tv.um.es

Hola, hoy nos vamos a detener en las pruebas estadísticas que se utilizan para comparar 2 grupos. Vamos a ver las pruebas para muestras independientes o grupos diferentes y para las muestras paradas. Con frecuencia, cuando la misma muestra se comparan 2 medidas diferentes y un caso especial para la prueba de una muestra, todo esto lo vamos a ver cuando los datos son de naturaleza continua o de naturaleza ordinaria vamos allá primero, vemos las pruebas estadísticas para muestras independientes donde vamos a comparar 2 grupos. Un ejemplo difiere la autoestima de chicas y chicos de secundaria, porque estamos en un centro educativo y y estamos realizando ese estudio, hipótesis nula, como siempre establece que no hay diferencias en lo que se compara, que la autoestima es igual en chicas que en chicos. La hipótesis nula se afectará si la probabilidad de la prueba estadística utilizada es superior a punto 0, 5, que es el estándar habitual. La hipótesis alternativa refería que sí que difiere que la autoestima no es igual en chicas y chicos y lo aceptaremos cuando la probabilidad de la prueba estadística sea inferior al punto 0. 5. Recordar que la probabilidad que da la prueba estadística es la probabilidad de que la hipótesis no sea correcta Qué tipo de pruebas podemos utilizar? Podemos utilizar pruebas paramétricas, que son las que cumplen todos los supuestos que en los que se basa? Una distribución de probabilidad en este caso y la prueba que destinen pruebas robustas, que son aquellas que se desarrollan para poder superar la violación de algún supuesto, no de todos, de alguno en este caso va a ser la prueba, te devuelves, y las pruebas no paramétricas, que son las que se utilizan cuando no se cumplen los supuestos de las pruebas paramétricas y cuando queremos comparar 2 muestras diferentes. La prueba estadística no paramétrica sería una prueba un mango Ifni. Pero para entender esto, primero tenemos que hablar un poco de los supuestos. Los supuestos de una prueba, pues el primero es que la escala de medidas cuantitativa o continua y el segundo, que esos datos siguen una distribución normal, hay ahí telegráficos el de la izquierda, pues equivaldría más o menos o siguen esos datos. Una distribución normal que tiene cierta simetría. Los otros 2 casos posiblemente no superase, no nos operaría en el supuesto de normalidad, porque hay una asimetría notable. Bueno, notable. Hay una asimetría. En el dibujo central hay una ligera simetría y en el gráfico de la derecha una gran gran asimetría. Después veremos qué que el uso de la estadística se puede matizar en función de ese grado de asimetría, pero la prueba requiere que existan normalidad para aprobar la normalidad. Vamos a utilizar unos test estadísticos, esa piso huelga cuando la muestra sea inferior a 50. Caso, y el colmo. Paro femenino muestra grandes superiores a 50. Esta prueba de Almagro no aparece por defecto si queremos disponer de ella en módulos vamos a instalar el módulo martes en cualquiera de lazos. La hipótesis nula de estas pruebas es que los datos sí que se distribuyen normalmente, y aceptaremos si eso, cuando la probabilidad de cualquiera de esas pruebas sea superior a punto 0 5 la hipótesis alternativa que no se distribuyen normalmente, otra forma de comprobar si se cumple su puesto de normalidad es con el gráfico, es un gráfico en el que se representan los cuantía, lees teóricos, con respecto a los valores observados, si los valores observado, que son esos puntitos se distribuyen a lo largo de esa Diagonal, entonces asumimos que se cumple el supuesto de normalidad. En el gráfico de la derecha vemos que en los extremos se aleja bastante esa normalidad, no estén, indicando que las colas, esas colas de ese, esa distribución pues se alargan, se alargan demasiado y que no tiene simetría esa distribución y un supuesto. Un tercer supuesto que se aplica en algunos casos es el de homogeneidad, de varianzas. Si vas a comparar 2 grupos pues debe ser exigir que esos grupos tengan una varianza parecida. Aquí tenemos 2 gráficos, el de la izquierda más o menos la variación que podemos observar. Si nos fijamos, aunque sea de valor, mínimo a valor máximo, que existe una variación en las puntuaciones, la línea central sería como la mediana, pues esta variación es diferente a la del grupo 2, pero bueno, no es muy dispar. En cambio, en el gráfico de la derecha la variación del grupo 1 es muy baja y la variación del grupo 2 en muy alta y las medias son más o menos iguales. Vamos a decir aquí que no difieren las medias, pues este nos cuesta, nos cuesta porque hay tanta variación. Pues bien, una prueba te requiere que se cumpla el supuesto de homogeneidad, de varianzas, que la rareza sean similares en función de eso que debemos hacer en un plan técnico, una prueba que en se puede utilizar cuando la medida es continua. Incluso cuando ese ordinal sí por lo menos tiene 5 niveles y esos niveles, por ejemplo, una escala del que estar en valor bajo 1, totalmente en desacuerdo y el más alto 5, totalmente de acuerdo, pues podemos asumir que la distancia entre esos 5 valores ha parecido siempre que no exista una asimetría. Se verá como hemos visto antes. Debe cumplirse el supuesto de homogeneidad, de varianzas, es recomendable que los grupos tengan un tamaño similares, que sean parecidos, y siempre que sea posible con grupos grandes, idealmente, con grupos mayores de 30 de 30 casos, pero esta prueba, los estudios nos indican que robusta, incluso con tamaño tamaño, sin inferiores siempre que se cumpla todo lo anterior la prueba de vuelo. La prueba robusta exigiría todo lo anterior, pero pero puede no, pero siempre que no se cumpla el supuesto de homogeneidad de varianzas o que los tamaños muestrales sean descompensados, sean muy diferentes, que significa que robusta, que incluso en el caso de esa falta del supuesto de homogeneidad varianza que no sean iguales varianzas o que el tamaño estén muy descompensados. La prueba de vuelo consiguió un resultado, que es bastante certero y aceptable, y la prueba no paramétrica cuando no se cumplen los supuestos en este caso Bueno, a nivel técnico, cuando lo cuando tengamos datos ordinaria con menos de 5 niveles, o cuando los datos sean continuos, con una gran gran asimetría. En ese caso deberíamos utilizar la prueba Google, Manuel, pero esto sería, digamos, la recomendación técnica, que es lo que se suele hacer, y más cuando 1 empieza con análisis estadístico, pues la receta clásica y en la que vamos a seguir aquí aunque ya sabéis la parte más técnica es que la prueba te despiden, la vamos a utilizar cuando el nivel de medidas sea continuo. Se cumpla el supuesto de normalidad, se cumpla el supuesto de homogeneidad de varianzas la prueba, te devuelven cuando se cumplan normalidad, pero no homogeneidad, de varianzas, y la prueba o cuando el nivel de medida sea ordinal o bien que el nivel de medidas se ha continuado, pero no se cumpla el supuesto de normalidad. Recuerdo que ya hemos visto lo de los niveles en los vídeos anteriores. Muy bien, pues dicho eso, vamos a empezar a jugar con actos. Entramos en jaque móvil, y planteábamos un supuesto que lo tenéis en el archivo. Autoestima bien, vamos a ver este archivo, tengo 2 variables. Una en la variable sexo y 8 en la variable. Autoestima, como siempre lo primero vamos a los datos, hacemos un estudio descriptivo de la variable. Autoestima, la autoestima de toda la muestra que hay 155 casos tienen un promedio de 94 con 91 una desviación típica, decir Si separo por sexo, yo prefiero verlo en filas. Entonces hay 80 hombres, media, 98; desviación típica, 9 27 mujeres, hay 75 media; 90 una desviación típica, 9, 64. Parece que a desviaciones típicas son, son percibidas como ahora tendremos que ver en los supuestos ya ya ya parece que está que lo vemos claro. Es muy interesante hacer un gráfico, un diagrama de caja que podemos ver aquí estas son las puntuaciones de hombres, las puntuaciones de mujeres, la dispersión o variación, pues es muy similar. Si si ven la forma, pues es muy, muy similar. Bien visto eso, nos plantea la hipótesis, es posible que los hombres, que son estudiantes estudiantes de secundaria, tengan una autoestima superior que las chicas, bueno, pues vamos a comprobarlo. La hipótesis nula establece que no. Como siempre que es igual que esto, es una diferencia aparente, la hipótesis alternativa que esta diferencia no se aparente, que son una diferencia tan grande que hay que considerarla estadísticamente significativa, como comparamos estos 2 grupos con la prueba, te hemos dicho que el de pruebas independientes, puesto que tenemos 2 grupos diferentes, hombres y mujeres, muy bien, pues nos vamos al panel de la prueba demostradas independientes. Nuestra variable, que queremos comparar, es autoestima, y la comparamos en función del género, por defecto lo primero que nos aparecen la prueba paramétrica la prueba te despiden pero claro esta prueba hemos visto se tiene que cumplir al otro lado, se tiene que cumplir el supuesto de normalidad y el supuesto homogénea de la varianza para utilizar esta prueba. Así que, vamos a ver qué ocurre con los supuestos prueba de homogeneidad de varianzas. La prueba del even probabilidad, acepto la hipótesis, nula sí que la varianza son similares, acepto que la varianza son iguales y la prueba de normalidad, como tengo una 155 casos, utilizaría la prueba de colmo pero que también se cumple el supuesto de normalidad, con lo cual puede utilizar esta prueba perfectamente. La normalidad también la podría haber, así veo que los puntos, por más o menos, se distribuyen por esa, por esa vía. Así que la prueba que tengo que utilizar directamente la prueba te puedo tener aquí unos estadístico de que hicimos esto ya lo tuve antes en cuando hicimos eso de que hicimos, pero aquí tengo la la opción también de ponerlos. Como yo sé por lo que me dice, la prueba, que hay diferencias estadísticamente significativas, lo veo, veo que la media de los chicos es superior y si son diferencias estadísticamente significativas, que los chicos tienen o presenta una autoestima significativamente mayor que las chicas, caso Puedo hacer una mera una gráfica descriptiva y comprobarlo. El punto es la media y el cuadradito, la mediana entonces veo perfectamente. Esa diferencia, como es, solo me quedaría añadir. El tamaño del efecto. La magnitud de esa diferencia 0 77, 27 recordamos que la de de Cohen utilizamos esta escala de interpretación si supera 0, 2 pequeña, la magnitud de esa diferencia pequeña si supera hacer o 5 mediana si supera hacer 8 grande. Por tanto, la ESA esa diferencia observada entre chicos y chicas, tiene un tamaño del efecto de tipo mediano muy bien, pues hemos tenido hemos utilizado la prueba paramétrica, porque porque se cumplían los supuestos que hubiera ocurrido, si no se hubiera se hubiera cumplido el supuesto de normalidad, pero no el de homogeneidad de varianzas, pues directamente utilizaríamos la prueba te devueltas y no fijaríamos en esta fila esta fila; él y si no se hubiera cumplido el supuesto de normalidad, según la receta que hemos vemos. Hemos puesto, deberíamos utilizar una prueba, pude mango, y en el caso de que no se, de que la prueba de democracia no tuviera una probabilidad muy baja inferior al punto 0, 5 tendría que rechazar la hipótesis de normalidad. No existe normalidad en los datos y utilizar la prueba o de manga Qué me daría? Que existe una diferencia estadísticamente significativa y el tamaño del efecto, en este caso la correrla, es la correlación bis serial tengo aquí de 0 39, 6, que es también de tipo medio del tamaño del efecto. Cuando voy a comparar para darle un sentido esa magnitud no tengo en cuenta el signo muy bien, pues ya hemos revisado esas 3. Es hacer pruebas, que son las pruebas que se utilizan. Cuando quiero comparar 2, muestran diferentes siguiente caso, muestras variadas. Cuando quiero comparar 2 medidas de la misma muestra, por ejemplo, tengo un grupo de trabajadores en una empresa, un grupo de trabajadores, se se le propone durante un mes seguir un, un horario de un horario fijo y durante otro mes, un horario flexible, pasados esos 2 meses, bueno, se ya está registrando, en este caso era cociente, cuántas llamadas hacían al día en promedio, cada 1 de los trabajadores? Bien, cuando estaba en un horario fijo, bien, cuando estaba en un horario flexible, lo que queremos saber es qué tipo de horario sí sí si el tipo de algún tipo de horario más productivo, que otros, la hipótesis nula nos dirá que no, que bien sea el horario fijo. Lo fue el horario flexible. La productividad, la productividad será equivalente, y la hipótesis alternativa, pues nos planteará que sí que existe una diferencia, que habrá un tipo de horario que sea mejor que otros Qué prueba vamos a utilizar? Pues optamos por 2 pruebas. La prueba paramétrica que si la prueba te demuestre aparejadas donde el que requiere que el nivel de medidas sea continuo y que se cumpla el supuesto de normalidad Qué pasa que con el supuesto de homogeneidad de varianzas, porque solo tengo un grupo. Y para qué? Para hablar de homogeneidad varianza necesito 2. Como solo tengo un grupo, tienen, se aplica el supuesto de homogeneidad, y una prueba no paramétrica, que es la prueba de rangos de vuelco. Eso que requiere un nivel de medida ordena o bien un nivel de medida continua, cuando no se cumple el supuesto de normalidad. Bueno, pues vamos a ver, otro ejemplo que lo tenemos. Si nos fijamos en el archivo tengo 30 personas y cada una de las personas ha estado un mes en un sistema de horario fijo, otro mes, en un sistema de horario flexible y otro mes, en un sistema de horario online en casa. Estos datos son simulados, pero nos planteamos. Hay diferencias entre el horario fijo y el horario flexible. Los registros que tenemos es el número de llamadas que han efectuado en cada 1 de los trabajadores o mono que ha recibido. Ya ha atendido a cada 1 de estos trabajadores. Nos interesa determinar si alguno de esos 2 horarios es mejor que nosotros, recordamos cada fila una persona, cada columna, una variable, como ya vimos, pero como quiero comparar 2 medidas del mismo grupo, problemas que demostrar variadas y jamás y está esperando que traslade la primera medida y traslade la segunda. Así que fijo y luego flexible. Muy bien, ya tengo el Estado, el primer resulta estadístico. Ojo, que lo que me ofrece es la prueba paramétrica, y la prueba paramétrica está asumiendo que el nivel de media de continuo, que lo es y que se cumple el supuesto normalidad. Bueno, pues eso, eso no lo sé si se cumple el supuesto de normalidad, pero tengo aquí la comprobación de supuestos, la prueba de normalidad que una muestra de 30. Aplicar y aspiro Uy, que se cumple. Por lo tanto, sí que se cumple ese supuesto de normalidad y en la gráfica poco Pues también puedo puedo verlo, bueno, pues para que me quede un poquito claro, voy a ver una estadística descriptiva, que me dice que el horario fijo, la media de llamadas fue de 104 atendidas, mientras que en el horario flexible fue de 1.016. Hago también un gráfico, simplemente por si lo quiero ver y claramente. El horario flexible implica una mayor productividad de los trabajadores que el horario fijo. Muy bien, pues solo me queda determinar el tamaño del efecto esta mañana del efecto ya 0 3. La diferencia entre horario fijo y horario flexible en cuanto a tamaño del a, llamadas realizadas, la tengo que considerar grande una gran diferencia. Aparte de esa significación estadística tengo una significación práctica clarísima bien hemos hecho fíjese flexible vemos que tenemos 3 horarios porque esto lo trabajaremos después con otro tipo de prueba. Hay diferencia entre el horario fijo y online Pues simplemente traslado fijo al lado online, y ya tengo otra prueba fijo frente a online, difieren significativamente y el tamaño del efecto el grande y se cumple el supuesto de normalidad puede utilizar esta prueba, que la prueba paramétrica la prueba y hay diferencias entre flexible y online. Ahí pues de nuevo hay una diferencia estadísticamente significativa. Se cumple el supuesto de normalidad, la puede utilizar esta prueba sin problema, y la diferencia, la magnitud de la diferencia, se sería mediana. De tipo de tipo medio aquí puedo tengo la fija inflexible, fijo y online, y flexible y online. Pues bien, qué hubiera ocurrido si no se cumple el supuesto de normalidad mediante la prueba? Esa Pyro will porque el tamaño muestral es inferior a 50 Pues que tendría que haber utilizado la prueba de rango de vuelcos, simplemente voy a quitar estas para no marear mucho. Si se utilizara la prueba de rango de vuelco son porque no se cumple el supuesto normalidad que aquí se cumple, pero en el caso de que no se cumpliera, esta es la prueba que tendría que interpretar. Qué me indica que hay diferencia estadísticamente significativa siempre a favor, si me fijo en la mediana, que lo lo que suelen comparar las pruebas no paramétricas. La mediana del grupo flexible, superior a la mediana, del grupo fijo. Pues bien, el horario flexible tiene una mayor productividad que el horario fijo, y esa diferencia 0 7, 8, 7 correlación serial es de una magnitud, tamaño del efecto grande, muy bien, pues nos queda todavía un caso más, cuando una prueba tan especial, que es cuando solo tengo una muestra en este caso tener una muestra es comparar la media de esa muestra con algo. Y con qué le voy a comparar con un valor de referencia. Por ejemplo, un ejemplo. La media de autoestima de los estudiantes de mi clase lo que vivimos antes, pero chicos y chicas juntos difiere de la media de los estudiantes, de su edad, de la media esperable. Para los estudiantes de su edad, que sabemos que es 100 por otros estudios, la hipótesis nula no nos diga que no difiere que efectivamente, la media de esos estudiantes puede considerarse. Normal que es 100, la hipótesis alternativa nos diga que sí que difiere Qué pruebas puede utilizar Pues igual que antes? Una prueba paramétrica que la prueba te despiden, que requiere nivel de medida continua y normalidad. Aquí tampoco se requiere homogeneidad, solo tengo un gurú y la prueba de rango de Wilcox son que igual que antes requiere un nivel de medida ordinal o un nivel de medida continua, cuando no se cumpla el supuesto normalidad. Bien, pues vamos a ver, en este caso vamos a volver al caso de la autoestima, vamos a considerar solo la variable autoestima, o sea, sin diferenciar chicos y chicas, habíamos hecho ya un estudio, no vamos a hacerlo ahora una valoración, hacemos en un principio, pero luego al cruzar por género, porque ya se se se quitó, sabemos que la media es de 94, 91, nos están planteando, vale, es un poco baja, pero yo puedo considerar que esta media puede ser 100. Bueno, pues para eso lo que tengo que hacer es una prueba de una muestra donde mi muestra, esa autoestima. Y con qué valor la quiero contrastar. Valor de pruebas 100. Cuando yo hago esto ya se me pone hipótesis alternativa, la media es distinta, decía estadístico, se 31, está estadísticamente significativo No, no puedo considerar que la media de la muestra se hacían la muestra de estos estudiantes, que son de mi clase, que es significativamente más baja que de lo esperable. Algo habrá que hacer después con estos chicos conectar chicas, pero esta prueba la prueba paramétrica que asumen que se cumple la prueba de normalidad, supuesto, normalidad. Bueno, efectivamente se cumple también lo podía haber con el gráfico que también también se cumple, así que perfecto. Veo el tamaño del efecto del tamaño del efecto de tipo medio 0, con 5 superior a 0, con 5 la estadística del IVA, que ya la tenía de antes, y una gráfica que me muestra cuál es mi muestra y y esto es lo que yo quiero contrastar, si muestra que tiene esta medida puede ser 100 porque claramente no, claramente es inferior de nuevo. Esta es la prueba, no paramétrica, porque se cumple el supuesto de normalidad y, si no, se se cumpliera este supuesto, porque me da significativo, directamente la prueba de contribuir, cosa que también es significativa con un tamaño del efecto, en este caso grande. Bueno, pues ya hemos hecho un repaso por los distintos tipos de prueba, vamos a abrir un archivo adicional y vemos con que nos encontramos que nos encontramos en lo siguiente. Tengo las siguientes variables. Género, uso de redes sociales. Ahora veremos qué valores tiene Número de audios que manda cada cada chico. Cada chica de wasap al día en número de audios y la duración. En minuto promedio de los audios que envía, vamos a ver qué tengo aquí. Lo primero que hago es una valoración estiba y traslado género, uso del red del número de audio y minutos y alguna tabla de frecuencias para la variable que sean de tipo nominal encuentro que hay 87 chico, 82 chicas, y el uso de redes hay un 33 por 100 que usa poco la red de un 32 por 100, aunque luego usó el nivel medio y un 34 por 100 que usa muchísimas materias. En gráficos vamos a representar aquí un histograma y entonces veremos. Bueno, género y red no tiene sentido. Vemos el número de audios, que tiene una ligera simetría y asimetría, lo mismo que ocurre con la duración en minutos, pero duración minutos aparenta una mayor normalidad. El número de audios sí que se se debía, se debió a un poquito muy bien. La pregunta en cuestión es cómo estamos comparando 2 grupos, difieren chicos y chicas en el número de audios que envían? Bueno, pues entonces es una prueba que, como tengo chicos y chicas, son grupos diferentes, una prueba de muestras independientes Dónde quiero saber si difieren el número de audios? En función del género, la prueba que se hace, la prueba, no paramétrica la prueba paramétrica perdón, que está comparando la media de chicos y media de chicas, y me dice que no hay diferencia estadísticamente significativas, pero ya me sale aquí una llamada. La prueba del significativa sugiere que la varianza no son iguales, no lo he comprobado, pero ya me está avisando. Claro, esta prueba paramétricas requiere que se cumpla el supuesto de homogeneidad y que se cumplen el de normalidad, el de homogeneidad. Nada, no lo cumplimos; y el de normalidad, con cuántos Cuántos casos tenemos? Vamos a ponerlo descriptivos? Tenemos aquí 87, 82 en marcha grandes. La muerte? La prueba de colmo aforo pues si yo puedo considerar que se cumple el supuesto de normalidad, ahora el que no se cumple es el de homogeneidad, de varianzas. Bueno, ya sabemos que si se cumple, normalidad, pero no homogeneidad de varianza, la prueba que tenemos que utilizar en la web está ya la podemos citar. La prueba robusta que me dice que no hay diferencias estadísticamente significativas, siendo cuando cuando está entre el 0, 5 0 días. En su vez, y hay que diferenciar parcialmente significativas y siendo rígidos si no llega al 5 por 100. Pues no estamos viviendo que las chicas, aunque no sea una diferencia estadísticamente significativa, las chicas en promedio, llaman o envían más audios que los chicos. Pero esa diferencia no es tan grande como para poder considerarla significativa y teníamos otra variable que era la duración en minutos. Vamos a hacerlo aparte, aunque sí la ha trasladado. Aquí se hace todo de golpe, pero vamos a hacerlo en otro panel muestras independientes, duración en minutos, en función del género. Me dice que hay diferencia, en este caso estadísticamente significativa, pero me vuelve a avisar. Ojo que la varianza no son, no son iguales. Pues qué está pasando? Aquí? Vamos a ver una prueba de homogeneidad. La prueba de homogeneidad no se cumple. La prueba de normalidad, como tenemos la cuestión son grandes, utilizamos la de conmemora sí que se cumple. Pues estamos en el mismo caso de antes. Se cumple normalidad? No se cumple. Homogeneidad. La prueba robusta, devuelves, ya puedo quitar esta que me indica que haciendo las correcciones para que sea una prueba mucho más exigente, si seguimos considerando que hay diferencias estadísticamente significativas, muy bien, pues ya puedo estimar el tamaño del efecto antes no lo hemos hecho, pero bueno, no tiene más. Simplemente aplicamos al tamaño del efecto. El tamaño del efecto es pequeño, pequeño. La duración en minutos. Si si nos fijamos en la prueba descriptivas, es superior en las chicas que en los chicos. Las gráficas también lo podemos ver que las chicas en el promedio minutos de los audios es significativamente mayor que que los chicos de duración en segundo se relacionen segundos. Bueno, esto tanto son ficticios. Así que cada 1 piense lo que lo que considere muy bien, pues hemos hecho un repaso por una serie de pruebas que son para comparar medias todas las tenemos en prueba cuando son grupos distintos, cuando es el mismo grupo, pero comparamos 2 medidas diferentes y cuando es un grupo y lo comparamos con un valor de referencia Qué quedaría? Pues si tengo más de 2 grupos que habría que hacer una nueva, pero eso ya lo veremos. En otro vídeo un saludo.