Robustez de las pruebas T en comparación de medias, ante violación de supuestos de normalidad y homocedasticidad
Resumen
Esta investigación examina la robustez de los contrastes paramétricos t-Student, t'-Welch y t*-Yuen, cuando los tamaños de las muestras son iguales/desiguales y bajo el efecto de violación de los supuestos de normalidad y homocedasticidad. Este trabajo está referido al estudio de simulación Monte Carlo, usado para estimar las características de las tasas de error tipo I de los tests bajo violación de sus supuestos. El estudio de simulación Monte Carlo fue llevado a cabo usando el software estadístico SAS, versión 6.12. Las muestras fueron generadas a partir de poblaciones con características conocidas, examinadas bajo una variedad de condiciones, definidas por el tamaño de las muestras, la igualdad/desigualdad de varianzas, la magnitud de las diferencias entre las medias y la forma de la distribución (asimetría y kurtosis) de las poblaciones. La precisión de la tasa observada de error tipo I t, cuando es comparada con la tasa nominal de error tipo I a, fue cuantificada usando el criterio liberal intermedio de robustez de Bradley. Los resultados de las estimaciones de las tasas de error tipo I mostraron que los tests t-Student y t'-Welch proporcionan un mejor control de estas tasas que el test t*-Yuen bajo las condiciones de normalidad y homocedasticidad; el test Welch es más robusto que el test de Student y éste, a su vez, más que el test de Yuen bajo las condiciones de normalidad, ausencia de normalidad y heterocedasticidad. En general se observó que los tests examinados son más sensibles al incremento en la desigualdad de varianzas que en la condición de ausencia de normalidad.
Palabras clave
Texto completo:
PDF
Todos los documentos publicados en esta revista se distribuyen bajo una
Licencia Creative Commons Atribución -No Comercial- Compartir Igual 4.0 Internacional.
Por lo que el envío, procesamiento y publicación de artículos en la revista es totalmente gratuito.
![]() |
![]() | ![]() | ![]() | ![]() |