Scribd
Cargar
129 vistas10 páginas

Análisis T de Student: Muestras Relacionadas

El análisis T de Student para muestras relacionadas se utiliza para comparar dos conjuntos de datos de las mismas unidades, evaluando si hay una diferencia significativa en las medias antes y después de una intervención. Se requiere que las muestras sean dependientes, que las diferencias sean aproximadamente normales y que las variables sean continuas. El proceso incluye plantear hipótesis, calcular diferencias, medias y el estadístico t, y determinar el valor crítico para evaluar la significancia.

Cargado por

david.vrm1
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
129 vistas10 páginas

Análisis T de Student: Muestras Relacionadas

El análisis T de Student para muestras relacionadas se utiliza para comparar dos conjuntos de datos de las mismas unidades, evaluando si hay una diferencia significativa en las medias antes y después de una intervención. Se requiere que las muestras sean dependientes, que las diferencias sean aproximadamente normales y que las variables sean continuas. El proceso incluye plantear hipótesis, calcular diferencias, medias y el estadístico t, y determinar el valor crítico para evaluar la significancia.

Cargado por

david.vrm1
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

ANÁLISIS T DE STUDENT PARA

MUESTRAS RELACIONADAS
Análisis T de Student para
muestras relacionadas
se utiliza para comparar dos conjuntos de
datos que provienen de las mismas
unidades o grupos relacionados entre sí.

Es útil en experimentos donde se miden


los efectos antes y después de una
intervención o cuando se compara el
rendimiento de las mismas personas bajo
dos condiciones diferentes.
Objetivo de “T”
El objetivo es evaluar si hay una diferencia
significativa en las medias de dos muestras
relacionadas, es decir, si un tratamiento,
intervención o cambio ha tenido un efecto
medible en el mismo grupo de sujetos.
Parametros del T de Student
para muestras relacionadas

• Relación entre las muestras: Las muestras


deben ser dependientes, es decir, cada dato en
la primera muestra debe estar emparejado con
un dato en la segunda muestra.

• Diferencias de las muestras: La diferencia


entre cada par debe ser aproximadamente
normal.

• Escala de medición: Las variables deben ser


continuas y al menos en una escala de intervalo.
Fórmula del T para muestras relacionadas
La fórmula para el estadístico t es:

-1
Pasos para realizar el T de Student
para muestras relacionadas
1.- Plantear hipótesis:
Hipótesis nula (𝐻 ): La media de las diferencias es igual a cero o no
supera el nivel crítico (𝜇𝐷=0), lo que implica que no hay cambio
significativo.

Hipótesis alternativa (𝐻 ): La media de las diferencias es distinta de cero


(𝜇𝐷 ≠ 0 ).

2.- Calcular la diferencia de cada par: Restar el valor de la segunda


observación del valor de la primera observación para cada par de datos.

3.- Calcular la media de las diferencias (𝐷 ) y la desviación estándar de


las diferencias (𝑠𝐷 ).

4.- Calcular el estadístico t usando la fórmula dada.

5.- Determinar el valor crítico: Usar una tabla de distribución t con 𝑛−1
grados de libertad y un nivel de significancia (𝛼) para encontrar el valor
crítico.
EJEMPLO.-
Supongamos que queremos evaluar si un grupo de trabajadores mejora su rendimiento en un
examen de conocimientos de su área de trabajo. Se mide su rendimiento antes y después, y se
obtienen los siguientes resultados para cinco trabajadores: con un nivel de significancia del 5%

Examen
Examen Examen
Estudiante
Trabajadores
después
antes
después antes
después
antes
1 70
75
70 75
75
70
2 65
70 70
65
3 80
85 85
80
4 90
88 88
90
5 75
80 80
75

Plantear las hipótesis

Hipótesis nula (𝐻0 ): No hay mejora en el rendimiento, es decir, la media


de las diferencias es igual a cero (𝜇𝐷=0 ).

Hipótesis alternativa (𝐻𝑎H a ): Hay mejora en el rendimiento, es decir, la


media de las diferencias es mayor que cero (𝜇𝐷>0μ ).
ACTIVIDAD: REALIZAR PRUEBA T PARA DATOS
RELACIONADO
Imaginemos que en una empresa se desea evaluar si un grupo de empleados
ha mejorado su satisfacción laboral después de un programa de formación. Se
realiza una medición de la satisfacción antes y después del programa, y los
datos obtenidos para seis empleados son los siguientes:
Con un nivel de significancia del 5%
Después del Antes del
EMPLEADOS
programa programa
Planteamiento de hipótesis:
1 75 60
Hipótesis nula (H₀): No hay diferencia en la
2 80 75
satisfacción laboral antes y después del
3 90 85 programa de formación. (μ:d = 0)
4 80 70
5 85 80 Hipótesis alternativa (H₁): La satisfacción laboral
6 70 65 ha mejorado después del programa de formación.
(μ:d > 0)

También podría gustarte