Sei sulla pagina 1di 10

Universidad Anáhuac México Norte

Materia: Diseño experimental

Actividad 11. Pruebas estadísticas

Alumna: Valeria Román Ayala


ID. 00259511

Carrera: biotecnología
Prueba estadística Paramétrica o no Numérica u ordinal Objetivo de la
paramétrica prueba ¿Qué
compara?

X2 No paramétrica Nominal en variable Compara dos


dependiente variables categóricas y
su correlación.

T de student Paramétrica Numérica si la variable Compara dos grupos


es dependiente. independientes
Ordinal si la variable cuando difieren entre
es independiente. sí con base a sus
medias.
ANOVA un factor Paramétrica Numérica si la variable El objetivo de esta
intersujeto es dependiente. prueba ANOVA es
Ordinal si la variable determinar las
es independiente. diferencias
significativas entre las
medias de 3 o más
grupos. En una vía es
asumir que un sólo
una variable
independiente influye
en la unidad
experimental.
ANOVA dos Paramétrica Numérica si la variable Su objetivo es
factores intersujeto es dependiente. considerar que dos
Ordinal si la variable factores influyen en el
es independiente. problema.

U mann-Whitney No paramétrica Ordinal Compara dos


variables
independientes
través de la prueba T
de student.
H Kruskal-Wallis No paramétrica Numérica Compara factores
aleatorizados el cual
hace que sea una
alternativa para la
prueba ANOVA y una
extensión de U mann-
Whitney.
Wilcoxon No paramétrica Ordinal Su objetivo es mostrar
diferencias notables
en la hipótesis entre
dos medianas.
Friedman No paramétrica Ordinal Su objetivo de prueba
es saber si las
variables tienen
relación respecto a su
distribución continua
en un periodo de
tiempo.

Ejemplos

X2

Tabla 1. Resultados mostrados por medio de la prueba Chi-cuadrada.

En este ejemplo, el objetivo de la Prueba de Chi-cuadrada es encontrar una correlación


entre mujeres y hombres respecto a su experiencia como docente. Por lo que se realizan
las siguientes hipótesis, como es hipótesis nula en el que se afirma que el sexo es
independiente de la experiencia docente, e hipótesis alternativa en el que afirma que sí
existe relación alguna en las dos variables. En los resultados se observa La Chi-cuadrada en
el que el sig. Asintótica tiene un valor de 0.361 > 0.05. El cual se acepta la hipótesis nula
en el que afirma que no existe relación entre el sexo de la persona con los años de
experiencia en el trabajo.

T de student

Se desea comparar a dos grupos de estudiantes respecto de su habilidad de lectura después


de haber impratido a uno de ellos un programa instruccional. De acuerdo con el diseño
empleado, los alumnos del primer grupo deberían tener una ejecución diferente de la
mostrada por los estudiantes del segundo grupo.

Tabla 3. Resultados con base a los datos de los


Tabla 2. Datos sobre los dos grupos de estudiantes. dos grupos de estudiantes donde se obtuvo los
intervalos de confianza el 95% para las medias.

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:

En donde se observa que la media del primer grupo al


compararlo con el segundo grupo difiere, por lo que ahora se
analiza esta diferencia para conocer qué tanta hay entre los
grupos. Por eso mismo se recurre a obtener los intervalos de
confianza al 95% de las medias.

Tabla 4. Datos de media y


varianza de los dos grupos.

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).

Tabla 5. Resultados en prueba de ANOVA de un factor.

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.

ANOVA dos factores intersujetos

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.

Tabla 7. Resultados en la tabla de ANOVA.

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

Tabla 8. Resultados en tabla sobre la prueba de Mann-Whitney.

En el ejemplo para la prueba U de Mann-Whitney se busca conocer si la experiencia de


trabajo influye en la capacidad del profesorado sobre las TIC de enseñanza.
Por lo que para esto se tiene dos hipótesis:
Hipótesis nula, en el que afirma que la experiencia del trabajo no tiene influencia en la
capacidad del profesor sobre las TIC de enseñanza.
Y la hipótesis alternativa, en el que establece la relación que hay entre la experiencia y la
enseñanza. Al tener los resultados al tener 0.005<0.05, lo cual demuestra que se debe
aceptar la hipótesis alternativa que describe una influencia entre la experiencia en el
trabajo junto con la capacidad que otorga a las TIC en la enseñanza y que el docente que
tenga menos de 5 años de experencia considera con más capacidad las TIC.

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.

Al realizar el procedimiento se tiene los


siguientes resultados

Se observa un valor de p 0.016 en donde es


menor a 0.05 por lo que se rechaza hipótesis
nula y se conoce como resultado la
interpretación de la hipótesis alternativa donde los métodos difieren donde alguno tiene
una mediana diferente.

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

Potrebbero piacerti anche