Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
PRUEBAS DE 2 MUESTRAS Pruebas estadísticas para una muestra e intervalo de confianza Prueba para una media Pruebas estadísticas para una muestra e intervalo de confianza Prueba para una proporción Pruebas estadísticas para una muestra e intervalo de confianza Prueba para una correlación linear Pruebas estadísticas para una muestra Pruebas de hipótesis para 2 muestras ■ ¿Las mujeres son más inteligentes que los hombres? ■ Las personas que practican algún deporte presentan menos infartos que las que son sedentarias? à Estas preguntas involucran la comparación de 2 distribuciones poblacionales Prueba t de 2 muestras e intervalo de confianza para 𝝁1 - 𝝁2 usando muestras independientes ■ δ0 es la diferencia hipotetizada entre las medias poblacionales ■ En general al investigador le interesa probar la hipótesis nula en la que 𝜇1 = 𝜇2 es decir δ0 = 0 Prueba t de 2 muestras e intervalo de confianza para 𝝁1 - 𝝁2 usando muestras independientes ■ El estadístico t es dado por: ■ Si δ0 = 0, la fórmula se simplifica de tal forma: ■ Donde δ0 es la diferencia hipotetizada entre las medias poblacionales y El denominador del estadístico es un estimador del error estándar de la diferencia entre las medias poblacionales ■ Muestras independientes obtenidas de poblaciones de interés o de participantes que fueron asignados aleatoriamente a 2 grupos (ej. grupo control y grupo experimental) ■ ¿Porque agrupar la varianza? Porque si se asume que las varianzas son = entonces una varianza agrupada será un mejor estimador (media ponderada) ■ Se asume que las distribuciones de estas 2 variables son normales y que sus varianzas son iguales; sin embargo se ha demostrado que esta prueba es robusta aunque no haya homogeneidad de varianza siempre y cuando n1 = n2 Prueba t de 2 muestras e intervalo de confianza para 𝝁1 - 𝝁2 usando muestras independientes ■ Se quiere probar el efecto del entrenamiento masivo vs entrenamiento distribuido en 40 estudiantes de psicología. ■ Se asignan de forma aleatoria a un grupo o el otro n= 20 c/u Ejemplo 𝜇1 entrenamiento distribuido 𝜇2 entrenamiento masivo Ejemplo Ejemplo • Datos anormales? • Heterogeneidad de varianza? • Outliers? Ejemplo ■ Cálculo de las medias: ■ Cálculo de las varianzas y varianza agrupada: Ejemplo ■ Cálculo del estadístico t: ■ Decisión: t(38) > t.05,38 à no se puede rechazar la H0 ■ Conclusión: la prueba no garantiza que un entrenamiento distribuido permite obtener mejor desempeño que un entrenamiento masivo ■ Este estadístico no usa la varianza agrupada por el hecho de que las poblaciones presentan varianzas desiguales Prueba t’ de 2 muestras para 𝝁1 - 𝝁2 con varianzas desiguales (muestras independientes) ■ Con los grados de libertad: ■ Prueba de Welch Estimación del tamaño del efecto: Estimador g de Hedge Nota: Si el supuesto de homogeneidad de varianza no se cumple, lo recomendable es hacer el cálculo con la varianza observada en el grupo control Donde Estimación del tamaño del efecto: Estimador g de Hedge ■ Si el artículo no reporta el tamaño del efecto para la diferencia entre las 2 medias, se puede calcular el estimador g de Hedge con la información reportada
Compartir