La distribución T (también llamada distribución T de Student) es una familia de distribuciones que se ven casi idénticas a la curva de distribución normal, solo un poco más corta y más gorda. La distribución T se usa en lugar de la distribución normal cuando tiene muestras pequeñas (para obtener más información sobre esto, consulte: puntaje T vs. Z-score). Cuanto más grande sea el tamaño de la muestra, más se parece la distribución T como la distribución normal. De hecho, para los tamaños de muestra mayores de 20 (por ejemplo, más grados de libertad), la distribución es casi exactamente como la distribución normal.
Paso 1: Resta uno del tamaño de su muestra. Este será tus grados de libertad. Paso 2: Busque el DF en el lado izquierdo de la tabla de distribución T. Localice la columna bajo su nivel alfa (el nivel alfa generalmente se le da en la pregunta). Para pasos más detallados, incluido un video, consulte: T de fórmula de puntuación T.
En general, esta distribución se usa cuando tiene un tamaño de muestra pequeño (menor de 30) o no conoce la desviación estándar de la población. Para fines prácticos (es decir, en el mundo real), este es casi siempre el caso. Entonces, a diferencia de su clase de estadísticas elementales, es probable que la use en situaciones de la vida real más que la distribución normal. Si el tamaño de su muestra es lo suficientemente grande, las dos distribuciones son prácticamente las mismas.
Eche un vistazo a una tabla T de libros de texto tradicional, y en realidad encontrará muchas tablas T, que pueden ser un poco abrumadoras. En lugar de buscar tablas sobre las tablas, puede usar una calculadora gráfica TI 83 para ayudarlo a encontrar valores T.
Es posible que se le solicite que encuentre el área bajo una curva T, o (como los puntajes Z), es posible que le dan un área determinada y le solicite que encuentre el puntaje T.
¿Cuándo usar t de Student y cuando Anova?
¿Qué son? La prueba t es un método que determina si dos poblaciones son estadísticamente diferentes entre sí, mientras que ANOVA determina si tres o más poblaciones son estadísticamente diferentes entre sí. Ambos observan la diferencia de medias y la propagación de las distribuciones (es decir, varianza) entre los grupos; Sin embargo, las formas en que determinan la significación estadística son diferentes.
¿Cuándo se usan? Estas pruebas se realizan cuando 1) las muestras son independientes entre sí y 2) tienen (aproximadamente) distribuciones normales o cuando el número de muestra es alto (por ejemplo,> 30 por grupo). Más muestras son mejores, pero las pruebas se pueden realizar con tan solo 3 muestras por condición.
Queremos determinar si la concentración de proteínas 1 – 4 en suero es significativamente diferente entre los pacientes sanos y enfermos. Se realiza una prueba t, que puede explicarse visualmente trazando la concentración de proteína en el eje x y la frecuencia a lo largo del eje y de las dos proteínas en el mismo gráfico (Figuras 1-4).
Las proteínas 1 y 2 tienen la misma diferencia en las medias de concentración de proteínas pero diferentes variaciones grupales. Alternativamente, las proteínas 3 y 4 tienen variaciones similares, pero la proteína 4 tiene una mayor diferencia en las medias de concentración de proteínas entre los grupos de pacientes.
Una prueba t asigna un valor estadístico de prueba «t» a cada biomarcador. Un buen biomarcador diferencial, representado por poca o ninguna superposición de las distribuciones y una gran diferencia en los medios, tendría un alto valor «t».
¿Cuándo se usa t de Student para muestras independientes?
Esta lección proporciona una demostración de consultas sobre las diferencias entre los grupos, específicamente mediante el uso de la prueba t de Student para muestras independientes. En general, la prueba t de Student es una prueba muy común para determinar las diferencias cuando una variable medida singular (por ejemplo, presión arterial sistólica, peso de la producción de leche de vaca lechera por lactancia, longitud de la aleta dorsal de tiburón, etc.) se compara con las diferencias entre A Variable de agrupación con dos grupos de ruptura (por ejemplo, hembras v los humanos, Guernsey v Jersey vacas, Mako v Grandes tiburones blancos). La prueba t se desarrolló hace más de 100 años, como parte del trabajo de garantía de calidad para una compañía de bebidas, pero publicada bajo el estudiante de soloud. La prueba t de Student es la prueba adecuada para comparar las diferencias entre muestras pequeñas, típicamente 30 o menos. Sin embargo, también es común ver la prueba t de Student para muestras independientes utilizadas con muestras más grandes.
Junto con el uso de P, también verá el término alfa en cualquier discusión sobre el nivel de probabilidad, pero P se usará en esta lección.
- 2.
Como adición a la sintaxis de limpieza en lecciones anteriores, tenga en cuenta la adición de la función y argumento LS (ALL.Names = True), que enumerarán archivos ocultos (por ejemplo, archivos que comienzan con un carácter.).
- 2.
Los datos se encuentran en cuatro columnas separadas, sujeto, raza, pctbutterfat y PCTProteína. Los datos están en formato apilado (por ejemplo, largo), en lugar de estructurar datos en formato sin apetito (por ejemplo, ancho). La diferencia entre los dos formatos de datos, apilados y sin apilamiento, se detalla en lecciones posteriores. Una vez más, esta lección comienza con un enfoque simple de construcción de confianza para la organización de datos, con más detalles agregados como habilidades con aumento de R.
- 2.
Se presenta toda la sintaxis requerida para la replicación de esta lección. También se presentan la mayoría de las impresiones de pantalla generadas por la sintaxis en el cuerpo principal de la lección, con solo unas pocas impresiones de pantalla excluidas de la presentación. Esta práctica también se aplica a las cifras. La sintaxis para todas las figuras se presenta a lo largo de esta lección, pero la salida de esta sintaxis centrada gráficamente se excluye ocasionalmente para mantener esta lección en una longitud razonable.
¿Qué es la prueba t de Student para muestras relacionadas?
La prueba t de muestra pareada, a veces llamada prueba t de muestra dependiente, es un procedimiento estadístico utilizado para determinar si la diferencia media entre dos conjuntos de observaciones es cero. En una prueba t de muestra emparejada, cada sujeto o entidad se mide dos veces, lo que resulta en pares de observaciones. Las aplicaciones comunes de la prueba t de muestra pareada incluyen estudios de casos y controles o diseños de medidas repetidas. Supongamos que está interesado en evaluar la efectividad de un programa de capacitación de la empresa. Un enfoque que podría considerar sería medir el rendimiento de una muestra de empleados antes y después de completar el programa, y analizar las diferencias utilizando una prueba t de muestra pareada.
Alinear el marco teórico, la recopilación de artículos, sintetizar brechas, articular una metodología y plan de datos claros, y escribir sobre las implicaciones teóricas y prácticas de su investigación son parte de nuestros servicios integrales de edición de tesis.
- Rastree todos los cambios, luego trabaje con usted para lograr una escritura académica.
- Apoyo continuo para abordar los comentarios del comité, reduciendo las revisiones.
Al igual que muchos procedimientos estadísticos, la prueba t de muestra emparejada tiene dos hipótesis competidoras, la hipótesis nula y la hipótesis alternativa. La hipótesis nula supone que la verdadera diferencia media entre las muestras emparejadas es cero. Bajo este modelo, todas las diferencias observables se explican por variación aleatoria. Por el contrario, la hipótesis alternativa supone que la verdadera diferencia media entre las muestras emparejadas no es igual a cero. La hipótesis alternativa puede tomar una de varias formas dependiendo del resultado esperado. Si la dirección de la diferencia no importa, se usa una hipótesis de dos colas. De lo contrario, se puede usar una hipótesis de cola superior o de cola baja para aumentar la potencia de la prueba. La hipótesis nula sigue siendo la misma para cada tipo de hipótesis alternativa. Las hipótesis de prueba t de muestra pareada se definen formalmente a continuación:
- Rastree todos los cambios, luego trabaje con usted para lograr una escritura académica.
- Apoyo continuo para abordar los comentarios del comité, reduciendo las revisiones.
¿Qué es t de Student para muestras relacionadas?
Una prueba t no apareada (también conocida como prueba t independiente) es un procedimiento estadístico que compara los promedios/medios de dos grupos independientes o no relacionados para determinar si hay una diferencia significativa entre los dos.
Las hipótesis de una prueba t no apareada son las mismas que las de una prueba t emparejada. Las dos hipótesis son:
● La hipótesis nula (H0) establece que no hay diferencias significativas entre las medias de los dos grupos.
● La hipótesis alternativa (H1) establece que existe una diferencia significativa entre las dos medias de la población, y que es poco probable que esta diferencia sea causada por un error de muestreo o casualidad.
● La variable dependiente se mide en un nivel incremental, como relaciones o intervalos.
● La varianza de los datos es la misma entre los grupos, lo que significa que tienen la misma desviación estándar
● Las variables independientes deben consistir en dos grupos independientes.
Se utiliza una prueba t no apareada para comparar la media entre dos grupos independientes. Utiliza una prueba t no apareada cuando compara dos grupos separados con igual varianza.
Ejemplos de instancias apropiadas durante las cuales utilizar una prueba t no apareada:
● Investigación, como un estudio farmacéutico u otro plan de tratamiento, donde ½ de los sujetos se asignan al grupo de tratamiento y ½ de los sujetos se asignan aleatoriamente al grupo de control.
● Investigación durante la cual hay dos grupos independientes, como mujeres y hombres, que examinan si la densidad ósea promedio es significativamente diferente entre los dos grupos.
¿Qué es una prueba t Student para una muestra y dos muestras?
Use la prueba T de Student para dos muestras cuando tenga una variable de medición y una variable nominal, y la variable nominal tiene solo dos valores. Prueba si las medias de la variable de medición son diferentes en los dos grupos.
Hay varias pruebas estadísticas que utilizan la distribución T y pueden llamarse una prueba T. Una de las más comunes es la prueba T de los estudiantes para dos muestras. Otras pruebas T incluyen la prueba t de una muestra, que compara una media de muestra con una media teórica y la prueba t emparejada.
La prueba T de estudiante para dos muestras es matemáticamente idéntica a un ANOVA unidireccional con dos categorías; Debido a que comparar los medios de dos muestras es un diseño experimental tan común, y debido a que la prueba T es familiar para muchas más personas que ANOVA, trato la prueba T de dos muestras por separado.
Use la prueba T de dos muestras cuando tenga una variable nominal y una variable de medición, y desea comparar los valores medios de la variable de medición. La variable nominal debe tener solo dos valores, como «masculino» y «femenino» o «tratado» y «no tratado».
La hipótesis estadística nula es que las medias de la variable de medición son iguales para las dos categorías.
La estadística de prueba, TS, se calcula utilizando una fórmula que tiene la diferencia entre las medias en el numerador; Esto hace que TS se haga más grande a medida que los medios se separan. El denominador es el error estándar de la diferencia en las medias, que se hace más pequeña a medida que disminuyen las variaciones de la muestra o aumentan los tamaños de muestra. Por lo tanto, TS se hace más grande a medida que los medios se separan más, las variaciones se hacen más pequeñas o aumentan los tamaños de muestra.
¿Cómo interpretar el valor de t Student?
La tabla de distribución T es una tabla que muestra los valores críticos de la distribución T. Para usar la tabla T-Distribution, solo necesita conocer tres valores:
- Los grados de libertad de la prueba t
- El número de colas de la prueba t (una cola o dos colas)
- El nivel alfa de la prueba t (las opciones comunes son 0.01, 0.05 y 0.10)
Aquí hay un ejemplo de la tabla de distribución t, con los grados de libertad enumerados a lo largo del lado izquierdo de la tabla y los niveles alfa enumerados en la parte superior de la tabla:
Cuando realiza una prueba t, puede comparar la estadística de prueba desde la prueba t con el valor crítico de la tabla de distribución t. Si el estadístico de prueba es mayor que el valor crítico encontrado en la tabla, entonces puede rechazar la hipótesis nula de la prueba t y concluir que los resultados de la prueba son estadísticamente significativos.
Pasemos algunos ejemplos de cómo usar la tabla de distribución T.
Los siguientes ejemplos explican cómo usar la tabla de distribución T en varios escenarios diferentes.
Un investigador recluta 20 sujetos para un estudio y realiza una prueba t de una cola para una media utilizando un nivel alfa de 0.05.
Pregunta: Una vez que realiza su prueba t de una cola y obtiene una estadística de prueba T, ¿a qué valor crítico debe comparar T?
Respuesta: Para una prueba t con una muestra, los grados de libertad son iguales a N-1, que es 20-1 = 19 en este caso. El problema también nos dice que está realizando una prueba de una cola y que está usando un nivel alfa de 0.05, por lo que el valor crítico correspondiente en la tabla de distribución T es 1.729.
¿Cuándo es significativo el valor de t?
Para un estudio que involucra a una población y un tamaño de muestra de 18 (suponiendo que tenga una distribución en T), qué fila de la tabla T utilizará para encontrar la probabilidad de cola derecha («mayor que») afiliada a los resultados del estudio ?
El estudio que involucra una población y un tamaño de muestra de 18 tiene N – 1 = 18 – 1 = 17 grados de libertad.
Para un estudio que involucra un diseño emparejado con un total de 44 observaciones, con los resultados suponiendo una distribución en T, ¿qué fila de la tabla usará para encontrar la probabilidad afiliada a los resultados del estudio?
Un diseño de pares coincidentes con 44 observaciones totales tiene 22 pares. Los grados de libertad son menos que el número de pares: N – 1 = 22 – 1 = 21.
Un valor t de 2.35, de una distribución t con 14 grados de libertad, tiene una probabilidad de cola superior («mayor que») entre los cuales dos valores en la tabla T?
Usando la tabla T, ubique la fila con 14 grados de libertad y busque 2.35. Sin embargo, este valor exacto no se encuentra en esta fila, así que busque los valores a cada lado: 2.14479 y 2.62449. Las probabilidades de cola superior aparecen en los encabezados de la columna; El encabezado de la columna para 2.14479 es 0.025, y el encabezado de la columna para 2.62449 es 0.01.
Por lo tanto, la probabilidad de cola superior para un valor T de 2.35 debe estar entre 0.025 y 0.01.
Dummies siempre ha defendido asumir conceptos complejos y hacerlos fáciles de entender. Dummies ayuda a todos a tener más conocimientos y seguros de aplicar lo que saben. Ya sea para pasar esa gran prueba, calificar para esa gran promoción o incluso dominar esa técnica de cocina; Las personas que confían en los tontos, confían en ello para aprender las habilidades críticas y la información relevante necesaria para el éxito.
¿Cómo se interpreta la significación estadística de una prueba t?
En esta revisión, analizaremos las pruebas de significado, utilizando principalmente la prueba t como guía. A medida que lea la investigación educativa, encontrará con frecuencia las estadísticas de prueba t y ANOVA. La Parte I revisa los conceptos básicos de las pruebas de significación relacionadas con la hipótesis nula y los valores de P. La Parte II le muestra cómo realizar una prueba t, utilizando una calculadora en línea. Parte III trata con la interpretación de los resultados de la prueba t. La Parte IV se trata de informar los resultados de la prueba t en formatos de texto y tabla y concluye con una guía para interpretar los intervalos de confianza.
Los términos «nivel de significancia» o «nivel de significación» se refieren a la probabilidad de que la muestra aleatoria que elija (por ejemplo, puntajes de prueba) no sea representativo de la población. Cuanto menor sea el nivel de significancia, más segura puede estar en replicar sus resultados. Los niveles de significancia más comúnmente utilizados en la investigación educativa son los niveles de .05 y .01. Si ayuda, piense en .05 como otra forma de decir 95/100 veces que muestras de la población, obtendrá este resultado. Del mismo modo, .01 sugiere que 99/100 veces que muestras de la población, obtendrá el mismo resultado. Estos números y signos (más sobre eso más adelante) provienen de pruebas de significancia, que comienzan con la hipótesis nula.
Comenzamos revisando el territorio familiar, el método científico. Comenzaremos con una pregunta de investigación básica: ¿Cómo afecta la variable A la variable B? La forma tradicional de probar esta pregunta implica:
Paso 2. Encuentre investigaciones anteriores para apoyar, refutar o sugerir formas de probar la pregunta.
Artículos Relacionados:
