Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRUEBA H DE KRUSKAL-WALLIS
Para comparar varios grupos, pero usando la mediana de cada uno de ello,
en lugar de las medias
[ ]
k 2
12 Ri
W= ∑
nT ( nT +1 ) i=1 ni
−3 ( nT +1 )
Donde:
K=numero de poblaciones
TRATAMIENTO
1 2 3
17 8 2
20 7 5
35
RESULTADOS:
Rangos
Rango
GRUPO N promedio
TRATAMIE GRUPO 5 11,00
Estadísticos de pruebaa,b
NTO 1
TRATAMIEN
GRUPO 4 6,50
TO
2
H de Kruskal- 10,711
GRUPO 4 2,50
Wallis
3
gl 2
Total 13
Sig. asintótica ,005
a. Prueba de Kruskal Wallis
b. Variable de agrupación:
GRUPO
HIPOTESIS NULA: el crecimiento de las plantas después de 30 días con
los tres tipos tratamientos no son diferentes
HIPOTESIS ALTERNA: el crecimiento de las planta después de 30 días
con los tres tipos de tratamientos son diferentes.
P-valor: 0.005 =0.5%
Con una probabilidad de error del 0.5 % aceptamos la Hipótesis Alterna.
CONCLUSION: Se concluye que el crecimiento de las plantas después de
30 días son diferentes, como también se observa en el cuadro de kruskal
wallis que el tratamiento 1 es el más efectivo.
PPRUEBA DE ANCOVA
EL ANALISIS DE LA COVARIANZA
RESUMIDAMENTE
Interpretamos ancova de la siguiente manera:
En el análisis de varianza las variables independientes con las que se trabaja
son de naturaleza cualitativa, nominal o categórica y sus modalidades (que se
asocian con los distintos grupos del diseño) se denominan efectos o
tratamientos. Las variables independientes incluidas en los diseños de análisis
de varianza reciben el nombre de «factores».
TIPOS DE VARIABLE
En el Análisis de la Covarianza:
- Estadísticos descriptivos.
- Pruebas de
homogeneidad.
RESULTADOS:
HIPOTESIS
H0: Los resultados de las calificaciones del inglés final varían en los grupos de
TIC y Tradicional con respecto al inglés inicial.
HA: Los resultados de las calificaciones del inglés final no varían en los grupos
de TIC y tradicional con respecto al inglés inicial.
Valor p=0.096=9.6%
DECISIÓN
Con una probabilidad de error de 9.6% aceptamos HO.
CONCLUSION:
Los resultados obtenidos vemos claramente la diferencia en la utilización de
covarianza en los grupos de TIC y TRADICIONAL, es decir la corrección de las
medias para disminuir el error, lo cual implica la utilización de ancova.
PRUEBA DE MCNEMAR
Test de McNemar
Es una prueba estadística que permite identificar modificación en una variable
categórica dicotómica a través del tiempo, se realizan dos medidas una antes y
otra después, que hay en medio: manipulación experimento o un periodo de
observación estudio observacional.
¿Qué variable usa esta prueba?
Variable dicotómica, variable que pueden tomar dos posibles valores.
Para qué sirve:
Sirve para estudios experimentales y observacionales en cualquier caso se trata
de un estudio longitudinal porque tiene dos medidas.
Qué condiciones requiere:
- Datos seleccionados al azar
- Datos pareados
PROCEDIMIENTO SPSS:
PASO 1: Insertamos los datos en el SPSS. Después nos vamos a la opción
analizar /estadístico descriptivos y hacemos clic en tablas cruzadas.
Pruebas de chi-cuadrado
Significa
ción
Valor exacta
(bilateral
)
Prueba de
,001a
McNemar
N de casos
25
válidos
a. Distribución binomial utilizada.
HIPÓTESIS:
PRUEBA DE FRIEDMAN
La prueba de friedman es una prueba no paramétrica desarrollada por el
economista milton friedman. Equivalente a la prueba ANOVA para medidas
repetidas en la versión no paramétrica.
Esta prueba puede utilizarse en aquellas situaciones en las que se seleccionan n
grupos de k de elementos de forma que los elementos de cada grupo sean lo
más parecidos posible entre sí, el método consiste en ordenar los datos por filas
o bloques, reemplazándolos por su respectivo orden.
PROCEDIMIENTO SPSS:
RESULTADOS:
PRUEBA DE RACHAS
Esta prueba de rachas se basa en datos muéstrales que tienen dos
características y analiza rachas de esas características para determinar si las
rachas parecen ser el resultado de algún proceso aleatorio, o si las rachas
sugieren que el orden de los datos no es aleatorio.
Una racha es una secuencia de datos que tienen la misma característica, la
secuencia es precedida y seguida por datos con una característica diferente o
por ningún dato en absoluto.
REQUISITOS
Los datos muéstrales están acomodados de acuerdo con algún
esquema de orden, por ejemplo, el orden en el que se obtuvieron los
valores muéstrales.
Cada valor de los datos se puede categorizar en una de dos
categorías separadas.
CARACTERISTICAS
EJEMPLO
Se realiza un estudio sobre el tiempo en horas de un tipo determinado de escáner antes de la
primera avería. Se ha observado una muestra de 10 escáner y se ha anotado el tiempo de
funcionamiento en horas: 18.21; 2.36; 17.3; 16.6; 4.70; 3.63; 15.56; 7.35; 9.78; 14.69. Se puede
considerar aleatoriedad en la muestra.
PROCEDIMIENTO EN EL SPSS:
PASO 1: Colocamos los datos en el SPSS. Seguidamente nos vamos ala pestaña analisar/pruebas no
parametricas /cuadros de dialogo antiguos y por ultimo clic en rachas.
PASO 2:En el cuadro prueba de rachas pasamos la variable tiempo ala lista contrastar variables seleccionamos
mediana y aceptar. Y nos saldran los resultados:
INTERPRETACION DE RESULTADOS:
• Casos < Valor de prueba = 5: De los 10 casos, 5 de ellos tienen valores menores que la mediana. Los
consideramos los casos negativos.
• Casos > Valor de prueba = 5: De los 10 casos, 5 de ellos tienen valores mayores que la mediana. Los
consideramos los casos positivos.
• Número de rachas = 7: Una racha se define como unas secuencias de casos al mismo lado del punto
de corte (sucesión de símbolos idénticos consecutivos).
• Sig. Asintót (bilateral) = 0.737: El p-valor o nivel crítico del contraste, que nos indica que no se debe
rechazar la hipótesis de aleatoriedad.
HIPOTESIS:
P valor: 73%
CONCLUSION:
Con una probabilidad de error del 73% aceptamos la hipótesis nula. Y concluimos que si se puede considerar
aleatoriedad en la muestra.