Show Menu
Cheatography
  1. Home >
  2. Cheat Sheets >

Estadística Week 10 Cheat Sheet by

BONDAD DE AJUSTE Y TABLAS DE CONTINGENCIA

BONDAD DE AJUSTE

• Usar conteos de frecuencia de datos categó­ricos divididos en diferentes categorías y determinar si los datos se ajustan a alguna distri­bución afirmada.
Defini­ción: Una prueba de bondad de ajuste se usa para probar la hipótesis de que una distri­bución de frecuencia observada se ajusta a (o concuerda con) alguna distri­bución afirmada.
Concepto clave: Por “bondad de ajuste” queremos decir que los datos muestr­ales, que consisten en conteos de frecuencia observados y se disponen en una sola fila o columna (llamada tabla de frecue­ncias unidir­ecc­ional) concuerdan con alguna distri­bución particular (por ejemplo normal o uniforme) en consid­era­ción. Usaremos una prueba de hipótesis para la afirmación de que los conteos de frecuencia observados concuerdan con la distri­bución afirmada.

MEDICIÓN DE LA DISCRE­PANCIA AFIRMADA

Hagamos esta interr­ogante: ¿Son signif­ica­tivas las difere­ncias entre las frecue­ncias reales observadas O y las frecue­ncias teóric­amente esperadas E?

LEY DE BENFORD

Usamos una línea gris para grafIcar las propor­ciones esperadas, según la ley de Benford.
  

TABLAS DE CONTIN­GEN­CIA

• Utilizar datos categó­ricos resumidos como frecue­ncias en una tabla bidire­cci­onal, con al menos dos filas y dos columnas, para realizar una prueba formal de indepe­ndencia entre la variable de fila y la variable de columna. • Ser capaz de realizar una prueba formal de una afirmación de que diferentes poblac­iones tienen las mismas propor­ciones de algunas caract­erí­sticas.
Defini­ción: Una tabla de contin­gencia (o tabla de frecue­ncias bidire­cci­onal) es una tabla que consiste en conteos de frecue­ncias de datos categó­ricos corres­pon­dientes a dos variables diferentes (una variable se usa para catego­rizar las filas y una segunda variable se usa para catego­rizar las columnas).

PRUEBA DE INDEPE­NDE­NCIA

Defini­ción: En una prueba de indepe­nde­ncia, probamos la hipótesis nula de que en una tabla de contin­gencia, las variables de fila y de columna son indepe­ndi­entes. (Es decir, que no hay depend­encia entre las variables de fila y de columna).

FREC­UENCIAS OBSERVADAS Y SEPARA­DAS

El dato estadí­stico de prueba nos permite medir el tamaño de la discre­pancia entre las frecue­ncias realmente observadas y aquellas que teóric­amente espera­ríamos cuando las dos variables son indepe­ndi­entes. Los valores grandes del dato estadí­stico de prueba x2 están en la región más a la derecha de la distri­bución chi cuadrada, y reflejan difere­ncias signif­ica­tivas entre las frecue­ncias observadas y esperadas.

PRUEBA DE HOMOGE­NEI­DAD

Defini­ción: Una prueba de homoge­neidad con ji cuadrada es una prueba de la afirmación de que diferentes poblac­iones tienen las mismas propor­ciones de algunas caract­erí­sticas.

PRUEBA EXACTA DE FISHER

Los proced­imi­entos para probar hipótesis con tablas de contin­gencia tienen el requisito de que cada celda debe tener una frecuencia esperada de al menos 5. Este requisito es necesario para que la distri­bución x2 sea una aproxi­mación adecuada a la distri­bución exacta del dato estadí­stico de prueba x2. La prueba exacta de Fisher se usa a menudo para una tabla de contin­gencia de 2 X 2 con una o más frecue­ncias esperadas que están por debajo de 5. La prueba exacta de Fisher propor­ciona un valor P exacto y no requiere una técnica de aproxi­mación. Debido a que los cálculos son bastante complejos, es una buena idea usar tecnología para abordar la prueba exacta de Fisher. Statdisk, Minitab, XLSTAT y StatCrunch tienen la capacidad de realizar la prueba exacta de Fisher.

PRUEBA DE MCNEMAR PARA PARES RELACI­ONA­DOS

Los métodos de la parte 1 de esta sección se basan en datos indepe­ndi­entes. Para tablas de 2 X 2 que constan de conteos de frecue­ncias result­antes de pares relaci­onados, los conteos de frecue­ncias dentro de cada par relaci­onado no son indepe­ndi­entes y, para tales casos, podemos usar la prueba de McNemar para la hipótesis nula de que las frecue­ncias de las categorías discor­dantes (difer­entes) ocurren en la misma propor­ción.
 

Metadata

Comments

No comments yet. Add yours below!

Add a Comment

Your Comment

Please enter your name.

    Please enter your email address

      Please enter your Comment.

          Related Cheat Sheets

          More Cheat Sheets by Ronald

          Estadística Week 06 Cheat Sheet
          Estadística Week 07 Cheat Sheet
          Estadística Week 08 Cheat Sheet