Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Ayudantía N°9 7 de Junio ● Compara un conjunto de categorías de dos o más muestras diferentes a partir de sus frecuencias. ● Evalúa las frecuencias observadas en relación a las esperadas para determinar si existen o no diferencias significativas. ● Las muestras deben ser independientes, y trabaja con tablas de contingencia. Test de X2 o chi/ji cuadrado La hipótesis nula que se asume para la prueba de chi-cuadrado es que no hay diferencias significativas entre las frecuencias observadas y las esperadas. ¿Qué tan probable es que las muestras provengan de poblaciones con las mismas proporciones? ¿Qué tan real es la diferencia? Pregunta Frecuencias Observadas: son los datos obtenidos de las muestras. Frecuencias Esperadas: corresponden al número de casos que se espera encontrar si es que no existiera una relación entre las categorías. Se multiplica el total de fila por el total de columna y luego se divide por el total de toda la tabla (columnas+filas). Tablas de contingencia Frecuencias observadas Frecuencias esperadas * Cálculo de frecuencias esperadas Fórmula Chi cuadrado: Cálculo Chi cuadrado: Luego el valor de X2 en la tabla de distribución de chi-cuadrado. Grados de libertad: (Nº de filas en la tabla -1) * (Nº de columnas en la tabla -1), en este ejemplo sería (2-1)*(2-1)=1 La significancia es cercana a 0.2, por lo que podemos concluir que las diferencias observadas entre el sitio de San Pedro y San Pablo, respecto a las frecuencias de los tiestos de ollas y cuencos, no es significativa (X2=1.5, p-value>0.2). Es decir, no hay una asociación significativa entre sitio y tipo de tiesto. V de Cramer: Corresponde a una medida de fuerza que permite evaluar la relación o magnitud de la asociación entre las diferentes categorías. Los valores de la V de Cramer varían entre 0 y 1: 0 representa una independencia absoluta entre las variables. No hay asociación. 0.5 refleja una relación moderada. 0.7 refleja una relación moderada-alta. 1 refleja una dependencia o asociación perfecta. Efectos del tamaño de la muestra → en una muestra pequeña, solo los resultados muy fuertes llegan a ser significativos. Y en una muestra grande, resultados incluso débiles pueden llegar a ser significativos. Evaluando la fuerza de la asociación: - + El test de X2 debe cumplir con algunos supuestos importantes: ● No debe haber ningún valor esperado que sea inferior a 1. ● No más del 20% de valores esperados sea menor a 5. Si estos supuestos no se cumplen y se trabaja con una muestra muy pequeña, se recurre al test exacto de Fisher. Test exacto de Fisher X2 chisq <- Chisq.test(data) Resultados → chisq Valores esperados → chisq$expected Valores observados → chisq$observed *En tabla de 2x2 es mejor como precaución agregar: Chisq.test(variable, correct = FALSE) Chi cuadrado + V de Cramer: assocstas(data)* *Library(vcd) “La diferencia entre los casos con respecto a sus proporciones de categorías x, tiene x significancia y x fuerza (X2=x, p-value=x, V=x)” Cómo se dice:
Compartir