PRUEBAS PARAMETRICAS Y NO PARAMETRICAS. Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico., María José Rubio.

Slides:



Advertisements
Presentaciones similares
ANOVA Análisis de Varianza: Simple Doble Factorial.
Advertisements

PRINCIPIOS DE ESTADÍSTICAS INFERENCIALES PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS.
Ejemplos de  2 y prueba de contingencia Queremos saber: 1.- Si la diferencia entre los parentales en cuanto al color de la flor se debe a un solo gen.
ESTADÍSTICA II Ing. Danmelys Perozo MSc. Blog:
MEDIDAS DE DISPERSIÓN Y DATOS AGRUPADOS.. MEDIDAS DE DISPERSIÓN Y DATOS AGRUPADOS  ¿Qué son las medidas de dispersión?  Parámetros estadísticos que.
PRUEBAS NO PARAMETRICAS SEGÚN SHAPPIRO- WILK. ■ En estadística, de Shapiro–Wilk se usa para contrastar la normalidad de un conjunto de datos. Se plantea.
Bioestadística Distribuciones muestrales para variables cuantitativas.
PRUEBA DE HIPÓTESIS. 1. Una prueba de hipótesis consiste en contrastar dos hipótesis estadísticas. Tal contraste involucra la toma de decisión acerca.
1 Pronósticos, Series de Tiempo y Regresión Capítulo 3: Regresión Lineal Simple.
Recordatorio Estadística Paramétrica Se basa en el conocimiento que los datos presentan una distribución estadística conocida y cada distribución tiene.
1  Las medidas de dispersión miden la variabilidad de los datos con relación a una medida de tendencia central.  Las medidas descriptivas más comunes.
1 Ejemplo Consideremos los datos de un estudio donde se les mide la talla en centímetros a 20 jugadores del equipo Nacional de Handbol de EE. UU. seleccionados.
Valor que toma la variable aleatoria
Capitulo 3 Análisis descriptivo inferencial: comparaciones de muestras
DISTRIBUCION F DE FISHER.
PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS
DISEÑOS EXPERIMENTALES
puede o no ser verdadero, relativo a una o más poblaciones.
AprendaEstadistica.com Análisis de varianza para un factor Problema
7.1 Procedimientos paramétricos para datos cuantitativos
Estadística II Prueba de hipótesis considerando
Análisis de varianza Paramétricos vs. No Paramétricos
ESTADÍSTICA II Ing. Danmelys Perozo MSc.
INFERENCIA ESTADÍSTICA PARA DOS POBLACIONES
ANALISIS UNILATERAL DE LA VARIANZA POR JERARQUIAS DE KRUSKAL- WALLIS
Tamaño de la muestra.
CHI CUADRADO  2 OBJETIVOS –Describir situaciones donde es adecuado la utilización de la prueba de Chi Cuadrado (  2 ) –Formular Hipótesis para diferentes.
¿Cuándo usar esta distribución?
ANALISIS DE LA VARIANZA PROF. GERARDO A. VALDERRAMA M.
ESCUELA PROFESIONAL CIENCIA POLITICA Y GOBIERNO
Procedimientos paramétricos
 ANALISIS DE DATOS CUANTITATIVOS Se efectúa con: Programas computacionales de análisis estadístico CAPITULO 10 Paola Pérez Montiel.
PRUEBAS DE HIPOTESIS CAPITULO 8 METODOLOGIA DE LA INVESTIGACION INGENIERIA INDUSTRIAL DAVID STEVEN SUAZA OMAR.
REGRESÍON LINEAL SIMPLE
Estimación de parámetros: Estimación puntual y por intervalos
¿Son nuestros resultados suficientemente confiables para dar soporte a nuestra hipótesis? ¿Podemos rechazar la hipótesis nula?
Análisis of varianza (ANOVA) De un factor o unidireccional
UNIDAD CURRICULAR: ESTADÍSTICA II
“Formulación de Hipótesis Estadística”
COMPARACION DE MEDIAS Para comparar media utilizando la prueba T hay Ttres opciones diferentes utilizando contrastes de hipotesis sobre : PARA UNA MUESTRA.
Tamaño de muestra Ecología Marina. Una población se define como un conjunto de individuos de una especie que habita un área determinada. Los métodos disponibles.
Análisis descriptivo A.F.C. Naturaleza de las variables VARIABLES ESCALARES (CUANTITATIVAS) CONTINUAS T°: 36.5°C Utiliza decimales DISCRETAS 1 SUJETO.
Capítulo 10 Test de Hipótesis Capítulo 10 Test de Hipótesis.
Ensayo de Rendimiento DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES.
Curso de Bioestadística Parte 11 Comparación de dos proporciones Dr. en C. Nicolás Padilla Raygoza Departamento de Enfermería y Obstetricia División Ciencias.
ANALISIS DE VARIANZA
DISEÑO Y ANALISIS DE EXPERIMENTOS
DISEÑO Y ANALISIS DE EXPERIMENTOS
PARA LA REGRESIÓN LINEAL SIMPLE
INTRODUCCION A LOS CONTRASTES BASADOS EN RANGOS
UNIVERSIDAD DE LOS ANDES CENTRO DE INVESTIGACIONES PSICOLÓGICAS
Regresión Lineal Simple
Intervalos de confianza Muestras pequeñas
URBINA GUADARRAMA GILBERTO MORENO CONTRERAS TANGANXOAN ZUANGUA
Distribución chi-cuadrado Distribución F de Fisher-Snedecor
Contraste de hipótesis
Contraste de hipótesis Comparación de más de 3 grupos Kruskal-Wallis
INFERENCIA ESTADISTICA
COMPARACION DE DOS MEDIAS (POBLACIONES O PROCESOS)
ESTADISTICOS Y DISTRIBUCIONES MUESTRALES
ANÁLISIS DE VARIANZA(ANOVA) AULA:33 INTEGRANTES: JUAN CHAUCA ALEXIS JARAMILLO JEFFERSON LLANGARI KATHY ULLOA UNIVERSIDAD CENTRAL DEL ECUADOR FACULTAD DE.
Comparación de medias para datos relacionados
Tamaño de muestra.
PRUEBAS ESTADISTICAS NO PARAMETRICAS. Pruebas tradicionales Necesitan la especificación de una distribución Son métodos robustos para las distribuciones.
TRATAMIENTO Y EVALUACION DE RESULTADOS ANALITICOS 1.Conceptos generales sobre la medida. Tipos de errores, concepto, componentes, corrección. Distribución.
1 Afectados de cierto grado de INCERTIDUMBRE SIEMPRE HAY UN ERROR EN SU MEDIDA ESTABLECER LA FIABILIDAD DE LOS DATOS ¿Podemos evaluar la magnitud del error.
DISEÑO Y ANALISIS DE EXPERIMENTOS
ESTADÍSTICA APLICADA  ZEUS DE JESÚS RODRÍGUEZ BUDA  GABRIELA MÁRQUEZ TORRES  MARÍA ENRIQUETA GIL CÓRDOVA  ELIÁN ANTONIO GONZALEZ GARCÍA  CRISTELL.
PRUEBA DE HIPOTESIS ESTADISTICA
Transcripción de la presentación:

PRUEBAS PARAMETRICAS Y NO PARAMETRICAS

Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico., María José Rubio Hurtado y Vanesa Berlanga Silvente, revista de inovacion, publicación: 04,

PRUEBAS PARAMETRICAS Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico., María José Rubio Hurtado y Vanesa Berlanga Silvente, revista de inovacion, publicación: 04,

SELECCIÓN DE LA MUESTRA Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico., María José Rubio Hurtado y Vanesa Berlanga Silvente, revista de inovacion, publicación: 04,

TIPOS DE PRUEBAS PARAMÉTRICAS Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico., María José Rubio Hurtado y Vanesa Berlanga Silvente, revista de inovacion, publicación: 04,

T DE STUDENT

Distribucion de probabilidad t de student

PASOS

Análisis de la varianza ANOVA nos va a servir no solo para estudiar las dispersiones o varianzas de los grupos, sino para estudiar sus medias y la posibilidad de crear subconjuntos de grupos con medias iguales Hipótesis nula (H o ): µ 1 = µ 2 =…= µ k Dicho de otro modo, los grupos proceden de poblaciones con medias iguales. Hipótesis alternativa (H 1 ): al menos uno de los grupos tiene una media distinta del resto de grupos Hipótesis alternativa (H 1 ): al menos uno de los grupos tiene una media distinta del resto de grupos

Se desean comparar las medias del índice de masa corporal (IMC) en un grupo de pacientes con EPOC, clasificados en función de su gravedad mediante su volumen espiratorio forzado en el primer segundo (FEV 1 ) obtenido por espirometría. Estos pacientes fueron clasificados como leves, moderados, graves y muy graves. Tabla I. Descriptivos del IMC por grupos de gravedad de EPOC.

La variabilidad o varianza total que podemos tener en nuestros datos se puede descomponer a su vez en: –Varianza entre grupos. Mide la variabilidad entre las medias de cada grupo respecto a la media total de todas las observaciones. Denominada también como variabilidad o varianza inter-grupos. –Varianza dentro de los grupos. Mide la variabilidad de cada observación respecto a la media de su grupo. Podemos encontrarla bajo el nombre de residual, error o varianza intra-grupos. Tabla II. Tabla ANOVA. gl: Grados de libertad; F: Estadístico F de Fisher-Snedecor.

En nuestro ejemplo en el que comparamos el IMC entre los distintos grupos de gravedad de EPOC, (Tabla III) adecuado para varianzas iguales,. Al tener cuatro grupos, tenemos 6 posibles comparaciones, siendo significativas después de ajustar la p, las comparaciones entre las medias de los grupos Moderado con Grave y Moderado con Muy grave. La diferencia de medias es significativa al nivel 0,05. EEDM: Error estándar de la diferencia de medias. IC: intervalo de confianza