P.P. #08 Indice de Procedimientos Estadísticos

CI
UNIVERSIDA D DEL BIO-BIO
Indice de Procedimientos
Estadsticos
DC
I
Cundo usas qu?
Ce ntro d e in vesti ga ci n y
De sarr oll o d e la
C omp uta ci n e Info rmti ca
Ed uca ti va
UB
B
Carlos
Rodrguez Garcs
20
07
CI
Ed uca ti va
a la infinidad de
DFrente
CI
pruebas
E
cuando usar qu?
UB
B
20
07
Diseo
Tipo de
variable
Un grupo
Prueba
Estadstica
Proporciones
Cuantitativas
Prueba Z, Binomial,
Prueba t, Intervalos de
Confianza
Dos grupos
independient
es
Proporciones
Rango
Cuantitativas
Fisher, Ji cuadrada, Prueba Z

U de Mann-Whitney
Prueba t no pareada
Dos grupos
relacionados
Proporciones
Rango
Cuantitativas
Tres o ms
grupos
independient
es
Proporciones
Rango
Cuantitativas
Tres o ms
grupos
relacionados
Proporciones
Rango
Cuantitativas
CI
DC
I
Ed uca ti va
UB
McNemar, Binomial
Signos, Wilcoxon
Prueba t pareada
Correlacin de Pearson
Ji cuadrada
Kruskal-Wallis
ANOVA
20
07
Q de Cochran
Friedman
ANOVA con observaciones
repetidas
Carlos Rodrguez G.: Trabajo Social UBB
Pruebas No Paramtricas
Son de libre distribucin
CI
Ed uca ti va
Menos robustas que las paramtricas pero menos

exigente que aquellas
DC
I
Pueden ser usadas cuando la variables es ordinal (Las

paramtricas exigen sea Escalar)
Las Hay:
UB
De un Muestra
De Dos Muestras Independientes
De Dos Muestras Relacionada
De K Muestras Independientes
De K Muestras Relacionadas
20
07
CI
DC
I
E No Paramtrica 1M
P.
Ed uca ti va
UB
20
07
Chi-2 de Bondad de Ajuste

CI

Ed uca ti va
Prueba No Paramtrica
Una variable ordinal o nomimal
Compara las fo y fe en cada categora
Contrasta si las categoras contienen la misma
proporcin de valores o una proporcin especificada por
el usuario
DC
I
UB
Ej.: Determinar si una bolsa de caramelos contiene en

igualdad de proporcin caramelos de color azul, marrn,
verde, naranja, rojo y amarillo
Ej.: Para ver si una bolsa de caramelos contiene un 5% de

color azul, un 30% de color marrn, un 10% de color verde, un
20% de color naranja, un 15% de color rojo y un 15% de color
amarillo.
20
Supuestos:
Las pruebas no paramtricas.
Se asume que los datos son una muestra aleatoria.
Las fe para cada categora debern ser 1 como
mnimo.
No ms de un 20% de las categoras debern tener
frecuencias esperadas menores que 5.
07
CI
Chi-Cuadrado
DC Se acepta la hiptesis nula

IEcuando:
U
BB < Chi-tabular
Chi-calculado
20
07
Ed uca ti va
Prueba Binomial
Prueba No paramtrica
CI

Una variable y Dicotmica
DC
I
Contrasta bondad de ajuste entre distribucin terica y

muestral
Ed uca ti va
p y q
Compara fo de cada categoras de una variable dicotmica

con las fe de una distribucin binomial con un parmetro de
probabilidad especificado.
Por defecto: Parmetro de probabilidad para ambos grupos
es 0,5.
Cambiar probabilidades: Introducir una proporcin de
prueba para el primer grupo. La probabilidad del segundo
ser 1 menos la probabilidad del primer grupo (1-p).
UB
20
07
Ej.: Una moneda al aire, la probabilidad de que salga cara es 1/2.

Si se lanza al aire 40 veces y 3/4 de los lanzamientos sali cara
Est cargada?
Ejemplo Prueba Binomial

CI
100 sobres (50 con el frmaco y 50 con un placebo) se

distribuyen aleatoriamente?
Se conoce el resultado del tratamiento en 79 de ellos.
Antes de analizar el efecto del frmaco se debe comprobar
que la muestra de 79 pacientes es representativa de la
poblacin objeto de estudio. Que la proporcin de pacientes
tratados con el frmaco es igual a la proporcin de pacientes
tratados con el placebo.
La Binomial como prueba de bondad de ajuste contrasta Ho que
la muestra procede de una poblacin en la que las proporciones
de individuos que presentan los valores x1, y x2, son iguales a
pe(esperada) y a qe= (1 pe), respectivamente:
DC
I

Ed uca ti va
UB
H0: p = pe y q = qe
20
07
Si el p-valor asociado al estadstico de contraste es menor que

alfa, se rechazar Ho al nivel de significacin alfa.
H0: p = p(FARMACO= 1) = 0,5
Lo que es lo mismo: la muestra procede de una poblacin en

la que la proporcin de pacientes tratados con el frmaco es
igual a la proporcin de pacientes tratados con el placebo.
Prueba de rachas
CI
Contrasta si es aleatorio el orden de aparicin de dos
valores de una variable.
Una racha es una secuencia de observaciones
similares.
Una muestra con un nmero excesivamente grande
o excesivamente pequeo de rachas sugiere que la
muestra no es aleatoria.
La prueba de rachas se puede utilizar para determinar si
la muestra fue extrada de manera aleatoria.
DC
I
Ed uca ti va
UB
20
Ej.: Suponga que se realiza una encuesta a 20

personas para saber si compraran un producto. Si
todas estas personas fueran del mismo sexo, se
pondra seriamente en duda la supuesta
aleatoriedad de la muestra
07
Prueba de K-S para una muestra
CI

Una variable cuantitativa
Compara la funcin de distribucin acumulada
observada de una variable con una distribucin terica
determinada, que puede ser la normal, la uniforme, la de
Poisson o la exponencial.
La Z de Kolmogorov-Smirnov se calcula a partir de la
diferencia mayor (en valor absoluto) entre las funciones
de distribucin acumuladas terica y observada.
Esta prueba de bondad de ajuste contrasta si las
observaciones podran razonablemente proceder de la
distribucin especificada.
Ej.: Muchas pruebas paramtricas requieren que las
variables se distribuyan de forma normal. La prueba de
Kolmogorov-Smirnov para una muestra se puede utilizar
para comprobar que una variable, por ejemplo ingresos,
se distribuye normalmente
DC
I

Ed uca ti va
UB
20
07
Un Ejemplo de Kolmogorov-Smirnov
CI
Un estudio proporciona los siguientes puntuaciones:

166,141,136,153,170,162,155,146,183,157,148,132,16
0,175, y 150.
Con un n.c. del 0.01 pruebe que las puntuaciones
provienen de una poblacin normal
DC
I
Ed uca ti va
U
Ho: Las puntuacionesB
provienen de una poblacin
normal
B
H1: Las puntuaciones no provienen
de una poblacin
normal
20
07
12
CI
DC
I
Ed uca ti va
P. No Paramtrica
E 2M
Independientes
UB
B
20
07
Pruebas para 2M Independientes

CI
Similar a la T de 2M Independientes
Compara dos grupos de casos existentes en una
variable.
Ej.: Se han desarrollado nuevos correctores dentales
diseados para que sean ms cmodos y estticos,
as como para facilitar un progreso ms rpido en la
realineacin de la dentadura. Para averiguar si el
nuevo corrector debe llevarse tanto tiempo como el
modelo antiguo, se eligen 10 nios al azar para que
lleven este ltimo y otros 10 para que usen el nuevo.
Mediante la prueba U de Mann-Whitney podra
descubrir que, de media, los nios que llevaban el
nuevo corrector tenan que llevarlo puesto menos
tiempo que los que llevaban el antiguo.
DC
I
Ed uca ti va
UB
Hay varias pruebas:

20
07
Pruebas: U de Mann-Whitney, reacciones

extremas de Moses, Z de Kolmogorov-Smirnov,
rachas de Wald-Wolfowitz.
U de Mann - Whitney
CI

Ed uca ti va
Requiere que las dos muestras probadas sean similares
en la forma
Dos variables
Hay una variable respuesta
Datos No Pareados
DC
I
UB
Admite.
Variable respuesta ordinal y variable explicativa

dicotmica
Variable respuesta escalar y variable explicativa
dicotmica
Contrasta si dos poblaciones muestreadas son
equivalentes en su posicin.
La Ho del contraste es que las dos muestras, de
tamao n1 y n2, respectivamente, proceden de
poblaciones continuas idnticas.
20
07
U de Mann Whitney (continuacin)

CI
Es similar a la t de dos grupos independientes

La Ho es que no hay diferencias entre los dos grupos
H0: X1 = X2
Pasos:
Pasar las puntuaciones a rangos (conjuntamente en
los dos grupos)
Computar la suma de los rangos del grupo 1
Para Muestras Pequeas (n1 y n2 20)
DC
I
Ed uca ti va
UB
U = R i1
Para Muestras Grandes

z emp =
n (N+1)
1
n n (N+1)
1
12
Hay tablas para este caso de

muestras pequeas; en todo
caso, si la muestra es
relativamente grande, se puede
efectuar la aproximacin a la
distribucin normal
20
07
(U es la suma de los rangos asignados a la muestra 1)
Prueba Z de K-S para 2M
CI

Ed uca ti va
Dos variables
Hay variables respuesta
Datos No pareados
Admite:
Variable respuesta ordinal o escalar
Variable explicativa dicotmica
Detectan las diferencias entre las posiciones y las
formas de las distribuciones.
K-S se basa en la diferencia mxima absoluta entre las
funciones de distribucin acumulada observadas para
ambas muestras.
Si la diferencia es significativamente grande, se
consideran diferentes las dos distribuciones
DC
I
UB
20
07
Rachas de Wald-Wolfowitz
CI

Ed uca ti va

Dos variables
Datos No pareados
Admite:
Variable respuesta ordinal o escalar
Combina y ordena las observaciones de ambos grupos.
Si las dos muestras proceden de una misma poblacin,
los dos grupos deben dispersarse aleatoriamente en la
ordenacin de los rangos
DC
I
UB
20
07
P. de reacciones extremas de Moses

CI

Ed uca ti va
Prueba No paramtrica
Dos variables y datos no pareados
Variable respuesta escalar y Variable explicativa
dicotmica
Presupone que la variable experimental afectar a
algunos sujetos en una direccin y a otros sujetos en la
direccin opuesta.
Contrasta las respuestas extremas comparndolas con
un grupo de control.
Se centra en la amplitud del grupo de control y supone
una medida de la influencia de los valores extremos del
grupo experimental en la amplitud al combinarse con el
grupo de control.
El grupo de control se define en el cuadro Grupo 1 del
cuadro de dilogo Dos muestras independientes: Definir
grupos.
Valores atpicos pueden distorsionar fcilmente el rango
de la amplitud, de manera automtica se recorta de
cada extremo un 5% de los casos de control
DC
I
UB
20
07
CI
DC
I
Ed uca ti va
P. No Paramtrica
E
2 Muestras
Relacionadas
UB
B
20
07
Pruebas para 2M relacionadas

CI
Compara las distribuciones de dos variables.

Ej.: En general, cuando una familia vende su casa
logra obtener la cantidad que pide inicialmente? Si
aplica la prueba de Wilcoxon de los rangos con signo a
10 casas, podra descubrir que siete familias reciben
menos cantidad de la solicitada, una recibe ms y dos
familias reciben el precio solicitado.
DC
I
Ed uca ti va
UB
Pruebas:
Wilcoxon de los rangos con signo, signos, McNemar
y P. de Homegeneidad Marginal
Si los datos:
Son continuos, use la prueba de los signos o la
prueba de Wilcoxon de los rangos con signo.
Si son binarios, use la prueba de McNemar.
Si son categricos, use la prueba de homogeneidad
marginal
20
07
P. de Signos
CI

Ed uca ti va
Dos variables
Variables respuesta
Datos pareados
Calcula las diferencias entre las dos variables para
todos los casos y clasifica las diferencias como
positivas, negativas o empatadas.
Si las dos variables tienen una distribucin similar, el
nmero de diferencias positivas y negativas no difiere de
forma significativa
Admite:
Variable respuesta escalar o ordinal
DC
I
UB
20
07
Prueba de Wilcoxon para dos Muestras

CI

Ed uca ti va
Prueba de rangos asignados para dos muestras

pareadas
Dos variables
Hay variable respuesta
Datos pareados
Tiene en cuenta la informacin del signo de las
diferencias y de la magnitud de las diferencias entre los
pares.
Dado que la prueba de Wilcoxon de los rangos con
signo incorpora ms informacin acerca de los datos, es
ms potente que la prueba de los signos.
Admite varias opciones:
Variable respuesta ordinal y variable explicativa
dicotmica
Variable respuesta escalar y variable explicativa
dicotmica
DC
I
UB
20
07
P. Wilcoxon para 2MR

CI
Similar a la t 2M Relacionadas
Pasos:
Restar las puntuaciones (sujeto a sujeto) entre
grupos 1 y 2, y dejarlas en valor absoluto.
En valores ordinales, hacer una columna con los
rangos para G2>G1 y otra para G1>G2
Muestra Pequeas
DC
I
Ed uca ti va

UB
Es la suma de rangos de la columna "G2>G1"

Muestras Grandes
20
07
Hay tablas en caso de muestras

pequeas; pero si la muestra es
relativamente grande, se puede
efectuar la aproximacin a la
distribucin normal
P. De McNemar
CI

Dos variables
Hay variable respuestas y datos pareados
Se usa si los datos son binarios
Variable respuesta dicotmica
Usualmente: Situacin de medidas repetidas. Respuesta
de cada sujeto se obtiene dos veces. Una antes y otra
despus de que ocurra un evento especificado.
Determina si la tasa de respuesta inicial (antes del
evento) es igual a la tasa de respuesta final (despus
del evento).
til para detectar cambios en las respuestas causadas
por la intervencin experimental en los diseos del tipo
antes-despus
DC
I

Ed uca ti va
UB
20
07
P. de homogeneidad marginal
CI
Ed uca ti va
Usada cuando los datos son categricos.

Se trata de una extensin de la prueba de
McNemar a partir de la respuesta binaria a la
respuesta multinomial.
Contrasta los cambios de respuesta utilizando la
distribucin de chi-cuadrado y es til para detectar
cambios de respuesta causados por intervencin
experimental en diseos antes-despus
DC
I
UB
20
07
CI
Ed uca ti va
DC Prueba para Varias

I
E
Muestras
Independientes
UB
B
20
07
Pruebas K Muestras independientes

CI
El procedimiento Pruebas para varias muestras

independientes compara dos o ms grupos de casos
respecto a una variable.
Ejemplo. Es diferente el tiempo medio en que se
fundirn las bombillas de 100 vatios de tres marcas
distintas? A partir del anlisis de varianza de un factor
de Kruskal-Wallis, puede comprobar que las tres marcas
s se diferencian en su vida media.
DC
I
Ed uca ti va
UB
Pruebas:
H de Kruskal-Wallis
P. de la mediana.
P. Jonckheere - Terpstra
20
07
28
P. H de Kruskal-Wallis
Comparacin de "a" grupos independientes
Paralela a la F unifactorial entre-sujetos
CI

Ed uca ti va

DC
I
Dos variables
Hay variables
Datos no pareados
UB
Es una extensin de la prueba U de Mann-Whitney

Es el anlogo no paramtrico del anlisis de varianza de
un factor y detecta las diferencias en la localizacin de
las distribuciones
Admite:
20
07
Variable respuesta escalar o ordinal
Variable explicativa nominal
P. H de Kruskal-Wallis
CI
Pasos:
Pasar las puntuaciones a rangos (conjuntamente en los

"a" grupos)
Computar la suma de los rangos en cada grupo (son
las Rj)
DC
I
Ed uca ti va
Estadstico de contraste
UB
Si la H0 es cierta (es decir, que no hay diferencias entre

los grupos), H se distribuye segn chi-cuadrado con a-1
grados de libertad
20
07
Se puede aplicar esta prueba cuando no se cumplan:

Supuestos de homogeneidad de varianzas

Normalidad del ANOVA unifactorial entresujetos.
P. De la Mediana
Dos variables
CI

DC
I
Datos No Pareados
Es una prueba ms general pero no tan potente

Detecta diferencias distribucionales en la localizacin y
en la forma.
Ed uca ti va
Admite.
UB
Variable respuesta ordinal o escalar.
Variable explicativa nominal
20
07
Tanto la P. H de Kruskal-Wallis y la P. de la mediana

suponen que no existe una ordenacin a priori de las
poblaciones k de las cuales se extraen las muestras
P. Jonckheere - Terpstra
CI

Ed uca ti va
P. No paramtrica
Dos variables
Datos No pareados
Admite:
Variables respuesta ordinal o escalar
Variable explicativa ordinal
Es ms potente cuando existe una ordenacin natural a
priori (ascendente o descendente) de las poblaciones k,
DC
I
UB
Ej.: Las k poblaciones pueden representar k temperaturas

ascendentes. Se contrasta la hiptesis de que diferentes
temperaturas producen la misma distribucin de respuesta,
con la hiptesis alternativa de que cuando la temperatura
aumenta, la magnitud de la respuesta aumenta. La
hiptesis alternativa se encuentra aqu ordenada; por
tanto, la prueba de Jonckheere-Terpstra es la prueba ms
apropiada
20
07
CI
DC
I
Ed uca ti va
Prueba
para
E
Varias Muestras
UB Relacionada
B
20
07
Pruebas para K Muestras relacionadas

CI
Compara las distribuciones de dos o ms variables.
DC
I
Ejemplo. Asocia la gente diferentes niveles de prestigio

a doctores, abogados, policas y profesores? Se pide a
diez personas que ordenen estas cuatro profesiones por
orden de prestigio. La prueba de Friedman indica que la
gente efectivamente asocia diferentes niveles de
prestigio con estas cuatro profesiones.
Ed uca ti va
UB
Pruebas:
Friedman
W de Kendall
Q de Cochran
20
07
P. Friedman
CI

Ed uca ti va

Equivalente no paramtrico de un diseo de medidas

repetidas para una muestra o un anlisis de varianza de
dos factores con una observacin por casilla.
Paralela a la F unifactorial intra-sujetos
Contrasta la Ho que las k variables relacionadas
procedan de la misma poblacin.
En cada caso, las k variables se ordenan en un rango de
1 a k. El estadstico de contraste se basa en estos
rangos.
Dos variables
Datos pareados
Admite:
V. Respuesta ordinal o escalar
V. Explicativa Nominal
DC
I
UB
20
07
P. W. de Kendall
Es una normalizacin del estadstico de Friedman.
CI
Ed uca ti va
Se puede interpretar como el coeficiente de

concordancia, que es una medida de acuerdo entre
evaluadores.
DC
I
Cada caso es un juez o evaluador y cada variable es un

elemento o persona que est siendo evaluada. Para
cada variable, se calcula la suma de rangos.
UB
La W de Kendall vara entre 0 (no hay acuerdo) y 1

(acuerdo completo).
Dos variables
Datos pareados
V. Respuesta Escalar
V. Explicativa Nominal
20
07
P. Q. de Cochran
CI
Ed uca ti va

Idntica a la P. de Friedman pero se puede

aplicar cuando todas las respuestas son binarias.
Es una extensin de la prueba de McNemar para
la situacin de k muestras.
Contrasta la hiptesis de que diversas variables
dicotmicas relacionadas tienen la misma media.
Las variables se miden al mismo individuo o a
individuos emparejados.
DC
I
UB
Dos variables
Hay variable respuesta y dato pareados
Variable respuesta dicotmica
Variable explicativa Nominal
20
07
CI
DC
I
Ed uca ti va
Y qu pasa con la
E
Pruebas
Paramtricas?
UB
B
20
07
Pruebas Paramtricas
Son de No Libre distribucin
CI
Ed uca ti va
Por lo general exigen normalidad, aunque algunas son

bastante resistentes a la falta de ella (ej: anova)
DC
I
Ms robustas que las No Paramtricas pero ms

exigentes que aquellas
Las hay de Comparacin de Medias :
UB
De un Muestra
De Dos Muestras Independientes
De Dos Muestras Relacionada
De K Muestras Independientes
De K Muestras Relacionadas
20
07
Medias: Consideraciones sobre los

datos
CI
Ed uca ti va
Datos:
La variables respuesta es escalar y la variable
explicativa es nominal.
Los valores de las variables categricas pueden ser
numricos o de cadena corta.
Supuestos:
Estadsticos opcionales de subgrupo , como la media
y la d.t., se basan en la teora normal, adecuados
para variables escalar con distribuciones simtricas.
Los estadsticos robustos, tales como la mediana y el
rango, son adecuados para las variables
cuantitativas que pueden o no cumplir el supuesto de
normalidad.
DC
I
UB
20
07
CI
El anlisis de varianza es robusto a las desviaciones

de la normalidad, aunque los datos de cada casilla
deberan ser simtricos.
El anlisis de varianza tambin supone que los
grupos proceden de poblaciones con la misma
varianza.
Para comprobar este supuesto, utilice la prueba de
homogeneidad de las varianzas de Levene,
disponible en el procedimiento ANOVA de un factor
DC
I
Ed uca ti va
UB
20
07
Prueba t para una Muestra

Una variable
Escalar
CI
Ed uca ti va
DC
I
Contrasta si la media de una sola variable difiere de una

constante especificada.
Se desea comprobar si la puntuacin media del
rendimiento primer certamen difiere del obtenido por el
curso del ao pasado. (ej.: 65)
Una prueba t que contrasta que esta diferencia es 0 y un
intervalo de confianza para la diferencia promedio (para
el que puede especificarse el nivel de confianza).
Asume que los datos estn normalmente distribuidos;
sin embargo, esta prueba es bastante robusto frente a
las desviaciones de la normalidad
UB
20
07
Prueba t para 2M Independientes

Compara las medias de dos grupos de casos.

Dos variables
Datos no pareados
dicotmica
Idealmente sujetos asignarse aleatoriamente a dos
grupos, as cualquier diferencia en la respuesta se deber
al tratamiento (o falta de tratamiento) y no a otros
factores.
CI

Ed uca ti va
DC
I

UB
Al comparar ingresos medios para hombres y mujeres. El sexo

no se asigna aleatoriamente.
20
Asegurarse que las diferencias en otros factores no

enmascaren o resalten una diferencia significativa entre
las medias.
07
Ej.: Las diferencias de ingresos medios pueden estar

sometidas a la influencia de factores como los estudios y no
solamente el sexo
Supuestos:
CI
Ed uca ti va
Para la prueba t de igualdad de varianzas, las

observaciones deben ser muestras aleatorias
independientes de distribuciones normales con la misma
varianza de poblacin.
Para la prueba t de varianzas desiguales, las
observaciones deben ser muestras aleatorias
independientes de distribuciones normales.
La Prueba de Levene permite contrastar igualdad de
varianzas
La prueba t para dos muestras es bastante robusta a las
desviaciones de la normalidad.
Al contrastar las distribuciones grficamente, compruebe
que son simtricas y que no contienen valores atpicos.
DC
I
UB
20
07
Prueba t para muestras relacionadas

CI

Ed uca ti va
Dos variables
Hay variable respuesta y Datos pareados
dicotmica
Compara las medias de dos variables de un solo grupo.
Calcula las diferencias entre valores de las dos variables
de cada caso y contrasta si la media difiere de 0.
DC
I
UB
Ej.: En un estudio sobre la hipertensin sangunea, se toma la

tensin a todos los pacientes al comienzo del estudio, se les
aplica un tratamiento y se les toma la tensin otra vez. De esta
manera, a cada paciente le corresponden dos medidas,
normalmente denominadas medidas pre y post.
Un diseo alternativo para el que se utiliza esta prueba

consiste en un estudio de pares relacionados o un
estudio de control de casos. En estos, cada registro en
el archivo de datos contiene la respuesta del paciente y
de su sujeto de control correspondiente.
20
07
En un estudio sobre la tensin sangunea, pueden emparejarse

pacientes y controles por edad (un paciente de 75 aos con un
miembro del grupo de control de 75 aos
Supuestos t Muestras Relacionadas
CI
Ed uca ti va
Las observaciones de cada par deben hacerse en las

mismas condiciones.
Las diferencias entre las medias deben estar
normalmente distribuidas.
Las varianzas de cada variable pueden ser iguales o
desiguales
DC
I
UB
20
07
Anova
CI
Anlisis de Varianza (AVAR) es una tcnica que permite

contrastar medias
Permite estudiar el efecto de una variable de agrupacin
sobre una variable escalar
DC
I
Ed uca ti va
Estudia un tipo de efecto similar a la prueba t de

Student, pero a diferencia de sta, posibilita estudiar el
efecto de variables de agrupacin con ms de dos
valores.
UB
El Anova puede ser para datos pareados y no pareados

20
Posibilita abordar el efecto de una variable de

agrupacin (Anova Unifactorial), como estudiar el efecto
de ms de una variable de agrupacin (Anova
Multifactorial).
07
En el Anova Unifactorial
CI
Ed uca ti va
Dos variables
Una variable respuesta y otra explicativa
DC
I
La variable respuesta:
De carcter cuantitativa (escalar)
UB
La variable explicativa:
Nominal
Tricotmica o ms
Anova es un contraste global: habiendo diferencias
estadsticamente significativas entre las medias, ser
preciso llevar a cabo contrastes parciales entre las
medias de los grupos.
20
07
Tamao del Efecto

CI
Ed uca ti va
El estadstico F slo informa acerca de si hay o no

diferencias estadsticamente significativas entre las
muestras pero no sobre la magnitud de esa diferencia
Se han desarrollado varios ndices que facilitan
informacin sobre el tamao del efecto de las
variables.
El ndice ms utilizado es
(tb. llamado ).
DC
I
UB
Oscila entre 0 y 1, y es la cantidad de variancia de la

variable cuantitativa (generalmente la variable
dependiente) explicada por la variable de agrupacin
(generalmente la variable independiente).
El tamao del efecto puede calcularse tanto para los
efectos principales como para los efectos interactivos
en el caso de que nos encontremos ante un ANOVA
multifactorial.
20
07
Los Tres Supuestos de Aplicacin

Independencia de las Observaciones: Valores de los
distintos individuos no han de covariar entre s.
CI
1.
DC
I
Aleatorizacin de muestras e individuos a los grupos da alta

seguridad este supuesto.
2. Normalidad de los datos: el conjunto de residuales en la

poblacin debe distribuirse segn una ley normal.
Ed uca ti va
Existen distintas pruebas

No obstante, el ANOVA es bastante robusto ante pequeas
desviaciones de la normalidad
Este supuesto debe cumplirse para poder utilizar la razn de
variancias como contraste estadstico
UB
3. Homocedasticidad: Variancias intragrupo homogneas,
para poder realizar una estimacin conjunta de la variancia

residual.
Pruebas de Hartley, Cochran, Bartlett-Box o Levene.
Las dos primeras podrn utilizarse cuando todos los
grupos tengan el mismo nmero de individuos
Por el contrario, la prueba de Bartlett-Box y la de
Levene se aplicarn tanto si trabajamos con grupos de
igual tamao como si trabajamos con grupos de
diferente tamao
20
07
Ejercicio ANOVA Unifactorial M.

Independientes
CI
Unas empresas desean estudiar la eficacia de distintos

sistemas de incentivos para incrementar la produccin
de sus trabajadores. Se seleccionan las secciones de
serigrafa de tres de empresas y durante dos meses
somete a cada grupo de operarios a uno de estos
sistemas de incentivos: incentivo monetario en funcin
de la produccin individual, incentivo monetario en
funcin de la produccin de la seccin y no-incentivo.
Para medir la produccin se toma para cada empleado
la diferencia entre el promedio de piezas diarias
producidas durante la primera semana y el promedio de
piezas diarias producidas la ltima semana del estudio
DC
I
Ed uca ti va
UB
20
07
CI
Ed uca ti va
DC
Medidas
de Asociacin
IE
UB
B
20
07
Distribuciones Bivariantes
CI
Hace posible analizar las condiciones que influyen en la

distribucin de una variable
Generalmente:
DC
I

Ed uca ti va
Los porcentajes se pueden calcular en base a:

A travs de la distribucin porcentual para facilitar

comparacin.
VD en filas y VI en columnas
UB
Totales de Columnas
Totales de Filas
Total General
Regla:
% calcularse en sentido al factor causal
Lectura se hace en sentido inverso y a travs de las
diferencias porcentuales (epsiln)
20
07
Epsiln : Valor resultante de la comparacin misma fila

distinta columna. Tb. Llamado % de contraste
53
Caractersticas de Asoc. Bivariable

Interesa la forma en que se distribuye la VD para las

diferentes categoras de la VI
CI
DC
I
Existencia o No de Asociacin:

Ed uca ti va
UB
Relacionado con y . Si ambos son elevados hay

alto grado de asociacin
Direccin:
Grado o Fuerza de la Asociacin:

La hay cuando la distribucin de una Var. difiere entre

las diversas categoras de la otra Var.
Desde V. Ordinales.
Hay positiva y negativa
Naturaleza o Forma:

20
07
En base a la distribucin porcentual, forma regular o

irregular
Ej.: Asociacin lineal: Casos concentrados en la VD
en lnea recta.
54
Estadsticos y Medidas de Asociacin

Hay mltiples pruebas disponibles para determinar si la

relacin entre dos variables es significativa.
Su estructura y el hecho de que las categoras estn
ordenadas o no, determinan las pruebas o medidas ha
utilizar
Medidas de asociacin:
CI

Ed uca ti va
DC
I

UB
Chi-cuadrado de Pearson
Chi-cuadrado de la razn de verosimilitud
Prueba de asociacin lineal por lineal, prueba exacta de
Fisher, chi-cuadrado corregido de Yates, r de Pearson, rho de
Spearman, coeficiente de contingencia, phi, V de Cramr,
lambdas simtricas y asimtricas, tau de Kruskal y Goodman,
coeficiente de incertidumbre, gamma, d, de Somers, tau-b de
Kendall, tau-c de Kendall, coeficiente eta, kappa de Cohen,
estimacin de riesgo relativo, razn de ventajas, prueba de
McNemar y estadsticos de Cochran y Mantel-Haenszel.
20
07
55
Otros Tipologas de Medidas de Asociacin
CI
Las hay Simtricas y Asimtricas
D
LasC
Simtricas:
IE
UB

Ed uca ti va
No distinguen entre VI y VD
Reflejan slo la fuerza y direccin
Q de Yule, C. de Pearson, V de Cramer
Las Asimtricas:
Requiere distincin entre VI y VD
Mide capacidad predictiva e influencia de una VI
para predecir los valores de una VD
Coeficiente Lambda, Rho de Spearman
20
07
56
5.- Indices de Asociacin

Hiptesis:
0: La asociacin entre variables es nula.
1: La asociacin entre variables es significativa.
CI
DC
I
a) Estadsticos para Variables Nominales:

Coeficiente PHI
Coeficiente C de contingencia (y Ajustado)
V de Cramer
Coeficiente Rho -Equivale a Pearson y a PHI Lambda de Goodman y Kruskal (Basada en la
medida de Concentracin).
Prueba de Mantel-Haenszel
Coeficiente de Incertidumbre (Basada en la
medida de Entropa).
Razn de Productos Cruzados (RPC) para cada subtabla 2x2 (como en Homogeneidad).
Q. de Yule
Coeficiente de Coaligacin Y de Yule
Ed uca ti va
UB
20
07
57
CI
b) Estadsticos para Variables ordinales:

Rangos de Spearman -Equivale a Pearson
Gamma de Goodman y Kruskal (1979)
D de Somers (1962)
Tau- B de Kendall (1979)
Tau-C de Stuart (1953)
Asociac. Parcial Tau- B de Kendall (Comparable
a Correlac. Parcial)
DC
I

Ed uca ti va
c) Estadsticos para Casos Mixtos:

Continua vs Dicotmica: Biserial-puntual.
Dicotmica vs Dicotmica: PHI.
Continua vs Dicotomizada Normal-: Biserial.
Dicotomizada Normal- vs Dicotomizada
Normal-: Tetracrica.
UB
20
07
58
4) ndices de Concordancia
Similares a los estadsticos de asociacin, pero

aplicables cuando las variables se computan en
funcin de acuerdos-desacuerdos o
concordancias-discrepancias.
De utilidad para estimar la fiabilidad interjueces.
CI

Ed uca ti va
DC
I
E
Estadsticos:
UB
ndice Concordancia ( Porcentaje

Acuerdos)
Coef. Kappa de Cohen.
20
07
59
Chi-2 de Independencia
CI
Chi-cuadrado de Pearson contrasta la hiptesis

que las variables de fila y columna son
independientes.
El valor de significacin (Sig. asinttica) contiene la
informacin buscada, cuanto menor sea, menor
posibilidad habr de que las dos variables sean
independientes (no estn relacionadas).
Dos variables
No hay variable respuesta
Variables nominales u ordinales
Siempre positivo
No tiene un lmite superior
Es un prueba unilateral (N.S. 0,05)
Ho: No hay relacin entre las variables
H1: Si hay asociacin
DC
I
Ed uca ti va

UB
20
07
Condiciones Aplicacin Chi-2 Independencia
CI
Ed uca ti va
Tabla superior a 2 x 2:
Si fe mayor o igual a 5: Chi-2 de Pearson
Si fe menor que 5: recategorizar
Cochran admite fe menores que 5, siempre que:
No ms 20% de fe menores que 5
Ninguna fe menor que 1
Tabla 2 x 2:
Si fe mayor o igual a 5: Chi-2 de Pearson
Si fe mayor o igual a 3 y menor a 5: Chi-2 con
correccin de Continuidad de Yates
Si fe menor que 3: Prueba exacta de Fisher
DC
I
UB
20
07
Chi-cuadrado de la razn de verosimilitud
CI Likelihood ratio chi square

DEstadstico
de bondad de ajuste similar al chi
CI de Pearson.
cuadrado
E e interpreta igual que 2
Se distribuye
Para tamaos
de muestra grandes, los dos
estadsticos son
equivalentes.
U
Su es que puede
subdividirse en una serie de
B
partes interpretables
por separado que,
B
sumadas, equivalen al total.
Muy utilizado para estudiar

la relacin entre
variables categricas, particularmente
en el
2
00
contexto de los modelos log-lineales.
7

Ed uca ti va
62
Prueba Exacta de Fisher
CI
Ed uca ti va
Es una prueba de independencia en una tabla de 2

x 2 que se basa en la distribucin hipergeomtrica
Su utilidad es mayor si el tamao de muestra total y
valores esperados son pequeos.
Calcula la probabilidad exacta de obtener el
resultado observado, o uno ms extremo, si las dos
variables son independientes y los marginales fijos.
Se usa cuando el tamao de la muestra en una
tabla de 2 x 2 es 20 o menor.
Determina si los valores de A difieren en la
proporcin correspondiente a la clasificacin
realizada por los valores de B (o viceversa)
DC
I
UB
20
07
63
Chi cuadrado Corregido de Yates

Correccin de Continuidad de Yates

Correccin a Ji-Cuadrado que mejora la
aproximacin del estadstico a la distribucin de
probabilidad de Ji-cuadrado.
Reduce en medio punto la diferencia en valores
absolutos entre las frecuencias observadas y las
frecuencias tericas:
CI
Ed uca ti va
DC
I
UB
20
07
64
Coeficiente de Contingencia
Medidas que no dependen del orden en que las

categoras se hayan dispuesto en la tabla, muchas se
fundamentan en el Ji-Cuadrado
CI
D
C
Coeficiente
IE
Pearson
Ed uca ti va

de contingencia cuadrtico medio de
Se cumple que 0 2 q-1, donde q = min{I,J}.

Cuando 2 = 0, las variables son independientes o sin
asociacin.
Para 2 = q-1 la asociacin es mxima.
Requiere una modificacin, pues depende de la
dimensin de la tabla; por tanto, no permite la
comparacin entre coeficientes obtenidos en tablas
de distintos rdenes.
UB
20
07
65
Coeficiente de Contingencia de Pearson:

CI
Mejorar el problema anterior, permitiendo la comparacin

entre coeficientes de tablas de distintos rdenes
2
q 1
p=
;
0
q
1+ 2
DC
I
Est acotado, pero an el mximo valor del coeficiente p

depende de la dimensin de la tabla. Sakoda propuso
una modificacin para acotarlo entre 0 y 1, para cualquier
dimensin.
2
Ed uca ti va
p* =
q
; 0 p* 1
2
( q 1) (1 + )
U
Coeficiente de contingencia
BB de Chuprov
{
20
07
t=
( I 1)( J 1)
pmax
; 0t
q 1
max I 1, J 1}
El valor mximo de t depende de la dimensin de la tabla.
66
V de Cramr
CI
Ed uca ti va
Coeficiente de contingencia acotado entre 0 y 1

Su mximo valor, V=1, lo alcanza en caso de
"perfecta asociacin"; y V=0, en caso de
"independencia".
Al variar entre 0 y 1, puede ser interpretada como la
proporcin de variabilidad debida a la asociacin o
interaccin entre las variables
DC
I
UB
20
07
67
Phi de Cramer
CI

Ed uca ti va
Medida de asociacin basada en chi cuadrado

Resulta de dividir el estadstico chi cuadrado por el
tamao de la muestra y extraer la raz cuadrada del
resultado.
Toma valor 0 en caso de independencia, pero su
valor mximo depende de las dimensiones de la
tabla.
En tablas donde una dimensin es mayor que 2, phi
no necesita estar entre 0 y 1.
DC
I
UB
20
07
68
Lambda
CI

Ed uca ti va
Medida de asociacin que refleja la reduccin

proporcional en el error cuando se utilizan los
valores de la variable independiente para
pronosticar los valores de la variable dependiente.
Tiene un rango de 0 a 1
Un valor igual a 1 significa que la variable
independiente pronostica perfectamente la
variable dependiente.
Un valor igual a 0 significa que la variable
independiente no ayuda en absoluto a pronosticar
la variable dependiente.
Las hay simtricas y asimtrica
DC
I
UB
20
07
69
Coeficiente de Incertidumbre
CI
Medida de asociacin que indica la reduccin

proporcional del error cuando los valores de una
variable se emplean para pronosticar los valores de
la otra variable.
Por ejemplo, un valor de 0,83 indica que el
conocimiento de una variable reduce en un 83%
el error al pronosticar los valores de la otra
variable.
Se calcula tanto la versin simtrica como la
asimtrica del coeficiente de incertidumbre
DC
I
Ed uca ti va
UB
20
07
70
Gamma
CI
Ed uca ti va
Medida de asociacin simtrica entre dos variables

ordinales cuyo valor siempre est comprendido
entre -1 y 1.
Los valores prximos a 1, en valor absoluto, indican
una fuerte relacin entre las dos variables.
Los valores prximos a cero indican que hay poca o
ninguna relacin entre las dos variables.
Para las tablas de doble clasificacin, se muestran
las gammas de orden cero.
Para las tablas de tres o ms factores de
clasificacin, se muestran las gammas
condicionales.
DC
I
UB
20
07
71
d de Somers
CI

Ed uca ti va
Medida de asociacin entre dos variables ordinales

que toma un valor comprendido entre -1 y 1.
Los valores prximos a 1, en valor absoluto, indican
una fuerte relacin entre las dos variables.
Los valores prximos a cero indican que hay poca o
ninguna relacin entre las dos variables.
La d de Somers es una extensin asimtrica de
gamma que difiere slo en la inclusin del nmero
de pares no empatados en la variable
independiente.
Tambin se calcula una versin simtrica de este
estadstico.
DC
I
UB
20
07
72
Tau-b de Kendall
CI
Ed uca ti va
Medida no paramtrica de la correlacin para

variables ordinales o de rangos que tiene en
consideracin los empates.
El signo del coeficiente indica la direccin de la
relacin y su valor absoluto indica la magnitud de la
misma, de tal modo que los mayores valores
absolutos indican relaciones ms fuertes.
Los valores posibles van de -1 a 1, pero un valor de
-1 o +1 slo se puede obtener a partir de tablas
cuadradas.
DC
I
UB
20
07
73
Tau-c de Kendall
CI
Medida no paramtrica de asociacin para variables

ordinales que ignora los empates.
El signo del coeficiente indica la direccin de la
relacin y su valor absoluto indica la magnitud de la
misma, as los mayores valores absolutos indican
relaciones ms fuertes.
Los valores posibles van de -1 a 1, pero un valor de
-1 o +1 slo se puede obtener a partir de tablas
cuadradas
DC
I
Ed uca ti va
UB
20
07
74
Eta
CI

Ed uca ti va
Medida de asociacin cuyo valor siempre est

comprendido entre 0 y 1.
El valor 0 indica que no hay asociacin entre las
variables de fila y de columna.
Los valores cercanos a 1 indican que hay gran
relacin entre las variables.
Eta resulta apropiada para una variable dependiente
medida en una escala de intervalo (por ejemplo,
ingresos) y una variable independiente con un
nmero limitado de categoras (por ejemplo, sexo).
Se calculan dos valores de eta: uno trata la variable
de las filas como una variable de intervalo; el otro
trata la variable de las columnas como una variable
de intervalo
DC
I
UB
20
07
75
Kappa
CI

Ed uca ti va
La kappa de Cohen mide el acuerdo entre las

evaluaciones de dos jueces cuando valoran un
mismo objeto.
Un valor igual a 1 indica un acuerdo perfecto.
Un valor igual a 0 indica que el acuerdo no es mejor
que el que se obtendra por azar.
Slo est disponible para las tablas cuadradas
(tablas en las que ambas variables tienen el mismo
nmero de categoras y utilizan los mismos valores
de categora).
DC
I
UB
20
07
76
Estimacin de riesgo relativo
CI

Ed uca ti va
Para las tablas 2 x 2, medida del grado de asociacin entre la

presencia de un factor y la ocurrencia de un evento.
Si el intervalo de confianza para el estadstico incluye un valor
de 1, no se podr asumir que el factor est asociado con el
evento.
Cuando la ocurrencia del factor es poco comn, se puede
utilizar la razn de ventajas como estimacin del riesgo relativo.
DC
I
UB
20
07
77
McNemar
CI

Ed uca ti va
Prueba no paramtrica para dos variables

dicotmicas relacionadas.
Contrasta los cambios en las respuestas utilizando
la distribucin de chi-cuadrado.
Es til para detectar cambios en las respuestas
debidas a la intervencin experimental en los
diseos del tipo "antes-despus".
Para tablas cuadradas mayores, se utiliza la prueba
de simetra de McNemar-Bowker.
DC
I
UB
20
07
78
Estadsticos de Cochran y de MantelHaenszel
CI
Se utilizan para contrastar la independencia entre

una variable dicotmica de factor y una variable
dicotmica de respuesta, condicionada por los
patrones en las covariables, los cuales vienen
definidos por la variable o variables de las capas
(variables de control).
Mientras otros estadsticos se calculan capa por
capa, los estadsticos de Cochran y MantelHaenszel se calculan una sola vez para todas las
capas.
DC
I
Ed uca ti va
UB
20
07
79

P.P. #08 Indice de Procedimientos Estadísticos

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

P.P. #08 Indice de Procedimientos Estadísticos

Uploaded by

Copyright:

Available Formats

CI

UNIVERSIDA D DEL BIO-BIO

Cundo usas qu?

UNIVERSIDA D DEL BIO-BIO

Fisher, Ji cuadrada, Prueba Z

UNIVERSIDA D DEL BIO-BIO

Carlos Rodrguez G.: Trabajo Social UBB

UNIVERSIDA D DEL BIO-BIO

Menos robustas que las paramtricas pero menos

Pueden ser usadas cuando la variables es ordinal (Las

De Dos Muestras Independientes

De Dos Muestras Relacionada

UNIVERSIDA D DEL BIO-BIO

Chi-2 de Bondad de Ajuste

UNIVERSIDA D DEL BIO-BIO

Ej.: Determinar si una bolsa de caramelos contiene en

Ej.: Para ver si una bolsa de caramelos contiene un 5% de

UNIVERSIDA D DEL BIO-BIO

DC Se acepta la hiptesis nula

Carlos Rodrguez G.: Trabajo Social UBB

UNIVERSIDA D DEL BIO-BIO

Una variable y Dicotmica

Contrasta bondad de ajuste entre distribucin terica y

Compara fo de cada categoras de una variable dicotmica

Ej.: Una moneda al aire, la probabilidad de que salga cara es 1/2.

Ejemplo Prueba Binomial

UNIVERSIDA D DEL BIO-BIO

100 sobres (50 con el frmaco y 50 con un placebo) se

Si el p-valor asociado al estadstico de contraste es menor que

Lo que es lo mismo: la muestra procede de una poblacin en

UNIVERSIDA D DEL BIO-BIO

Ej.: Suponga que se realiza una encuesta a 20

Prueba de K-S para una muestra

UNIVERSIDA D DEL BIO-BIO

UNIVERSIDA D DEL BIO-BIO

Un estudio proporciona los siguientes puntuaciones:

UNIVERSIDA D DEL BIO-BIO

Pruebas para 2M Independientes

UNIVERSIDA D DEL BIO-BIO

Hay varias pruebas:

Pruebas: U de Mann-Whitney, reacciones

UNIVERSIDA D DEL BIO-BIO

Variable respuesta ordinal y variable explicativa

U de Mann Whitney (continuacin)

UNIVERSIDA D DEL BIO-BIO

Es similar a la t de dos grupos independientes

Para Muestras Grandes

Hay tablas para este caso de

(U es la suma de los rangos asignados a la muestra 1)

Prueba Z de K-S para 2M

UNIVERSIDA D DEL BIO-BIO

UNIVERSIDA D DEL BIO-BIO

P. de reacciones extremas de Moses

UNIVERSIDA D DEL BIO-BIO

UNIVERSIDA D DEL BIO-BIO

Pruebas para 2M relacionadas

UNIVERSIDA D DEL BIO-BIO

Compara las distribuciones de dos variables.

UNIVERSIDA D DEL BIO-BIO

Prueba de Wilcoxon para dos Muestras

UNIVERSIDA D DEL BIO-BIO

Prueba de rangos asignados para dos muestras

P. Wilcoxon para 2MR