Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Escuela de Psicología
Curso: PSI2301
Ayudantes: Maximiliano Escaffi, Pedro Navarrete, Javiera Rosell.
Estadística inferencial
Comparación
(muestra con población, entre
muestras)
Z Prueba t ANOVA
¿Por qué necesitamos usar una prueba estadística nueva para comparar más de
dos grupos si ya tenemos t? ¿Por qué no podríamos hacer varias pruebas t para
todas las combinaciones?
1
Pues bien, al hacer muchas comparaciones (pruebas t) para los distintos grupos no
controlamos el incremento en el riesgo de cometer un "error tipo 1" (TIP: El error
tipo 1 es rechazar la hipótesis nula -que no hay diferencias- cuando esta es cierta).
En otras palabras, hay un mayor riesgo de pensar que hemos encontrado un
resultado significativo cuando en realidad puede haberse debido al azar.
Una alternativa es aplicar el llamado "Ajuste de Bonferroni" al nivel del alfa que
usaremos para juzgar si hay diferencias estadísticamente significativas. Este
"ajuste" consiste en usar un alfa más severo para cada comparación, manteniendo
un alfa razonable en todos los test. Para hacer esto, se puede dividir el alfa que se
usará (por ejemplo, 0,05) por el número de comparaciones que se pretende hacer,
y luego usar este nuevo valor como el alfa para cada comparación. Por ejemplo, si
se pretende hacer tres comparaciones, el nuevo alfa sería 0,05 dividido por 3, lo
que resulta 0,017.
* Cabe aclarar que ANOVA sólo nos indica si hay o no diferencias entre grupos,
pero no dónde están esas diferencias. Por ello, tenemos que utilizar otras pruebas
POST-HOC, como por ejemplo: HSD de Tukey y Subconjuntos Homogéneos.
¿Qué nos dice esta primera tabla? Básicamente con esta tabla aceptamos o
rechazamos nuestra hipótesis nula. En este sentido, la probabilidad de que la
Hipótesis Nula sea verdadera es de 0.0002213.
2
Pregunta para el curso, ¿aceptamos o rechazamos la hipótesis nula? ¿Por qué?
Ahora por sí sola esta tabla no es suficiente para analizar un ANOVA, ya que
únicamente nos dice si hay diferencias o no entre los distintos grupos de mi
muestra, pero… ¿cómo son estas diferencias?
Eso solo puede decirlo nuestro buen amigo Tukey con la siguiente tabla:
Linear Hypotheses:
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Esta tabla simplemente nos muestra todas las comparaciones posibles entre los
distintos grupos de mi muestra. En este sentido, mi muestra varía desde personas
que consumieron 0 energéticas hasta aquellas que consumieron 8 energéticas.
3
Al igual que en todos los análisis anteriores que hemos hecho, el p-value nos
muestra la probabilidad de rechazar nuestra Hipótesis Nula, por lo que si miramos
esta tabla, ¿en cuáles comparaciones rechazo la Hipótesis Nula?
Y….esto es ANOVA.
Ejercicio
Tablas:
Response: COM18
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Linear Hypotheses:
4
Estimate Std. Error t value Pr(>|
t|)
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1