Prueba de hipótesis de uno y dos parámetros

Prueba de hipótesis de uno y dos parámetros

•  Paso 1. Planteamiento de la Hipótesis

X: ….

HO:  =   ≤   ≥

H1:  ≠   >   <

• Paso 2. Establecer el nivel de significancia ( α )
• Paso 3. Establecer y calcular el estadístico de prueba (Formula)
• Paso 4. Establecer las regiones de “RH” y “NRHo” (Grafico)

Unilateral derecha >

Unilateral izquierda <

Bilateral ≠

• Paso 5. Decisión y conclusión

[pic 1]

[pic 2]

EXPERIMENTO FACTORIAL (ANOVA DE 2 VIAS)

1. ANALIZAR/MODELO LINEAL GENERAL/UNIVARIADA (Posthoc-Duncan; Guardar-Residuos no estandarizados; Opciones-Prueba de homogeneidad) aceptar
2. ANALIZAR/PRUEBAS NO PARAMETRICAS/CUADROS DE DIALOGO ANTIGUOS/KS DE 1 MUESTRA (Analizar residuo) aceptar
3. ANALIZAR/PRUEBAS NO PARAMETRICAS/CUADROS DE DIALOGO ANTIGUOS/KS DE 1 MUESTRA (Analizar residuo) aceptar

1. Primer supuesto: Homogeneidad de varianzas - Levene

HO: Las varianzas son homogéneas (Sig>α NRHO)

H1: Las varianzas no son homogéneas (Sig<α RHO)

Conclusión: con un nivel de significación de % …

1. Segundo supuesto: Normalidad de errores - Kolmogorov

HO: Los errores siguen una distribución normal (Sig>α NRHO)

H1: Los errores no siguen una distribución normal (Sig<α RHO)

Conclusión: con un nivel de significación de %

1. Tercer supuesto: Análisis de interacción - Inter sujetos (Sig de factor_A*Factor_B)

HO: No existe interacción (Sig>α NRHO)  Realizar Análisis de factores

H1: Existe interacción (Sig<α RHO) Realizar sintaxis

Conclusión: con un nivel de significación de % …

En caso de que exista interacción:

Realizar Sintaxis

Comparar factores – Comparaciones por parejas

Verificar los signos:

• Si ambos son positivos, el primero es mayor.
• Si uno es positivo, son iguales.
• Si ambos son negativos, el segundo es mayor.

(ordenar de menor a mayor)

Conclusión: con un nivel de significación de % …

En caso de que no exista interacción:

Análisis de factores - Inter sujetos

Factor_A: (Sig de Factor_A)

HO: “El factor dependiente (Y) promedio” no afecta al “Factor_A” (Sig>α NRHO)

H1: “El factor dependiente (Y) promedio” afecta al “Factor_A” (Sig<α RHO)

Conclusión: con un nivel de significación de % …

Factor_B: (Sig de Factor_B)

HO: “El factor dependiente (Y) promedio” no afecta al “Factor_B” (Sig>α NRHO)

H1: “El factor dependiente (Y) promedio” afecta al “Factor_B” (Sig<α RHO)

Conclusión: con un nivel de significación de % …

Comparar factores – Duncan (verificar subconjuntos y ordenar de menor a mayor)

Conclusión: con un nivel de significación de % …

DISEÑO COMPLETAMENTE ALEATORIO (ANOVA DE 1 VIA)

1. ANALIZAR/MODELO LINEAL GENERAL/UNIVARIADA (Posthoc-Duncan; Guardar-Residuos no estandarizados; Opciones-Prueba de homogeneidad) aceptar
2. ANALIZAR/PRUEBAS NO PARAMETRICAS/CUADROS DE DIALOGO ANTIGUOS/KS DE 1 MUESTRA (Analizar residuo) aceptar

1. Primer supuesto: Homogeneidad de varianzas - Levene

HO: Las varianzas son homogéneas (Sig>α NRHO)

H1: Las varianzas no son homogéneas (Sig<α RHO)

Conclusión: con un nivel de significación de % …

1. Segundo supuesto: Normalidad de errores - Kolmogorov

HO: Los errores siguen una distribución normal (Sig>α NRHO)

H1: Los errores no siguen una distribución normal (Sig<α RHO)

Conclusión: con un nivel de significación de %

1. Tercer supuesto: Análisis de interacción - Inter sujetos (Sig de factor_A)

HO: Los promedios son iguales en todos los tratamientos (Sig>α NRHO)

H1: Los promedios no son iguales en al menos un tratamiento (Sig<α RHO)

Conclusión: con un nivel de significación de % …

Comparar factores – Duncan (verificar subconjuntos y ordenar de menor a mayor)

Conclusión: con un nivel de significación de % …

REGRESION LINEAL

1. ANALIZAR/REGRESION/LINEAL – Establecer variables X, Y (Estadístico-Durbin Watson; Guardar-Residuos no estandarizados) aceptar
2. ANALIZAR/PRUEBAS NO PARAMETRICAS/CUADROS DE DIALOGO ANTIGUOS/KS DE 1 MUESTRA (Analizar residuo) aceptar

1. Identificar problema:
2. Identificar variables: Dependiente “Y”, independiente “Factor_A”
3. Verificación de supuestos:

1. Primer supuesto: Normalidad de errores - Kolmogorov

HO: Los errores se distribuyen normalmente Sig>α NRHO

H1: Los errores no se distribuyen normalmente Sig<α RHO

1. Segundo supuesto: Autocorrelación de los errores – Durbin Watson

Si:  DW [1;3] No hay autocorrelación de los errores

1. Ecuación lineal: Y= β0+β1(X)

Si el “Factor_A” se incrementa en uno, el “Y” se (incrementa/disminuye) en (…)

1. Validar modelo RLS:

HO: β1=0 Sig>α NRHO

H1: β1≠0 Sig<α RHO

Hallar Tcal – coeficientes, inv.t(Excel)

[pic 3]

Conclusión: al nivel de significación del (…) el modelo (es/no es) válido.

1. Y= β0+β1(X)  

Cuando el “Factor_A” es de (X) el “Y” será (…)

1. Coeficiente de determinación:

REGRESION LINEAL

1. ANALIZAR/REGRESION/LINEAL – Establecer variables X, Y (Estadístico-Durbin Watson; Guardar-Residuos no estandarizados) aceptar
2. ANALIZAR/PRUEBAS NO PARAMETRICAS/CUADROS DE DIALOGO ANTIGUOS/KS DE 1 MUESTRA (Analizar residuo) aceptar

1. Identificar problema:
2. Identificar variables: Dependiente “Y”, independiente “Factor_A”
3. Verificación de supuestos:

1. Primer supuesto: Normalidad de errores - Kolmogorov

HO: Los errores se distribuyen normalmente Sig>α NRHO

...