Variable Dimetro-Rendimiento

rc

r2x100

0.600

36%

Ecuacin
Y=18.82x-792.3

Lo que me pediste

Por este motivo no se puede sacar significancia le haces ver a Ivn a ver
si se convence si no ya ni modo tendr que leer como se saca

Cmo evaluar la significancia estadstica

La prueba de hiptesis est guiada por el anlisis estadstico. La significancia
estadstica se calcula usando un valor p, el cual te dice la probabilidad de que
tu resultado se observe dado que una determinada afirmacin (la hiptesis
nula) sea verdadera.[1] Si este valor p es menor al nivel de significancia
establecido (generalmente 0,05), el experimentador puede asumir que la
hiptesis nula es falsa y aceptar la hiptesis alternativa. Usando una simple
prueba t, puedes calcular un valor p y determinar la significancia entre dos
grupos diferentes de un conjunto de datos.

Parte 1 de 3: Organizar tu experimento

Define tus hiptesis. El primer paso para evaluar la significancia estadstica es
definir la pregunta a la que quieres responder y declarar tu hiptesis. La
hiptesis es una afirmacin sobre tus datos experimentales y las diferencias
que podran ocurrir en la poblacin. Para cualquier experimento, hay tanto una
hiptesis nula como una hiptesis alternativa.[2] Por lo general, comparars
dos grupos para ver si son iguales o diferentes. La hiptesis nula (H0)
generalmente afirma que no hay diferencia entre tus dos conjuntos de datos.
Por ejemplo: los estudiantes que leen el material antes de la clase no obtienen
calificaciones finales ms altas.
La hiptesis alternativa (Ha) es lo contrario a la hiptesis nula y es la
afirmacin que tratas de respaldar con tus datos experimentales. Por ejemplo:
los estudiantes que leen el material antes de la clase s obtienen calificaciones
finales ms altas.
2

Establece el nivel de significancia para determinar cun inusuales deben ser

tus datos antes de poder ser considerados significativos. El nivel de
significancia (tambin llamado alfa) es el umbral que estableces para
determinar la significancia. Si tu valor p es menor o igual al nivel de
significancia establecido, los datos se consideran estadsticamente
significativos.[3] Como regla general, el nivel de significancia (o alfa) se

establece comnmente como 0,05, lo que significa que la probabilidad de

observar las diferencias en los datos al azar es de solo el 5 %.
Un nivel de confianza ms alto (y, por lo tanto, un valor p ms bajo) significa
que los resultados son ms significativos.
Si quieres una mayor confianza en tus datos, establece el valor p a 0,01. Los
valores p ms bajos generalmente se usan en la manufactura al detectar
defectos en productos. Es muy importante tener una confianza alta en que
todas las partes funcionarn exactamente como deben.
Para la mayora de los experimentos impulsados por hiptesis, un nivel de
significancia de 0,05 es aceptable.
3

Elige usar una prueba de una o dos colas. Una de las suposiciones que hace
una prueba t es que los datos estn distribuidos normalmente. Una distribucin
normal de datos forma una curva de campana, estando la mayora de las
muestras en el medio.[4] La prueba t es una prueba matemtica para ver si los
datos se encuentran fuera de la distribucin normal, ya sea por encima o por
debajo, en las "colas" de la curva. Si no ests seguro sobre si tus datos
estarn por encima o por debajo del grupo de control, usa una prueba de dos
colas. Esto te permite probar la significancia en cualquier direccin.
Si sabes en cul direccin esperas que tus datos tiendan, usa una prueba de
una cola. En el ejemplo dado, esperas que las calificaciones de los estudiantes
mejoren; por lo tanto, usars una prueba de una cola.
4

Determina el tamao de la muestra con un anlisis de potencia. La potencia de

una prueba es la probabilidad de observar el resultado esperado dado un
tamao especfico de la muestra.[5] El umbral comn para la potencia (o beta)
es de 80 %. Un anlisis de potencia puede ser un poco complicado sin algunos
datos preliminares ya que necesitas informacin sobre tus medios esperados
entre cada grupo y sus desviaciones estndar. Usa una calculadora de anlisis
de potencia en lnea para determinar el tamao ptimo de muestra para tus
datos.[6] Los investigadores generalmente realizan un pequeo estudio piloto
para informar su anlisis de potencia y determinar el tamao necesario de la
muestra para un estudio ms extenso.
Si no tienes los medios para realizar un estudio piloto complejo, realiza
algunos estimados sobre posibles medios con base en la lectura de la literatura
y los estudios que otras personas puedan haber realizado. Esto te dar un
buen lugar para empezar en cuanto al tamao de la muestra.
1

Define la frmula para la desviacin estndar. La desviacin estndar es una

medida de cun distribuidos estn los datos. Te da informacin sobre cun
similar es cada punto de datos dentro de la muestra. A primera vista, la
ecuacin puede parecer un poco complicada pero estos pasos te guiarn a
travs del proceso de clculo. La frmula es s = ((xi - )2/(N 1)). s es la
desviacin estndar.
indica que sumars todos los valores de muestra reunidos.
xi representa cada valor individual de tus datos.
es el promedio (o la media) de tus datos para cada grupo.
N es el nmero total de la muestra.
Promedia las muestras en cada grupo. Para calcular la desviacin estndar,
primero debes tomar el promedio de las muestras en los grupos individuales. El
promedio est designado con la letra griega mu o . Para hacerlo, simplemente
suma cada muestra y luego divide el resultado entre el nmero total de
muestras.[7] Por ejemplo, para encontrar la calificacin promedio del grupo
que ley el material antes de la clase, observemos algunos datos. Por
simplicidad, usaremos un conjunto de datos de 5 puntos: 90, 91, 85, 83 y 94.
Suma todas las muestras: 90 + 91 + 85 + 83 + 94 = 443.
Divide la suma entre el nmero de muestras, N = 5: 443/5 = 88,6.
La calificacin promedio para este grupo es de 88,6.
Resta cada muestra al promedio. La siguiente parte del clculo involucra la
parte (xi - ) de la ecuacin. Restars cada muestra al promedio que acabas de
calcular. Para nuestro ejemplo, terminars con cuatro restas. (90 - 88,6), (9188,6), (85 - 88,6), (83 - 88,6) y (94 - 88,6).
Los nmeros calculados son ahora 1,4, 2,4, -3,6, -5,6 y 5,4.
4

Eleva cada uno de estos nmeros al cuadrado y smalos. Cada uno de estos
nuevos nmeros que acabas de calcular ahora ser elevado al cuadrado. Este
paso tambin eliminar cualquier signo negativo. Si tienes un signo negativo
despus de este paso o al final de tu clculo, es posible que hayas olvidado
este paso. En nuestro ejemplo, ahora trabajamos con 1,96, 5,76, 12,96, 31,36
y 29,16.
Sumar estos resultados produce 1,96 + 5,76 + 12,96 + 31,36 + 29,16 = 81,2.
Divide entre el nmero total de muestras menos 1. La frmula divide entre N - 1
porque corrige el hecho de que no has contado una poblacin entera sino que

has tomado una muestra de la poblacin de todos los estudiantes para hacer
un estimado.[8] Resta: N - 1 = 5 - 1 = 4
Divide: 81,2/4 = 20,3

Saca la raz cuadrada. Una vez que hayas dividido entre el nmero de
muestras menos 1, saca la raz cuadrada de este nmero final. Este es el
ltimo paso para calcular la desviacin estndar. Existen programas de
estadstica que harn este clculo por ti despus de ingresar los datos sin
procesar. Para nuestro ejemplo, la desviacin estndar de las calificaciones
finales de los estudiantes que leyeron antes de la clase es s =20,3 = 4,51.
Parte 3 de 3: Determinar la significancia

Calcula la varianza entre tus dos grupos de muestra. Hasta este punto, el
ejemplo solo ha lidiado con uno de los grupos de muestra. Si tratas de
comparar dos grupos, obviamente tendrs datos de ambos. Calcula la
desviacin estndar del segundo grupo de muestras y sala para calcular la
varianza entre los dos grupos experimentales. La frmula para la varianza es
sd = ((s1/N1) + (s2/N2)).[9] sd es la varianza entre los grupos.
s1 es la desviacin estndar del grupo 1 y N1 es el tamao de la muestra del
grupo 1.
s2 es la desviacin estndar del grupo 2 y N2 es el tamao de la muestra del
grupo 2.
Para nuestro ejemplo, digamos que los datos del grupo 2 (estudiantes que no
leyeron antes de la clase) tuvieron un tamao de muestra de 5 y una
desviacin estndar de 5,81. La varianza es: sd = ((s1)2/N1) + ((s2)2/N2))
sd = (((4,51)2/5) + ((5,81)2/5)) = ((20,34/5) + (33,76/5)) = (4,07 + 6,75) =
10,82 = 3,29.

Imagen titulada Assess Statistical Significance Step 12

Calcula la puntuacin t de tus datos. Una puntuacin t te permite convertir tus

datos en una forma que te permita compararlos con otros datos. Las
puntuaciones t te permiten realizar una prueba t que te permita calcular la
probabilidad de que dos grupos sean significativamente diferentes uno de otro.
La frmula para una puntuacin t es t = (1 - 2)/ sd.[10] 1 es el promedio
del primer grupo.
2 es el promedio del segundo grupo.
sd es la varianza entre las muestras.
Usa el promedio ms grande como 1 de forma que no tengas un valor
negativo de t.
Para nuestro ejemplo, digamos que el promedio de la muestra para el grupo 2
(aquellos que no leyeron) fue 80. La puntuacin t es t = (1 - 2)/sd = (88,6 80)/3,29 = 2,61.
Determina los grados de libertad de tu muestra. Al usar la puntuacin t, el
nmero de grados de libertad se determina usando el tamao de la muestra.
Suma el nmero de muestras de cada grupo y luego resta 2. Para nuestro
ejemplo, los grados de libertad (gl) son 8 porque hay cinco muestras en el
primer grupo y cinco muestras en el segundo ((5 + 5) - 2 = 8).[11]
Usa una tabla para evaluar la significancia. Puedes encontrar una tabla de
puntuaciones t[12] y grados de libertad en un libro de estadstica estndar o en
lnea. Observa la fila que contenga los grados de libertad de tus datos y busca
el valor p que corresponda con la puntuacin t. Con 8 gl y una puntuacin t de
2,61, el valor p para una prueba de una cola se encuentra entre 0,01 y 0,025.
Debido a que establecimos el nivel de significancia como menor o igual a 0,05,
nuestros datos son estadsticamente significativos. Con estos datos,
rechazamos la hiptesis nula y aceptamos la hiptesis alternativa:[13] los
estudiantes que leen el material antes de clase obtienen mejores calificaciones
finales.
Considera un estudio de seguimiento. Muchos investigadores realizan un
pequeo estudio piloto con unas cuantas medidas para ayudarlos a
comprender cmo disear un estudio ms grande. Realizar otro estudio con
otras medidas ayudar a incrementar tu confianza en tu conclusin.

Referencias
1.

http://blog.minitab.com/blog/adventures-in-statistics/how-to-correctlyinterpret-p-values
2. https://statistics.laerd.com/statistical-guides/hypothesis-testing-3.php
3. http://www.stat.yale.edu/Courses/1997-98/101/sigtest.htm
4. https://web.csulb.edu/~msaintg/ppa696/696stsig.htm#INTERPRET THE
Chi
5. http://www.jeremymiles.co.uk/misc/power/
6. http://powerandsamplesize.com/Calculators/Compare-2-Means/2-Sample1-Sided
7. https://www.mathsisfun.com/data/standard-deviation-formulas.html
8. https://www.mathsisfun.com/data/standard-deviation-formulas.html
9. http://archive.bio.ed.ac.uk/jdeacon/statistics/tress4a.html
10. http://archive.bio.ed.ac.uk/jdeacon/statistics/tress4a.html
11. http://www.kean.edu/~fosborne/bstat/07b2means.html
12. http://www.sjsu.edu/faculty/gerstman/StatPrimer/t-table.pdf
13. https://statistics.laerd.com/statistical-guides/hypothesis-testing-3.php