Search

Text Color

Margin Size

Font Type

Enable Dyslexic Font

8.4: Pruebas...

Última actualización

31 oct 2022
Guardar como PDF
- 8.3: Trazado...
- 8.5: Acabado...

$\newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} }$

$\newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}}$

$\newcommand{\id}{\mathrm{id}}$ $\newcommand{\Span}{\mathrm{span}}$

( \newcommand{\kernel}{\mathrm{null}\,}\) $\newcommand{\range}{\mathrm{range}\,}$

$\newcommand{\RealPart}{\mathrm{Re}}$ $\newcommand{\ImaginaryPart}{\mathrm{Im}}$

$\newcommand{\Argument}{\mathrm{Arg}}$ $\newcommand{\norm}[1]{\| #1 \|}$

$\newcommand{\inner}[2]{\langle #1, #2 \rangle}$

$\newcommand{\Span}{\mathrm{span}}$

$\newcommand{\id}{\mathrm{id}}$

$\newcommand{\Span}{\mathrm{span}}$

$\newcommand{\kernel}{\mathrm{null}\,}$

$\newcommand{\range}{\mathrm{range}\,}$

$\newcommand{\RealPart}{\mathrm{Re}}$

$\newcommand{\ImaginaryPart}{\mathrm{Im}}$

$\newcommand{\Argument}{\mathrm{Arg}}$

$\newcommand{\norm}[1]{\| #1 \|}$

$\newcommand{\inner}[2]{\langle #1, #2 \rangle}$

$\newcommand{\Span}{\mathrm{span}}$ $\newcommand{\AA}{\unicode[.8,0]{x212B}}$

$\newcommand{\vectorA}[1]{\vec{#1}} % arrow$

$\newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow$

$\newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} }$

$\newcommand{\vectorC}[1]{\textbf{#1}}$

$\newcommand{\vectorD}[1]{\overrightarrow{#1}}$

$\newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}}$

$\newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}}$

$\newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} }$

$\newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}}$

$\newcommand{\avec}{\mathbf a}$

$\newcommand{\bvec}{\mathbf b}$

$\newcommand{\cvec}{\mathbf c}$

$\newcommand{\dvec}{\mathbf d}$

$\newcommand{\dtil}{\widetilde{\mathbf d}}$

$\newcommand{\evec}{\mathbf e}$

$\newcommand{\fvec}{\mathbf f}$

$\newcommand{\nvec}{\mathbf n}$

$\newcommand{\pvec}{\mathbf p}$

$\newcommand{\qvec}{\mathbf q}$

$\newcommand{\svec}{\mathbf s}$

$\newcommand{\tvec}{\mathbf t}$

$\newcommand{\uvec}{\mathbf u}$

$\newcommand{\vvec}{\mathbf v}$

$\newcommand{\wvec}{\mathbf w}$

$\newcommand{\xvec}{\mathbf x}$

$\newcommand{\yvec}{\mathbf y}$

$\newcommand{\zvec}{\mathbf z}$

$\newcommand{\rvec}{\mathbf r}$

$\newcommand{\mvec}{\mathbf m}$

$\newcommand{\zerovec}{\mathbf 0}$

$\newcommand{\onevec}{\mathbf 1}$

$\newcommand{\real}{\mathbb R}$

$\newcommand{\twovec}[2]{\left[\begin{array}{r}#1 \\ #2 \end{array}\right]}$

$\newcommand{\ctwovec}[2]{\left[\begin{array}{c}#1 \\ #2 \end{array}\right]}$

$\newcommand{\threevec}[3]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \end{array}\right]}$

$\newcommand{\cthreevec}[3]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \end{array}\right]}$

$\newcommand{\fourvec}[4]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}$

$\newcommand{\cfourvec}[4]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}$

$\newcommand{\fivevec}[5]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}$

$\newcommand{\cfivevec}[5]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}$

$\newcommand{\mattwo}[4]{\left[\begin{array}{rr}#1 \amp #2 \\ #3 \amp #4 \\ \end{array}\right]}$

$\newcommand{\laspan}[1]{\text{Span}\{#1\}}$

$\newcommand{\bcal}{\cal B}$

$\newcommand{\ccal}{\cal C}$

$\newcommand{\scal}{\cal S}$

$\newcommand{\wcal}{\cal W}$

$\newcommand{\ecal}{\cal E}$

$\newcommand{\coords}[2]{\left\{#1\right\}_{#2}}$

$\newcommand{\gray}[1]{\color{gray}{#1}}$

$\newcommand{\lgray}[1]{\color{lightgray}{#1}}$

$\newcommand{\rank}{\operatorname{rank}}$

$\newcommand{\row}{\text{Row}}$

$\newcommand{\col}{\text{Col}}$

$\renewcommand{\row}{\text{Row}}$

$\newcommand{\nul}{\text{Nul}}$

$\newcommand{\var}{\text{Var}}$

$\newcommand{\corr}{\text{corr}}$

$\newcommand{\len}[1]{\left|#1\right|}$

$\newcommand{\bbar}{\overline{\bvec}}$

$\newcommand{\bhat}{\widehat{\bvec}}$

$\newcommand{\bperp}{\bvec^\perp}$

$\newcommand{\xhat}{\widehat{\xvec}}$

$\newcommand{\vhat}{\widehat{\vvec}}$

$\newcommand{\uhat}{\widehat{\uvec}}$

$\newcommand{\what}{\widehat{\wvec}}$

$\newcommand{\Sighat}{\widehat{\Sigma}}$

$\newcommand{\lt}{<}$

$\newcommand{\gt}{>}$

$\newcommand{\amp}{&}$

$\definecolor{fillinmathshade}{gray}{0.9}$

La significancia de la diferencia entre medias para datos paramétricos pareados (prueba t para datos emparejados):

Código $\PageIndex{1}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
t.test(data$WEIGHT, data$LENGTH, paired=TRUE)

data <- read.table("data/bugs.txt", h=TRUE)
t.test(data$WEIGHT, data$LENGTH, paired=TRUE)

... prueba t para datos independientes:

Código $\PageIndex{2}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
t.test(data$WEIGHT, data$LENGTH, paired=FALSE)

data <- read.table("data/bugs.txt", h=TRUE)
t.test(data$WEIGHT, data$LENGTH, paired=FALSE)

(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):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
t.test(data$WEIGHT ~ data$SEX)

data <- read.table("data/bugs.txt", h=TRUE)
t.test(data$WEIGHT ~ data$SEX)

Se utilizó la fórmula porque nuestros datos de peso/sexo están en forma larga:

Código $\PageIndex{4}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
data[, c("WEIGHT", "SEX")]

data <- read.table("data/bugs.txt", h=TRUE)
data[, c("WEIGHT", "SEX")]

Convierta los datos de peso/sexo en la forma corta y pruebe:

Código $\PageIndex{5}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
data3 <- unstack(data[, c("WEIGHT", "SEX")])
t.test(data3[[1]], data3[[2]])

data <- read.table("data/bugs.txt", h=TRUE)
data3 <- unstack(data[, c("WEIGHT", "SEX")])
t.test(data3[[1]], data3[[2]])

(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):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
wilcox.test(data$WEIGHT, data$LENGTH, paired=TRUE)

data <- read.table("data/bugs.txt", h=TRUE)
wilcox.test(data$WEIGHT, data$LENGTH, paired=TRUE)

Prueba unidireccional para las diferencias entre tres y más grupos (la variante simple de ANOVA, análisis de variación):

Código $\PageIndex{7}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
wilcox.test(data$WEIGHT ~ data$SEX)

data <- read.table("data/bugs.txt", h=TRUE)
wilcox.test(data$WEIGHT ~ data$SEX)

¿Qué par (s) son significativamente diferentes?

Código $\PageIndex{8}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
pairwise.t.test(data$WEIGHT, data$COLOR, p.adj="bonferroni")

data <- read.table("data/bugs.txt", h=TRUE)
pairwise.t.test(data$WEIGHT, data$COLOR, p.adj="bonferroni")

(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):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
kruskal.test(data$WEIGHT ~ data$COLOR)

data <- read.table("data/bugs.txt", h=TRUE)
kruskal.test(data$WEIGHT ~ data$COLOR)

¿Qué pares son significativamente diferentes en esta prueba no paramétrica?

Código $\PageIndex{10}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
pairwise.wilcox.test(data$WEIGHT, data$COLOR)

data <- read.table("data/bugs.txt", h=TRUE)
pairwise.wilcox.test(data$WEIGHT, data$COLOR)

La significancia de la correspondencia entre los datos categóricos (chi-cuadrado de Pearson no paramétrico, o $\chi^2$ prueba):

Código $\PageIndex{11}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
chisq.test(data$COLOR, data$SEX)

data <- read.table("data/bugs.txt", h=TRUE)
chisq.test(data$COLOR, data$SEX)

La significancia de las proporciones (no paramétricas):

Código $\PageIndex{12}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
prop.test(sum(data$SEX), length(data$SEX), 0.5)

data <- read.table("data/bugs.txt", h=TRUE)
prop.test(sum(data$SEX), length(data$SEX), 0.5)

(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):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
cor.test(data$WEIGHT, data$LENGTH, method="pearson")

data <- read.table("data/bugs.txt", h=TRUE)
cor.test(data$WEIGHT, data$LENGTH, method="pearson")

... y vía no paramétrica (prueba de correlación de Spearman):

Código $\PageIndex{14}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
cor.test(data$WEIGHT, data$LENGTH, method="spearman")

data <- read.table("data/bugs.txt", h=TRUE)
cor.test(data$WEIGHT, data$LENGTH, method="spearman")

La significancia (y muchos más) del modelo lineal que describe la relación de una variable sobre otra:

Código $\PageIndex{15}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
summary(lm(data$LENGTH ~ data$SEX))

data <- read.table("data/bugs.txt", h=TRUE)
summary(lm(data$LENGTH ~ data$SEX))

... y análisis de variación (ANOVA) basado en el modelo lineal:

Código $\PageIndex{16}$ (R):

If you have already signed in, please refresh the page.

data <- read.table("data/bugs.txt", h=TRUE)
aov(lm(data$LENGTH ~ data$SEX))

data <- read.table("data/bugs.txt", h=TRUE)
aov(lm(data$LENGTH ~ data$SEX))

Support Center

How can we help?