Tema 4.

Contrast d’hipòtesis paramètriques

1. Proves de contrast per a un grup
1.1. Contrast sobre la mitjana

1.2. Proves de contrast per a la variància

2. Proves de contrast per a dos grups independents
Es diferencia si són grups independents, és a dir, els subjectes no estan relacionats; o, si són
relacionats, quan les puntuacions estan relacionades perquè són del mateix subjecte, d’un familiar, etc.

2.1. Dos grups independents

Supòsits:
1. Normalitat de les mostres. Les
poblacions han de ser normals per a
poder emprar la distribució t de Student
amb n1+n2 – 2gl. Però si les mostres són
grans i aprox. iguals no passa res per
incomplir el supòsit, la prova encara és
vàlida.
Convé comprovar-ho amb les proves de
Kolmogorov-Smirnov o Shapiro-Wilks.

2. Supòsit d’homoscedasticitat (iguals

variàncies als dos grups): Comprovar
amb la prova de Levene (SPSS) si són
iguals per poder aplicar la prova t que
pertoque. Aquesta permet contrastar la H 0
que els dos grups presenten la mateixa
variabilitat (variància).
H0: σ12 = σ22 H1: σ12 ≠ σ22

• Grandària de l’efecte
La GE és un indicador que mostra la
rellevància pràctica d’un resultat. Per al
contrast entre dues mitjanes sols
utilitzarem la d de Cohen, amb la
interpretació que ja coneixem:
• Baixa → 0,20
• Mitjana → 0,50
• Gran → 0,80

Hi han pàgines d’estimadors de la

grandària de l’efecte:
• https://www.vocs.edu/
2.2. Raó de variàncies
La raó de variàncies és utilitzada
quan els grups no tenen el mateix
grau de generalització.

Per exemple, un ho fa en un grup

reduït de xiquets i l’altre ho fa amb
una població més extensa.

3. Proves de contrast per a dos grups relacionats

El mateix grup és mesurat en ocasions
diferents (mesures repetides) o hi han
parells de puntuacions.

3.1. Contrast sobre mitjanes

3.2. Contrast sobre variàncies

4. ANOVA (ANalysis Of VAriance)
ANOVA és una prova que permet comparar més de dos grups al mateix temps. És la tècnica d’anàlisi
més freqüent utilitzada en la investigació psicològica. Permet valorar el comportament d’una variable
dependent quantitativa a partir d’una o més variables independents, categòriques o factors; a més,
permet comparar les mitjnes de més de dues mostres. Divideix la variància de la variable analitzada, la
dependent, en diferents components:
La variabilitat observada (VD) = Variabilitat atribuïble a factors analitzats (VI)
+ Variabilitat no atribuïble a factors no controlats (Variància d’error)

L’ANOVA es classifica segons el nombre de factors o VI:

• ANOVA Unifactorial. Sols hi ha una VI.
• ANOVA Factorial. Hi ha més d’una VI.

També segons el tipus de VI. Pot ser intersubjecte quan les mostres no estan relacionades; o pot ser
intrasubjecte quan les mostres estan relacionades, ja siga perquè són del mateix subjecte o perquè són
subjectes diferents relacionats d’alguna forma. L’ANOVA factorial mixt és una barreja entre factors
intersubjectes i intrasubjectes.

Anem a analitzar l’ANOVA unfiactorial entresubjectes i la resta ho veurem amb les diferències.

1) Plantejament d’hipòtesis. Sols es planteja la H0 i la H1 és «Existeix almenys una diferència

significativa entre les mitjanes». No hi ha H1 com a tal perquè hi ha més d’una diferencia. S’analitza
l’anàlisi de variàncies per a contrastar diferències de mitjanes perquè la variança és la diferència de
mitjana entre dos grups, a major variança, més allunyades es troben les mitjanes comparades.

Si mantenim la H0, no hi ha problema, però quan la rebutgem, no sabem quina de les possibles
hipòtesis alternes és correcta. Hem de cercar ON estan les diferències gràcies a unes Proves a
posteriori.

2) Supòsits. L’incompliment dels

supòsits porta a prendre decisions
errònies.

L’estadístic F és robust i admet desviacions moderades en el compliment dels supòsits, sobretot de la

normalitat, però és recomanable treballar amb grandàries mostrals grans. Si les grandàries mostrals són
iguals i grans, es robust a l’incompliment d’homoscedasticitat, però és recomanable verificar-lo.

Si els supòsits no es verifiquen es poden emprar estadístics no paramètrics o transformar les

puntuacions buscant que les distribucions es normalitzen o que les variàncies siguen més iguals.
3) El model.

4) L’estadístic de contrast F. La F no pot ser mai negativa, és

asimptòtica positiva. Quan la variància es significativa podem
rebutjar la H0.
MQentre → Estimador de la variació deguda al tractament
MQerror → Estimador de la variació atribuïble a l’error o diferències intragrup

Si H0 és vertadera, presentaran valors semblants i el seu quocient serà aproximadament 1.

Si H0 és falsa, el quocient serà major a 1.
5) Determinació de la zona crítica i 6) Regla de decisió
No cal separar entre bilateral o unilateral, perquè sempre és unilateral dret.

Rebutgem H0 si el nivell crític és inferior al nivell de risc (α). En cas contrari es manté.

4. Comparacions a posteriori
Es realitzen quan hem rebutjat la H0 per a vore on estan les diferències. Com més contrast fem, més
probabilitat hi ha de cometre errors tipus I.
* → Les oferix SPSS. DMS → Diferència Mínima Significativa
4.1. Prova de Tukey
S’utilitza per a estudiar totes les possibles comparacions de dos en dos. Els supòsits són els mateixos
que l’ANOVA. L’estadístic de contrast permet extraure la diferència mínima per a dir que les mitjanes
poblacionals són diferents. La regla de decisió és que tots els valors de les diferències, majors de
l’estadístic DMSTukey seran considerades significatives.

És molt probable que fem un error tipus II al no rebutjar la H 0 entre les mitjanes 1 i 2 perquè hi ha una
falta de potència degut a que la mostra és de 5 persones només. A nivell poblacional no és important i
no tindria efecte, per a pal·liar-ho cal augmentar la mostra.

5. Grandària de l’efecte i Potència

Utilitzem η2 (Eta) per a valorar la grandària de l’efecte. L’escala de la d de Cohen no serveix perquè
està al quadrat. SPSS oferix la ηp2 (Eta al quadrat parcial).

La potència (1-β) és la probabilitat de

rebutjar H0 quan aquesta és realment falsa
o la probabilitat de no cometre error tipus
II (β) està influenciada per la grandària de
la mostra. És adequada quan és superior a
=0.80, o quan l’error β és menor a 0.20.

6. ANOVA unifactorial amb mesures repetides (intrasubjectes)

L’ANOVA Unifactorial és més econòmica, doncs requerix menys subjectes i la variància d’error
associada amb el disseny és menor. Però existeix l’efecte de la pràctica i la fatiga i pot haver-hi
mortalitat experimental.

L’element clau és el component associat al propi individu (B i). S’explica més quantitat de variància que
el model entresubjectes → És més complet.
Prova de Bonferroni → Si es compleix la esfericitat miren la línia de esfericitat assumida, sinó miren la
línia de Greenhouse-Geisser.