PRUEBA RYAN JOINERDINALUZ RODRIGUEZ R.

RYAN JOINER…• En estadística, la prueba de Ryan-Joiner es una prueba no paramétrica sobre si los

datos de una muestra provienen de una distribución normal.

• Los resultados de la prueba indican si usted debería rechazar o aceptar la hipótesis nula que los datos vienen de una población normalmente distribuida. Se puede

hacer una prueba de normalidad y producir un argumento de probabilidad normal en el mismo análisis. La prueba de normalidad y el argumento de probabilidad son por lo general los mejores instrumentos para juzgar la normalidad, sobre todo para

muestra pequeñas.

• es Una prueba Modificación de la prueba de Kolmogorov-Smirnov Donde se le da un peso Más lascolas de la Distribución Que la prueba de Kolmogorov-Smirnov. 

• Esta prueba evalúa la normalidad calculando la correlación entre los datos y las puntuaciones normales de los datos. Si el coeficiente de correlación se encuentra cerca de 1, es probable que la población sea normal. El estadístico de Ryan-Joiner evalúa la fuerza de esta correlación; si se encuentra por debajo del valor crítico apropiado, usted rechazará la hipótesis nula de normalidad en la población.

Ejemplo• GRUPO DE EDADES DE LOS PTE DE LA CLINICA DE LA COSTA:

17 19 21 22 26 27 29 32 34

35 38 40 41 43 46 48 52 54

Rp: 0,992, se acepta la Ho por tanto la muestra viene de una distribución normal.

Shapiro wilkKaroll fragozo

Shapiro wilkes un contraste de ajuste que se utiliza para comprobar si unos datos determinados (X1, X2,…, Xn) han sido extraídos de una población normal.

permite contrastar la distribución observada con la distribución esperada o teóricaestá adecuado para muestras pequeñas (n<50)

Requisitos:muestreo aleatorionivel de medida de intervalo o razón

• B ) estadístico de la prueba

Establecer hipótesis estadísticasHo: valor p < 0.05 (se rechaza) y se considera que hay evidencia para concluir que la muestra no proviene de una distribución normal.Ha: valor p >0.05 ( no se acepta la alternativa) (no se rechaza la Ho

• Ho: v/n• Ha: v/an• •

VE

• ZA• Como el valor wc= 0.9553 es mayor que el

esperado w= 0,95;8 =0.818 se rechaza Ho (por lo tanto volumen servido se distribuye normalmente)

Revisión de pruebas de Homogeneidad

Prueba de BartlettPrueba de levene

Prueba de Bartlett• Se busca “corregir el sesgo” ; esta prueba es la que se utiliza con mas

frecuencia para probar la homogeneidad de las varianzas. En esta prueba los Ni en cada tratamiento no necesitan ser iguales• La prueba de Bartlett es sensible a las desviaciones de la normalidad.

Es decir, si las muestras provienen de distribuciones no normales, entonces la prueba de Bartlett puede ser simplemente para probar la no normalidad.

• La X2 de Bartlett se define matemáticamente con la ecuación siguiente:

Ejercicio

• HIPOTESIS ALTERNATIVA : El investigador, al observar los valores de las varianzas de los dos grupos, percibe que son diferentes entre sí, pero ignora si las fuentes de error son las mismas. • HIPOTESIS NULA: Las diferencias observadas entre las varianzas

se debe al azar; por lo tanto, son iguales y la fuente de error probablemente es la misma.

PRUEBA DE LEVENE Prueba estadistica inferencial. Utilizada para evaluar la igualdad de las varianzas para una variable

calculada para dos o más grupos.

Se pone a prueba la hipótesis nula de que las varianzas poblacionales son iguales.

Homogeneidad de varianza ú homocedasticidad

Prueba de levene • La prueba de Levene rechaza la hipótesis de que las varianzas son

iguales con un nivel de significancia α.• La prueba de Levene ofrece una alternativa mas robusta que el

procedimiento de Bartlett, ya que es poco sensible a la desviación de la normalidad. • Eso significa que será menos probable que rechace una verdadera

hipótesis de igualdad de varianzas solo porque las distribuciones de las poblaciones muestreadas no son normales.

formula

PRUEBA DE TUKEY

Karol Zambrano U7-B

PRUEBA DE DIFERENCIA SIGNIFICATIVA HONESTA (DSH) DE TUKEY• Es una Prueba estadística utilizada general y conjuntamente con ANOVA

• Se usa en experimentos que implican un número elevado de comparaciones.

• Sólo se debe usar después que se ha rechazado la hipótesis nula en el análisis de varianza.

• Cuando todos los tamaños de muestra son iguales

• La única exigencia es que el número de repeticiones sea constante en todos los tratamientos

Prueba de Tukey • Cuando el interés fundamental es comparar promedios entre dos grupos• La prueba de Tukey es la prueba más aplicada

Formula

Ejemplo• Existe diferencia significativa en el promedio de edad del Grupo A, con el B y con el C

• Hipotesis Nula: El promedio de edad es igual para los 3 grupos , con 95% de confiabilidad

• Hipotesis alterna: En al menos un grupo el promedio de edad es distinto, con 95% de confiabilidad

Seleccionar análisis de un factor

Rango

MEDIDAS DE

DISTRIBUCION

RAMIRO ANDRES TORRES MENDOZA7B

2016-1

ASIMETRIA O SESGO

CURTOSIS

KOLOGÓROV-SMIRNOV

DISEÑO DE ESTUDIOS EXPERIMENTALESArianna Castellano Gil

Prueba que se utiliza para determinar la bondad de ajuste de dos distribuciones de probabilidad entre si

Permite medir el grado de concordancia existente entre la distribución de un conjunto de datos y una distribución teórica específica.

Se necesita que la medición considerada sea básicamente continua, es aplicable sea cual sea el tamaño de la

población

PESO (Kg)

F. OBSERVAD

AF.

ACUMULADAF. RELATIVA

Fn(x) valor de zF. TEORICA

Ft(x) Fn(x)-Ft(x)Fn(Xi-1)-

Ft(x)68 2 2 0,06 -2,00 0,02 0,03 0,0272 2 4 0,11 -1,33 0,09 0,02 0,0475 2 6 0,17 -0,83 0,20 -0,04 0,0976 2 8 0,22 -0,67 0,25 -0,03 0,0977 6 14 0,39 -0,50 0,31 0,08 0,0978 3 17 0,47 -0,33 0,37 0,10 0,0280 6 23 0,64 0,00 0,50 0,14 0,0381 3 26 0,72 0,17 0,57 0,16 0,0784 2 28 0,78 0,67 0,75 0,03 0,0386 2 30 0,83 1,00 0,84 -0,01 0,0687 2 32 0,89 1,17 0,95 -0,06 0,1292 4 36 1 2,00 0,98 0,02 0,09

36

0,375

PROMEDIO80

VARIANZA27,3

DESVIACIÓN5,2Máxima

desviación: 0,16

0,16<0,375NO PUEDE

RECHAZARSE LA HIPOTESIS NULA

ANDERSON - DARLING• Es una prueba no paramétrica y es aplicada para evaluar el ajuste a cualquier

distribución de probabilidades. Se basa en al comparación de la distribución de probabilidades acumulada empírica (resultado de los datos) con la distribución de probabilidades acumulada teórica (definida por H0).

• Ho: La variable sigue una distribución Normal • H1 : La variable no sigue una distribución Normal

• Ejemplo:0.25 0.00 0.70 -0.14 -0.15

0.50 0.10 0.26 0.55 -0.10

0.40 -0.04 -0.65 0.20

-0.64 -0.05 -0.40 -0.10

0.05 -0.20 -0.30 0.56

F-max HartleyDefinicion: se utiliza en el análisis de la varianza para verificar que los diferentes grupos tienen similar desviación, un supuesto necesario para otras pruebas estadísticas.Condiciones:• Los grupos tienen una distribución normal.• Que cada grupo tiene un número igual de miembros.• Se requiere una tabla espacial con los valores críticos.

Prueba Q de Cochran

• La prueba Q de Cochran es una técnica estadística, extensión de la prueba de McNemar, que se utiliza en los modelos experimentales con tres o más muestras dependientes.• Para utilizar esta prueba el tipo de escala debe ser nominal y de tipo

dicotómica.

• La formula que utiliza esta prueba es la siguiente:

• Donde:K = número de tratamientos.Gn = número total de respuestas de cambio de cada tratamiento o columna.Lc = número total de respuestas de cambio por individuo de la muestra o hileras.

Ejemplo • Planteamiento de la hipótesis.• Hipótesis alterna (Ha). Los fármacos favorecen el aprendizaje simple

en las ratas en estudio. De esta forma, se muestran diferencias significativas entre, antes y después de los tratamientos.• Hipótesis nula (Ho). Los cambios observados entre los períodos previo

y posterior a los tratamientos se deben al azar.

• Se aplica el estadístico y se obtiene como resultado: 6.06• Gl: 3. En tabla de • De esta manera 6.06 tiene una probabilidad mayor que 0.05• Decisión: se acepta Ho y se rechaza Ha

PRUEBA DE GEARYEs una prueba exclusiva para probar el ajuste a la distribución normal de la muestra, ya que tiene menor probabilidad para los errores de tipo II. Esta se basa en el cálculo de los cumulantes muéstrales, generando un estadístico que descontando estos valores de sus medias y dividido por sus desviaciones estándar, tiene ventajas sobre otros criterios.

CARACTERISTICAS• Es simple ya que usa directamente los datos sin tener que construir la

distribución de frecuencias.• Es fácil de incorporar funciones de variables aleatorias originales.• Aparece en software reciente, sobre todo en el aspecto de control

estadístico de la calidad.

FORMULA

Prueba de BOX Condición en que se usa la prueba:Diseños mixtos (Diseño de medidas

repetidas)

• Una prueba para comparar la homocedasticidad multivariable es la prueba “M de Box”. Esta prueba sirve para comprobar la hipótesis de que las matrices de varianzas-covarianzas son iguales en todos los niveles del factor en estudio.

• Este test toma como hipótesis nula la de homocedasticidad y como alternativa la de heterocedasticidad (desigualdad de matrices de varianzas y covarianzas), es decir:

El estadístico del test está construido a partir del estadístico: