Anova t, f,...

Fisher y t-student
Los tests de Fisher y de Student sirven para comparar las medias y las varianzas de dos muestras
gaussianas.
ley de Fisher F(n x −1 , n y −1 ¿ .

El estadígrafo del test de Fisher es:
nx 2
S
n x −1 x
T=
ny 2
Sy
n y −1
Si la hipotesis nula es verdad, T sigue la ley F(n x −1 , n y −1 ¿. Se rechazará la hipotesis nula( H 0) si
el valor observado para T es muy grande o muy pequeño.
ley de Student T(n x + n y −2 ¿ .

Este resultado permite hacer un test de la hipótesis:
H 0 : H x =H y
comparando el valor que toma el estadígrafo:
√ nx +n y −2 (ẍ−Ῡ )
√ √ n S +n
2
1 1 S2y
+ x x y
nx n y
La hipótesis de normalidad, bajo la cual se emplean los tests de Fisher y Student, no siempre es
válida. Para muestras de gran tamaño, el Teorema del Límite Central asegura la normalidad
asintótica de las medias empíricas.
Chi- cuadrada es un método clásico para el análisis de frecuencias, donde se comparan los valores
obtenidos contra las estimados y a la vez estos se compara con valores obtenidos para diferentes
grados de libertad donde se infiere si la hipótesis nula se aprueba o se rechaza.
2
χ =∑ ¿ ¿
Donde Oi es la frecuencia observada y E es la frecuencia esperada
Tukey
Método de Tukey o Método de la Diferencia Significativa Honesta de Tukey (DSH)
Este procedimiento fue propuesto por Tukey (1952) para probar la hipótesis H 0 : μ j =μ k ( j ≠ k )
Se emplea la distribución del rango estandarizado o estudentizado para realizar las
comparaciones
Se rechaza si
Nosotros comparamos con
Donde es el percentil de la distribución rango estandarizado.Tablas para hallar

los valores de son dadas por Harter (1960), Hochberg and Tamhane (1987).
En esta prueba se utiliza un sólo valor con el cual se comparan todos los posibles pares de medias.
Ducan
La prueba de rango múltiple Duncan es una comparación de las medias de tratamientos todos
contra todos de manera que cualquier diferencia existente entre cualesquier tratamiento contra
otro se verá reflejado en este análisis. Utiliza un nivel de significancia variable que depende del
número de medias que entran en cada etapa de comparación. La idea es que a medida que el
número de medias aumenta, la probabilidad de que se asemejen disminuye.
Para obtener los comparadores Duncan, se toman de la tabla de Duncan los valores de acuerdo al
número de tratamientos y con los grados de libertad del error. Cada uno de estos valores será
multiplicado por el error estándar de la media y éstos serán los comparadores para determinar
cuales diferencias son significativas.
La estadística de Prueba es denotado, por
Donde es el número de medias inclusives entre las dos medias a comparar para diseños
balanceados. Para aplicar esta prueba al nivel se debe pasar por las siguientes etapas:
1. Determine el error estándar (desviación estandar) de cada promedio, , el cual es dado por
la expresión:
Donde el CM es obtenido de la tabla Anova
2. Con los grados de libertad del error y el nivel de significancia determinar los valores de
(intervalos o amplitudes estandarizadas significativos) utilizando las tablas de amplitudes
estandarizadas de Duncan dadas por Harter (1960) y que se encuentran en el libro de Miller
(1992). Para encontrar estos valores, se requieren los grados de libertad del error y el valor
de .
3. Determinar las amplitudes minimas significativas denotadas por
calculados por la expresión:
4. Se ordenan de manera creciente los resultados promedios del

experimento
5. Se comparan las medias ordenadas así:comienza a comparar en el

siguiente orden:
a) El promedio más alto, con el más bajo, comparando esta diferencia con el intervalo
mínimo significativo . Si esta diferencia es no significativa entonces todas las otras diferencias
son no significantes. Si la diferencia es significativa se continua con b)
b) Posteriormente se calcula la diferencia entre el valor más alto y el penúltimo y se

compara con el intervalo mínimo significativo
c) Este procedimiento se continúa hasta que todas las medias se han comparado con la media
más grande .
anova (análisis de varianza)

Es una técnica flexible que es usada para comparar mas de un solo grupo de medias, múltiples
columnas de datos y la estimación de los componentes de variación de un proceso.
Para utilizar el ANOVA de forma satisfactoria deben cumplirse tres tipos de
hipótesis:
1. Cada conjunto de datos debe ser independiente del resto.
2. Los resultados obtenidos para cada conjunto deben seguir una distribución
normal.
3. Las varianzas de cada conjunto de datos no deben diferir de forma
significativa.
el análisis de la varianza 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.
Manova (análisis multivariante de la varianza)

Es una extensión del análisis de la varianza o ANOVA para cubrir los casos donde hay más de una
variable dependiente que no pueden ser combinadas de manera simple. Además de identificar si
los cambios en las variables independientes tienen efectos significativos en las variables
dependientes, la técnica también intenta identificar las interacciones entre las variables
independientes y su grado de asociación con las dependientes.
Cuando aparece la suma de cuadrados en el análisis univariante de la varianza, en el análisis
multivariante de la varianza aparecen ciertas matrices definidas positivas. Los elementos
diagonales son del mismo tipo de sumas de cuadrados que aparecen en el ANOVA univariante. Los
elementos fuera de la diagonal se corresponden con sumas de productos. Asumiendo condiciones
de normalidad sobre distribuciones de error, el homólogo de la suma de cuadrados debido al error
tendrá una distribución de Wishart.
Análogamente a ANOVA, MANOVA está basado en el producto del modelo de la matriz de
varianza y el inverso de la matriz de varianza del error. Las consideraciones de invarianza implican
que las estadísticas de MANOVA deberían ser una medida de magnitud de la descomposición del
valor singular de esta matriz producto, pero no hay una única elección pendiente de la naturaleza
multi-dimensional de la hipótesis alternativa.

Anova t, f,...

Cargado por

Copyright:

Formatos disponibles

Anova t, f,...

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Anova t, f,...

Cargado por

Copyright:

Formatos disponibles

Fisher y t-student

ley de Fisher F(n x −1 , n y −1 ¿ .

ley de Student T(n x + n y −2 ¿ .

Donde es el percentil de la distribución rango estandarizado.Tablas para hallar

La estadística de Prueba es denotado, por

Donde el CM es obtenido de la tabla Anova

4. Se ordenan de manera creciente los resultados promedios del

5. Se comparan las medias ordenadas así:comienza a comparar en el

b) Posteriormente se calcula la diferencia entre el valor más alto y el penúltimo y se

anova (análisis de varianza)

Manova (análisis multivariante de la varianza)

También podría gustarte