DISEÑO EXPERIMENTAL

POR: CRISTIAN E GRANADOS MARTÍNEZ

 CONTRASTE DE HIPÓTESIS
EN VARIABLES CUANTITATIVAS
 CONTRASTE DE HIPÓTESIS

• Para el contraste de hipótesis de variables

cuantitativas se cuenta con dos tipos de análisis:
los paramétricos que proceden de un modelo que
obliga a cumplir ciertos supuestos acerca de los
parámetros de la población de la que se extrajo la
muestra, y lo no paramétricos que son menos
restrictivos para poder ser aplicados

• Nota: la estadística paramétrica es más precisa,

pero las posibilidades de ser aplicada son más
limitadas.
 PRUEBAS PARAMÉTRICAS

• REQUISITOS

• Antes de utilizar las

pruebas paramétricas, es
indispensable comprobar
ciertos requisitos
(supuestos) para su
aplicación. Los mas
importantes a tener en
cuenta son:
• 1. Distribución Normal de
las poblaciones.
• 2. Igualdad de varianzas.
 PRUEBAS PARAMÉTRICAS

• Para la comprobación de la
hipótesis de Normalidad hay
que realizar un contraste de
bondad de ajuste y podemos
emplear la prueba de
Kolmogorov– Smirnov o la de
Shapiro-Wilk).
• La prueba de Normalidad se
debe hacer sobre los residuos o
diferencias entre los valores
observados de la variable
dependiente y los valores que
predice el modelo una vez
estimados los parámetros. Si los
residuos son Normales, también
la variable dependiente tendrá
distribución Normal en cada
nivel de cada factor.
 PRUEBAS PARAMÉTRICAS
• Si nuestros datos no cumplen el
supuesto de distribución Normal se
puede intentar transformar la variable
para que adopte una distribución
Normal, como veremos en el siguiente
apartado. En general, la transformación
que "normaliza“ los datos también
consigue una igualdad de varianzas.

• En el caso de que no se consiguiera la

distribución Normal y la homogeneidad
de varianzas, ni siquiera después de
transformar los datos, la mejor
alternativa seria utilizar un método no
paramétrico, aunque a veces algunos
tests paramétricos se aplican no
suponiendo la igualdad de varianzas,
como por ejemplo el ttest modificado
por Welch-Satterthwaite.
 TRANSFORMACIONES

• Si decidimos transformar la
variable, tendremos varias
posibilidades según su tipo
de distribución (asimétrica
positiva o negativa). La
bibliografía nos habla de
la llamada escalera de las
transformaciones de Tukey,
la cual muestra el tipo de
transformación
recomendada según sea
la intensidad de la
asimetría o la dirección en
la que van los casos
extremos (Sánchez 1999).
 TRANSFORMACIONES

Escalera de transformaciones adaptada de Erickson y Nosanchuk

(1977).
 TRANSFORMACIONES

Para elegir la transformación adecuada hay que tener en cuenta la

asimetría y la curtosis. Como la grafica solo muestra la asimetría, la
influencia de la curtosis puede dar lugar a que valores inferiores a la
media requieran una transformación de raíz cuadrada y valores
superiores a la media requieran elevar al cuadrado. Se debe elegir la
transformación que haga mas próximos a cero simultáneamente
ambos coeficientes.
 EL T-TEST
• El t-test es el método mas común para
evaluar las diferencias entre las medias de
dos grupos independientes, por ejemplo dos
grupos de peces sometidos a dietas
diferentes. Para esta prueba, idealmente los
sujetos deben asignarse aleatoriamente a
dos grupos, de forma que cualquier
diferencia en la respuesta sea debida al
tratamiento (o falta de tratamiento) y no a
otros factores.

• Al aplicar este análisis debemos asegurarnos

de que las diferencias en otros factores no
enmascaren o resalten una diferencia
significativa entre las medias. La hipótesis
nula (Ho) con la que comúnmente se
trabaja es que las medias son iguales. En
general no se exige que el numero de
observaciones en ambos grupos sea igual.
 EL T-TEST

• hay datos de peso y altura de

niños y niñas entre los 2 y 4 anos
en Italia y España. El objetivo del
trabajo es determinar si existen
diferencias significativas en el
peso de los niños de 2 y 3 años
entre ambos países.
• Se aplica un Test de Shapiro-Wilk-(distribución
Normal)
• Classical Levene´s test (Para observar si se cumple
el requisito de homogeneidad de varianzas)
• el test de la t muestra-Para determinar diferencias.