Blog de Estadística_ Prueba Estadística “t” de Student
-
Upload
madh-tom-king -
Category
Documents
-
view
214 -
download
0
description
Transcript of Blog de Estadística_ Prueba Estadística “t” de Student
22/8/2015 Blog de Estadística: Prueba Estadística “t” de Student
http://elestadistico.blogspot.com/2013/01/pruebaestadisticatdestudent.html 1/3
Blog dedicado a la enseñanza y difusión de la estadística. Estadística Descriptiva, Multivariante, Inferencia, Modelos Matemáticos,Datamining, Investigación de Mercados, Técnicas de Análisis de Datos.
El Blog Contacto Colaboración Libros de Estadística Libros Spss y Sas
v i e r n e s , 1 8 d e e n e r o d e 2 0 1 3
Prueba Estadística “t” de Student
Continuando con la serie de entradas sobre los diferentes test estadísticos (ver las ya publicadas en en el Blog:Spearman, Wilcoxon y ShapiroWilks, prueba de F, Chi Cuadrado, Fisher, McNemar, Binomial, Correlación DePearson), nos llega el turno de estudiar la prueba t de Student.
¿Qué hay que saber de la "t" de Student?
Se utiliza para determinar si hay una diferencia significativa entre las medias de dos grupos, es decir que seutiliza cuando deseamos comparar dos medias.
Se utiliza para la comparación de dos medias de poblaciones independientes y normales.
Asumimos que las variables dependientes tienen una distribución normal.
Especificamos el nivel de la probabilidad (nivel de la alfa, nivel de la significación, p) que estamos dispuestos aaceptar (p < .05 es un valor común que se utiliza).
Con una prueba t, tenemos una variable independiente y una dependiente.La variable independiente (por ejemplo sexo) solo puede tener dos niveles (hombre y mujer).Si la independiente tuviera más de dos niveles, después utilizaríamos un análisis de la variaciónunidireccional (ANOVA).
La prueba estadística para t de Student es el valor t. Conceptualmente, la tvalor representa el númerode unidades estándares que están separando las medias de los dos grupos.Si nuestra tprueba produce una tvalor que da lugar a una probabilidad de .01, decimos que laprobabilidad de conseguir la diferencia que encontramos sería por casualidad de 1 de cada 100 veces.
Cuatro factores contribuyen para indicar si la diferencia entre dos medias de los grupos se puede considerarsignificativa:
Cuanto mayor es la diferencia entre las dos medias, mayor es la probabilidad que una diferenciaestadística significativa existe.
El tamaño de la muestra es extremadamente importante en la determinación de la significación de ladiferencia entre las medias. Aumentando el tamaño de la muestra, las medias tienden a ser másestables y más representativas.Un nivel más grande de la alfa requiere menos diferencia entre las medias (p <0 font="font">.05). Se debe utilizar una hipótesis (con dos colas) no directivas.
Asunciones subyacentes la prueba de t:
Las muestras se han dibujado aleatoriamente a partir de sus poblaciones respectivas.
La población se debe distribuir normalmente.Unimodal (un modo).
Buscar en blog Estadístico
Data Mining (4)
Estadística Descriptiva (17)
Estadística Multivariante (4)
Inferencia Estadística (7)
Muestreo (3)
Análisis Estadístico
SAS (5)
Spss (2)
Software Estadístico
Actualidad Estadística (13)
Actualidad Investigación de Mercados (2)
Actualidad Investigación Online (1)
Foro Estadístico (3)
Noticias y Actualidad Estadística
Calidad de Servicio (1)
Encuestas (4)
Investigación de mercados (7)
Juegos de Azar (1)
Segmentación de mercados (1)
Artículos
Cursos y Formación Estadística (6)
Libros de Estadística (3)
Cursos y Formación Estadística
Estadística (25) EstadísticaBásica (25) EstadísticaDescriptiva (17) Actualidad Estadística(13) Bondad del Ajuste (9) Estadística NoParamétrica (9) Inferencia EstadísticaInvestigación de mercados (7) Software Estadístico
Nube de Tags
0 Más Siguiente blog» Crear un blog
22/8/2015 Blog de Estadística: Prueba Estadística “t” de Student
http://elestadistico.blogspot.com/2013/01/pruebaestadisticatdestudent.html 2/3
Publicado por JR en 11:24
Etiquetas: Bondad del Ajuste, Error Tipo I, Error Tipo II, Estadística Básica, Estadística No Paramétrica, T de Student
Simétrico (las mitades izquierdas y derechas son imágenes espejo), el mismo número de gente arriba oabajo de la media.Acampanado (altura máxima (moda) en el medio).
Media, moda, y mediana se localizan en el centro.Asintótico (cuanto más lejos se aleja la curva de la media, más cercana será el eje de X; pero la curvanunca debe tocar el eje de X).El número de personas en las poblaciones debe tener la misma varianza (s2 = s2).Si no es el caso seutiliza otro cálculo para el error estándar.
Existen 2 tipos de prueba t de Student
Test t para diferencia par ( grupos dependientes, test t correlacionado) : df= n (número de pares) 1
Esto se refiere a la diferencia entre las cuentas medias de una sola muestra de individuos que se determina antesdel tratamiento y después del tratamiento. Puede también comparar las cuentas medias de muestras de individuosque se aparean de cierta manera (por ejemplo los hermanos, madres, hijas, las personas que se emparejan entérminos de las características particulares).
Test t para muestras independientes
Esto se refiere a la diferencia entre los promedios de dos poblaciones.
Básicamente, el procedimiento compara los promedios de dos muestras que fueron seleccionadasindependientemente una de la otra.
Un ejemplo sería comparar cuentas matemáticas de un grupo experimental con un grupo de control.
¿Cómo decido qué tipo de tprueba a utilizar?
Error tipo I:
Rechaza una hipótesis nula que sea realmente verdad. La probabilidad de hacer un error tipo I dependedel nivel alfa que se seleccionó.Si se fijó la probabilidad alfa en p < 05, entonces existe un 5% de posibilidades de hacer un error detipo I.
Se puede reducir la posibilidad de hacer un error tipo I fijando un nivel alfa más pequeño (p < .01). Elproblema haciendo esto es que se aumenta la posibilidad de un error tipo II.
Error tipo II:
Falla en rechazar una hipótesis nula que sea falsa.La idea básica para calcular una prueba de Student es encontrar la diferencia entre las medias de losdos grupos y dividirla por el error estándar (de la diferencia), es decir la desviación de estándar de ladistribución de las diferencias.Un intervalo de confianza para una prueba t con dos colas es calculado multiplicando los valores críticospor el error de estándar y agregando y restando eso de la diferencia de las dos medias.El efecto tamaño se utiliza para calcular la diferencia práctica. Si existen varios miles de pacientes, esmuy fácil encontrar una diferencia estadísticamente significativa
Saber si esa diferencia es práctica o significativa es otra pregunta.
Con los estudios implicando diferencias de grupo, el tamaño del efecto es la diferencia de las dosmedias dividido por la desviación estándar del grupo control (o la desviación estándar media deambos grupos si no hay grupo de control).Generalmente, el tamaño del efecto es solamente importante si existe una significación estadística.
Un efecto tamaño de 2 se considera pequeño, 5 se considera medio, y 8 se considera grande.
¿Quieres ayudarnos a mantener vivo el blog?
3 comentarios:Abraham Sarabia dijo...
Excelente entrada, se comprende bien, incluso para novatos como yo
14 de agosto de 2013, 17:55
Emmanuel Domínguez dijo...
Muy buena info, pero podrías aclararme... Qué es una cola y dos colas??? No supe... :(
(7) Cursos y Formación Estadística (6) Software deAnálisis (6) SAS (5) Data Mining (4) EncuestasEstadística Multivariante (4) Intervalos de confianza(4) R (4) SAS Base (4) Chi Cuadrado (3) Correlación dePearson (3) Foro Estadístico (3) Kolmogorov SmirnovLibros de Estadística (3) Muestreo (3) Mínima DiferenciaSignificativa (3) Programa Estadístico (3) Programación SAS(3) estimación (3) Actualidad Investigación de MercadosActualidad Software Estadístico (2) Binomial (2)de Hipótesis (2) Diseño Experimental (2) Diseño deExperimentos (2) EPA (2) Encuesta de Población ActivaEncuestas On Line (2) Error Muestral (2) LSD (2)(2) Minería de Datos (2) Modelo de Predicción (2)Tablas de Contingencia (2) Test de Pearson (2) WilcoxonActualidad Investigación Online (1) Amazon (1)
Frecuencias (1) Año Internacional de la Estadística (1)
Calidad de Servicio (1) Campana de Gauss (1) Chi‐Cuadrado
Coeficiente de correlación de Spearman (1) Correlación
Cuartiles (1) Cómo mentir con Estadísticas (1) Darrell Huff
Deciles (1) Desempleo en España (1) Desviación Típica
Desviación estándar (1) Diagrama de Cajas (1)
Estadísticamente Significativa (1) Diferencia Estadísticamente
Significativa. (1) Distribución Normal (1) Día de la Estadística
Empleo en España (1) Encuestas SMS (1) Error Estadístico Tipo I y
II (1) Error Tipo I (1) Error Tipo II (1) Estadística Bayesiana
Estadística Matemática (1) Estadística de María Álvarez
Estadística para ingenieros y científicos (1) Eventos (1)
(1) F de Friedman (1) Factores (1) Fisher (1) Fraude Electoral
Función Sas Compbl (1) Función Sas Compress (1)
Histograma (1) INE (1) International Year of Statistics
Investigación Operativa (1) Ji‐Cuadrado (1) Jornadas
de Azar (1) Kruskal Wallis (1) Mann Whitney (1) Media
(1) Medias Móviles (1) Medidas de Dispersión (1)
Posición No Central (1) Medidas de Tendencia Central (1)
Muestra (1) Ods (1) Oferta de Empleo (1) Outliers (1)
Percentiles (1) Poker (1) Poquer (1) Probabilidad (1)
(1) Procesos Estocásticos (1) Prueba de F (1) Q de Cochran
Relación entre variables (1) Segmentación de mercados
Shapiro Willks (1) Signos (1) T de Student (1) Teorema de Bayes
(1) Universidad Carlos III Madrid (1) Universidad Politécnica de
Cataluña (1) Variables Cualitativas nominales (1) Varianza
William Navidi (1) análisis de regresión (1) contrastes estadístico
(1) dataset (1) distribuciones estadísticas (1) emtrics
encuestafacil (1) excel (1) feebbo (1) incrowd (1) loogic
de confianza (1) nivel de significación (1) nivel de significancia
(1) p‐valor (1) proc means (1) Árboles de Decisión (1)
2015 (3)
2014 (11)
2013 (15)
noviembre (2)
octubre (1)
septiembre (2)
marzo (1)
febrero (3)
enero (6)
Introducción a R
Test Estadísticos: Mann Whitney y KruskalWallis
Curso gratuito de R en Coursera
Prueba Estadística “t” de Student
Libros interesantes de Estadística
Test Estadísticos: Spearman, Wilcoxon yShapiro‐Wi...
2012 (22)
2009 (1)
2008 (4)
2007 (8)
Archivo del blog
22/8/2015 Blog de Estadística: Prueba Estadística “t” de Student
http://elestadistico.blogspot.com/2013/01/pruebaestadisticatdestudent.html 3/3
Entrada más reciente Entrada antiguaPágina principal
Suscribirse a: Enviar comentarios (Atom)
Publicar un comentario en la entrada
Crear un enlace
9 de diciembre de 2013, 5:59
Oniz dijo...
Necesito ayuda! ¿Qué método debo aplicar para relacionar varias variables independientes con una sola variable dependiente?
16 de agosto de 2014, 6:17
Enlaces a esta entrada
Plantilla Simple. Con la tecnología de Blogger.