En esta breve entrada recordaremos una herramienta clásica no paramétrica formulada por Wilcoxon(1945), y repetidamente utilizada en el campo observacional, y que sustituye a una t de Student para medidas repetidas.
No se necesita presuponer una distribución específica de las variables, usando tanto la escala de medida ordinal como métrica (razón o intervalo), aun cuando en la mayoría de los casos se aplica con propiedades en nivel ordinal de la variable dependiente. Se utiliza frecuentemente con situaciones donde la muestra es muy pequeña.
El algoritmo tiene como objetivo comparar dos variables relacionadas, y comprobar si existen o no diferencias apreciables. Es decir, si las discrepancia numéricas se pueden deber al azar o no.
La Ho asume que las medidas repetidas son iguales, en nuestro ejemplo que usaremos implica asumir que las observaciones son semejantes en el tiempo. Mientras la H1, es que las medidas repetidas son distintas (observaciones distintas).
No se necesita presuponer una distribución específica de las variables, usando tanto la escala de medida ordinal como métrica (razón o intervalo), aun cuando en la mayoría de los casos se aplica con propiedades en nivel ordinal de la variable dependiente. Se utiliza frecuentemente con situaciones donde la muestra es muy pequeña.
El algoritmo tiene como objetivo comparar dos variables relacionadas, y comprobar si existen o no diferencias apreciables. Es decir, si las discrepancia numéricas se pueden deber al azar o no.
La Ho asume que las medidas repetidas son iguales, en nuestro ejemplo que usaremos implica asumir que las observaciones son semejantes en el tiempo. Mientras la H1, es que las medidas repetidas son distintas (observaciones distintas).