PRUEBAS ESTADÍSTICAS DEL DIPLOMADO

Pruebas Explicación prueba Función p-valor buscado otro

Wilcoxon Para un grupo. Comprobar si wilcox.test() H1 – p-valor < 0.05
coincide la mediana con la
buscada
Wilcoxon-Mann- Para dos grupos. Comprobar si wilcox.test() H1 – p-valor < 0.05
Whitney coinciden sus medianas
Kolmogorov- Prueba de normalidad. Se busca ks.test() H0 – p-valor > 0.05
Smirnov que exista una normalidad
relativa. Solo una variable
Shapiro Prueba de normalidad. Se busca shapiro.test() H0 – p-valor > 0.05
que exista una normalidad
relativa. Solo una variable
Kruskal-Wallis Prueba para diferencia de medias kruskal.test() H1 – p-valor < 0.05
de dos o más grupos.
Chi-cuadrado Prueba para diferencia de medias chisq.test() H1 – p-valor < 0.05
de dos o más grupos.
t-Student Prueba para diferencia de medias t.test() H1 – p-valor < 0.05 Necesita que haya
de dos grupos. Paramétrica. normalidad
Necesita haya normalidad en (kolmogorov o shapiro).
cada grupo. Comprobar con Intervalo de confianza
shapiro o kolmogorov. pequeño.
Medias distintas de cada
grupo.
Anova de un Prueba de diferencia de medias summary(aov)) H1 – p-valor < 0.05 Puede realizarse post
factor de dos o más grupos con un anova(lm()) hoc HSD de Tukey
factor. Paramétrica. Necesita que
tres supuestos se cumplan:
normalidad, homocedasticidad e
independencia de los grupos.
Anova de un Pruebas de generalización
factor robusto robusta de welch y de box.
Tienen en cuenta y tratan la falta
de supuestos del anova. Dentro
de la biblioteca WRS (Wilcox
Robust Statistics)
Anova de dos Prueba de diferencia de medias
factores de dos o más grupos con dos
factores. Paramétrica. Necesita
que tres supuestos se cumplan:
normalidad, homocedasticidad e
independencia de los grupos.
Anova de dos Prueba de generalización robusta
factores robusto de welch. Tienen en cuenta y
tratan la falta de supuestos del
anova. Dentro de la biblioteca
WRS (Wilcox Robust Statistics)
Regresión lineal Prueba para clasificar y predecir.
simple Para establecer la relación entre
dos variables. Requiere haya
normalidad y simetría.
Correlación Prueba predictiva. Establece la
simple intensidad entre dos variables
que han sido relacionadas en la
regresión. Para variables
t1way() H1 – p-valor < 0.05 Puede realizarse post
box1way() hoc de comparaciones
con lincon()
summary(aov)) H1 (primer factor) – Puede realizarse post
anova(lm()) p-valor < 0.05 hoc con HSD de Tukey
H1 (segundo factor) –
p-valor < 0.05
H1 (interacción de
factores) – p-valor <
0.05
t2way() H1 (primer factor) – Puede realizarse post
p-valor < 0.05 hoc de comparaciones
con lincon()
H1 (segundo factor) –
p-valor < 0.05
H1 (interacción de
factores) – p-valor <
0.05
lm() H1 – p-valor < 0.05 También se debe
comprobar el p-valor <
0.05 del intercepto y un
R2 ajustado cercano a 1.
cor.test() H1 – p-valor < 0.05 También se comprueba
el intervalo al 95% de
confianza y se establece
el coeficiente de
 cuantitativas se utiliza Pearson. correlación de Pearson
Para cualitativas, Kendall o r.
Spearman.
Regresión lineal Prueba para clasificar y predecir. lm() H1 (de cada También se debe
múltiple Para establecer la relación entre variable)– p-valor < comprobar el p-valor <
una dependiente (y) y dos o más 0.05 0.05 del intercepto y un
independientes (xs). Requiere R2 ajustado cercano a 1,
haya normalidad y simetría. y el p-valor general del
modelo < 0.05
Correlación Se establece la relación de library(Hmisc) H1 (de cada par de Puede realizarse con los
múltiple intensidad entre cada para de rcorr() variables)– p-valor < métodos Pearson,
variables. Los resultados son en 0.05 Kendall y Spearman.
dos matrices, de p-valores y de
coeficientes.
Regresión robusta Las dos mejores: Huber:
-Huber siempre que no haya -library(MASS) H1 - p-valor < 0.05
puntos de apalancamiento. - rlm()
-MM (M-estimadores de Yohai), MM:
indica los datos anómalos -library(robustbase)
cuántos son y cuáles son. -lmrob()
Regresión poisson Se establece la relación entre glm(,family=poisson) H1 (de cada También se debe
variables siempre que se asuma variable)– p-valor < comprobar el p-valor <
que siguen una distribución 0.05 0.05 del intercepto y el
poisson y sea un recuento de AIC (siempre a elegir el
datos. La variable dependiente menor) del modelo.
debe ser una tasa.
Regresión La más utilizada en investigación glm(,family=binomial) H1 (de cada Se deben comprobar
logística logit ya que se establece cuando la variable)– p-valor < con summary y se
relación entre variables tienen en 0.05 pueden hacer
las distribuciones colas pesadas o predicciones
así se presupone. La variable posteriores.
dependiente es dicotómica (1/0)
 normalmente éxito/fracaso. El
resto de variables pueden ser
cualitativas y cuantitativas.
Regresión Poco utilizada en investigación ya glm(,family=binomial(link=probit)) H1 (de cada Se deben comprobar
logística probit que se establece cuando la variable)– p-valor < con summary y se
relación entre variables cuando 0.05 pueden hacer
hay normalidad. La variable predicciones
dependiente es dicotómica (1/0) posteriores.
normalmente éxito/fracaso. El
resto de variables pueden ser
cualitativas y cuantitativas.
Regresión Las dos mejores: Huber:
múltiple robusta -Huber siempre que no haya -library(MASS) H1 - p-valor < 0.05
puntos de apalancamiento. - rlm()
-MM (M-estimadores de Yohai), MM:
indica los datos anómalos -library(robustbase)
cuántos son y cuáles son. -lmrob()
Correlación Sirven para estimar intensidad de Porcentaje ajustado: H1 - p-valor < 0.05
simple robusta la relación, normalmente cuando -library(WRS)
no queda clara la correlación -pbcor()
simple por un intervalo Winsorizada:
demasiado grande o un p-valor -library(WRS)
cercano a 0.05. También a veces -wincor()
debido a que el coeficiente de M-estimadores:
correlación clásico es pequeño, -relfun()
para comprobar si con esta se
incrementa.
Correlación Sirven para estimar intensidad de Porcentaje ajustado: H1 - p-valor < 0.05
múltiple robusta la relación, normalmente cuando -library(WRS)
no queda clara la correlación -pball()
simple por un intervalo Winsorizada:
demasiado grande o un p-valor -library(WRS)
 cercano a 0.05. También a veces
debido a que el coeficiente de
correlación clásico es pequeño,
para comprobar si con esta se
incrementa.
Modelos Lineales Es una técnica que mezcla anova
Mixtos y regresión. Se deben estudiar
Generalizados los efectos fijos y los efectos
aleatorios así como los supuestos
de normalidad y simetría
Árboles de Se hacen bajo método anova,
regresión todas las variables deben ser
cuantitativas
Árboles de Se hacen con método class
clasificación (índice de Gini), la variable
dependiente debe ser dicotómica
(1/0) el resto pueden ser
cualitativas y cuantitativas
Modelos Aditivos Sirven para comprobar si las
Generalizados variables del árbol anterior son
válidas o no. Cada variable debe
ser suavizada y bajo el método
de serie temporal:
~s(gamesa,bs="ts")
Series temporales Con tan solo una variable en el
actuales SARIMA tiempo (entre 80-70 medidas
equidistantes en el tiempo) se
puede calcular un modelo
polinómico SARIMA y una
-winall()
-library(nlme) H1 - p-valor < 0.05 Se pueden hacer
-lme() de cada variable e transformaciones de
intercepto datos a logaritmos log()
-library(rpart) No hay p-valores. Se Se puede podar el árbol
-rpart() estudian los nodos con el método de coste
terminales que se de complejidad. plotcp()
obtienen con *
-library(rpart) No hay p-valores. Se
-rpart() estudian los nodos
terminales que se
obtienen con *
-library(mgcv) H1 - p-valor < 0.05 Se puede realizar
-gam(,family="poisson(link=log)")) de cada variable gráficos de residuos de
cada variable para
estudiar la presencia de
datos anómalos que son
aquellos que no se
sitúan sobre la zona
sombreada del gráfico.
-library(tseries) No hay p-valores. Se pueden calcular
-library(forecast) Se busca el AIC más pendientes avanzadas
-auto.arima(Serie) pequeño en los para reportar en los
-tsdiag(result) modelos o el log artículos.
-predict() likelihood mayor.
 predicción. A corto plazo la
predicción es exacta si la base de
datos se trabaja desde el
comienzo con medias avanzadas
en lugar de medias clásicas.
Análisis de Se realiza para analizar las
correspondencias asociaciones entre variables
categóricas. Para establecer
patrones. Primero se estudia la
dependencia de las variables con
chi-cuadrado (se debe obtener
un p-valor menor a 0.05 para
poder realizar el análisis de
correspondencias)
Análisis Factorial Se realiza para validar
Exploratorio externamente instrumentos tipo
Likert (para poder generalizar
resultados al resto de la
población) y para reducir
dimensiones. Los ítems explican
los factores “abstractos” no
medibles. Deben tener buen
peso en su factor (de 0.6 a 1). Se
puede realizar una simulación de
análisis paralelo previo para
conocer el número de factores
real.
Análisis de Es una técnica exploratoria para
componentes reducir dimensiones, es decir,
principales número de variables. El gráfico
de desmoronamiento o
sedimentación indica
-library(ca) Las dos primeras El trabajo de matrices
-chisq.test() inercias deben para obtener la matriz
-ca(matriz) explicar al menos del de discrepancias es
-plot(ca(matriz)) 70% hasta el 100% únicamente para la
del análisis. publicación si la revista
lo indica.
-library(psych) Se estudian los pesos Dentro de la función fa
-library(nFactors) de los ítems en cada se utilizan métodos de
-resultados<-fa() factor, debe ser el rotación (varimax) o de
mayor peso para transformación
encuadrarse en un (oblimin), este último
factor concreto. El recomendado ya que es
peso para aceptar un para cuando hay falta de
buen encuadre debe normalidad.
ser de 0.6 hasta 1.
-library(ade4) La variabilidad La revista puede pedir
-dudi.pca() explicada debe las corrdenadas de las
-inertia.dudi() superar el 70%, una filas, de las columnas,
vez lo supere contribuciones, etc
contamos hacia atrás
 normalmente que el primer el número de
componente lleva la mayor componentes
explicación.
Análisis Se van clasificando elementos en -library(MASS) La porción de rastro Se pueden utilizar
discriminante grupos (agrupándolos) en -lda() de las funciones algoritmos como K-
función de una variable -plot(datos.lda) discriminantes indica vecinos más cercanos,
discriminante. Puede ser con -predict() qué función tiene validación cruzada, o
clasificación dada o con mayor explicación ambos juntos.
clasificación desconocida (en
este caso se necesita un grupo
origen para comparar con el
nuevo a discriminar)
Escalado Nos permite clasificar la -cdmscale() Si algún valor eigen Las matrices de
multidimensional asociación entre elementos o no -library(MASS) es negativo la matriz distancias más utilizadas
en un plano en función de sus -isoMDS() de distancias debe son euclide y
distancias. Hay que calcular ser no euclídea (de manhattan.
matrices (función dist). Puede ser preferencia
métrico (las variables son manhattan)
cuantitativas) o no métrico (las
variables son escaladas por el
investigador)
Análisis Clusters Los elementos se clasifican en -library(apcluster) Se realiza la matriz Puede ser cluster
grupos o conglomerados. De tal -hclust() negativa de jerárquico o no
manera que los elementos -cutree() distancias de jerárquico. Más
dentro de los grupos se parecen -rect.hclust() cuadrados para recomendable el
y, a su vez, los grupos se conocer el número primero y con método
diferencian entre ellos. Se debe exacto de clusters: de Ward (ward.D) ya
calcular una matriz de distancias MS<-negDistMat() que permite visulaizar si
negativas de cuadrados Apcluster(MS) hay datos anómalos que
previamente para conocer el formen un solo grupo.
número de clusters, grupos o
conglomerados.