Análisis bivariado, variable
cualitativa y cuantitativa: es frecuente su uso ya que es muy útil el conocer si las categorías de una variable cualitativa o cuantitativa presentan unos valores medios similares.
Comparación de medias, casos: es la media de una
variable con respecto al valor que queramos estudiar. La media de 2 muestras apareadas o dependientes, los valores que una presente influye en los que la otra presente ya que provienen de la misma muestra. La media entre 2 muestras desapareadas o independientes es lo contrario a la anterior, los valores de una no influyen sobre los de la otra.
Test a aplicar: primero hay que determinar cuántas muestras tenemos y si éstas
son normales o apareadas, según ésto elegiremos test paramétricos o los no paramétricos.
-Paramétricos:
-Test T de Student: se usa cuando hay una o más categorías. Se usa en distribuciones
normales y de igual varianzas, N muestral debe ser superior a 30. Su fórmula es :
-Test de ANOVA: cuando hay más de dos categorías, siendo una cualitatita y la otra
cuantitativa. Determina el p valor del F estadístico. La hipótesis nula sería que todos los grupos son iguales y la alternativa, que los grupos son distintos. Suponemos que los grupos son normales y que las desviaciones típicas de los grupos son prácticamente iguales.
Fuera de serie mide 2 fuentes de variación y compara las medidas relativas de ambas. En caso
de existir variación entre grupos se mira la diferencia de valor entre el significado del grupo y el significado general (x̄i-x̄)^2 En caso de que exista diferencia de valor en los grupos, miramos la diferencia entre el valor y el significado de su grupo (Xij-x̄i)^2. ANOVA F estadístico es el radio de variación entre grupos dividido entre la variación en los grupos F=MSG/MSE , cuánto mayor sea F más falsa será la hipótesis nula
Test T- student. Test ANOVA
-No paramétricas:
-Prueba U de Mann-Whitney: para muestras independientes.
-Test de Wilconxon: para muestras apareadas.
-Test Kruskal-Wallis: más de dos categorías.
Prueba U de Mann-Whitney Test de Wilconxon
Test de Kruskal-Wallis
No hay comentarios:
Publicar un comentario