Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1/ 4
INTRODUCCIÓN.
En este escrito hablaremos de los requisitos para poder obtener la ANOVA, también de cómo interpretar la ANOVA y de los beneficios que se obtienen de realizar las pruebas de bondad, en este escrito relataremos de una manera conceptual y de manera de interpretación personal los conceptos antes mencionados para dar a entender de manera más fácil y practica con ejemplos laborales y del día a día donde se aplican dichos conceptos.
REQUISITOS PARA PODER OBTENER LA ANOVA
Existen diferentes clases de ANOVA, y el uso de ellas depende de la cantidad y nivel de medición de las variables independientes, de si el diseño es de grupos independientes, de medidas repetidas, o ambas: ANOVA de 1 vía para grupos independientes (la más simple), ANOVA de 1 vía de medidas repetidas, ANOVA factorial y ANOVA mixta.
Por lo anterior, se dice entonces que ANOVA es un procedimiento que permite
comparar diferencias entre muchos grupos (también interacciones). Requisitos para la ANOVA de 1 vía:
• Las muestras deben haber sido seleccionadas independiente y Aleatoriamente.
• La variable independiente debe poseer más de 2 niveles de medición.
• Los valores de la variable dependiente deben estar normalmente distribuidos
y deben estar medidos al nivel intervalo o razón.
• Las varianzas dentro de los grupos deben ser bastante similares. A esto se le llama homogeneidad de varianza, y esto significa que ANOVA demanda que las muestras no difieran mucho con respecto a sus variabilidades internas.
Por ejemplo, no se debería hacer una ANOVA en 3 grupos en donde uno de ellos presenta una distribución de puntajes leptokúrtica (Esto significa que tiene colas más pesadas y un pico más pronunciado en comparación con la distribución normal), el segundo grupo tiene una forma mesokúrtica (cuando presenta un grado de concentración medio alrededor de los valores centrales de la variable), y el tercer grupo tiene una forma platikúrtica(cuando los valores presentan un reducido grado de concentración y se distribuyen prácticamente a lo largo de todo el rango). Este requisito puede estudiarse con la prueba de Levene para homogeneidad de varianzas. La hipótesis nula en la prueba o test de Levene establece que las varianzas de las muestras son iguales. Se desea obtener un resultado en la prueba de Levene que no rechace Ho, indicando que las varianzas son iguales. En otras palabras, se quiere que p en la prueba de Levene sea > .05.
INTERPRETACIÓN DE LA ANOVA Podemos interpretar el ANOVA como un procedimiento estadístico utilizado para probar el grado en el que dos o más grupos varían o difieren en un experimento. En la mayoría de los experimentos, una gran cantidad de varianza (o diferencia) generalmente indica que hubo un hallazgo significativo de la investigación. Esto es utilizado en muchos casos como puede ser en ciencias sociales, en farmacéutica, en fin, en muchos procesos que requieran probar si algo es eficaz o no tan eficaz. En este caso explicaremos de manera más practica como interpretar el ANOVA ya que no se encontró un concepto o un significado concreto de cómo interpretar los datos o la ANOVA. En una cadena de supermercados se quiere saber si tres tipos diferentes de anuncios afectan las ventas medias de manera diferente. Utilizan cada tipo de publicidad en 10 tiendas diferentes durante un mes y miden las ventas totales de cada tienda al final del mes. Para ver si hay una diferencia estadísticamente significativa en las ventas medias entre estos tres tipos de anuncios, los investigadores pueden realizar un ANOVA, utilizando «tipo de anuncio» como factor y «ventas» como variable de respuesta. Si el valor p general del ANOVA es menor que nuestro nivel de significancia, podemos concluir que existe una diferencia estadísticamente significativa en las ventas medias entre los tres tipos de anuncios. Luego, podemos realizar pruebas pos hoc para determinar exactamente qué tipos de anuncios conducen a resultados significativamente diferentes.
BENEFICIOS DE LAS PRUEBAS DE BONDAD
Una prueba de bondad de ajuste permite docimar la hipótesis de que una variable aleatoria sigue cierta distribución de probabilidad y se utiliza en situaciones donde se requiere comparar una distribución observada con una teórica o hipotética, compararla con datos históricos o con la distribución conocida de otra población. Por otra parte, una prueba de independencia permite determinar si existe asociación estadística entre dos variables categóricas. Las pruebas más utilizadas para estudiar la independencia y la bondad de ajuste son las Chicuadrado de Pearson, debido a su fácil aplicación y a que se encuentran en todos los paquetes estadísticos. Estas pruebas asumen que todas las observaciones son independientes y que están igualmente distribuidas, supuestos que sólo se satisfacen para un muestreo aleatorio simple con reposición y se cumplen aproximadamente en una muestra aleatoria simple sin reposición para una fracción de muestreo pequeña. Se utilizan para contrastar si los datos de la muestra pueden considerarse que proceden de una determinada distribución o modelo de probabilidad. Por ejemplo, cuando deseamos saber si los datos que manejamos proceden de una distribución normal, binomial, de Poisson, exponencial, etc. En definitiva, las pruebas de bondad de ajuste permiten verificar qué tipo de distribución siguen nuestros datos y, por tanto, qué pruebas (paramétricas o no) podemos llevar a cabo en el contraste estadístico. En la siguiente imagen se puede ver un ejemplo de una prueba de bondad de ajuste aplicada en el trabajo para piezas defectuosas, y después de analizar ese problema podemos decir que tiene un gran beneficio porque nos acerca mas a un resultado en Actividad 10
3 el cual nos puede favorecer y enseñarnos de manera estadística si estamos correctos en el proceso y en la manera en la cual estamos realizando el trabajo o también nos enseña que estamos mal y que podemos realizar acciones para corregir el proceso o producto para tener un mejor resultado.
