Documente Academic
Documente Profesional
Documente Cultură
Indispensables, son pruebas matemáticas que se aplican a las estadísticas para determinar su
grado de certeza y su significado.
Son los procedimientos matemáticos para testar la hipótesis estadística que asumen que las
distribuciones de las variables determinadas tienen ciertas características.
Variable de respuesta
Cualitativo (más
de dos grupos)
Cuando las pruebas estadísticas aplicables a las variables cuantitativas no cumplen las
asunciones necesarias para su aplicación, deben utilizarse las pruebas correspondientes
como si las variables de respuesta fuera una variable ordinal (pruebas no paramétricas).
PRUEBA DE KOLMOGOROV-SMIRNOV
Este contraste, que es válido únicamente para variables continuas, compara la función de
distribución (probabilidad acumulada) teórica con la observada, y calcula un valor de
discrepancia, representado habitualmente como D, que corresponde a la discrepancia
máxima en valor absoluto entre la distribución observada y la distribución teórica,
proporcionando asimismo un valor de probabilidad P, que corresponde, si estamos
verificando un ajuste a la distribución normal, a la probabilidad de obtener una distribución
que discrepe tanto como la observada si verdaderamente se hubiera obtenido una muestra
aleatoria, de tamaño n, de una distribución normal.
Si esa probabilidad es grande no habrá por tanto razones estadísticas para suponer que
nuestros datos no proceden de una distribución, mientras que si es muy pequeña, no será
aceptable suponer ese modelo probabilístico para los datos.
PRUEBA DE F
PRUEBA DE MCNEMAR.
PRUEBA BINOMIAL
El uso más común de la prueba binomial es en el caso donde la hipótesis nula es que dos
categorías son igualmente probables ocurrir.
Se utiliza para estudiar la asociación entre un factor de estudio y una variable de respuesta
cuantitativa, mide el grado de asociación entre dos variables tomando valores entre -1 y 1.
COEFICIENTE DE KAPPA
Permite cuantificar el nivel del acuerdo inter-observador para disminuir la subjetividad del
método utilizado (test de movilidad) y si el grado de acuerdo se debe al azar (a la suerte).
El porcentaje de acuerdo acompañado del índice de Kappa se utiliza para las variables
cualitativas.
Se habla del coeficiente de Kappa de Cohen para dos terapeutas y de Fleiss para más de dos
terapeutas.
Se calcula como la proporción de acuerdo, aparte del que ya sería de esperar por azar, que
ha sido observado entre dos repeticiones del mismo instrumento (por ejemplo, un juicio
realizado por dos observadores por separado).
- El valor 0 indicaría que existe la misma variancia entre las mediciones tomadas sobre un
único paciente que las mediciones tomadas entre diferentes pacientes.
A la diferencia del coeficiente del test de Pearson, no requiere la asunción que la relación
entre las variables es linear, ni que las variables sean medidas en escalas del intervalo; puede
ser utilizado para variables medidas en nivel ordinal.
Es una variante del test de correlación de Pearson se aplica cuando cada valor en sí no es tan
importante como su situación respecto a los restantes.
Sus valores se interpretan exactamente igual que los del coeficiente de correlación de
Pearson.
TEST DE WILCOXON
PRUEBA DE SHAPIRO-WILKS.
Aunque esta prueba es menos conocida es la que se recomienda para contrastar el ajuste de
nuestros datos a una distribución normal, sobre todo cuando la muestra es pequeña (n<30).
Cuando las dos medias han sido calculadas a partir de dos muestras completamente
independientes de observaciones (situación poco probable en la práctica, por lo menos desde
un punto de vista teórico), la prueba se describe como no emparejada.
Cuando las dos medias han sido extraídas de observaciones consecutivas en los mismos
sujetos en dos situaciones diferentes, se comparan los valores de cada individuo, y se aplica
una prueba emparejada.
Se utiliza para determinar si hay una diferencia significativa entre las medias de dos grupos.
Con toda la estadística deductiva, asumimos que las variables dependientes tienen
una distribución normal.
La variable independiente (género en este caso) puede solamente tener dos niveles
(varón y hembra).
Con una t-prueba, el investigador desea indicar con un cierto grado de confianza que
la diferencia obtenida entre los medios de los grupos de la muestra sea demasiado
grande ser un acontecimiento chance.
Si nuestra t-prueba produce una t-valor que da lugar a una probabilidad de .01,
decimos que la probabilidad de conseguir la diferencia que encontramos sería por
casualidad 1 en 100 veces.
Cinco factores contribuyen para indicar si la diferencia entre dos medias de los grupos se
puede considerar significativa:
1. Cuanto mayor es la diferencia entre las dos medias, mayor es la probabilidad que
una diferencia estadística significativa existe.
2. La cantidad de traslapo que existe entre los grupos (es una función de la variación
dentro de los grupos). Cuantas más pequeñas son las variaciones que existen entre
los dos grupos, mayor es la probabilidad que una diferencia estadística significativa
existe.
4. Un nivel más grande de la alfa requiere menos diferencia entre las medias (p < .05).
7. Asintótico (cuanto más lejos se aleja la curva de la media, más cercana será el eje de
X; pero la curva nunca debe tocar el eje de X).
8. El número de personas en las poblaciones debe tener la misma varianza (s2 = s2).Si
no es el caso se utiliza otro cálculo para el error estándar.
Esto se refiere a la diferencia entre las cuentas medias de una sola muestra de individuos
que se determina antes del tratamiento y después del tratamiento. Puede también comparar
las cuentas medias de muestras de individuos que se aparean de cierta manera (por ejemplo
los hermanos, madres, hijas, las personas que se emparejan en términos de las características
particulares).
Error tipo I:
Rechaza una hipótesis nula que sea realmente verdad. La probabilidad de hacer un
error tipo I depende del nivel alfa que se Eligio.
Se puede reducir la posibilidad de hacer un error tipo I fijando un nivel alfa más
pequeño (p < .01). El problema haciendo esto es que se aumenta la posibilidad de un
error tipo II.
La idea básica para calcular una prueba de Student es encontrar la diferencia entre
las medias de los dos grupos y dividirla por el error estándar (de la diferencia), es
decir la desviación de estándar de la distribución de las diferencias.
TEST DE MANN-WHITNEY
Si tenemos dos series de valores de una variable continua obtenidas en dos muestras
independientes: X1, X2,..., Xn, Y1, Y2,..., Ym, procederemos a ordenar
conjuntamente todos los valores en sentido creciente, asignándoles su rango,
corrigiendo con el rango medio los empates.
PRUEBA DE KRUSKAL-WALLIS
En este caso se comparan varios grupos pero usando la mediana de cada uno de ellos, en
lugar de las medias.
Ha: Al menos una de las poblaciones tiene mediana distinta a las otras.
Donde, n es el total de datos.
Este contraste, que es válido únicamente para variables continuas, compara la función de
distribución (probabilidad acumulada) teórica con la observada, y calcula un valor de
discrepancia, representado habitualmente como D, que corresponde a la discrepancia
máxima en valor absoluto entre la distribución observada y la distribución teórica,
proporcionando asimismo un valor de probabilidad P, que corresponde, si estamos
verificando un ajuste a la distribución normal, a la probabilidad de obtener una distribución
que discrepe tanto como la observada si verdaderamente se hubiera obtenido una muestra
aleatoria, de tamaño n, de una distribución normal.
Si esa probabilidad es grande no habrá por tanto razones estadísticas para suponer que
nuestros datos no proceden de una distribución, mientras que si es muy pequeña, no será
aceptable suponer ese modelo probabilístico para los datos.
PRUEBAS NO-PARAMÉTRICAS
Mientras que las técnicas paramétricas son robustas (es decir, conservan a menudo un poder
considerable para detectar diferencias o semejanzas incluso cuando se violan estas
asunciones), algunas distribuciones violan tanto que un alternativa no paramétrica es más
deseable para detectar una diferencia o una semejanza.
Con los elementos definidos en los párrafos anteriores se pueden establecer árboles de
decisión para la ayuda en la elección de la técnica o prueba estadística apropiada.
Existen más de 300 pruebas estadísticas básicas, con lo que es difícil poder abordarlas todas
de forma exhaustiva en este artículo.
Pruebas t de Student, Para una muestra o dos muestras (datos apareados y/o
2 pruebas z independientes)
Protocolo diseñado por EMERSON y COLDTIZ y adaptado por MORA RIPOLL y COLS.
Niveles de referencia para el análisis de accesibilidad