Pruebas Estadísticas
Pruebas Estadísticas
Pruebas Estadísticas
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.
Prueba de Tukey
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.
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.