¿QUÉ SON LAS PRUEBAS PARAMÉTRICAS?
1. Se conoce el modelo de distribución de la población objeto
de estudio y se desconoce un número finito de parámetros de
dicha distribución que hay que estimar con los datos de la
muestra.
2. Requieren conocer la distribución de la muestra para pode
r
realizar realizar inferencias inferencias sobre la población población.
La prueba t-Student se utiliza para contrastar hipótesis sobre medias en poblaciones con distribución
normal. También proporciona resultados aproximados para los contrastes de medias en muestras
suficientemente grandes cuando estas poblaciones no se distribuyen normalmente (aunque en este
último caso es preferible realizar una prueba no paramétrica).
La prueba t-Student fue desarrollada en 1899 por el químico inglés William Sealey Gosset (1876-1937),
mientras trabajaba en técnicas de control de calidad para las destilerías Guiness en Dublín . Debido a
que en la destilería, su puesto de trabajo no era inicialmente de estadístico y su dedicación debía estar
exclusivamente encaminada a mejorar los costes de producción, publicó sus hallazgos anónimamente
firmando sus artículos con el nombre de "Student".
A continuación os dejo un vídeo para que entendáis mejor cómo hacer el T-Student y para qué se utiliza.
ANOVA
Un análisis de varianza (ANOVA) prueba la hipótesis de que las medias de dos o más poblaciones son iguales. Los ANOVA evalúan la importancia de uno o más factores al comparar las medias de la variable de respuesta en los diferentes niveles de los factores. La hipótesis nula establece que todas las medias de la población (medias de los niveles de los factores) son iguales mientras que la hipótesis alternativa establece que al menos una es diferente.
Para ejecutar un ANOVA, debe tener una variable de respuesta continua y al menos un factor categórico con dos o más niveles. Los análisis ANOVA requieren datos de poblaciones que sigan una distribución aproximadamente normal con varianzas iguales entre los niveles de factores. Sin embargo, los procedimientos de ANOVA funcionan bastante bien incluso cuando se viola el supuesto de normalidad, a menos que una o más de las distribuciones sean muy asimétricas o si las varianzas son bastante diferentes. Las transformaciones del conjunto de datos original pueden corregir estas violaciones.
El nombre "análisis de varianza" se basa en el enfoque en el cual el procedimiento utiliza las varianzas para determinar si las medias son diferentes. El procedimiento funciona comparando la varianza entre las medias de los grupos y la varianza dentro de los grupos como una manera de determinar si los grupos son todos parte de una población más grande o poblaciones separadas con características diferentes.
Comentarios
Publicar un comentario