Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Supuestos del T-Test | Pruebas Estadísticas
Aprendiendo Estadística con Python
course content

Contenido del Curso

Aprendiendo Estadística con Python

Aprendiendo Estadística con Python

1. Conceptos Básicos
2. Media, Mediana y Moda con Python
3. Varianza y Desviación Estándar
4. Covarianza vs Correlación
5. Intervalo de Confianza
6. Pruebas Estadísticas

book
Supuestos del T-Test

La idea principal detrás de la prueba t es que sigue la distribución t. Para que esto sea cierto, se hacen algunas suposiciones importantes:

  1. Homogeneidad de varianzas. Las varianzas de los dos grupos comparados deben ser aproximadamente iguales;

  2. Normalidad. Ambas muestras deben seguir aproximadamente una distribución Normal;

  3. Independencia. Las muestras deben ser independientes, lo que implica que los valores de un grupo no deben estar influenciados por los del otro grupo.

Es importante señalar que la prueba t puede arrojar resultados inexactos si no se cumplen estas suposiciones.

Existen diferentes tipos de pruebas t que manejan violaciones de algunas de las suposiciones:

  • Si las varianzas son diferentes, se puede realizar la prueba t de Welch. Su idea es la misma. Lo único que cambia son los grados de libertad. Realizar la prueba t de Welch en lugar de la prueba t ordinaria en Python es tan sencillo como establecer equal_var=False;

  • Si las muestras no son independientes (por ejemplo, si se desea comparar las medias del mismo grupo en diferentes periodos de tiempo), se puede realizar una prueba t pareada. La prueba t pareada se tratará en un capítulo posterior.

question-icon

Selecciona el tipo apropiado de prueba t para cada caso:

Normality, Homogeneity but no Independence —
Normality, Homogeneity, Independence —

Normality, Independence but no Homogeneity —

Click or drag`n`drop items and fill in the blanks

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 6. Capítulo 5

Pregunte a AI

expand
ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

course content

Contenido del Curso

Aprendiendo Estadística con Python

Aprendiendo Estadística con Python

1. Conceptos Básicos
2. Media, Mediana y Moda con Python
3. Varianza y Desviación Estándar
4. Covarianza vs Correlación
5. Intervalo de Confianza
6. Pruebas Estadísticas

book
Supuestos del T-Test

La idea principal detrás de la prueba t es que sigue la distribución t. Para que esto sea cierto, se hacen algunas suposiciones importantes:

  1. Homogeneidad de varianzas. Las varianzas de los dos grupos comparados deben ser aproximadamente iguales;

  2. Normalidad. Ambas muestras deben seguir aproximadamente una distribución Normal;

  3. Independencia. Las muestras deben ser independientes, lo que implica que los valores de un grupo no deben estar influenciados por los del otro grupo.

Es importante señalar que la prueba t puede arrojar resultados inexactos si no se cumplen estas suposiciones.

Existen diferentes tipos de pruebas t que manejan violaciones de algunas de las suposiciones:

  • Si las varianzas son diferentes, se puede realizar la prueba t de Welch. Su idea es la misma. Lo único que cambia son los grados de libertad. Realizar la prueba t de Welch en lugar de la prueba t ordinaria en Python es tan sencillo como establecer equal_var=False;

  • Si las muestras no son independientes (por ejemplo, si se desea comparar las medias del mismo grupo en diferentes periodos de tiempo), se puede realizar una prueba t pareada. La prueba t pareada se tratará en un capítulo posterior.

question-icon

Selecciona el tipo apropiado de prueba t para cada caso:

Normality, Homogeneity but no Independence —
Normality, Homogeneity, Independence —

Normality, Independence but no Homogeneity —

Click or drag`n`drop items and fill in the blanks

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 6. Capítulo 5
Lamentamos que algo salió mal. ¿Qué pasó?
some-alt