Tema 1.
Orientación análisis:
1. Significación estadística – práctica. Práctica: en qué medida es relevante
o no. Si no hay significación estadística no se puede hablar de
significación práctica.
2. Tamaño muestral. Potencia de la prueba.
3. Parsimonia. Tener la mejor explicación y más simple con menos
variables posibles.
4. Análisis previos.
- Supuestos . Ver si se cumplen los supuestos que exigen las técnicas
multivariantes. La estadística multivariante está pensada para
distribuciones que tienen unas características, y tenemos que ver si la
distribución de nuestros datos tiene o no esas características. Son 2
supuestos fundamentales:
Normalidad. Se tiene que cumplir en la población. La
distribución de los datos en la población debe de ser una
distribución normal, que coincida con la campana de Gauss.
Para ver si se da anormalidad, se hace una prueba de
significación, un contraste estadístico. El estadístico de
contraste sirve para ver si tiene forma de curva normal, hay dos:
univariante, ‘y’ que contraste una variable, que hace la prueba
de Kolmogorov – Smirnov: multivariante, con el vector
multivariante, y el contraste es el mismo, con la prueba de
Kolmogorov – Smirnov (KS), con y ^. [Ho de KS no hay
diferencias entre la curva normal y la distribución de la
población. Que la población se ajuste a la curva normal, no hay
diferencias. H1: sí hay diferencias] [P = 0.06, > alfa, se acepta
la Ho, de forma que no hay diferencias, se ajusta a la curva
normal. P = 0.02 Sí hay diferencias, la distribución en la
población no se ajusta a la curva normal.] Cuando las muestras
son grandes, +100 casos, las pruebas multivariantes son
robustas a la violación del supuesto de normalidad. Con un
tamaño muestral pequeño tenemos como solución aumentar el
tamaño muestral. P > alfa, no hay problema. P < o igual, hay un
problema.
Homocedasticidad. Que haya la misma variabilidad, que no
haya diferencia entre las varianzas. Se tiene que cumplir al
comparar grupos en una variable. Siempre en la población. Para
averiguarlo, se usa una prueba de contraste, y hay 2 pruebas:
univariante, en una variable, y1, A y B tienen la misma
