COMPARACIÓN ENTRE TAMAÑOS DE MUESTRAS DE MEDIAS PAREADAS CON ANÁLISIS DE PODER USANDO PAQUETES DEL SOFTWARE R Y EL SOFTWARE G*POWER

Patricio Badillo; Rubén Pazmiño

doi:10.47187/perf.v1i23.269

Autores/as

Patricio Badillo Escuela Superior Politécnica de Chimborazo, Facultad de Ciencias, Grupo de Investigación Ciencia de Datos/Carrera de Estadística Informática, Riobamba, Ecuador
Rubén Pazmiño Escuela Superior Politécnica de Chimborazo, Facultad de Ciencias, Grupo de Investigación Ciencia de Datos/Carrera de Estadística Informática, Riobamba, Ecuador

DOI:

https://doi.org/10.47187/perf.v1i23.269

Palabras clave:

poder estadístico, tamaños de muestras, paquetes de R, G*power

Resumen

La verificación de hipótesis requiere un previo planteamiento de factores como el tamaño de muestra y su fiabilidad de las pruebas estadísticas para abordar estudios experimentales, dado que se puede rechazar la presencia de un efecto derivado de un tratamiento, cuando en realidad no hay suficiente poder estadístico para arribar a dicha conclusión. El objetivo de este artículo es definir que es el poder de una prueba estadística, explicar su cálculo y determinar el nivel de aproximación de los tamaños de muestras de la prueba estadística de medias pareadas generados por tres paquetes del software R, identificar si existen similitudes en la generación de resultados con el software G*power; dando un grado de seguridad y confianza para las pruebas estadísticas en el análisis de poder.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Cálculo del poder estadístico de un estudio [Internet]. [citado 25 de noviembre de 2019]. Disponible en: https://www.fisterra.com/mbe/investiga/poder_estadistico/poder_estadistico.asp

Para C, Investigación LA, Fisher R. TAMAÑO DE EFECTO : 2007;

Cohen J. Statistical Power Analysis for the Behavioral Sciences. Second Edi. New York, New York, USA: LAWRENCE ERLBAUM ASSOCIATES; 1988. 579 p.

Gesto Giannattasio N. Análisis de Poder Estadístico y su Aplicación a Evaluaciones Experimentales. 2016 ene.

Perugini M, Gallucci M, Costantini G. A Practical Primer To Power Analysis for Simple Experimental Designs. Int Rev Soc Psychol. julio de 2018;31(1):20.

Pruebas pareadas. SHE. mayo de 2003;6.

Unknown P por. Prueba t de Student [Internet]. [citado 25 de noviembre de 2019]. Disponible en: http://pruebatstudentf.blogspot.com/

Kiel C. G * Power 3 : A flexible statistical power analysis program for the social , behavioral , and biomedical sciences. 2007;39(2):175-91.

(PDF) A short tutorial of GPower [Internet]. [citado 25 de noviembre de 2019]. Disponible en: https://www.researchgate.net/publication/49619426_A_short_tutorial_of_GPower

Blomberg S. Power Analysis using R. 2015.

pwr.pdf [Internet]. [citado 26 de noviembre de 2019]. Disponible en: https://cran.r-project.org/web/packages/pwr/pwr.pdf

WebPower.pdf [Internet]. [citado 26 de noviembre de 2019]. Disponible en: https://cran.r-project.org/web/packages/WebPower/WebPower.pdf

powerAnalysis.pdf [Internet]. [citado 26 de noviembre de 2019]. Disponible en: https://cran.r-project.org/web/packages/powerAnalysis/powerAnalysis.pdf

Assumptions Part 1: Normality [Internet]. Discovering Statistics. 2012 [citado 26 de noviembre de 2019]. Disponible en: https://www.discoveringstatistics.com/2012/08/06/assumptions-part-1-normality/

Zhang S, Jalali D, Wuttke J, Mu K, Lam W, Ernst MD, et al. Empirically Revisiting the Test Independence Assumption.

Assumptions Part 2: Homogeneity of Variance/Homoscedasticity [Internet]. Discovering Statistics. 2012 [citado 26 de noviembre de 2019]. Disponible en: https://www.discoveringstatistics.com/2012/09/13/assumptions-part-2-homogeneity-of-variancehomoscedasticity/

Garson GD. Single User License . Do not copy or post . Single User License . Do not copy or post . 2012;1-52.

Moni M, Shuaib M. A Comparison of Power of Normality Tests: Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors, Anderson-Darling and Jarque-Bera Tests. 2015.

Tests S. Chapter 10 Chi Square Tests.

Mu Z. Comparing the Statistical Tests for Homogeneity of Variances. En 2006.

Consejos para reconocer y transformar datos no normales - iSixSigma [Internet]. 2010 [citado 26 de noviembre de 2019]. Disponible en: https://www.isixsigma.com/tools-templates/normality/tips-recognizing-and-transforming-non-normal-data/

Cowan AR, Sergeant AMA. Interacting biases, non-normal return distributions and the performance of tests for long-horizon event studies. J Bank Finance [Internet]. 1 de abril de 2001 [citado 26 de noviembre de 2019];25(4):741-65. Disponible en: http://www.sciencedirect.com/science/article/pii/S0378426600000947

anova_un_factor-lectura.pdf [Internet]. [citado 26 de noviembre de 2019]. Disponible en: https://previa.uclm.es/profesorado/mdsalvador/58109/teoria/anova_un_factor-lectura.pdf

tests noparametricos.pdf [Internet]. [citado 26 de noviembre de 2019]. Disponible en: https://www.ugr.es/~rruizb/cognosfera/sala_de_estudio/estadistica/tests%20noparametricos.PDF

Perugini M, Gallucci M, Costantini G. Salvaguardar el poder como protección contra estimaciones imprecisas del poder. Perspect Psychol Sci [Internet]. 1 de mayo de 2014 [citado 26 de noviembre de 2019];9(3):319-32. Disponible en: https://doi.org/10.1177/1745691614528519