Qué hace la calculadora de la prueba de Friedman
Esta calculadora comprueba si k tratamientos tienen efectos idénticos cuando cada tratamiento se mide dentro de cada uno de b bloques (por ejemplo, sujetos, lotes o días). Es una alternativa no paramétrica basada en rangos al ANOVA de medidas repetidas. Asigna rangos a los valores dentro de cada bloque, suma los rangos de cada tratamiento y devuelve el estadístico de Friedman T1, el estadístico T2 de Conover, ambos valores p, el valor crítico y una decisión de rechazar o no rechazar.
Cómo usarla
Introduzca la tabla de datos con un bloque por línea y un tratamiento por columna. Separe los valores con comas, punto y coma, espacios o tabulaciones, y utilice el punto como separador decimal. Cada línea debe tener el mismo número de valores, con al menos 2 bloques y 2 tratamientos. Después, elija el nivel de significancia alfa (10%, 5%, 2,5% o 1%) y la distribución de referencia para la decisión: F (T2 de Conover, la opción predeterminada y preferida) o chi-cuadrado (T1).
Fórmulas
Dentro de cada bloque, los valores se ordenan por rangos y \(R_j\) es la suma de los rangos del tratamiento j.
$$S=\sum_{j=1}^{k}\left(R_j-\frac{b(k+1)}{2}\right)^2$$
$$T_1=\frac{12\,S}{bk(k+1)}\quad\text{(sin empates)},\qquad T_1=\frac{(k-1)\,S}{A_1-C_1}\quad\text{(con empates)}$$
$$A_1=\sum_i\sum_j R(X_{ij})^2,\qquad C_1=\frac{bk(k+1)^2}{4}$$
$$T_2=\frac{(b-1)\,T_1}{b(k-1)-T_1}$$
Aquí \(b\) = número de bloques, \(k\) = número de tratamientos, \(A_1\) = suma de todos los rangos al cuadrado y \(C_1\) = factor de corrección. T1 se compara con una distribución chi-cuadrado con \(k-1\) grados de libertad; T2 se compara con una distribución F con \(k-1\) y \((b-1)(k-1)\) grados de libertad.
Convenciones y supuestos
- La ordenación es ascendente dentro de cada bloque, con rango 1 para el valor más pequeño. Los valores empatados reciben la media de los rangos que ocupan. La dirección no cambia el estadístico.
- Si algún bloque tiene empates, se usa el T1 corregido por empates. Sin empates, ambas formas son idénticas.
- T2 es el estadístico preferido, porque su aproximación F suele ser más precisa que la aproximación chi-cuadrado de T1.
- Los valores p son probabilidades de cola superior. H0 se rechaza solo si el estadístico es estrictamente mayor que el valor crítico (p menor que alfa); la igualdad significa no rechazar.
- No se aplica corrección de continuidad.
- Si T1 es igual a b(k-1), todos los bloques ordenan los tratamientos de la misma forma, T2 es infinito, el valor p de F es 0 y H0 se rechaza.
- Si todos los valores de cada bloque son iguales, el estadístico no está definido y se devuelve un error.
- No se incluyen comparaciones múltiples posteriores a la prueba.
Ejemplo resuelto
Los datos tienen b = 6 bloques y k = 3 tratamientos, con alfa = 0,05 y la referencia F. Las filas son 4 5 3, 6 7 5, 8 6 9, 5 7 4, 7 9 6 y 3 6 5. Tras ordenar por rangos dentro de cada fila, las sumas de rangos son 11, 16 y 9.
$$A_1=84,\qquad C_1=\frac{6\times 3\times 4^2}{4}=72$$
$$T_1=4,33333,\qquad T_2=\frac{(6-1)\times 4,33333}{6\times 2-4,33333}=2,82609$$
El valor p de F con 2 y 10 grados de libertad es 0,10645, y el valor crítico es 4,103. El valor p de chi-cuadrado para T1 es 0,11456. Como 2,82609 es menor que 4,103 (p = 0,10645 es mayor que 0,05), la decisión es no rechazar H0.
Cómo interpretar el resultado
Un valor p pequeño sugiere que al menos un tratamiento tiende a quedar por encima o por debajo de los demás dentro de los bloques. Un valor p grande significa que los datos no muestran un efecto de tratamiento consistente; no demuestra que los tratamientos sean iguales. La prueba no indica qué tratamientos difieren. Un número reducido de bloques hace menos fiable la aproximación chi-cuadrado, y esa es una de las razones por las que T2 es la opción predeterminada. No se admiten valores faltantes, por lo que cada bloque debe estar completo.
Preguntas frecuentes
¿Cuándo debo usar la prueba de Friedman?
Úsela cuando las mismas unidades se miden en varias condiciones y los datos son ordinales o no siguen una distribución normal, de modo que un ANOVA de medidas repetidas no sea adecuado.
¿Por qué hay dos valores p?
T1 sigue una distribución chi-cuadrado aproximada, mientras que T2 sigue una distribución F aproximada que suele ser más precisa. La decisión usa la que usted seleccione.
¿Cómo se tratan los empates?
Los valores empatados comparten la media de sus rangos, y T1 cambia a la forma corregida por empates.
¿Importa la dirección de la ordenación?
No. Ordenar en sentido descendente da el mismo estadístico.
¿Qué significa un T2 infinito?
Ocurre cuando todos los bloques ordenan los tratamientos en el mismo orden. El valor p de F es entonces 0 y H0 se rechaza.
Fuentes
- Dataplot FRIEDMAN TEST, NIST/ITL, 2023