Un buen ensayo ejemplo

Un buen ensayo ejemplo

Un buen ensayo ejemplo

Prueba de mcnemar

Una de las preguntas más habituales que me hacen las personas que realizan encuestas en el ámbito del desarrollo internacional es «¿cuál debe ser el tamaño de mi muestra?».  Aunque hay muchas calculadoras de tamaño de muestra y guías estadísticas disponibles, los que nunca hicieron estadística en la universidad (o lo han olvidado todo) pueden encontrarlas intimidantes o difíciles de usar.
Si esto le parece a usted, siga leyendo. Esta guía le explicará cómo elegir el tamaño de la muestra para una encuesta básica sin ninguna de las complicadas fórmulas. Para obtener más reglas generales sencillas sobre el tamaño de las muestras en otras situaciones, recomiendo encarecidamente Sample size: A rough guide de Ronán Conroy y The Survey Research Handbook de Pamela Alreck y Robert Settle.
Un buen tamaño máximo de la muestra suele estar en torno al 10% de la población, siempre que no supere los 1000. Por ejemplo, en una población de 5.000 personas, el 10% serían 500. En una población de 200.000, el 10% sería 20.000. Esto supera los 1000, por lo que en este caso el máximo sería 1000.
Incluso en una población de 200.000 personas, el muestreo de 1.000 personas dará normalmente un resultado bastante preciso. Tomar una muestra de más de 1000 personas no aumentará mucho la precisión, dado el tiempo y el dinero extra que costaría.

Un buen ensayo ejemplo online

Tengo aproximadamente 5.000 variables, cada una con 3 puntos de datos. Estos números son cocientes, es decir, limitados a 0 y generalmente no normales. Estoy interesado en probar si la media de cada una de las 5.000 variables es significativamente diferente de 1.
Edición: Por si a alguien le interesa, mi solución fue transformar los datos en logaritmos para que sean (al menos aproximadamente) normales, y luego utilizar una prueba t. Un enfoque paramétrico parece una buena manera de maximizar el poco poder que tengo. Probablemente hay muchos otros, pero la discusión aquí fue útil.
El problema con cualquier prueba basada en permutaciones* es que con tres observaciones sólo tienes 6 arreglos posibles. ¡¡Con una prueba de dos colas su nivel de significación más pequeño posible es $\frac{1}{3}$ !!

Prueba t de student

Aunque se trata de una frase de uso común, no existe una «muestra estadísticamente significativa»: lo que puede ser estadísticamente significativo es el resultado, no la muestra. Dejando a un lado la palabrería, para cualquier estudio que requiera un muestreo -por ejemplo, encuestas y pruebas A/B- es absolutamente fundamental asegurarse de que tenemos suficientes datos para garantizar la confianza en los resultados.
La determinación del tamaño de la muestra, considerada generalmente como material de «estadística 101», es en realidad una tarea no trivial. No existe una respuesta «óptima» que pueda derivarse del ajuste de un modelo a un conjunto de datos; la respuesta depende únicamente de los supuestos y requisitos que especifiquemos de antemano.
La forma más habitual de determinar el tamaño de la muestra necesario es mediante un análisis de potencia prospectivo, una técnica clásica que puede utilizarse para derivar el tamaño de la muestra necesario para detectar un efecto de un tamaño determinado con un nivel de confianza dado. El propósito de este post es desmitificar el análisis de potencia para aquellos que son nuevos en la ciencia de los datos, así como proporcionar algunos consejos que hacen la vida más fácil a la hora de determinar el tamaño de la muestra necesaria. En concreto, cubriremos las siguientes áreas:

Prueba t de student

Una prueba Z es cualquier prueba estadística para la que la distribución de la estadística de la prueba bajo la hipótesis nula puede aproximarse por una distribución normal. Las pruebas Z prueban la media de una distribución. Para cada nivel de significación en el intervalo de confianza, la prueba Z tiene un único valor crítico (por ejemplo, 1,96 para el 5% de dos colas), lo que la hace más conveniente que la prueba t de Student, cuyos valores críticos están definidos por el tamaño de la muestra (a través de los correspondientes grados de libertad).
Debido al teorema del límite central, muchos estadísticos de prueba se distribuyen aproximadamente de forma normal para muestras grandes. Por lo tanto, muchas pruebas estadísticas pueden realizarse convenientemente como pruebas Z aproximadas si el tamaño de la muestra es grande o se conoce la varianza de la población. Si se desconoce la varianza de la población (y, por tanto, debe estimarse a partir de la propia muestra) y el tamaño de la muestra no es grande (n < 30), la prueba t de Student puede ser más adecuada.
que los valores p de una y dos colas pueden calcularse como Φ(Z) (para pruebas de cola superior/derecha), Φ(-Z) (para pruebas de cola inferior/izquierda) y 2Φ(-|Z|) (para pruebas de dos colas), donde Φ es la función de distribución acumulativa normal estándar.

Acerca del autor

admin

Ver todos los artículos