Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ALEATORIZADO.
VI: A la variable categórica (nominal u ordinal) que define los grupos que deseamos comparar
la llamamos independiente o factor
VD: A la variable cuantitativa (de intervalo o razón) en la que deseamos comparar los grupos
la llamamos dependiente.
ü Averiguar cuál de tres programas distintos de incentivos aumenta de forma más eficaz el rendimiento de un determinado
colectivo. Podemos seleccionar tres muestras aleatorias de ese colectivo y aplicar a cada una de ellas uno de los tres
programas. Después, podemos medir el rendimiento de cada grupo y averiguar si existen o no diferencias entre ellos.
ü una VI categórica (el tipo de programa de incentivos) cuyos niveles deseamos comparar entre sí, y una VD cuantitativa (la
medida del rendimiento), en la cual queremos comparar los tres programas.
ü El ANOVA de un factor permite obtener información sobre el resultado de esa comparación. Es decir, permite concluir si
los sujetos sometidos a distintos programas difieren en el rendimiento.
El problema general que vamos a estudiar sería: disponemos de n elementos que se diferencian en
un factor por ejemplo alumnos de 4 clases distintas ( factor clase). En cada elemento observamos
una características continua (X) que varía aleatoriamente de un individuo a otro, por ejemplo notas
de estadística de los alumnos (a esta característica se le llama variable respuesta).
Nuestro objetivo será conocer si existe una relación o no entre la variable respuesta y el factor:
¿Habrá diferencias en las notas de los distintos grupos de estadística?
DESCOMPOSICIÓN DE LA VARIABILIDAD
EL ANÁLISIS DE LA VARIABILIDAD es un procedimiento creado por Fisher en 1925 para
descomponer la variabilidad de un experimento en componentes independientes que puedan
asignarse a causas distintas.
La distribución muestral del cociente entre las dos medias cuadráticas fue establecida por Fisher y
denominada como distribución F por Snedecor
Si las medias poblacionales son iguales, las medias muestrales de los diferentes grupos serán
parecidas, existiendo entre ellas únicamente diferencias atribuibles al azar. En consecuencia, el
cociente F estará próximo a 1.
Si las medias muestrales son distintas, el numerador será mayor que el denominador y el
estadístico F será superior a 1. A mayor diferencia existente entre las medias muestrales, mayor
será el numerador respecto al denominador y, en consecuencia, el valor de F.
el número de factores
el tipo de asignación de las unidades de análisis
niveles de los factores
1) NÚMERO DE FACTORES
El término factor es sinónimo de VI:, la variable categórica u ordinales que define las
condiciones y por tanto los grupos.
TIPO DE ALEATORIZACIÓN
TEMA 6
TEMA 5
TEMA 7
TEMA 8
2. ANOVA: comparar la variabilidad entre los medias con la variabilidad dentro de cada grupo
3.Cuando se rechaza H0 con el test ANOVA se busca qué grupos son distintos entre si realizando
comparaciones múltiples ( Pruebas Post Hoc) dos a dos.
ü Por tanto, debe haber independencia entre los sujetos dentro de cada grupo
y entre los grupos
Forzar siempre a que los datos se ajusten a una forma simétrica y con varianzas más
o menos homogéneas puede tener consecuencias no controladas y de pender de
otros elementos a considerar. NO DE FORMA RUTINARIA
ü Para realizar el contraste ANOVA, se requieren k muestras independientes de la variable de interés. Una
variable de agrupación denominada Factor y clasifica las observaciones de la variable en las distintas
muestras.
ü Supuestas k poblaciones independientes, las hipótesis tesis del contraste son siguientes:
Ho: μ1 =μ2 =....=μI Las medias poblacionales son iguales
H1: Al menos dos medias poblacionales son distintas
ü La hipótesis que se pone a prueba en el ANOVA de un factor es que las medias poblacionales (las medias
de la VD en cada nivel de la VI) son iguales. Si las medias poblacionales son iguales, eso significa que los
grupos no difieren en la VD y que, en consecuencia, la VI o factor es independiente de la VD.
ü El estadístico utilizado en ANOVA sigue una distribución n F de Fisher-Snedecor con k-1 y n-k grados de
libertad, siendo k el número de muestras y n el número total de observaciones que participan en el estudio.
La variable dependiente es aquella en la cual deseamos comparar los grupos. La variable factor es la variable
que define los grupos que deseamos comparar.
Si las medias entre los grupos varían mucho y la media dentro de un grupo varía poco, es
decir, los grupos son heterogéneos entre ellos y similares internamente, el valor de F será
más alto, y por tanto, las variables estarán relacionadas. En conclusión, cuanto más
difieren las medias de la variable dependiente entre los grupos de la variable
independiente, más alto será el valor de F.
A la hora de presentar ANOVA en un informe, artículo de investigación o tesis, se debe presentar la tabla de las
medias y desviaciones típicas, y seguidamente el estadístico F y su significación.
Descriptivos.: Ofrece estadísticos descriptivos referidos tanto a cada grupo como al total muestral: número de
observaciones, media, desviación típica, error típico de la media, intervalo de confianza para la media y valores
mínimo y máximo.
Normalidad significa que la variable dependiente se distribuye normalmente en las J poblaciones muestreadas
(tantas como grupos definidos por la variable independiente o factor). No obstante, si los tamaños de los grupos
son grandes, el estadístico F se comporta razonablemente bien incluso con distribuciones poblacionales
sensiblemente alejadas de la normalidad.
Homocedasticidad o igualdad de varianzas significa que las J poblaciones muestreadas poseen la misma
varianza. Con grupos de distinto tamaño, el incumplimiento de este supuesto debe ser cuidadosamente vigilado.
La opción Homogeneidad de varianzas permite contrastar este supuesto mediante la prueba de Levene.
.
Los procedimientos estadísticos de tamaño del efecto tienen como finalidad fundamental la
cuantificación de la relevancia del efecto obtenido. Dicho de otra forma, se trata de establecer si
efectos estadísticamente significativos son relevantes en el campo de aplicación de la
investigación.
Cuando los efectos son pequeños y el tamaño muestral es reducido, la potencia del contraste se
reduce . Debemos plantear nuestros experimentos de tal manera de obtener un gran poder
de contraste, y así estar seguros de que seremos capaces de evidenciar el efecto
estudiado.
Para tomar decisiones acertadas basadas en análisis estadísticos, tiene que estar seguro
de que puede confiar en sus resultados. Para hacer esta medición, utilizamos potencia
estadística, que es la probabilidad de que su prueba identifique una diferencia o un
efecto significativo cuando realmente exista.
www.unir.net