Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Carrera: biotecnología
Prueba estadística Paramétrica o no Numérica u ordinal Objetivo de la
paramétrica prueba ¿Qué
compara?
Ejemplos
X2
T de student
En este ejemplo se busca primeramente afirmar dos tipos de hipótesis. Como hipótesis
alternativa dónde se afirma que si hay diferencia entre los dos grupos de estudiantes
respecto a su habilidad de lectura, mientras que en la hipótesis nula se afirma lo contrario:
la diferencia será mínima en los dos grupos.
Para proceder al análisis de esta prueba t de Student primero se busca la media y varianza
que existe en cada grupo, por lo que se obtienen los siguientes datos:
Como se muestra en la tabla 4, se obtiene que los intervalos de confianza de las medias no
llega a tocarse, por lo que la diferencia puede llegar a ser significativa en esta prueba. Para
esto se obtiene que p<0.001 por lo que se considera que si hay una diferencia significativa
en la habilidad de lectura en los dos grupos, esto hace que se acepte la hipótesis
alternativa.
ANOVA un factor intersujeto
Primeramente en el ejemplo se observa que se tratará con un factor en donde hay una
variable respuesta (que es la calificación en la prueba de vocabulario) y los métodos de
enseñanza (auditivo, traducción y combinado).
Para realizar esta prueba en el ejemplo se muestra que se recurrió al cálculo de los grados
de libertad (23), al igual que la suma de cuadrados de los intergrupos y de ahí se obtiene
el dato de los intragrupos para obtener con estos dos datos el valor de F.
No sin antes mencionar las hipótesis que existen en esta prueba. Como hipótesis nula se
afirma que la calificación del grupo, por cada método de enseñanza, es aceptable, y la
hipótesis alternativa donde afirma que la calificación del grupo no es aceptable.
Al sacar el valor de F este corresponde a un p= 0.002 que es menor a 0.05 por lo que se
rechaza la hipótesis nula y se concluye que la calificación difiere en cada método de
enseñanza.
Para este ejemplo se requiere una tabla con datos necesarios para calcular la tabla de
ANOVA con base a este factor bloqueado en las dos vías de la prueba.
Tabla 6. Datos de la maquinaria y los años de experiencia de los operadores.
Al tener un valor de F con 0.09, se tiene que es mayor a 0.05 el cual se concluye con esta
prueba que no difere la producción de las máquinas junto con las diferentes experiencias
de los operadores
U de Mann-Whitney
H Kruskal-Wallis
Tabla 9. Datos para la prueba
Kruskal-Wallis
En este ejemplo se enfoca en realizar ese
tipo de prueba para comprobar la relación
entre tres métodos de enseñanza y el día al
que se toma la clase. Por lo que la tabla
anterior se recopilan los datos necesarios
para el análisis.
Por lo que se recurre a la generación de hipótesis nula donde se afirma que las medianas
de los métodos seleccionados dan resultados iguales, mientras que la hipótesis alternativa
señala que los métodos de enseñaza difieren.
Wilcoxon
Para este tipo de prueba estadística se utilizó una situación donde se busca conocer el
desempeño de una prueba matemática a comparación de una prueba de aptitud
matemática.
Tabla 10. Resultados para la prueba de Wilcoxon
En los resultados obtenidos que observa que el valor de p es menor que 0.05 por lo que se
acepta la hipótesis nula donde afirma que el desempeño en la prueba matemática es
mejor que en la aptitud matemática.
Friedman
Para esta prueba se utilizó una situación en donde se buscó ver el efecto de una teoría de
un psicólogo en el ámbito educativo. Por lo que con base a 12 estudiantes se conoció el
rendimiento educativo antes y después de la intervención para conocer este efecto en los
estudiantes y su educación.
Para esta prueba se utilizó el valor de Sig con 0.633 donde con base a eso se acepta la
hipótesis nula donde afirma que no existe relación significativa en la educación de los
estudiantes y sobre la teoría de intervención del psicólogo en el tiempo estimado.
Referencias
1. Félix Ramos Salamanca. (2010). Prueba t de Student para Muestras Independientes. Noviembre
2019, de Gatorrison Sitio web: https://gatorrison.neocities.org/progs/studtmain.htm
2. S/A. (2017). Ejercicios resueltos de ANOVA de un factor . Noviembre 2019, de DTA Utalca Sitio web:
http://dta.utalca.cl/estadistica/ejercicios/interpretar/Metodos/resuelto%20anova.pdf
3. Berlanga Silvente, V. y Rubio Hurtado, M.J. (2012) Clasificación de pruebas no paramétricas. Cómo
aplicarlas en SPSS. [En línea] REIRE, Revista d’Innovació i Recerca en Educació, Vol. 5, núm. 2, 101-
113. Disponible en: http://www.ub.edu/ice/reire.htm
4. GIA Educación digital. (2018). Prueba de Friedman, no paramétrica. Noviembre 2019, de Universidad
de Sevilla
5. Ctra. del Colmenar Viejo. (2010). Análisis de la varianza de dos factores. Noviembre 2019, de
Comunidad de Madrid Sitio web: http://www.hrc.es/bioest/Anova_10.html
6. Rosana Ferrero. (2019). ¿QUÉ ES EL ANOVA DE UNA VÍA?. Noviembre 2019, de Máxima formación
Sitio web:
https://www.maximaformacion.es/blog-dat/que-
es-el-anova-de-una-via/
7. Eric Flores-Ruiz, María Guadalupe Miranda-
Novales, et al. El protocolo de investigación VI:
cómo elegir la prueba estadística adecuada.
Estadística inferencial. Metodología de la
investigación; Rev Alerg Mex, 64, 3, 2017.
8. Manuel Gómez-Gómez, Cecilia Danglot-Banck
et al.. (2013). Cómo seleccionar una prueba
estadística (Primera de dos partes). Noviembre
2019, de Revista mexicana de pediatría Sitio web: https://www.medigraphic.com/pdfs/pediat/sp-
2013/sp131g.pdf
9. E. Aranzadi, M. Miramar et al.. (2002). Pruebas de significación en Bioestadística . Noviembre 2019,
de Revista de diagnóstico biológico Sitio web:
http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S0034-79732001000400008