Sesiones teóricas estadisticas y tic 10ª semana.

 Para controlar los errores aleatorios contamos con una segunda herramienta en el proceso de inferencia estadística:  los test de hipótesis.
Sean cuales ean los deseos de los investigadores, el test de hipótesis siempre va a contrastar la hipótesis nula.
Antes de hacer el test de hipótesiis tenemos que comprobar la normalidad, para ello existen dos pruebas dependiendo del tamaño muestral. Si el tamaño muestral es superior a 50 usaremos el test de Kolmogorov-Smirnov. Si es menor a 50 usaremos el test de Shapiro-Wilks. Un ejemplo sería así:

gl significa el grado de libertad que es la población encuestada menos uno. Si el significado es inferior a 0,005 rechazamos la hipótesis nula.

Tipo de análisis estadísticos según el tipo de variables implicadas en el estudio:

El test de hipótesis mide la probabilidad de error que cometo si rechazo la hipótesis nula. El error alfa es la probabilidad de equivocarnos al rechazar la hipótesis nula. ¡Rechazamos la hipótesis nula para un nivel alfa máximo del 5%. Existen diferentes tipos de errores:

TEST DE HIPÓTESIS CHI-CUADRADO

Suponemos la hipótesis cierta y estudiamos como es de probable que siendo iguales dos grupos a comparar se obtengan resultados como los obtenidos o haber encontrado diferencias más grandes por grupos.

Para acompañar os dejo un ejercicio realizado por mí:

TEST DE ESTUDENT

Se utiliza cuando la variable independiente es cualitativa dicotómica y la variable dependiente es continua.

Este vídeo es un poco largo pero te explica muy bien cómo hacer un ejercicio de test de estudent.

Para acompañar os dejo un ejemplo de un ejercicio hecho por mí:

REGRESIÓN LINEAL SIMPLE

Se trata de estudiar la asociación lineal entre dos variables cuantitativas. La ecuación de la recta es y = ax+b

La pendiente sería a =beta1. Si el valor de a es positivo la correlación entre las dos variables es directa y si el valor de a es negativo indirecta.

Los modelos lineales deterministas: la variable independiente determina el valor de la variable dependiente.

Los modelos lineales probabilísticos: para cada valor de la variable independiente existe una distribución de probabilidad de valores de la dependiente.

El coeficiente de correlación (pearson ySpeerman: número adimensional que mide la fuerza y el sentido de la relación lineal entre variable. Su fórmula es  r = ß_{1 x} Sx /Sy.

El coeficiente de determinación da idea de la relación entre las variables relacionadas linealmente es r al cuadrado.

Para calcular beta uno y beta cero:

Para explicarlo mejor utilizo un ejemplo: