Clases Minitab online 2021
Índice del Artículo
DESCRIPTIVOS
Análisis Descriptivo con el paquete estadístico Minitab: Medidas de centralización, medidas de dispersión como el coeficiente de variación para comparar variabilidades (datos entorno a la media o no), percentiles, medidas de asimetría y curtosis, gráfica de distribución normal y gráfico de caja (Box-Plot) para la detección de outiers, que desvirtúan de algún modo los análisis y las hipótesis estadísticas. Además como inspectores de calidad, se trata que nuestra medición no supere la tolerancia de +/- 3 veces la desviación típica (6-SIGMA), para de esta manera cumplir con las especificaciones.
GRÁFICO MÚLTIPLE DE CAJA Y BIGOTES
CONTRASTE DE HOMOGENEIDAD DE VARIANZAS (DESVIACIONES TÍPICAS)
Homocedasticidad de 2 muestras independientes
Prueba de Homogeneidad de Varianzas
| Hipótesis nula | H₀: σ₁ / σ₂ = 1 |
| Hipótesis alternativa | H₁: σ₁ / σ₂ ≠ 1 |
| Nivel de significación | α = 0,05 |
| Método | Estadístico de prueba | GL1 | GL2 | Valor p |
| Bonett | 0,06 | 1 | 0,809 | |
| Levene | 0,11 | 1 | 18 | 0,745 |
Como el p-valor asociado al estadístico de contraste de Levene (0,11) es de 0,745, mayor que 0,05, no se puede rechazar la hipótesis de homogeneidad de varianzas en las 2 muestras, con un 95% de confianza, fijado para la investigación. En el caso de que se cumpla también el supuesto de partida de normalidad en la variable dependiente, o tamaño muestral lo suficientemente grande, se puede proceder desde un punto de vista paramétrico de cara a resolver los test estadísticos.
CONTRASTES DE HIPÓTESIS DE IGUALDAD DE MEDIAS PARA 2 MUESTRAS INDEPENDIENTES CON HOMOCEDASTICIDAD
Prueba T de Student
| Hipótesis nula | H₀: μ₁ = µ₂ |
| Hipótesis alternativa | H₁: μ₁ ≠ µ₂ |
En el reporte se refleja el valor del estadístico T en el entorno de 0 y su p-valor asociado mayor de 0,05 (p=0,714), el contraste no resulta estadísticamente significativo, las 2 muestras se comportan de la misma manera en media poblacional, al extrapolar los resultados a la población, se lleva a cabo la inferencia. Se puede comprobar cual media es menor o mayor desde un punto de vista descriptivo, y realizar el correspondiente contraste unilateral, inferior o superior, respectivamente, siempre bajo el propósito de la investigación.
CONTRASTES DE HIPÓTESIS DE IGUALDAD DE MEDIAS PARA 2 MUESTRAS DEPENDIENTES
| Hipótesis nula | H₀: μantes = μdespués |
| Hipótesis alternativa | H₁: μantes ≠ μdespués |
El valor del estadístico T del contraste es de -0,37 y su p-valor asociado (0,715), por lo que el contraste no resulta estadísticamente significativo, las 2 muestras se comportan de la misma manera en media, en el antes y el después de mediciones relacionadas o pareadas.
CONTRASTES DE HIPÓTESIS DE COMPARATIVA DE PROPORCIONES
| Hipótesis nula | H₀: p₁ = p₂ |
| Hipótesis alternativa | H₁: p₁ ≠ p₂ |
Comparativa de % para detectar diferencias entre las 2 proporciones muestrales (casos favorables/casos posibles), y extrapolar los resultados a la población mediante inferencia estadística. La hipótesis a contrastar por el/la investigador/a es la de que los 2 porcentajes difieren (si se trata de un contraste bilateral, pues puede ser unilateral inferior o superior, que el software lleva a cabo haciendo clic en el botón ‘Opciones…’), esto es, si el contraste es significativo (p-valor<0,05), se concluye con que se aprecian diferencias estadísticamente significativas al 95% entre las 2 proporciones poblacionales.
ANOVA DE 2 FACTORES
Se trata de comprobar si además de que cada factor sea estadísticamente significativo por separado (efectos principales), la interacción de ambos factores resulta estadísticamente significativa (p-valor<0,05), siempre una vez se comprueban los supuestos previos del modelo.
Gráfica de residuos 4 en 1 para detectar el cumplimiento de los supuestos de partida del ANOVA:
