Upload
carlos-rojas
View
2.132
Download
1
Embed Size (px)
Citation preview
Marzo 2011Profesor: Carlos Rojas A. – MBAConsultor | Media Management
Una forma natural para comparar 2 grupos es un diagrama de caja de los datos para ambos grupos. Por ejemplo:
Medias Prueba T para una muestra Prueba T para dos muestras
independientes Prueba T para dos muestras relacionadas.
Una vez que se han examinado los boxplots, podemos enfrentarnos a una comparación de dos medias.
Al comparar dos medias el parámetro es la diferencia entre dos medias, 1 – 2.
La cantidad es nuestro mejor estimador de la diferencia entre ambas medias
1 2y y
2 21 2
1 21 2
s sSE y y n n
Recordemos que para valores independientes la desviación estándar es:
Así el error estándar es:
Porque estamos trabajando con medias y estimando el error estándar de los datos usados, el modelo de muestreo es t-student
2 21 2
1 21 2
SD y y n n
Supuesto de población normal: Condición de normalidad (revisar para
ambas muestras)Supuesto de grupos independientes:
los grupos que estamos comparando deben ser independientes uno del otro
Supuesto de igualdad de varianzas: dependiendo del valor del calculo se
trabaja con medias independientes o relacionadas
Entrega estadísticos descriptivos que pueden calcularse para los distintos grupos y sub grupos definidos para una o más variables independientes. Anova de un factor Proporción de la varianza explicada Hipótesis de linealidad
Esta prueba permite el contraste referido a una media poblacional
Se hace necesario estimar la DS muestral
Al trabajar con la DS muestral, obliga a usar t
Esta tipificación en t, del estadístico Ŷ (media), es lo que se llama prueba t para una muestra
Su beneficio es conocer la probabilidad asociada a cada uno de los valores y que puede obtener de una muestra N. El verdadero valor μ S = desviación poblacional
Para que el estadístico T se ajuste a t Población normal A más de 20 o 30 casos
El nivel crítico indica la probabilidad de obtener una media Ŷ tan alejada de μ como la de hecho obtenida μ es un valor propuesto en “Valor de
Prueba”Si esa probabilidad es menor que
0,05, entonces se rechaza la hipótesis nula de que la media poblacional es el valor propuesto
Normalidad: las muestras con que se trabaja proceden de poblaciones normalmente distribuidas
Homocedasticidad u homogeneidad de varianzas: todas esas poblaciones normales poseen la misma varianza
Spss entrega 2 pruebas de significación: Kolmogorov-Smirnov Shapiro-Wilk (= ó < que 50 obs.)
Spss entrega 2 gráficos de normalidad: Q-Q Normal Q-Q Normal sin tendencia
Los estadísticos permiten contrastar la hipótesis nula de que los datos muestrales proceden de poblaciones normales: se rechaza la hipótesis nula de normalidad cuando el nivel crítico (.sig) es menor que el nivel de significancia establecido, (generalmente 0,05 o 5%)
Los estadísticos son muy sensibles a los puntos extremos, por lo que hay que acompañarlos de sus respectivas gráficas
Spss entrega 2 gráficos de normalidad: Q-Q Normal Q-Q Normal sin tendencia
Explorar > gráficos con pruebas de normalidad
Q-Q Normal: desviaciones de la línea diagonal indican desviaciones de la normalidad
Q-Q Normal sin tendencia: si la muestra proviene de una población normal entonces los datos deben oscilar aleatoriamente en torno a la horizontal La presencia de patrones, indican desviaciones
de la normalidad
Permite contrastar la hipótesis referida a las diferencias entre dos medias independientes Dos poblaciones normales Muestras Independientes
La prueba T permite contrastar la diferencia entre dos medias muestrales tipificadas
Se usan las medias muestrales para contrastar la hipótesis nula de que las medias poblacionales son iguales
Se puede usar iguales varianzas o diferentes varianzas Prueba de Levene de Homogeneidad▪ Entrega información para ambos casos
Normalidad: las muestras con que se trabaja proceden de poblaciones normalmente distribuidas
Homocedasticidad u homogeneidad de varianzas: todas esas poblaciones normales poseen la misma varianza
Spss entrega la prueba de significación de Levene
Spss entrega el gráficos de dispersión por nivel
La prueba de Levene contrasta la hipótesis que los grupos definidos por la variable factor proceden de poblaciones con la misma varianza
Esta prueba consiste en hacer una análisis de varianza de un factor utilizando como variable dependiente la diferencia, en valor absoluto, entre cada puntuación individual y la media
Spss entrega la prueba de significación de Levene: El nivel crítico asociado al estadístico
de Levene permite contrastar la hipótesis de homogeneidad de las varianzas
Si el valor crítico es menor que 0,05, se debe rechazar la hipótesis de homogeneidad
La prueba T para muestras relacionadas, permite contrastar la hipótesis referida a la diferencia entre dos medias relacionadas Se dispone de una población a la cual se
le quiere medir:▪ Dos variables diferentes▪ La misma variable en dos momentos
diferentes
Desde una perspectiva estadística es igual a “prueba T para una muestra”
Ahora se tienen 2 muestras relacionadas o pares de puntuaciones
La hipótesis nula es que hay igualdad entre las medias de dos variables
Al revisar la sig., entonces si es menor que 0,05 se rechaza la hipótesis nula de igualdad, por lo que habría diferencias significativas entre estas dos variable elegidas
El supuesto de independencia requiere especial preocupación
Revisen los gráficos, busquen puntos extremos y distribuciones no normales diagramas de caja
Email: [email protected]: economiaymedios.blogspot.comTwitter: reds_clSlideshare: www.slideshare.net/reds_cl LinkedIn: http://cl.linkedin.com/in/carlosrojasaSkype: reds_cl
Muchas Gracias
Marzo 2011Profesor: Carlos Rojas A. – MBAConsultor | Media Management