentrado de datos inicial.

1. Hipótesis nula. H 0 : No hay diferencia entre los métodos de enseñanza. 2. Hipótesis alternativa: Hay diferencia en los tres métodos de enseñanza. 3. Nivel de significación: 0,05, con prueba de una cola. 4. Distribución de muestreo: distribución F. 5. Cálculo del estadístico F.

Método Lectura individualDe exposiciónDe discusión XX2X2 XX2X2 XX2X Tabla 2. Concentrado de valores con sumatorias y cuadrados. Sumatorias

Cálculos para el análisis de la varianza Fuentes de variación Suma de cuadrados Grados de libertad Estimación (mean square)F Entre gruposSCEgl entreSCE/gl entre =F SCD/gl dentro Dentro de los grupos SCDgl dentroSCD/gl dentro TOTALSCE + SCD gl entre + gl dentro

Se calcula, en primer lugar, la suma de cuadrados de las puntuaciones de los tres grupos, con la siguiente fórmula:

Utilizamos la misma fórmula anterior, pero ahora referida a cada uno de los tres grupos:

SCD 1 + SCD 2 + SCD 3 + SCD n = 27.75

Suma “entre” = Suma “Total” – Suma “Dentro” = STC – SCD =75.91 – = 47.16

grados de libertad para las diferentes sumas de cuadrados son: Suma total = n -1; (n = total de medidas) =12 – 1 =11

Suma dentro = k (n 1 – 1); Donde: k = número de grupos n 1 = tamaño de los grupos = (3) (4-1) = 9

Suma entre = k – 1 k = número de grupos =3 – 1 = 2

Estimación “entre” = Suma de cuadrados “entre” grupos Grados de libertad entre grupo =

Estimación “dentro” = Suma de cuadrados “dentro” de los grupos Grados de libertad dentro de los grupos =

Cálculos para el análisis de la varianza Fuentes de variación Suma de cuadrados Grados de libertad Estimación (mean square)F Entre gruposSCEgl entreSCE/gl entre =F SCD/gl dentro Dentro de los grupos SCDgl dentroSCD/gl dentro TOTALSCE + SCD gl entre + gl dentro

Cálculos para el análisis de la varianza Fuentes de variación Suma de cuadrados Grados de libertad Estimación (mean square) F Entre grupos = Dentro de los grupos TOTAL

Para tomar la decisión de rechazar la H 0 se realiza el siguiente procedimiento. En la tabla de F se localizan los valores de grados de libertad “entre grupos” y “dentro de los grupos” para el nivel de significación de 0.05 (5%).

gl entre = 2(columna) gl dentro = 9 (fila) F critica = 4.26

F calculada ≥ F critica

“Existen diferencias significativas entre los medios aritméticos de los tres grupos experimentales y podemos atribuirlas a las distintas eficacias de los métodos de enseñanza empleados”. “F(2,9)=7.58, <0.05”

Dixon, W., y Massey, F., (1970), Introducción al análisis estadístico, (2ª. ed.). México: McGraww-Hill. Hernández, R., Fernández-Collado, C., Baptista, P. (2006) Metodología de la investigación, (4ª. ed.). México: Mc Graw-Hill Interamericana. Pagano, R. (2006). Estadística para las ciencias del comportamiento, (7ª. ed.). México: Thomson. Ritchey, F. (2008). Estadítica para las ciencias sociales (2ª. ed.). México, McGraw Hill. Shaughnessy, J., Zechmeister, E., Zechmeister, J. (2007) Métodos de investigación en Psicología, (7ª. ed.). México: Mc Graw-Hill.