8.4: Pruebas...
- Page ID
- 149935
La significancia de la diferencia entre medias para datos paramétricos pareados (prueba t para datos emparejados):
Código\(\PageIndex{1}\) (R):
... prueba t para datos independientes:
Código\(\PageIndex{2}\) (R):
(El último ejemplo es para fines de aprendizaje solo porque nuestros datos están emparejados ya que cada fila corresponde con un animal. Además, “Paired=false” es el valor por defecto para el t.test (), por lo tanto se puede omitir.)
Aquí es cómo comparar los valores de un carácter entre dos grupos usando la interfaz de fórmula:
Código\(\PageIndex{3}\) (R):
Se utilizó la fórmula porque nuestros datos de peso/sexo están en forma larga:
Código\(\PageIndex{4}\) (R):
Convierta los datos de peso/sexo en la forma corta y pruebe:
Código\(\PageIndex{5}\) (R):
(Tenga en cuenta que los resultados de las pruebas son exactamente los mismos. El único formato era diferente.)
Si el valor p es igual o menor que 0.05, entonces la diferencia se soporta estadísticamente. R no requiere que verifiques si la dispersión es la misma.
Prueba no paramétrica de Wilcoxon para las diferencias:
Código\(\PageIndex{6}\) (R):
Prueba unidireccional para las diferencias entre tres y más grupos (la variante simple de ANOVA, análisis de variación):
Código\(\PageIndex{7}\) (R):
¿Qué par (s) son significativamente diferentes?
Código\(\PageIndex{8}\) (R):
(Se utilizó la corrección de Bonferroni para comparaciones múltiples.)
Prueba no paramétrica de Kruskal-Wallis para diferencias entre tres y más grupos:
Código\(\PageIndex{9}\) (R):
¿Qué pares son significativamente diferentes en esta prueba no paramétrica?
Código\(\PageIndex{10}\) (R):
La significancia de la correspondencia entre los datos categóricos (chi-cuadrado de Pearson no paramétrico, o\(\chi^2\) prueba):
Código\(\PageIndex{11}\) (R):
La significancia de las proporciones (no paramétricas):
Código\(\PageIndex{12}\) (R):
(Aquí comprobamos si esto es cierto que la proporción de varones es diferente del 50%.)
La significancia de la correlación lineal entre variables, vía paramétrica (prueba de correlación de Pearson):
Código\(\PageIndex{13}\) (R):
... y vía no paramétrica (prueba de correlación de Spearman):
Código\(\PageIndex{14}\) (R):
La significancia (y muchos más) del modelo lineal que describe la relación de una variable sobre otra:
Código\(\PageIndex{15}\) (R):
... y análisis de variación (ANOVA) basado en el modelo lineal:
Código\(\PageIndex{16}\) (R):