You are on page 1of 7

UNIVERSIDAD AUTNOMA DE BAJA CALIFORNIA

INSTITUTO DE INVESTIGACIONES EN CIENCIAS VETERINARIAS

Qu hacer cuando no hay distribucin normal y varianzas homogneas?

MATERIA
Diseos experimentales

ALUMNO
Aguilar Hernndez Jos Antonio

DOCENTE
Dr. Alberto Barreras Serrano

Abril de 2013

Qu hacer cuando no hay distribucin normal y las varianzas no son


homogneas?
A) Varianza no homogneas

Anlisis de varianzas como rangos

Cuando los datos para el anlisis son nicamente jerarquas o


cuando las poblaciones de las que se extraen las muestras no siguen
una distribucin normal con varianzas iguales, se puede utilizar una
alternativa no paramtrica al anlisis unilateral de la varianza para
probar la hiptesis de parmetros de ubicacin iguales.
Existen varias pruebas no paramtricas equivalentes al anlisis
de varianza, las cuales utilizan ms informacin al tomar en cuenta la
magnitud de cada observacin con respecto a la magnitud de
cualquier otra observacin, el procedimiento ms conocido es el
anlisis unilateral de varianza por jerarquas de kruskal wallis.
Esta prueba requiere: A) una escala ordinal de medicin, B) Cada
muestra debe tener al menos cinco observaciones, c) Los datos de la
muestra se jerarquizan de menor a mayor como si fueran de un solo
grupo D) Es una alternativa para ANOVA en un sentido y E) La
distribucin Ji2 el estadstico de prueba.

K= nmero de muestras.
nj = nmero de observaciones de la j esima muestra.
n= nmero de observaciones en todas las muestras combinadas.
Rj = suma de jerarquas en la j esima muestra.

B) No tienen una distribucin normal


Se presenta varias transformaciones para datos que no tienen
distribucin normal, pero tienen una distribucin de probabilidad
conocida.
Las transformaciones se usan para cambiar la escala de las
observaciones con el objeto de que stas cumplan mejor las
suposiciones del modelo lineal y ofrezcan inferencias ms vlidas del
anlisis de varianza. Las probabilidades de inferencia estadstica se
aplican slo a la nueva escala de medicin; los niveles de significancia
y promedios no se aplican a las medidas originales.

Distribucin de Poisson
Las observaciones sobre muestras de plantas en cultivos,
insectos en plantas, colonias de bacterias en platos, defectos en una
superficie y accidentes por unidad de tiempo, pueden tener una
distribucin Poisson; para la cual la media es igual a la varianza
Se recomienda la transformacin raz cuadrada para
estabilizar las varianzas de las observaciones, esta transformacin
que tendr una varianza constante
, para todos los
valores de . Si la media es
entonces la transformacin x =
es superior que
para estabilizar las varianzas, si las
muestras son grandes no es necesaria la correccin.

Distribucin binomial

Las observaciones sobre el nmero de xitos en n pruebas


independientes siguen una distribucin binomial, por ejemplo pueden
ser de la proporcin de artculos defectuosos en lotes de manufactura,
de semillas germinadas, de larvas sobrevivientes en estudios de
insectos y de plantas que florecen en una seccin. La probabilidad
binomial estimada es

, donde y es el nmero de xitos en n

pruebas independientes con una probabilidad de xito . La media y la


varianza de la distribucin binomial estimada son = y 2 = (1 )/n, respectivamente, existiendo una relacin definida entre las
proporciones observadas y la varianza de los datos observados.
Para estabilizar las varianzas de las observaciones con
distribucin binomial se recomienda la transformacin A) arco seno o
angular

tiene una varianza constante, 2x = 1/4n, para

toda , si el ngulo se expresa en radianes y 2x: = 821/n, si el ngulo


se expresa en grados. Si n es pequeo, n < 50, entonces se
recomienda sustituir

en lugar de

en la

transformacin.

Transformacin probit y logit

Pa los estruidos bilgicos se usan con ms frecuencia la


transformacin A) probit, que es un valor de la distribucin normal
estndar que corresponde a la probabilidad acumulada

B) Logit es el logaritmo natural de la razn

, usada en

estudios biolgicos y en el anlisis de datos de supervivencia. Aunque


ambas transformaciones constituyen un procedimiento estadstico
adecuado para sus propsitos, las varianzas no se estabilizan y deben
usarse otros modelos para el anlisis.

Binomial negativa

Si los incrementos en el nmero de muestras individuales se


pueden relacionar con el nmero de individuos presentes, la
distribucin Poisson no puede aplicarse al problema, ya que los
individuos contados tienden a presentarse en grupos con una
distribucin contagiosa. Animales infectados con el mismo organismo,
plantas o insectos de la misma especie, con frecuencia forman grupos
a causa de mecanismos biolgicos de reproduccin o transmisin de
enfermedades. Una distribucin de la probabilidad que se usa con
frecuencia para datos de esta clase, es la binomial negativa con media
y y varianza 2y: =

; donde la varianza aumenta con 1 la

media a una tasa mayor que en la distribucin n Poisson. Una


transformacin sugerida para estabilizar la varianza es el seno
hiperblico inverso x =

, entonces la varianza de las

observaciones transformadas es

. La transformacin requiere

cierto conocimiento de

. Una transformacin

relacin lineal aproximada con la transformacin senh-1.

, tiene una

Transformaciones con exponentes para estabilizar varianzas

En algunos casos no se puede determinar la distribucin de las


observaciones con base en las propiedades de la muestra de la
variable aleatoria. En estos casos, es posible determinar la
transformacin segn una relacin emprica entre la desviacin
estndar y la media.

Transformacin de los datos


Una transformacin del exponente altera la simetra o asimetra
de la distribucin de frecuencias de las observaciones. Las
transformaciones se basan en el trabajo de Box y Cox (1964), en el
cual se supone que las desviaciones estndar de y son proporcionales
a alguna potencia de la media, o sea:

Una transformacin del exponente de las observaciones

Tiene como resultado una relacin proporcional de la desviacin


estndar con la media

Si p = 1 - , entonces la desviacin estndar de la variable


transformada x ser constante, ya que p + - 1 = O y x, 0 .
Los valores de p < 1 acortarn la cola superior de las
observaciones y alargarn la cola izquierda de las observaciones
apiladas en una distribucin sesgada a la derecha. De manera inversa,

si p > 1, una distribucin sesgada a la izquierda cambia a una ms


simtrica al mover las observaciones que estn en el lado izquierdo.
La transformacin recproca con p = -1 puede ser til en los
estudios que necesitan medir el tiempo de ocurrencia de un evento, ya
que el recproco del tiempo se interpreta en trminos generales como
la tasa a la que un sujeto de investigacin llega al evento.

You might also like