Pruebas Estadísticas

RM-ANOVA
En un diseño de medidas repetidas (RM-ANOVA) se evalúa el efecto de un factor sobre una

variable independiente medida en dos o más ocasiones para un mismo individuo o para varios
individuos que pertenecen a un mismo grupo (e.g., miembros de una misma familia).
El diseño de medidas repetidas utiliza los mismos sujetos con todas las condiciones de la
investigación, entre ellos el control.
Esto requiere un número menor de participantes y recursos y también disminuye los efectos de
la variación natural entre los individuos sobre los resultados. Los diseños de sujetos repetidos
se utilizan comúnmente en los estudios longitudinales, en el largo plazo, y en las pruebas
educativas en donde es importante asegurar que la variabilidad sea baja.
ANOVA
Análisis de la Varianza ( ANOVA ) es una fórmula estadística que se utiliza para comparar las
varianzas entre las medias (o el promedio) de diferentes grupos. Una variedad de contextos lo
utilizan para determinar si existe alguna diferencia entre las medias de los diferentes grupos.
el concepto de análisis de Varianza (ANOVA), que consiste en una agrupación de modelos

estadísticos y sus procedimientos asociados, donde la varianza está particionada en ciertos
componentes, debido a variables explicativas diversas. Si desglosamos sus siglas en inglés,
ANOVA significa: ANalysis Of VAriance(Análisis de la varianza).
Prueba de Tukey
es un procedimiento de comparación múltiple de un solo paso y una prueba estadística . Se

puede utilizar para encontrar medias que son significativamente diferentes entre sí.
compara todos los posibles pares de medias y se basa en una distribución de rango
estudentizada ( q ) (esta distribución es similar a la distribución de t de la prueba t
La prueba de Tukey compara las medias de cada tratamiento con las medias de cualquier otro
tratamiento; es decir, se aplica simultáneamente al conjunto de todas las comparaciones por
pares e identifica cualquier diferencia entre dos medias que sea mayor que el error estándar
esperado .
El método de Tukey se utiliza en ANOVA para crear intervalos de confianza para todas las
diferencias en parejas entre las medias de los niveles de los factores mientras controla la tasa
de error por familia en un nivel especificado.
La prueba de Tukey es un método que tiene como fin comparar las medias individuales
provenientes de un análisis de varianza de varias muestras sometidas a tratamientos distintos.
El test, presentado en el año 1949 por John.W. Tukey, permite discernir si los resultados
obtenidos son significativamente diferentes o no. Se le conoce también como la prueba de
diferencia honestamente significativa de Tukey
En los experimentos donde se compara entre tres o más tratamientos diferentes aplicados a
igual número de muestras, se requiere discernir si los resultados son significativamente
distintos o no.
T de Student
es una distribución de probabilidad que surge del problema de estimar la media de una
población normalmente distribuida cuando el tamaño de la muestra es pequeño y la desviación
estándar poblacional es desconocida.
Se utiliza para la determinación de las diferencias entre dos varianzas muestrales y para la
construcción del intervalo de confianza para la diferencia entre las partes de dos poblaciones
cuando se desconoce la desviación típica de una población y esta debe ser estimada a partir
de los datos de una muestra.
Prueba de significación (valor p)
Este método calcula el valor p (p value) o probabilidad de que se presente un valor

estadístico más alejado de la H, que el observado. Cuanto más pequeño es p, menos
verosímil es la H.
Recuerde La verosimilitud de la H disminuye si el valor p es pequeño.
El valor p (Figura 2.1) puede interpretarse como “cuán inverosímil es el resultado
observado si H fuera cierta” o “hasta qué punto resultados como el observado (o más
extremos) son probabilísticamente compatibles con H”. Lo que suele interpretarse como
que hay “suficiente evidencia o pruebas en contra de H” para negarla, lo que suele
resumirse con un “el resultado es estadísticamente significativo”.
Recuerde Si p es muy pequeño, hay evidencias “estadísticamente significativas” en
contra de H.
Un valor p simplemente le dice la solidez de la evidencia en apoyo de una hipótesis nula. Si el
valor p es menor que el nivel de significancia, rechazamos la hipótesis nula.
Entonces, cuando obtenga un valor p de 0.000, debe compararlo con el nivel de significancia.
Los niveles de significancia comunes incluyen 0.1, 0.05 y 0.01. Dado que 0,000 es menor que
todos estos niveles de significancia, rechazaríamos la hipótesis nula en cada caso
se define como la probabilidad de que un valor estadístico calculado sea posible dada una
hipótesis nula cierta. En términos simples, el valor p ayuda a diferenciar resultados que son
producto del azar del muestreo, de resultados que son estadísticamente significativos.
Si el valor p cumple con la condición de ser menor que un nivel de significancia impuesto
arbitrariamente, este se considera como un resultado estadísticamente significativo y, por lo
tanto, permite rechazar la hipótesis nula.
Es fundamental reforzar que el valor p está basado en la presunción de que una hipótesis nula
(o hipótesis de partida) es cierta. El valor p es por tanto una medida de significación estadística.

Pruebas Estadísticas

Cargado por

Copyright:

Formatos disponibles

Pruebas Estadísticas

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pruebas Estadísticas

Cargado por

Copyright:

Formatos disponibles

RM-ANOVA

En un diseño de medidas repetidas (RM-ANOVA) se evalúa el efecto de un factor sobre una

el concepto de análisis de Varianza (ANOVA), que consiste en una agrupación de modelos

es un procedimiento de comparación múltiple de un solo paso y una prueba estadística . Se

Prueba de significación (valor p)

Este método calcula el valor p (p value) o probabilidad de que se presente un valor

También podría gustarte