27622173
Description
Mind Map by Carlos Alfonso Gonzalez Nova, updated more than 1 year ago
|
Created by Carlos Alfonso Gonzalez Nova
over 3 years ago
|
|
Análisis de varianza
- Nos sirve para comparar dos o mas medidas
sobre la media de una variable continua. También
nos permite estudiar los posibles efectos de los
factores sobre la varianza de una variable
- Modelos
- Modelos de efectos fijos
- Modelos de efectos aleatorios
- Modelos 2- a multifactoriales
- Modelos mixtos
- Modelos mixtos
- Modelos 2- a multifactoriales
- Modelos de efectos aleatorios
- Modelos de efectos fijos
- Modelos
- Para que sirve?
- Sirve para determinar si diferentes tratamientos
(por ejemplo, tratamientos psicológicos)
muestran diferencias significativas o si la media
de las poblaciones no difiere.
- Sirve para determinar si diferentes tratamientos
(por ejemplo, tratamientos psicológicos)
muestran diferencias significativas o si la media
de las poblaciones no difiere.
- Fuentes de variación
- Variabilidad intergrupo
- Variabilidad intragrupo o error
- Variabilidad intragrupo o error
- Variabilidad intergrupo
- Ventajas
- Podremos hacer inferencias acerca de si
nuestras muestras se tomaron de
poblaciones que tienen la misma media
- Podremos hacer inferencias acerca de si
nuestras muestras se tomaron de
poblaciones que tienen la misma media
- Deben cumplirse unos supuestos
- Normalidad: Esto quiere decir que las puntuaciones en la
variable dependiente (por ejemplo la ansiedad) deben seguir
una distribución normal. Este supuesto se comprueba
mediante las llamadas pruebas de bondad de ajuste.
- Independencia: Implica que no exista autocorrelación entre
las puntuaciones, es decir, la existencia de independencia
de las puntuaciones entre sí. Para asegurarnos del
cumplimiento de este supuesto, deberemos realizar un MAS
(muestreo aleatorio simple) para seleccionar la muestra que
vamos a estudiar o sobre la que vamos a trabajar
- Homocedasticidad: Este término significa “igualdad de
varianzas de las subpoblaciones”. La varianza es un
estadístico de variabilidad y dispersión, y aumenta cuanto
mayor sea la variabilidad o dispersión de las puntuaciones.
- Homocedasticidad: Este término significa “igualdad de
varianzas de las subpoblaciones”. La varianza es un
estadístico de variabilidad y dispersión, y aumenta cuanto
mayor sea la variabilidad o dispersión de las puntuaciones.
- Independencia: Implica que no exista autocorrelación entre
las puntuaciones, es decir, la existencia de independencia
de las puntuaciones entre sí. Para asegurarnos del
cumplimiento de este supuesto, deberemos realizar un MAS
(muestreo aleatorio simple) para seleccionar la muestra que
vamos a estudiar o sobre la que vamos a trabajar
- Otros supuestos
- Esfericidad: Si no se cumple, indicaría que las
diferentes fuentes de error correlacionan entre sí.
Una posible solución si eso pasa es realizar un
MANOVA (Análisis Multivariado de la Varianza).
- Aditividad: Supone la no interacción sujeto x
tratamiento; si se incumple engrosaría la varianza
error.
- Aditividad: Supone la no interacción sujeto x
tratamiento; si se incumple engrosaría la varianza
error.
- Esfericidad: Si no se cumple, indicaría que las
diferentes fuentes de error correlacionan entre sí.
Una posible solución si eso pasa es realizar un
MANOVA (Análisis Multivariado de la Varianza).
- Normalidad: Esto quiere decir que las puntuaciones en la
variable dependiente (por ejemplo la ansiedad) deben seguir
una distribución normal. Este supuesto se comprueba
mediante las llamadas pruebas de bondad de ajuste.
- ¿Cúando se usa el análisis?
- cuando queremos saber si las medias de
una variable son diferentes entre los
niveles o grupos de otra variable.
- Ejemplo
- si comparamos el promedio de notas de
la UNAD entre la edad del estudiante : Es
decir, vamos a comprobar mediante
ANOVA si la variable “promedio general
de notas” está relacionada con la
variable “Edad del estudiante”.
- ¿Cómo aplicar el análisis?
- 1. Calcular las varianzas muestrales
- 2. Comparamos las medias y las
desviaciones típicas
- 3. Realizar la estimación de la
varianza interna de los grupos.
- 4. Multiplicar por el número total
de elementos de cada muestra
- 4. Multiplicar por el número total
de elementos de cada muestra
- 3. Realizar la estimación de la
varianza interna de los grupos.
- 2. Comparamos las medias y las
desviaciones típicas
- 1. Calcular las varianzas muestrales
- ¿Cómo aplicar el análisis?
- Condiciones
- En ANOVA de un factor solo se
relacionan una variable
dependiente y una independiente.
- La variable dependiente es cuantitativa
- La variable independiente es categórica
- La variable independiente es categórica
- La variable dependiente es cuantitativa
- En ANOVA de un factor solo se
relacionan una variable
dependiente y una independiente.
- si comparamos el promedio de notas de
la UNAD entre la edad del estudiante : Es
decir, vamos a comprobar mediante
ANOVA si la variable “promedio general
de notas” está relacionada con la
variable “Edad del estudiante”.
- Ejemplo
- cuando queremos saber si las medias de
una variable son diferentes entre los
niveles o grupos de otra variable.
Want to create your own Mind Maps for free with GoConqr? Learn more.