INFOSTAS

Nueva tabla : 8/15/2022 - 9:21:15 AM - [Versión : 4/30/2020]

Prueba de Friedman

T0 T1 T6 TM T² p
3.20 2.60 2.19 2.01 27.88 <0.0001

Minima diferencia significativa entre suma de rangos = 27.826

Tratamiento Suma(Ranks) Media(Ranks) n

TM 201.00 2.01 100 A
T6 219.00 2.19 100 A B
T1 260.00 2.60 100 C
T0 320.00 3.20 100 D
Medias con una letra común no son significativamente diferentes (p > 0.050)

MINTAB 21
HOJA DE TRABAJO 1

Prueba de Friedman: Puntaje vs. Tratamiento, Jueces

Método
Tratamiento = Tratamiento
Bloque = Jueces
Estadísticas descriptivas
Tratamiento N Mediana Suma de clasificaciones
T0 100 4.4375 320.0
T1 100 3.6875 260.0
T6 100 3.5625 219.0
TM 100 3.5625 201.0
General 400 3.8125  
Prueba
Hipótesis nula H₀: Todos los efectos del tratamiento son cero
Hipótesis alterna H₁: No todos los efectos del tratamiento son cero

Método GL Chi-cuadrada Valor p

No ajustado para empates 3 50.17 0.000

Ajustado para empates 3 65.93 0.000

 SPSS 21
NPAR TESTS
/FRIEDMAN=T0 T1 T6 TM
/STATISTICS DESCRIPTIVES
/MISSING LISTWISE.

Pruebas no paramétricas
[Conjunto_de_datos0]

Estadísticos descriptivos

Desviación
N Media típica Mínimo Máximo
T0 100 4.3300 .89955 1.00 5.00
T1 100 3.8800 1.00785 1.00 5.00
T6 100 3.6100 .99387 1.00 5.00
TM 100 3.4500 .86894 1.00 5.00

Prueba de Friedman
Rangos

Rango
promedio
T0 3.20
T1 2.60
T6 2.19
TM 2.01

Estadísticos
de contrastea

N 100
Chi-cuadrado 65.929
gl 3
Sig. asintót. .000

a. Prueba de Friedman
 R estudio

# A tibble: 400 x 3
id tiempo puntuacion
<chr> <chr> <dbl>
1 J1 T0 4
2 J1 T1 3
3 J1 T6 4
4 J1 TM 4
5 J2 T0 5
6 J2 T1 3
7 J2 T6 5
8 J2 TM 4
9 J3 T0 3
10 J3 T1 5
# ... with 390 more rows
> view(base)
> base %>%
+ group_by(tiempo) %>%
+ get_summary_stats(puntuacion, type = "median_iqr")
# A tibble: 4 x 5
tiempo variable n median iqr
<chr> <chr> <dbl> <dbl> <dbl>
1 T0 puntuacion 100 4.5 1
2 T1 puntuacion 100 4 0
3 T6 puntuacion 100 4 1
4 TM puntuacion 100 4 1
> boxplot <- ggboxplot(data = base, x = "tiempo", y = "puntuacion", add = "points",
+ fill = "tiempo")
> boxplot
> base %>%
+ group_by(tiempo) %>%
+ identify_outliers(puntuacion)
# A tibble: 55 x 5
tiempo id puntuacion is.outlier is.extreme
<chr> <chr> <dbl> <lgl> <lgl>
1 T0 J7 1 TRUE FALSE
2 T0 J20 1 TRUE FALSE
3 T0 J22 1 TRUE FALSE
4 T0 J86 1 TRUE FALSE
5 T1 J1 3 TRUE TRUE
6 T1 J2 3 TRUE TRUE
7 T1 J3 5 TRUE TRUE
8 T1 J4 1 TRUE TRUE
9 T1 J6 1 TRUE TRUE
10 T1 J8 1 TRUE TRUE
# ... with 45 more rows
> base %>%
+ group_by(tiempo) %>%
+ shapiro_test(puntuacion)
# A tibble: 4 x 4
tiempo variable statistic p
<chr> <chr> <dbl> <dbl>
1 T0 puntuacion 0.673 1.33e-13
2 T1 puntuacion 0.771 3.57e-11
3 T6 puntuacion 0.892 6.21e- 7
4 TM puntuacion 0.845 7.90e- 9
> ggqqplot(data = base, x = "puntuacion", facet.y = "tiempo")
> modelo_1
Error: object 'modelo_1' not found
> #calculando la prieba de Friedman
> modelo_1 <- base %>% friedman_test(puntuacion ~ tiempo | id)
> modelo_1
# A tibble: 1 x 6
.y. n statistic df p method
* <chr> <int> <dbl> <dbl> <dbl> <chr>
1 puntuacion 100 65.9 3 3.17e-14 Friedman test
> #calculo de tamaño del efecto
> base %>% friedman_effsize(puntuacion ~ tiempo | id)
# A tibble: 1 x 5
.y. n effsize method magnitude
* <chr> <int> <dbl> <chr> <ord>
1 puntuacion 100 0.220 Kendall W small
> comp_mult
Error: object 'comp_mult' not found
> #comparaciones multiples con wilcoxon signed rank test
> comp_mult <- base %>%
+ wilcox_test(puntuacion ~ tiempo, paired = TRUE, p.adjust.method = "bonferroni")
> (puntuacion ~ tiempo, paired = TRUE, p.adjust.method = "bonferroni")
Error: unexpected ',' in "(puntuacion ~ tiempo,"
> comp_mult
# A tibble: 6 x 9
.y. group1 group2 n1 n2 statistic p p.adj p.adj.signif
* <chr> <chr> <chr> <int> <int> <dbl> <dbl> <dbl> <chr>
1 puntuacion T0 T1 100 100 1746 1.88e- 4 0.001 **
2 puntuacion T0 T6 100 100 2087 4.64e- 8 0.000000278 ****
3 puntuacion T0 TM 100 100 2331 5.27e-10 0.00000000316 ****
4 puntuacion T1 T6 100 100 1667 1.9 e- 2 0.112 ns
5 puntuacion T1 TM 100 100 1674. 4.82e- 4 0.003 **
6 puntuacion T6 TM 100 100 1113 1.18e- 1 0.708 ns