MedCalc
Esta página fue traducida del inglés usando IA. Puedes encontrar el original Prueba de Kruskal-Wallis
| Comando: | Estadística  ANOVA Prueba de Kruskal-Wallis |
Descripción
La prueba de Kruskal-Wallis (prueba H) es una extensión de la prueba de Wilcoxon y permite comprobar la hipótesis de que varias muestras independientes provienen de la misma población. En MedCalc, los códigos factoriales se utilizan para descomponer los datos (ordinales) de una variable en diferentes subgrupos de muestra. Si se rechaza la hipótesis nula (P<0,05), se concluye que existe una diferencia estadísticamente significativa entre al menos dos de los subgrupos.
Entrada requerida
En el cuadro de diálogo, debe introducir lo siguiente: en Datos, seleccione la variable que contiene los datos, y en Códigos de factor, el factor cualitativo. El factor cualitativo puede ser un código de caracteres o numérico. Estos códigos se utilizarán para dividir los datos en varios subgrupos.
Opciones
- Prueba post-hoc : esta prueba se utiliza para la comparación de subgrupos por pares cuando la prueba de Kruskal-Wallis es positiva (es decir, p es menor que el nivel de significancia seleccionado; véase más adelante). MedCalc ofrece dos pruebas post-hoc: la prueba de Dunn (1964) (véase también Rosner, 2006) y la de Conover (1999).
- Nivel de significancia : el nivel de significancia deseado para la prueba post-hoc. Si la prueba de Kruskal-Wallis arroja un valor p inferior a este nivel de significancia, MedCalc realiza la prueba post-hoc seleccionada.
- Prueba de tendencia de Jonckheere-Terpstra : cuando el factor cualitativo está ordenado, la prueba de tendencia de Jonckheere-Terpstra se puede utilizar para probar la hipótesis de que las medianas están ordenadas (aumentan o disminuyen) de acuerdo con el orden del factor cualitativo (Bewick et al., 2004; Sheskin, 2011).
Resultados
Datos | Alivio_del_dolor |
|---|---|
Códigos de factor | Tratamiento |
Tamaño muestral | 23 |
|---|
Estadísticos descriptivos
Factor | n | Mínimo | Percentil 25 | Mediana | Percentil 75 | Máximo |
|---|---|---|---|---|---|---|
A | 10 | 0.0000 | 3.000 | 3.500 | 6.000 | 7.000 |
B | 8 | 3.0000 | 4.000 | 4.500 | 7.000 | 9.000 |
C | 5 | 0.0000 | 0.750 | 3.000 | 5.000 | 5.000 |
Prueba de Kruskal-Wallis
Estadística de prueba | 3.1522 |
|---|---|
Corregido para empates | 3.2239 |
Grados de libertad (GL) | 2 |
Nivel de significación | P = 0.199503 |
Factor | n | Rango promedio |
|---|---|---|
(1) A | 10 | 11.25 |
(2) B | 8 | 15.13 |
(3) C | 5 | 8.50 |
  | Gráfico de comparaciones múltiple |
En este ejemplo, se comprueba si los diferentes regímenes de tratamiento, codificados como A, B y C en la variable Tratamiento, influyen en los datos de la variable Alivio del dolor. El alivio del dolor se registró en una escala ordinal de 0 a 9. Dado que no se rechaza la hipótesis nula (P = 0,1995), se concluye que no existe una diferencia estadísticamente significativa entre los diferentes tratamientos.
Para obtener una representación gráfica de esta prueba, consulte Gráficos de comparación múltiple.
Análisis post-hoc
Si la prueba de Kruskal-Wallis es positiva (P menor que el nivel de significancia seleccionado), MedCalc realiza una prueba de comparación por pares de subgrupos.
Literatura
- Altman DG (1991) Practical statistics for medical research. London: Chapman and Hall.
- Bewick V, Cheek L, Ball J (2004) Statistics review 10: further non-parametric methods. Critical Care 8:196-199.
- Conover WJ (1999) Practical non-parametric statistics, 3rd edition. New York: John Wiley & Sons.
- Dunn OJ (1964) Multiple comparisons using rank sums. Technometrics 6:241-252.
- Rosner B (2006) Fundamentals of Biostatistics. 6th ed. Pacific Grove: Duxbury.
- Sheskin DJ (2011) Handbook of parametric and non-parametric statistical procedures. 5th ed. Boca Raton: Chapman & Hall /CRC.
MedCalc Software Ltd
Digimizer