UNIVERSIDAD NACIONAL EXPERIMENTAL

DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA

PROGRAMA CIENCIAS DEL AGRO Y DEL MAR.
UNELLEZ-AMBIENTE LA CARAMUCA

COMPUESTOS NITROGENADOS

DOCENTE:

INTEGRANTES:

*JACKNELLY CORDERO

*MARIALBYS FLORES
C.I.V-25611938
*JAVIER RIVAS
C.I.V-19.350.688

CARAMUCA, FEBRERO 2016

Pruebas paramtricas
Estas son determinadas usando un nmero finito de parmetros. Esto es, por
ejemplo, si conocemos que la altura de las personas sigue una distribucin
normal, pero desconocemos cul es la media y la desviacin de dicha normal. Su
clculo implica una estimacin de los parmetros de la poblacin con base en
muestras estadsticas. Mientras ms grande sea la muestra ms exacta ser la
estimacin, mientras ms pequea, ms distorsionada ser la media de las
muestras por los valores raros extremos.
Utilizacin de las pruebas paramtricas.
1. El nivel de medicin debe ser al menos de intervalo. Debemos tomar una
decisin a cerca de nuestra variable dependiente. Es realmente un nivel
de intervalo? Si es una escala no estandarizada, o si se basa en
estimaciones o calificaciones con humanos. Frecuentemente aparecen
como intervalo pero lo reducimos a nivel ordinal al darles rango.
2. Los datos de la muestra se obtienen de una poblacin normalmente
distribuida. Este principio suele mal entenderse como: la muestra debe
distribuirse normalmente, "no es as". La mayora de las muestras son
demasiado pequeas para siquiera parecerse a una distribucin normal, la
cual solo obtiene su caracterstica en forma de campana con la
acumulacin de muchas puntuaciones.
3. La varianza de las 2 muestras no son significativamente diferentes, esto se
conoce como el principio de homogeneidad de la varianza, Los
especialistas en estadstica han investigado ms sobre ese requisito, el cual
sabia exigir varianzas muy similares. Estos se ignoran cuando tratamos con
muestras relacionadas sin gran riesgo de distorsionar nuestro resultado.
Para muestras no relacionadas necesitamos ser ms cuidadosos cuando
los tamaos de las muestras sean bastante diferentes.
Ventajas de las Pruebas Paramtricas

Ms poder de eficiencia.
Ms sensibles a los rasgos de los datos recolectados.
Menos posibilidad de errores.
Robustas (dan estimaciones probabilsticas bastante exactas).

Desventajas de las Pruebas Paramtricas

Ms complicadas de calcular.
Limitaciones en los tipos de datos que se pueden evaluar.

Utilizacin de las pruebas NO paramtricas.

1. Son una alternativa a las pruebas paramtricas cuando los datos no cumplen
los requisitos de las pruebas paramtricas.
2. Permiten conocer cmo es la forma de la distribucin de la poblacin de la que
se ha extrado la muestra. Contrastes de
Bondad de Ajuste para conocer la forma de la poblacin que ha originado la
muestra.
Caractersticas de las pruebas NO paramtricas:
1. Son mtodos de distribucin libre. No requieren conocer la distribucin de la
muestra.
2. Se utilizan estadsticos cuya distribucin se determina con independencia de
cul sea la distribucin de la poblacin.
Pruebas no paramtricas
Se denominan pruebas no paramtricas aquellas que no presuponen una
distribucin de probabilidad para los datos, por ello se conocen tambin como de
distribucin libre (distribution free). En la mayor parte de ellas los resultados
estadsticos se derivan nicamente a partir de procedimientos de ordenacin y
recuento, por lo que su base lgica es de fcil comprensin. Cuando trabajamos
con muestras pequeas (n < 10) en las que se desconoce si es vlido suponer la
normalidad de los datos, conviene utilizar pruebas no paramtricas, al menos para
corroborar los resultados obtenidos a partir de la utilizacin de la teora basada en
la normal.

Prueba T De Student

Es cualquier prueba en la que el estadstico utilizado tiene una distribucin t de

Student si la hiptesis nula es cierta. Se aplica cuando la poblacin estudiada
sigue una distribucin normal pero el tamao muestral es demasiado pequeo
como para que el estadstico en el que est basada la inferencia est
normalmente distribuido, utilizndose una estimacin de la desviacin tpica en
lugar del valor real. Es utilizado en anlisis discriminante.
Historia Prueba T De Student
El estadstico t fue introducido por William Sealy Gosset en 1908, un qumico que
trabajaba para la cervecera Guinness de Dubln. Student era su seudnimo de
escritor.1 2 3 Gosset haba sido contratado gracias a la poltica de Claude Guiness
de reclutar a los mejores graduados de Oxford y Cambridge, y con el objetivo de
aplicar los nuevos avances en bioqumica y estadstica al proceso industrial de
Guiness.2 Gosset desarroll el test t como una forma sencilla de monitorizar la
calidad de la famosa cerveza stout. Public su test en la revista inglesa Biometrika
en el ao 1908, pero fue forzado a utilizar un seudnimo por su empleador, para
mantener en secreto los procesos industriales que se estaban utilizando en la
produccin. Aunque de hecho, la identidad de Gosset era conocida por varios de
sus compaeros estadsticos.
Usos Prueba T De Student
Entre los usos ms frecuentes de las pruebas t se encuentran:
El test de locacin de muestra nica por el cual se comprueba si la media de una
poblacin distribuida normalmente tiene un valor especificado en una hiptesis
nula.
El test de locacin para dos muestras, por el cual se comprueba si las medias de
dos poblaciones distribuidas en forma normal son iguales. Todos estos test son
usualmente llamados test t de Student, a pesar de que estrictamente hablando, tal
nombre slo debera ser utilizado si las varianzas de las dos poblaciones
estudiadas pueden ser asumidas como iguales; la forma de los ensayos que se
utilizan cuando esta asuncin se deja de lado suelen ser llamados a veces como

Prueba t de Welch. Estas pruebas suelen ser comnmente nombradas como

pruebas t desapareadas o de muestras independientes, debido a que tienen su
aplicacin ms tpica cuando las unidades estadsticas que definen a ambas
muestras que estn siendo comparadas no se superponen.5
El test de hiptesis nula por el cual se demuestra que la diferencia entre dos
respuestas medidas en las mismas unidades estadsticas es cero. Por ejemplo,
supngase que se mide el tamao del tumor de un paciente con cncer. Si el
tratamiento resulta efectivo, lo esperable sera que el tumor de muchos pacientes
disminuyera de tamao luego de seguir el tratamiento. Esto con frecuencia es
referido como prueba t de mediciones apareadas o repetidas.5 6
El test para comprobar si la pendiente de una regresin lineal difiere
estadsticamente de cero.
Historia prueba de Newman-Keuls (N-K)
Esta prueba fue diseada por Newman(1939) y modificada por Keuls (1952), quien
genero un nuevo inters en la prueba de Newman y por ello el procedimiento se
conoce como la prueba de Newman-Keuls.
Prueba de Newman-Keuls (N-K)
Esta prueba es un procedimiento secuencial basado en la amplitud estandarizaY
es vlido para la totalidad de contrastes de dos medias como en los mtodos
anteriores.
Prueba Duncan
Se utiliza para comparar todos los pares de medias. Fue desarrollado por primera
vez por Duncan en 1951 pero posteriormente l mismo modific su primer mtodo
generando el que ahora se denomina Nuevo mtodo de Rango Mltiple de
Duncan. Esta prueba no requiere de una prueba previa de F, como sucede con la
DMS o sea que an sin ser significativa la prueba F puede llevarse a cabo.
Ejemplo Prueba Duncan

Al aplicar el mtodo de Duncan a los datos del ejemplo del algodn se tiene:
1. El error estndar de la media es

2.

Determinacin

de

los

intervalos

significativos

como

Utilizacin la tabla VII del Apndice de Montgomery se tiene:

3. Los rangos mnimos significativos son:

4. Las medias ordenadas ascendentemente son:

5. Comparacin de las medias

se
compara con

porque entre

hay inclusive

medias.Ver numeral 4 .

Al presentar en u diagrama de lneas los resultados se tiene

Historia de prueba de Tukey

Existe una gran cantidad de pruebas de medias, pero quiz la ms conocida es la
prueba de Tukey. Esta prueba fue desarrollada por John W. Tukey.
Prueba de Tukey
Este mtodo es muy similar en la aplicacin al de DMS, salvo por el hecho de que
en lugar de utilizar las distribuciones de t como base para realizar las
comparaciones, se emplea la distribucin del rango estandarizado o estudentizado
Prueba Dunnett
El mtodo de Dunnett se utiliza en ANOVA para crear intervalos de confianza para
las diferencias entre la media de cada nivel de los factores y la media de un grupo
de control. Si un intervalo contiene cero, entonces no existe diferencia significativa
entre las dos medias comparadas. Usted especifica una tasa de error por familia
para todas las comparaciones y el mtodo de Dunnett determina los intervalos de
confianza para cada comparacin individual, segn el caso.

Ejemplo del mtodo de Dunnett

Usted est estudiando tres pastillas para perder peso con el fin de
determinar si son significativamente diferentes en relacin con un placebo. En un
experimento doble ciego, cincuenta personas recibieron la Pastilla A, cincuenta la
Pastilla B, cincuenta la Pastilla C y cincuenta un placebo. El grupo de placebo es
el grupo de control. Usted registra la prdida de peso promedio de cada grupo y
realiza un ANOVA con el mtodo de Dunnett para determinar si cualquiera de las
tres pastillas produce una prdida de peso que sea significativamente diferente del
placebo. El mtodo de Dunnett produce tres intervalos de confianza: uno para la
diferencia en la prdida de peso media entre el grupo A y el grupo de placebo, uno
para la diferencia en la prdida de peso media entre el grupo B y el grupo de
placebo y uno para la diferencia en la prdida de peso media entre el grupo C y el
grupo de placebo. Usted establece la tasa de error por familia para las tres
comparaciones en 0.10, as que el nivel de confianza para todas las
comparaciones es del 90%.
El intervalo de confianza para la diferencia entre la Pastilla A y el placebo contiene
cero; por lo tanto, usted concluye que no existe diferencia significativa entre la
prdida de peso en el grupo A y el grupo de placebo. El intervalo de confianza
para la diferencia entre la Pastilla B y el placebo solo contiene nmeros negativos;
por lo tanto, usted concluye que los sujetos del grupo B perdieron menos peso que
los sujetos en el grupo de placebo. En otras palabras, la Pastilla B previene la
prdida de peso. Finalmente, el intervalo de confianza para la diferencia entre la
Pastilla C y el placebo solo contiene nmeros positivos; por lo tanto, usted
concluye que la Pastilla C produce una prdida de peso significativamente mayor
que un placebo. Como resultado de este estudio, usted recomienda la Pastilla C.