Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MARCOS
F8ACULTAD DE PSICOLOGIA
2 0 1 9
Proceso de análisis
Wright (2003).
Recomendaciones
Utilizar estrategias gráficas para aproximarse a los datos
como es el análisis exploratorio de datos (AED).
Wright (2003).
No debe reportarse p < .05 como significativo,
sino como estadísticamente significativo.
Wright (2003).
Algunas ideas sobre el análisis de datos
12
Kelley y Preacher (2012) indican que el tamaño del efecto
es una reflexión cuantitativa de la magnitud de algún
fenómeno que se usa para abordar un aspecto de
interés.
Se debe considerar que la estimación del tamaño del
efecto es un estadístico, mientras el tamaño del efecto
de la población es un parámetro.
Kelley y Preacher (2012) describen las facetas del tamaño
del efecto en correspondencia a cómo son usados.
La primera faceta hace referencia a la dimensión del
tamaño del efecto es decir el tipo de información de
interés.
La segunda a la operacionalización del tamaño del efecto
por medio de una ecuación,
La tercera, al valor particular del tamaño del efecto.
13
Faceta 1:
La dimensión del tamaño del efecto
Alude la abstracción de una cualidad cuantificable en una
alternativa generalizable que no tiene una unidad en
particular.
Por ejemplo, la variabilidad, que puede ser
operacionalizada en unidades de varianza, desviación
estándar, rango, etc. Pero la dimensión del tamaño de
la variabilidad no tiene una unidad específica, es una
abstracción relacionada al grado en que los valores
difieren, la variabilidad será así una cantidad a ser
cuantificable, y por lo tanto orientada al tipo de
información de interés.
14
Faceta 2:
La medida del tamaño del efecto
Hace referencia a la ecuación que define una particular
implementación del tamaño del efecto según una
determinada dimensión de interés
.
Por ejemplo, una medida usada para operacionalizar la
dimensión del tamaño del efecto para una diferencia
estandarizada de medias se puede definir como (M1 –
M2)/DEagrupado. Donde el Mj denota la media del j-
ésimo grupo (j = 1,2) y DEagrupado es la raíz cuadrada
del estimador insesgado de la varianza entre los
grupos.
15
Faceta 3:
El valor del tamaño del efecto
Cuando se aplica una medida del tamaño del efecto a un
conjunto de datos se obtiene un número al que se
denomina valor del tamaño del efecto.
El valor del tamaño del efecto es literalmente la magnitud
de algún fenómeno obtenido a partir de los datos,
estadísticos o parámetros.
Por ejemplo, el valor obtenido para la medida del tamaño
del efecto “diferencia estandarizada de medias”, la que
operacionaliza la “distancia entre dos medias
grupales”, en un estudio puede ser d = .70.
16
Cada una de las tres facetas del tamaño del efecto
(dimensión del tamaño del efecto, medida del
tamaño del efecto y valor del tamaño del
efecto) son referenciados de manera
simplificada como el tamaño del efecto en
diferentes contextos.
17
Tabla 1
Algunas medidas de tamaño del efecto usadas frecuentemente
Nulo 0.00 – 0.09 0.00 – 0.19 0.00 – 0.09 0.00 – 0.01 0.00 – 0.13 0.00 – 0.04
Pequeño 0.10 – 0.29 0.20 – 0.49 0.10 – 0.24 0.02 – 0.05 0.14 – 0.34 0.05 – 0.14
Mediano 0.30 – 0.49 0.50 – 0.79 0.25 – 0.39 0.06 – 0.13 0.35 – 0.64 0.15 – 0.24
Grande 0.50 – 1.00 0.80 a más 0.40 – 1.00 0.14 – 1.00 0.65 – 1.00 0.25 – 0.50
La potencia de una prueba
estadística (1-β)
La potencia de una prueba estadística o el poder
estadístico es la probabilidad de que la
hipótesis nula sea rechazada cuando la
hipótesis alternativa es verdadera (es decir, la
probabilidad de no cometer un error de Tipo II)
21
El análisis de la potencia se utilizar para:
a) Calcular el tamaño mínimo de la muestra
necesario para que uno pueda detectar
razonablemente un determinado tamaño del
efecto.
b) Calcular el tamaño del efecto mínimo que es
probable que se detecte en un estudio usando
un tamaño de muestra dado.
c) Realizar comparaciones entre diferentes
procedimientos de análisis estadísticos: por
ejemplo, entre uno paramétrico y una prueba
no paramétrica de la misma hipótesis.
22
Interpretación de la potencia
estadística
No existen normas formales para la potencia estadística, la
mayoría de los investigadores evalúan el poder de
sus pruebas con 1- β = 0.80 como un estándar para
la adecuación.
Esta convención implica un relación de cuatro a uno entre
la β riesgo y la α riesgo. β es la probabilidad de un
error de tipo II; α es la probabilidad de un error de tipo
I, 0.20 y 0.05 son valores convencionales para β y α).
Existen ocasiones en que esta ponderación de 4 a 1
es inapropiado.
23
Por ejemplo: En medicina, las pruebas son a
menudo diseñados de tal manera que no se
produzcan falsos negativos (errores de tipo
II). Pero esto plantea inevitablemente el
riesgo de obtener un falso positivo (un error
de tipo I). La razón es que es mejor decirle a
un paciente sano "es posible que hayamos
encontrado algo - vamos a probar más.", Que
decirle a un paciente enfermo "todo está bien"
25
En este contexto, se necesita una muestra
mucho más grande con el fin de reducir
el intervalo de confianza de la
estimación a un rango que sea
aceptable para los propósitos del
estudio.
26
Interpretación de la Potencia Estadística (1 - )
27
Pruebas Estadísticas Paramétricas
Hipótesis Estadística
He: W ≠ N
H0 : F(x) = N(,2)
H1 : F(x) ≠ N(,2)
33
ESTADISTICAS PARAMETRICAS
Prueba t de una
muestra
Una muestra
Prueba t de 2
muestras
independientes
Normalidad y Dos
otros supuestos muestras
Prueba t de 2
muestras
relacionadas
H 0 : 1 =
H1 : 1
H 0 : 1
H1 : 1
H 0 : 1
H1 : 1
Estadístico de contraste:
X −
t=
S
n
g.l. = n-1
El tamaño del efecto
38
◼
.d de Cohen Efecto
0.00 – 0.19 Mínimo
0.20 – 0.49 Pequeño
0.50 – 0.79 Mediano
0.80 – 2.00 Grande
40
2) Prueba t de dos muestras
independientes:
H 0 : 1 = 2
H1 : 1 2
H 0 : 1 2
H1 : 1 2
H 0 : 1 2
H1 : 1 2
Supuestos teóricos que se deben cumplir son:
He : V
M
Sistema de Hipótesis:
H :V =
0
M
H :
1
V M
Tamaño del efecto:
d de Cohen
Es el valor absoluto de la diferencia entre la media
observada de primer grupo y la media observada
del segundo grupo divididas entre la desviación
estándar conjunta de los 2 grupos.
44
◼
H 0 : 1 = 2
H1 : 1 2
H 0 : 1 2
H1 : 1 2
H 0 : 1 2
H1 : 1 2
Hipótesis Estadística:
H e
:
1 2
Sistema de Hipótesis:
H 0
: =
1 2
H :
1
1 2
Tamaño del efecto
48
49
4) Análisis de Varianza de un Factor
(ANOVA)
H0: j j = j’
H1: j j ≠ j’
j es el número de niveles distintos de la variable
independiente. Se les denomina también grupos o
tratamientos.
La hipótesis nula establece que todas las j medias son
iguales.
La hipótesis alterna establece que al menos una de las
j medias es distinta a las demás.
Supuestos del ANOVA
J: número de grupos
N : número total de observaciones
Una vez verificado que se cumplen los requisitos se
procede de la siguiente forma:
53
Si las varianzas son homogéneas, se aplica uno de los
siguientes análisis en el contraste a posteriori:
54
Si las varianzas no son homogéneas. se aplica
uno de los siguientes análisis en el contraste a
posteriori:
- Prueba de C de Dunnett.
- T2 de Tamhane.
- T3 de Dunnett.
55
Tamaño del efecto
Eta cuadrado (2)
Se utiliza para evaluar el tamaño del efecto del
ANOVA, debido a que hay una variable de
intervalo o razón medida y otra nominal
que forma los grupos.
Una muestra
U de Mann-Withney
No Dos
Normalidad muestras
Prueba de los Rangos
con signo de Wilcoxon
Prueba de Kruskal-
Tres o más muestras Wallis
PRUEBA BINOMIAL
Permite contrastar hipótesis sobre la comparación
de proporciones.
H0: p = p0
H1: p p0
H0: p ≤ p0
H1: p p0
H0: p ≥ p0
H1: p p0
La proporción propuesta se compara con la
probabilidad binomial de ocurrencia del
evento seleccionado.
61
Tamaño del efecto
Cohen g = po - 0.50
Donde:
Po = proporción más grande obtenida.
62
Para medir el tamaño del efecto, se aplica el tamaño del efecto de acuerdo a
la clasificación del g de Cohen.
.g de Cohen Clasificación
0.00 – 0.04 Nulo
0.05 – 0.14 Pequeño
0.15 – 0.24 Mediano
0.25 – 0.50 Grande
63
LA PRUEBA U DE MANN-WHITNEY
66
LA PRUEBA DE LOS RANGOS CON SIGNO
DE WILCOXON
La prueba W de Wilcoxon es una excelente
alternativa a la prueba t de student para
grupos relacionados. Se utiliza cuando :
H 0 : Mediana ( X 1 − X 2 ) 0
H 1 : Mediana ( X 1 − X 2 ) 0
H 0 : Mediana ( X 1 − X 2 ) 0
H 1 : Mediana ( X 1 − X 2 ) 0
CONDICIONES PARA LA APLICACIÓN DE LA
PRUEBA DE LOS RANGOS CON SIGNO DE
WILCOXON
70
ANALISIS DE VARIANZA POR RANGOS
DE KRUSKAL WALLIS
73
Contrastes a posteriori
Si la aplicación del análisis de varianza por
rangos de kruskall-Wallis indica que existen
diferencias estadísticas significativas por lo
menos entre dos grupos, se puede aplicar
contrastes a posteriori.
Se sugiere aplicar la prueba U de Mann-
Whitney entre todos los pares de grupos
74
Por ejemplo: