Академический Документы
Профессиональный Документы
Культура Документы
INDEPENDIENTES
(3.1.1)
(3.1.2)
57
lo que significa que eij son independientes, y que estn distribuidos normalmente con
2
media igual a cero, y varianza igual a .
Estimacin de Parmetros
El objetivo bsico de un buen anlisis estadstico es la estimacin de parmetros
que permita la realizacin de inferencias de inters. Los mtodos de inferencia
tpicamente incluyen el contraste de hiptesis y los intervalos de confianza. La
realizacin de inferencias en cualquier anlisis estadstico implica el tener un buen
2
estimador de la varianza de error de las unidades experimentales, es decir . En la
ni
i2 = Si2 =
j =1
( yij yi. ) 2
ni 1
(3.1.3)
2
es un estimador insesgado de en donde,
ni
yi. =
y
j =1
ij
(3.1.4)
ni
2
Decimos que i esta basado en ni -1 grados de libertad, dado que la distribucin de
(n 1) i
2
2
Una media ponderada de los a estimadores independientes de da el mejor
2
estimador de posible para esta situacin; cada estimador es ponderado por sus
2
correspondientes grados de libertad. As pues, el mejor estimador de es:
(n
2 =
1) i2
i=1
a
(n 1)
(3.1.5)
i =1
En el caso de que el diseo sea equilibrado, con el mismo nmero de sujetos por
tratamiento, la expresin anterior se reduce a:
59
= S =
2
i
(3.1.6)
i =1
que representa la media de las todas las varianzas intragrupos. Es tambin cierto que
2 es un estimador de 2 basado en N - a grados de libertad, y que la distribucin
2
2
muestral de ( N a) es una distribucin chi-cuadrado con N - a grados de
libertad; es decir
( N a) 2
2 (N a).
(3.1.7)
i N i ,
(3.1.8)
(3.1.9)
Tambin,
ti =
i i
2
t( N a)
ni
c
i
siguiente expresin:
ci i t / 2, N a 2
ci 2
n
(3.1.10)
Contrastes de Hiptesis
Los resultados anteriores pueden utilizarse para contrastar hiptesis sobre las
medias (i) individuales. Tambin pueden ser utilizados para contrastar hiptesis
sobre combinaciones lineales de las mismas, o para construir intervalos de confianza
sobre los valores de tales combinaciones lineales.
En el experimento anterior, el investigador quiere comparar a menudo los
efectos de diferentes tratamientos o, de forma equivalente, comparar sus medias
poblacionales. Consideremos en primer lugar los siguientes dos tipos de hiptesis,
H01 : i =
H02 : ci i = k
Tanto H01, como H02, pueden contrastarse mediante una prueba t para muestras
independientes:
te =
c c
i
t ( N a)
(3.1.11)
c
i
n
2
c
i
c
i
c k t
i
ci 2
n
N a
(3.1.12)
61
frente a
Ha4 : C k
en donde
c11 c12
c21 c22
C: .
.
.
.
ck 1 ck 2
c1a
c2 a
. .
.
cka
1
2
: 3
4
k1
k2
k : k3
k
4
k
5
(3.1.13)
Mientras que H01 y H02 implicaban contrastes de un solo grado de libertad, H03
implica la realizacin de varias comparaciones simultneas. La expresin anterior es
cierta si se cumple que la diferencia de medias para cualquier par de tratamientos es
cero, es decir: 1 - 2 = 0, 1 - 3 =0, 1 - a = 0 ,....., 3- a= 0. El contraste de H03,
que comprende varios grados de libertad, es tpicamente realizado mediante un
Anlisis de Varianza (ANOVA), que constituye un caso particular de (3.1.13). Esta
expresin surge porque se produce una particin de la varianza total en un
componente de tratamiento, y otro de error, y est basada en el hecho de que exista
independencia de la media y la varianza en muestras aleatorias de una poblacin
normal (Freund, 1992; Hogg & Craig, 1978).
Consideremos la siguiente expresin, que afirma que las desviaciones de una
serie de observaciones respecto de la media total comprende la suma de dos
componentes: a) la desviacin de una puntuacin respecto de la media de su propio
( yij y..) 2 =
i =1 j =1
(3.1.14)
i =1
( y
ij
yi. )2
i =1 j =1
(3.1.15)
n (yi . y.. )2
i =1
( y
i =1 j =1
ij
yi. )2 a(n 1)
Se
2
a(n1)
(3.1.16)
a(n 1)
n ( yi . y.. ) 2 ( a 1)
i =1
nS m2
a21
2
(a 1)
(3.1.17)
2
2
en donde Sm y Se , representan las varianzas de las medias respecto de la media total,
y la varianza intragrupos.
Por definicin, el cociente entre dos variables aleatorias independientes con
distribucin 2 y divididas previamente por sus grados de libertad, sigue una
63
En el presente caso, el cociente entre las expresiones (3.1.17) y (3.1.16) seguir una
distribucin F con a - 1 grados de libertad en el numerador, y a (n - 1) grados de
libertad en el denominador,
nSm
nS
= 2m Fa 1, a(n1)
2
2
Se
Se
2
(3.1.18)
g.l.
MC
E (MC)
____________________________________________________________________
a
nSm
TRATAMIENTOa - 1
ERROR
nSm
Se2
N-a
2
e
e2 +
n ( i . )2
i =1
a 1
2
e
____________________________________________________________________
TOTAL
N -1
frente a
H0 : m > 0
2
(3.1.19)
Si esta es rechazada concluiremos que al menos dos de los niveles del factor aleatorio
generan resultados diferentes.
La diferencia entre el modelo de efectos fijos y aleatorio en el diseo
unifactorial completamente aleatorizado puede apreciarse en los valores esperados de
sus respectivas medias de cuadrados (ver Tablas 3.1-1 y 3.1-2). Como puede verse, el
mtodo de clculo de las medias cuadrticas no difiere del modelo de efectos fijos, y
en este caso de un diseo unifactorial completamente aleatorizado el procedimiento
de construccin de la razn F tambin es el mismo. A partir las medias de cuadrados
2
esperadas podemos derivar el siguiente estimador puntual de m :
m2 =
E[ MCTRT ] E[ MCE ]
n
2
y Sm =
MCTRT MCE
n
(3.1.20)
2
Mtodos para la construccin de intervalos de confianza sobre m , as como para la
65
Tabla 3.1-2.
Medias de cuadrados esperadas para un diseo totalmente al azar con estructura de
tratamiento de un factor de efectos aleatorios.
____________________________________________________________________
Efecto
g.l.
MC
E (MC)
____________________________________________________________________
2
TRATAMIENTO
a-1
ERROR
N-a
nSm
Se2
nSm
2
Se
e2 + n 2m
e2
____________________________________________________________________
TOTAL
N -1
) = (1 )
(3.1.21)
C trminos
1 (1 0.05)5 = 0.23
1 (1 0.05)10 = 0.40
ci i > t / 2,
c
i
0 cuando
ci2 2
Se
i =1 ni
a
(3.1.22)
ci i t / 2,
ci2 2
Se
i =1 ni
a
(3.1.23)
c
i
> t BON , / 2, c ,
c
i
0 , si
ci2 2
Se
i =1 ni
a
(3.1.24)
ci yi > (a 1) FF ,a1,
ci2 2
Se
i =1 ni
a
(3.1.25)
ci i (a 1) FF ,a 1,
ci2 2
Se
i =1 ni
a
(3.1.26)
a(a1)
2
i i , cuando
Se2
yi yi > q ( , a, )
n
(3.1.27)
yi yi
S e2
n
(3.1.28)
q ( , a , v )
Se
min( ni , ni )
(3.1.29)
2 S e2
(3.1.30)
La tabla del estadstico tDN presenta dos probabilidades: a) las relativas a las hiptesis
alternativas unidireccionales, o de una sola cola, y b) las probabilidades relativas a
hiptesis de dos colas.
Comparaciones cuando existe Heterogeneidad de Varianzas
El denominador del estadstico t utiliza un nico estimador de la varianza
agrupada bajo el supuesto de que sta es homognea para los distintos grupos. Si
esto no es cierto, su uso puede provocar un aumento del nivel de error Tipo I (Games
& Howell, 1976). El error Tipo I puede verse especialmente afectado cuando el
tamao de las muestras sea desigual, y las muestras ms pequeas sean obtenidas de
las poblaciones con varianzas mayores. Si el supuesto de igualdad de varianzas no
puede mantenerse, la varianza agrupada en el denominador del estadstico t puede
ser reemplazada por una combinacin lineal de varianzas de los grupos. Definiremos
el estadstico resultante, t* como:
a
c
i
t =
i=1
a
ni
i =1
2
i
2
i
c1 1 + c2 2 + ....... + ca a
c1212 c22 22
c2 2
+
+ .... + a a
n1
n2
n3
(3.1.31)
v =
a 2 2
c n
i i i
i =1
(3.1.32)
ci i > t / 2, v
c
i
0 cuando,
c2i 2
n i ,
i =1 i
(3.1.33)
ci i t / 2,v
ci2 2
i
i =1 ni
(3.1.34)
Wang (1971) inform que cuando el tamao de las muestras es mayor de cinco, la
aproximacin anterior de Welch (1938, 1947, 1949) controla el nivel de error Tipo I
en valores bastante cercanos a , el valor nominal, para un rango bastante amplio de
varianzas poblacionales.
Los resultados anteriores pueden ser utilizados con cualquiera de los mtodos de
comparaciones simultneas descritos en este tema, dado que stos emplean el mismo
estadstico t de Student subyacente, y sus diferencias se limitan en sus valores crticos
de significatividad estadstica respectivos. Estas correspondencias con la distribucin
t pueden apreciarse en la siguiente tabla:
Tabla 3.1-2
Correspondencia de Criterios Estadsticos Asociados con Diferentes Procedimientos
de Control del Error Tipo I.
__________________________________________________________________
Procedimiento
__________________________________________________________________
t / 2,v
Bonferroni
(a 1) F ,t 1,v
Scheff1
Tukey2
q ( , a, v)
2
Dunnett
t DN ( , a, v)
__________________________________________________________________
1
2
Recurdese que F ,1,v = (t / 2,v ) .
q( , 2, v) =
2 t( 2,v)
n (i . ) 2
=
(3.1.40)
i =1
2
e
2 =
=
p
n (i . ) 2 p
(3.1.41)
i =1
e2
que nos proporciona una estimacin de la relacin entre el efecto medio de los
tratamientos experimentales y la varianza de error. Tal tambin es el caso del ndice
de Cohen (1988), cuya relacin con 2 es la siguiente:
p
f =
)2 p
i =1
2
e
m
e
(3.1.42)
, que representa la razn entre la desviacin tpica de las medias de los tratamientos
(m) y la varianza de error (e).
Un ndice relacionado para el caso de dos grupos, tambin propuesto por Cohen
(1988) es el siguiente,
d=
1 2
e
(3.1.43)
que anlogamente al caso anterior indica el nmero de desviaciones tpicas que estn
separadas las medias de los grupos experimentales. El significado intuitivo de este
ndice, as como el hecho de que se halle expresado en la misma mtrica de la
variable dependiente, ha hecho que haya tenido bastante aceptacin en la comunidad
psicolgica (Kirk, 1996). Cohen (1988) considera que magnitudes del efecto
pequeas, medias, y grandes vienen representados por valores de d correspondientes
a 0.20, 0.5 y 0.8 desviaciones tpicas.
Otro tipo de ndices de magnitud del efecto consisten en medidas de asociacin,
emparentadas con el R2 utilizado en el anlisis de regresin. Tal es el caso de la
razn de correlacin, o eta cuadrado propuesta por Fisher (1925),
2 =
(3.1.44)
Se ha intentando paliar el carcter sesgado de este ndice con otros, tales como el
psilon cuadrado (2) de Kelley (1935) o el omega cuadrado (2) de Hays (1963).
Este ltimo se ha utilizado con frecuencia debido a que existen desarrollos aplicables
a un mayor nmero de diseos experimentales. Su relacin con el parmetro viene
dada por la siguiente expresin:
2 = n
2
1 2
(3.1.45)
2
TRATAMIENTO
= 2
TRATAMIENTO + e2
2
(3.1.46)
2
Definido de esta manera, = 0 cuando no existan efectos de tratamiento entre las
2
magnitud del efecto medida por es claramente una medida relativa, que refleja la
w
=
(a1)( F e1)
(a1)( F e 1)+na
anlisis de los datos experimentales. Ramsey (1978, 1981) y Einot y Gabriel (1975)
tratan con ms detalle la problemtica de la potencia estadstica en las comparaciones
mltiples.