Métodos basados en la TRI 1. Se trata de ver si las CCIs coinciden (no DIF) o no (sí DIF). 2. Algunas estrategias: - Obtener el área entre curvas - Ajuste.

Slides:



Advertisements
Presentaciones similares
DISEÑO DE EXPERIMENTOS EXPERIMENTOS DE COMPARACIÓN SIMPLE
Advertisements

PRACTICAS SOBRE LA MODELIZACIÓN DE SERIES TEMPORALES
Tema 16: Contraste paramétrico de hipótesis I: Pruebas de contraste para un grupo. Pruebas de contraste para dos grupos: independientes o relacionados.
Tema 15. Contraste de hipótesis: Planteamiento de las hipótesis
Tema 22: Análisis de tablas de contingencia Prueba c2 como medida de asociación y como prueba de contraste. Coeficientes derivados de c2. Interpretación.
Tema 20: Contrastes para datos categóricos Pruebas de contraste para una proporción. Pruebas de contraste para dos proporciones relacionadas y no relacionadas.
Tema 18: Contraste paramétrico de hipótesis III: Pruebas para contrastar correlaciones y diferencias de correlaciones. Contraste de los coeficientes.
FRANCISCO MARÍN HERRADA
Inferencia estadística
Modelos de Variable Dependiente Binaria -Logit y Probit-
PRUEBA DE HIPOTESIS Denominada también prueba de significación, tiene como objetivo principal evaluar suposiciones o afirmaciones acerca de los valores.
Pruebas de hipótesis.
Contraste de Hipótesis
Capítulo 10 Test de Hipótesis.
Estadística Teórica II
Selección del modelo adecuado
PRUEBAS DE HIPOTESIS HIPOTESIS
METODOLOGÍA DE INVESTIGACIÓN Titular: Agustín Salvia
Tests de permutaciones y tests de aleatorización
Estadística Computacional Prof. Miguel González Velasco
ANOVA Modelo I: Comparación entre medias
COEFICIENTE DE CORRELACIÓN PRODUCTO-MOMENTO DE PEARSON
Prueba de hipótesis Equivalencia entre la prueba de hipótesis y los intervalos de confianza Valor de probabilidad Valor de probabilidad unilateral Prueba.
TECNICAS DE EVALUACIÓN DE ALGORITMOS DE APRENDIZAJE
Inferencia Estadística
Unidad VI: PRUEBAS DE HIPOTESIS
@ Angel Prieto BenitoMatemáticas 2º Bachillerato CS1 TIPOS DE ERRORES Tema 14.4 * 2º BCS.
1 Planteamiento del problema ¿Tenemos los humanos la capacidad de percibir si nos miran desde atrás? O, más exactamente: ¿Es defendible que existen otras.
Órigenes:. Estandarización Se basa en la diferencia entre la probabilidad de acierto en uno y otro grupo. El indicador, DPE, diferencia en proporciones.
MODELOS DE ELECCIÓN BINARIA: ANÁLISIS LOGIT
Curso de Bioestadística. ANOVA
Tema 17: Contraste paramétrico de hipótesis I: Pruebas de contraste para un grupo. Pruebas de contraste para dos grupos: independientes o relacionados.
Estadístico Mantel-Haenszel Estadístico utilizado para determinar cuando dos variables (grupo y acierto) son independientes cuando se condiciona a una.
Tema 7: Introducción a los contrastes de hipótesis
Fundamentos del contraste de hipótesis
Estadística aplicada a la educación
Tema : Introducción a los contrastes de hipótesis
Teoría frecuentista del contraste de hipótesis
Curso de Bioestadística. ANOVA
Métodos de calibración: regresión y correlación
Clase 4a Significancia Estadística y Prueba Z
ESTIMACIÓN ESTADÍSTICA POR INTERVALO DE CONFIANZA
Resumen Contrastes No Paramétricos. Bondad de Ajuste.
Herramientas básicas.
TAMAÑO MINIMO DE MUESTRA PARA COMPARACIONES DE PROMEDIOS Mario Briones L. MV, MSc 2005.
Tema: Pruebas de hipótesis
Tema 5: Contrastes de Hipótesis no-paramétricos
Eva Medina Moral Profesora Economía Aplicada (UAM) Febrero 2007
METODOLOGÍA DE INVESTIGACIÓN SOCIAL Titular: Agustín Salvia MÓDULO 1: INVARIANTES Y COMPONENTES DEL PROCESO DE INVESTIGACIÓN SEMINARIO DE POSGRADO.
COMPARACION DE MEDIAS Para comparar media utilizando la prueba T hay Ttres opciones diferentes utilizando contrastes de hipotesis sobre : PARA UNA MUESTRA.
Pruebas de hipótesis.
Pruebas no paramétricas
Si comparamos este intervalo con (10.5), vemos que el intervalo de confianza para la Y 0 individual es más amplio que el intervalo para el valor medio.
Bioestadística. U. Málaga. Tema 4: Variables numéricas en 2 grupos 1 Bioestadística Tema 4: Numéricas en dos grupos.
Clase 6 Hipótesis de diferencias de grupos
PRUEBAS DE HIPÓTESIS Prof. Joan Calventus S.
Pruebas Ji Cuadrado ©1998 Pedro Juan Rodríguez Esquerdo Departamento de Matemáticas Recinto de Río Piedras Universidad de Puerto Rico.
CISO 3155: Capítulo 91 Evaluando los promedios de dos grupos distintos Capítulo 9.
Curso de Estadística a Distancia El Profesor se va por las ramas… Los alumnos parecen ausentes…
CONTRASTE DE HIPÓTESIS Dimensiones Largo275mm. 169 mm 2 Ancho175mm.49 mm 2 Alto175mm.49 mm 2 Peso16 Kg.1 Kg 2. SITUACIÓN PROBLEMA.
Pruebas paramétricas y no paramétricas
(niveles o categorías)
UNIDAD I.- Analisis 3.4 Prueba de Hipotesis.
Tema 18: Procesamiento de la información y Análisis de resultados Docente Lic. Elva Villar Garnica.
1 REGRESIÓN CON VARIABLES DICOTÓMICAS TEMA 1 (CONTINUACIÓN)
DIFERENCIAS DE LAS TEORIAS DE LOS TEST TCT Y TRI
JULIETH MARCELA CORTES UNIVERSIDAD COOPERATIVA DE COLOMBIA
4. Métodos psicofísicos de medida en clínica
ANALISIS DE VARIANZA.
Evaluando los promedios de grupos distintos UNIDAD 7 1.
Transcripción de la presentación:

Métodos basados en la TRI 1. Se trata de ver si las CCIs coinciden (no DIF) o no (sí DIF). 2. Algunas estrategias: - Obtener el área entre curvas - Ajuste de modelos - Medidas de discrepancias entre curvas 1

2 Métodos de TRI Comparación del Ajuste de modelos L k = Verosimilitud del modelo k Cuanto más probables son los datos dados unos parámetros, mayor la verosimilitud Modelos más complejos tienen mayor verosimilitud. L 1 = Verosimilitud del modelo más complejo L 0 = Verosimilitud del modelo más parsimonioso

Métodos de TRI Comparación del Ajuste de modelos Método propuesto por Thissen (2001) Pone a prueba si los parámetros de un ítem son o no iguales en los dos grupos. Se basa en la razón de verosimilitudes (likelihood ratio): L 1 = Verosimilitud del modelo más complejo (completo) L 0 = Verosimilitud del modelo más parsimonioso (reducido) 3 p parámetros diferentes a través de los grupos Todos los parámetros iguales

4 GR(2) GF(1) Grupo Focal G a b a b med DT 1 All equal All equal a equal b equal All equal a equal b equal All equal All equal All equal All equal All equal All equal All equal All equal All equal All equal All equal All equal All equal a equal b equal All equal All equal a equal b equal All equal a equal b equal All equal a equal b equal

Modelos comparados Contraste All equal: Modelo 0: en el que a y b son iguales en los dos grupos en todos los ítems. Modelo 1: en el que a y b son iguales en los dos grupos en todos los ítems, exceptuando los parámetros a y b del ítem que se estudia. Por ejemplo, para el ítem 3 se contrasta la diferencia entre asumir parámetros a (2.17) y b (2.01) en los dos grupos (Modelo 0) y asumir que en el ítem 3 difieren los parámetros a y b de la siguiente manera: GR GF G a b a b med DT 3 All equal a equal b equal

Criterio para mostrar los contrastes Si el test All equal es mayor que 3.84… entonces muestra los contrastes a equal y b equal. Si el test All equal es menor que 3.84 entonces los contrastes a equal y b equal no pueden ser estadísticamente significativos. 6

Modelos comparados Contrastes a equal: Modelo 0: en el que a y b son iguales en los dos grupos en todos los ítems, exceptuando los parámetros b del ítem que se estudia. Modelo 1: en el que a y b son iguales en los dos grupos en todos los ítems, exceptuando los parámetros a y b del ítem que se estudia. 7 GR GF G a b a b med DT 3 All equal a equal b equal

Modelos comparados Contrastes b equal (solo tiene sentido si se mantiene la H 0 en el contraste a equal): Modelo 0: en el que a y b son iguales en los dos grupos en todos los ítems. Modelo 1: en el que a y b son iguales en los dos grupos en todos los ítems, exceptuando los parámetros b del ítem que se estudia. 8 GR GF G a b a b med DT 3 All equal a equal b equal

En el caso del modelo L2P (o RG), pone a prueba las siguientes H 0 -No dif (a y b iguales en los dos grupos). Si se rechaza esta hipótesis nula: -Igual “a” en ambos grupos, … -Iguales parámetros “b” (asumiendo igual “a”) - Posibles situaciones: a b sig --- Difieren en “a” (el contraste sobre b no es interpretable porque asume a iguales) n.s. sigDifieren sólo en “b” n.s. n.s Sin sentido 9

10 GR(2) GF(1) Grupo Focal G a b a b med DT 1 All equal All equal a equal b equal All equal a equal b equal All equal All equal All equal All equal All equal All equal All equal All equal All equal All equal All equal All equal All equal a equal b equal All equal All equal a equal b equal All equal a equal b equal All equal a equal b equal

11 GR(2) GF(1) Grupo Focal G a b a b med DT 16 All equal a equal b equal All equal a equal b equal All equal a equal b equal All equal a equal b equal All equal All equal All equal All equal All equal All equal All equal All equal All equal All equal All equal All equal a equal b equal All equal All equal All equal All equal

MULTILOG 12 MULTILOG for Windows Created on: 21 April 2009, 14:45:10 >PROBLEM RANDOM, INDIVIDUAL, DATA = 'poslr.DAT', NITEMS = 40, NGROUPS = 2, NEXAMINEES = 1000; >TEST ALL, L2; >EQUAL AJ, ITEMS=(1(1)15,17), WITH=(21(1)35,37); >EQUAL BJ, ITEMS=(1(1)15,17), WITH=(21(1)35,37); >FIX MU,GR=2, VA=0; >FIX SD,GR=2, VA=1; >FIX SD,GR=1, VA=1.1; >SAVE; >END; N (I1,40A1)

13 PARAMETROS REALES 1 1.2, , , , , 2 6 1,-2 71,-1 81, 0 9 1, , , , , , 1 15,0.8, 2 16,0.8,-2,0.8, ,0.8,-1,0.8, ,0.8, 0,0.8, ,0.8, 1,0.4, 1 20,0.8, 2,0.4, 1.5

14