Ola Que Hace

Prueba z

En una hipótesis para una media de población, μ0, prueba z devuelve la probabilidad de que la media de la muestra sea mayor que el promedio de las observaciones del conjunto (matriz) de datos (es decir, la medida observada de la muestra).Prueba z representa la probabilidad de que la media de la muestra sea mayor que el valor observado.

PROMEDIO (matriz), cuando la media de la población subyacente es μ0. Por la simetría de la distribución Normal, si

PROMEDIO (matriz) < μ0, PRUEBA.Z devolverá un valor mayor que 0,5.

Se puede utilizar la siguiente fórmula de Excel para calcular la probabilidad de dos colas de que la muestra esté más lejos de μ0 (en cualquier sentido) que de PROMEDIO (matriz) cuando la media de la población subyacente es μ0:

Douglas Montgomery Diseño y Análisis de Experimentos. Grupo Editorial Iberoamerica.1991.

Prueba T

Una prueba t de Student, prueba t-Student, o Test-T es cualquier prueba en la que el estadístico utilizado tiene una distribución t de Student si la hipótesis nula es cierta. Se aplica cuando la población se asume ser normal pero el tamaño muestral es demasiado pequeño como para que el estadístico en el que está basada la inferencia esté normalmente distribuido, utilizándose una estimación de la desviación típica en lugar del valor real.

El valor “t” se obtiene de muestras grandes mediante la fórmula:

Edgardo José Avilés-Garay, Estadística no paramétrica, pdf. 2008

Covarianza

Es un procedimiento de análisis análogo al análisis de varianza. Podemos señalar estas dos observaciones (conceptos básicos en el análisis de covarianza) que justifican la denominación de control estadístico

FERGUSON, GEORGE Análisis estadístico en educación y psicología (1986).

Análisis de varianza

El análisis de la varianza (ANOVA, ANalysis Of VAriance, según terminología inglesa) es una colección de modelos estadísticos y sus procedimientos asociados, en el cual la varianza está particionada en ciertos componentes debidos a diferentes variables explicativas.

FERGUSON, GEORGE Análisis estadístico en educación y psicología (1986)

Análisis de varianza de Fisher

Las técnicas iniciales del análisis de varianza fueron desarrolladas por el estadístico y genetista R. A. Fisher en los años 1920 y 1930 y es algunas veces conocido como "Anova de Fisher" o "análisis de varianza de Fisher", debido al uso de la distribución F de Fisher como parte del contraste de hipótesis.

Tejedor Tejedor (1999). Análisis de varianza

Duncan Scheffe

La Prueba del Rango múltiple Duncan es otra prueba para determinar la diferencia entre pares de medias después que se ha rechazado la hipótesis nula en el análisis de varianza.

Gerardo Delgado GRAN AURORA BOREAL I I, 2001. Técnica mixta sobre lienzo.

El contraste de Duncan utiliza, como el HSD de Tukey, la distribución del recorrido estudentizado. Se diferencia de ese test en que su aplicación es secuencial, en el sentido de no utilizar un único valor crítico para todas las diferencias de medias, como el de Tukey sino un valor crítico que depende del número de medias comprendido entre las dos medias que se comparan, habiendo ordenado previamente las medias en orden creciente. Consideremos, en primer lugar, el modelo equilibrado y después generalizaremos para el caso no-equilibrado. Se acepta que no hay diferencia significativa entre la media mayor y la media menor de p medias, y¯i. e y¯j., si se verifica

| y¯i. − y¯j. |≤ Rp

Y serán consideradas iguales también todas las medias comprendidas entre ellas. En la expresión el valor de Rp es

•

Donde

qαp;p,N−I es el punto crítico del rango estudentizado basado en la comparación de la v media mayor y la menor de p medias. Los valores críticos qαp;p,ν, para p = 2, 3, • • • , I,vse presentan en la Tabla VII del Apéndice C para los niveles de significación de comparaciones individuales α = 0,01 y α = 0,05.

es la varianza residual con N − I grados de libertad.

Para la aplicación del test de rango múltiple de Duncan, una vez que las medias estén en orden ascendente, se calculan las diferencias entre las medias, comenzando por el valor más pequeño frente al más alto de las p = I medias de los tratamientos, comparando esta diferencia con el valor RI en la ecuación con un nivel de significación αIto. Si esas dos medias no se consideran significativamente diferentes, entonces el contraste se termina y se concluye que ninguna de las medias son significativamente diferentes entre sí al nivel de significación αI. Esto es equivalente a no rechazar H0 : µ1 = µ2 = • • • = µI . Si las dos medias extremas son significativamente diferentes, el contraste continúa.

En el siguiente paso se calcula la diferencia entre el valor más pequeño y el segundo valor más grande y esta diferencia se compara con RI−1. Si este contraste no es estadísticamente significativo, la prueba cesa en esta comparación y sólo las dos medias extremas se consideran significativamente diferentes. Si este contraste es estadísticamente significativo, la prueba continúa hasta encontrar la primera pareja de medias que no sea significativamente distinta. A continuación, se calcula la diferencia entre la segunda media más pequeña y la más grande y se compara con RI−1. Este proceso continúa hasta que se han considerado las diferencias entre todas las I(I − 1)/2 posibles parejas. Para modelos no-equilibrados, la expresión de Rp es

García Leal, J. & Lara Porras, A.M. (1998). “Diseño Estadístico de Experimentos. Análisis de la Varianza.” Grupo Editorial Universitario.

LSD

(Diferencia mínima significativa) Se basa

...