Hola, muy buen video. Quisera saber como interpretar o que significan los valores estimados (¿Son porcentajes?) que aparecen las pruebas de tukey. Saludos.
Los valores lwr (lower) y upr (upper) son los extremos inferior y superior de los intervalos de confianza (IC) de la diferencia entre medias de 2 tratamientos, en el caso del video (minuto 19) son IC del 95%. Si el IC no incluye al cero se tiene evidencia de que las medias son significativamente diferentes, lo cual debe coincidir con la interpretación del correspondiente valor p.
Hola Raul, muy buena explicación sin embargo, me queda una duda en cuanto a la ETA-DUADRADA siendo así que cobucci (1994) define de 0,06 a 0,1 efecto pequeño, 0,15 efecto medio y de ahí hasta 1 efecto grande, podrías aclarar mi duda
¡Hola Raul! Tengo dos consultas ¿por qué está mal evaluar los supuestos de normalidad y homocedasticidad en las variables?¿siempre se evaluar en los residuos?. Mi otra duda es si de esta forma también se debe avalar los supuestos para una prueba T. Muchas gracias Crack
El Anova corresponde a un modelo lineal, que asume que los residuales (no la Y) deben ser normales, con varianza constante e independientes. Como un caso especial del One Way Anova es la prueba T Student, se puede trabajar como un Anova.
![Cómo comprobar los supuestos en R y Rstudio. [Chupitos de R]](http://i.ytimg.com/vi/jtaZ9J3iiDM/mqdefault.jpg)
![[Anova] Cómo hacer un Anova en R y Rstudio. [Chupito de R]](/img/1.gif)
Muy útil. Me ha ayudado a conseguir analizar mis datos del TMF de forma rápida y sencilla. Gracias.
Hola Raul, muy interesante el tema, sin embargo los subtitulos no dejan leer los comandos.
Hola, muy buen video. Quisera saber como interpretar o que significan los valores estimados (¿Son porcentajes?) que aparecen las pruebas de tukey. Saludos.
Los valores lwr (lower) y upr (upper) son los extremos inferior y superior de los intervalos de confianza (IC) de la diferencia entre medias de 2 tratamientos, en el caso del video (minuto 19) son IC del 95%. Si el IC no incluye al cero se tiene evidencia de que las medias son significativamente diferentes, lo cual debe coincidir con la interpretación del correspondiente valor p.
@@profeRaulRodriguez gracias
Hola Raul, muy buena explicación sin embargo, me queda una duda en cuanto a la ETA-DUADRADA siendo así que cobucci (1994) define de 0,06 a 0,1 efecto pequeño, 0,15 efecto medio y de ahí hasta 1 efecto grande, podrías aclarar mi duda
Gracias Alex. Cohen (Statistical power analysis for the behavioral sciences, 1988) sugiere que n= 0.1 (n^2 = 0.099) efecto pequeño, n = 0.243 (n^2 = 0.0588) efecto medio, y n = 0.371 (n^2 = 0.1379) efecto grande.
@@profeRaulRodriguez Perfecto, muchas gracias por la aclaración 👍
¡Hola Raul! Tengo dos consultas ¿por qué está mal evaluar los supuestos de normalidad y homocedasticidad en las variables?¿siempre se evaluar en los residuos?. Mi otra duda es si de esta forma también se debe avalar los supuestos para una prueba T. Muchas gracias Crack
El Anova corresponde a un modelo lineal, que asume que los residuales (no la Y) deben ser normales, con varianza constante e independientes. Como un caso especial del One Way Anova es la prueba T Student, se puede trabajar como un Anova.