Está en la página 1de 10

ESTADISTICA APLICADA

TRABAJO : COLABORATIVO DE INFORME DIGITAL.

TEMA : GEOMETRA DESCRIPTIVA(Citas Biogrficas.)

PROFESOR : LEO MARTIN CHUMBE RODRIGUEZ

INTEGRANTE : ALFREDO SILVASHICA

PUCALLPA - 2017
PRUEBAS DE SIGNFICACIN ESTADSTICA

1) Asociacin estadstica entre 2 variables El objetivo es demostrar la asociacin

estadstica o no entre 2 variables observadas en una muestra.

Datos apareados: En una nica muestra se estudia si existe una diferencia

significativa en la variable resultado antes y despues de algn acontecimiento

relevante.

o Variable resultado cualitativa de 2 mas categoras: test de Mc Nemar

o Variable resultado cuantitativo: t-Student apareada.

o Variable resultado cuantitativa (varias medidas repetidas): ANOVA para

medidas repetidas.

VARIABLE 1 VARIABLE2 TEST HIPOTESIS

Dicotmica Dicotmica Chi-cuadrado

Test exacto de Fischer

Cualitativa Cualitativa Chi-cuadrado

(> 2 categorias) (>= 2 categorias)

Dicotmica Cuantitativa t-Student

Cualitativa Cuantitativa Analisis de Varianza


(> 2 categorias)

Cuantitativa Cuantitativa Coeficiente de correlacin

de Pearson

Regresin

2) Test no paramtricos: Son pruebas que no dependen de la distribucin de la variable

y no precisan condicin previa de normalidad. Estas pruebas no manejan los valores

cuantitativos que toma la variable en cuestin, sino nicamente sus rasgos. Son

pruebas de menor precisin que las paramtricas, por lo que solamente demostrarn

como significativas diferencias mayores. Por lo tanto, generalmente se prefiere

utilizar pruebas paramtricas (t-Student) y el uso de los test no paramtricos se

limita a estudios con tamaos muestrales menores de 30, en los que las poblaciones

no pueden ser consideradas como normales, o bien, cuando la variable represente

solamente una medida aproximada del carcter, sin una valoracin exacta. Si las

muestras son mayores de 30, n existe inconveniente em utilizar pruebas

paramtricas.

VARIABLE 1 VARIABLE2 TEST HIPOTESIS

Dicotmica independiente Cuantitativa (n<30) u U de Mann-Whitney

ordinal
Test de Wilconson

Dicotmica pareada o Cuantitativa (n<30) u Test de Wilconson

dependiente ordinal

Cualitativa Cuantitativa (n<30) u Test de Kruskal-Wallis

ordinal
(> 2 categorias)

Cualitativa pareada Cuantitativa (n<30) u Test de Friedman

ordinal
(> 2 categorias)

Ordinal Ordinal Rho de Spearman

Tau de Kendall

3) Anlisis multivariante: Son un conjunto de test estadsticos que se aplican cuando se

intenta establecer la asociacin estadstica entre 3 o ms variables.

MTODOS PARAMTRICOS PARA LA COMPARACIN DE DOS MEDIAS. T

DE STUDENT

T-STUDENT PARA 2 MUESTRAS INDEPENDIENTES


Uno de los anlisis estadsticos ms comunes en la prctica es probablemente el

utilizado para comparar dos grupos independientes de observaciones con respecto a una

variable numrica.

La aplicacin de un contraste paramtrico requiere la normalidad de las

observaciones para cada uno de los grupos. La comprobacin de esta hiptesis puede

realizarse tanto por mtodos grficos (por medio de histogramas, diagramas de cajas o

grficos de normalidad) como mediante tests estadsticos. Un nmero suficiente de

observaciones (mayor de 30) justifica la utilizacin del mismo test.

As mismo, este tipo de metodologa exigir que la varianza en ambos grupos de

observaciones sea la misma. En primer lugar se desarrollar el test t de Student para el caso

en el que se verifiquen ambas condiciones, discutiendo posteriormente el modo de abordar

formalmente el caso en el que las varianzas no sean similares.

Bajo las hiptesis de normalidad e igual varianza la comparacin de ambos grupos

puede realizarse en trminos de un nico parmetro como el valor medio.

El t test para dos muestras independientes se basa en el estadstico:

(1)

donde e denotan el valor medio en cada uno de los grupos.


Si la hiptesis de partida es cierta el estadstico (1) seguir una distribucin t de

Student con (n+m-2 grados de libertad). De ser as, el valor obtenido debera estar dentro

del rango de mayor probabilidad segn esta distribucin.

Usualmente se toma como referencia el rango de datos en el que se concentra el

95% de la probabilidad. El valor-p que usualmente reportan la mayora de paquetes

estadsticos no es ms que la probabilidad de obtener, segn esa distribucin, un dato ms

extremo que el que proporciona el test. Como ya se dijo, refleja tambin la probabilidad de

obtener los datos observados si fuese cierta la hiptesis inicial. Si el valor-p es muy

pequeo (usualmente se considera p<0.05) es poco probable que se cumpla la hiptesis de

partida y se debera de rechazar. La regin de aceptacin corresponde por lo tanto a los

valores centrales de la distribucin para los que p>0.05.

En la siguiente tabla se determina los grados de libertad (en la primera columna) y

el valor de (en la primera fila). El nmero que determina su interseccin es el valor crtico

correspondiente. De este modo, si el estadstico que se obtiene toma un valor mayor se dir

que la diferencia es significativa.


Otro modo de obtener esta misma informacin es mediante el clculo de intervalos

de confianza para la diferencia de la respuesta media en ambos grupos. A mayores, el

intervalo de confianza constituye una medida de la incertidumbre con la que se estima esa

diferencia a partir de la muestra, permitiendo valorar tanto la significacin estadstica como

la magnitud clnica de esa diferencia.

A medida que el tamao muestral aumenta, la distribucin del estadstico (1) se hace

ms prxima a la de una variable Normal estndar. De este modo, en algunos textos se opta

por utilizar esta distribucin para realizar la comparacin de medias. Aunque esta

aproximacin es correcta para muestras suficientemente grandes, ambos mtodos

proporcionan en este caso resultados prcticamente idnticos, por lo que resulta ms simple

utilizar, independientemente del tamao de la muestra, la misma metodologa a partir de la

distribucin t. El mismo planteamiento podra utilizarse en el caso de varianzas distintas o

de muestras apareadas.

DOS MUESTRAS INDEPENDIENTES CON VARIANZA DISTINTA

El caso en el que se dispone de dos grupos de observaciones independientes con

diferentes varianzas, la distribucin de los datos en cada grupo no puede compararse

nicamente en trminos de su valor medio. Obviamente, el primer problema a resolver es el

de encontrar un mtodo estadstico que nos permita decidir si la varianza en ambos grupos

es o no la misma. El test de la razn de varianzas viene a resolver este problema. Bajo la

suposicin de que las dos poblaciones siguen una distribucin normal y tienen igual

varianza se espera que la razn de varianzas:


siga una distribucin F de Snedecor con parmetros (n-1) y (m-1).

En este tipo de situaciones, donde no se debe aplicar el contraste basado en (1),

podemos utilizar una modificacin del test para el caso de varianzas desiguales, conocido

como el test de Welch basada en el estadstico:

que, bajo la hiptesis nula seguir una distribucin t de Student con un nmero f de grados

de libertad que depender de las varianzas muestrales segn la expresin:

La tcnica para realizar el contraste es anloga a la vista anteriormente cuando las

varianzas son desconocidas e iguales. Al igual que en el caso anterior, podr optarse por

calcular el correspondiente 95% intervalo de confianza para la diferencia de medias dado

por:
DOS MUESTRAS DEPENDIENTES

Ya se ha comentado que cuando se trata de comparar dos grupos de observaciones,

es importante distinguir el caso en el que son independientes de aquel en el que los datos

estn apareados. Las series dependientes surgen normalmente cuando se evala un mismo

dato ms de una vez en cada sujeto de la muestra. Tambin se puede encontrar este tipo de

observaciones en estudios de casos y controles donde cada caso se aparea individualmente

con un control. En este tipo de anlisis el inters no se centra en la variabilidad que puede

haber entre los individuos, sino en las diferencias que se observan en un mismo sujeto entre

un momento y otro. Por este motivo, resulta intuitivo trabajar con la diferencia de ambas

observaciones.

REFERENCIAS BIBLIOGRAFICAS

http://www.fcv.unlp.edu.ar/sitios- ctedras/2/material/Distribucion%20de%20Ji.pdf

http://www.scribd.com/doc/6703611/Ji-Cuadrado

http://www.naumkreiman.com.ar/test_ji_cuadrado.html

http://www.monografias.com/trabajos27/hipotesis/hipotesis.shtml

http://www.unmsm.edu.pe/educacion/postgrado/est_inf_aplicada.pdf

http://www.gastrocancerprev.com.mx/Documentos/MetodoINV/1%20_6_.pdf

http://www.fcv.unlp.edu.ar/sitios-catedras/2/material/Distribucion%20de%20Ji.pdf

http://www.eumed.net/libros/2006c/203/2r.htm