T-MUESTRAS RELACIONADAS, T-
STUDENT
DIFERENCIA ENTRE DOS MEDIDAS
T DE STUDENT PARA MUESTRAS
RELACIONADAS
Es una prueba paramétrica de comparación de dos muestras relacionadas, debe cumplir las
siguientes características.
• Asignación aleatoria de los grupos
• Homocedasticidad (homogeneidad de las varianzas de la variable dependiente de los grupos)
• Distribución normal de la variable dependiente en los dos grupos.
• Nivel intervalar o de razón de la variable dependiente
Su función es comparar dos mediciones de puntuaciones (medias aritméticas) y determinar
que la deferencia no se daba al azar (que las diferencias sea estadísticamente significativa)
• intervalo de confianza. De forma predeterminada, se
muestra un intervalo de confianza al 95% para la
diferencia entre las medias. Introduzca un valor entre 1
y 99 para solicitar otro nivel de confianza.
• Valores perdidos. Si ha probado varias variables y se
han perdido los datos de una o mas de ellas al
procedimiento que casos desea incluir o excluir.
REALIZAR UNA PRUEBA DE NORMALIDAD
• Elija Estadísticas > Estadísticas básicas > Prueba de normalidad. Los
resultados de la prueba indican si usted debe rechazar o no puede
rechazar la hipótesis nula de que los datos provienen de una población
distribuida normalmente. Puede realizar una prueba de normalidad y
producir una gráfica de probabilidad normal en el mismo análisis. La
prueba de normalidad y la gráfica de probabilidad suelen ser las mejores
herramientas para evaluar la normalidad.
TIPOS DE PRUEBAS DE NORMALIDAD
Los siguientes son tipos de pruebas de normalidad que puede utilizar para evaluar la normalidad.
Prueba de Anderson-Darling
Esta prueba compara la función de distribución acumulada empírica de los datos de la muestra con la
distribución esperada si los datos fueran normales. Si la diferencia observada es adecuadamente
grande, usted rechazará la hipótesis nula de normalidad de la población.
Prueba de normalidad de Ryan-Joiner
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.
Prueba de normalidad de Kolmogorov-Smirnov
Esta prueba compara la función de distribución acumulada empírica. Si la diferencia observada es
adecuadamente grande, la prueba rechazará la hipótesis nula de normalidad de la población. Si el valor
p de esta prueba es menor que el nivel de significancia (α) elegido, usted puede rechazar la hipótesis
nula y concluir que se trata de una población no normal.
COMPARACIÓN DE LAS PRUEBAS DE NORMALIDAD DE
ANDERSON-DARLING, KOLMOGOROV-SMIRNOV Y RYAN-JOINER
• Las tres pruebas tienden a ser adecuadas para identificar una distribución no
normal cuando la distribución es asimétrica. Las tres pruebas distinguen menos
cuando la distribución subyacente es una distribución t y la no normalidad se debe
a la curtosis. Por lo general, entre las pruebas que se basan en la función de
distribución empírica, la prueba de Anderson-Darling tiende a ser más efectiva para
detectar desviaciones en las colas de la distribución. Generalmente, si la
desviación de la normalidad en las colas es el problema principal, muchos
profesionales de la estadística usarían una prueba de Anderson-Darling como
primera opción.
T-STUDENT
• La prueba t-student se fundamenta en dos premisas; la
primera: en la distribución de normalidad, y la segunda: en
que las muestras sean independientes, permite comparar
muestras, N≤30 y/o establece la diferencia entre las medias
de las muestras. El análisis matemático y estadístico de la
prueba con frecuencia se minimiza para N>30, utilizando
pruebas no paramétricas, cuando la prueba tiene suficiente
poder estadístico.
DISTRIBUCIÓN T DE STUDENT
En la generalidad de los casos, no disponemos de la
desviación estándar de la población, sino de una estimación
calculada a partir de una muestra extraída de la misma y por
lo tanto no podemos calcular z.
En estos casos calculamos el estadístico t:
𝝁−× σ(𝒙−𝒙𝒊 )𝟐
T= con: s= donde s es la desviación
𝒔 𝒏−𝟏
estándar muestral, calculada con n-1 grados de libertad.
El estadístico t tiene una distribución que se denomina
distribución t de student, que esta tabulada para 1,2,3……etc,
grados de libertad de la muestra con la cual se calculo la
desviación estándar.
La distribución t es mas ancha que la distribución normal
tipificada para un numero de grados de libertad pequeño.
Cuando los grados de libertad tienden a infinito, la distribución
t tiende a coincidir con la distribución normal estándar.
