pruebas de normalización

vDiferentes métodos estadísticos para el análisis de variables discretas. Una aplicación en las ciencias agrícolas y técnicas
 
Different Statistical Methods for the analysis of discrete variables. An application in the agricultural and technical sciences
 
M.Sc. Magaly Herrera Villafranca,I Dr. C. Caridad W. Guerra Bustillos,II  M.Sc. Lucía Sarduy García,I M.Sc. Yoleisy García Hernández,I yLic. Carlos Enrique Martínez,III
I Instituto de Ciencia Animal, San José de las Lajas, Mayabeque, Cuba. 
II Centro Universitario Municipal Güines, Mayabeque, Cuba. 
III Delegación Provincial de La Agricultura, Pinar del Río, Cuba.
 
 

RESUMEN
El objetivo del presente trabajo fue evaluar tres métodos estadísticos para el análisis de variables discretas. La información empleada proviene deun experimento desarrollado en la Empresa Genética Camilo Cienfuegos, de la provincia de Pinar del Río en el período 2007-2008, relacionada con la producción de CT-115. Se analizaron tres muestreos, como caso de estudio se seleccionó el muestreo dos que comprendió los meses junio-julio 2007, se empleó un diseño completamente aleatorizado con tres tratamientos y 10 repeticiones. Las variablesanalizadas fueron: No. tallos, No. rebrotes, No. hojas totales/tallos, No. hojas totales/rebrotes, No. hojas secas/tallos y No. hojas secas/rebrotes. Se tuvo en cuenta el Análisis de Varianza paramétrico, su homólogo no paramétrico la dócima Kruskal–Wallis y Modelo Lineal Generalizado. Se verificó el cumplimiento de los supuestos teóricos del Análisis de Varianza, para la normalidad de los errores seutilizaron las dócimas Shapiro Wilk, Kolmogorov Smirnov y Lilliefors, la dócima de Shapiro Wilk fue la más robusta para detectar la falta de normalidad, para la homogeneidad de varianza se emplearon las dócimas de Bartlett y Levene, ambas obtuvieron resultados similares. Las variables se transformaron según raíz cuadrada, la cual no mejoró el cumplimiento de distribución Normal para la variableNo. hojas secas/rebrotes. Los valores de probabilidad obtenidos mantuvieron el mismo criterio de decisión con respecto a Ho para ambas dócimas, la no paramétrica Kruskal- Wallis comparado con su homóloga paramétrica la dócima F de Fisher. Los criterios de bondad de ajuste utilizados en el Modelo Lineal Generalizado permitieron conocer los efectos de mejor ajuste, Se considero que este modelo es másflexible que el Análisis de Varianza paramétrico, pues las variables en estudio no requiere del cumplimientos de los supuestos teóricos básicos.
Palabras clave: transformaciones de datos, ANAVA paramétrico y no paramétricos, Modelo Lineal Generalizado.

ABSTRACT
The objective of this article was to evaluate three different statistical methods to conduct analyses of discrete variables. Theinformation came from an experiment developed at the Camilo Cienfuegos Genetics Enterprise in the Pinar del Río province in 2007-2008 related to the CT-115 forrage production. A complete randomized design was used with three treatments and ten repetitions. The variables analysed were: number of stems, number of sprouts, total number of leaves/stem, total number of leaves/sprout, number of driedleaves/stem and number of dried leaves/sprouts. The parametric variance analysis and its homologous non-parametric, Kruskal-Wallis test and the Generalized Lineal Model were taken into account. The theoretical assumptions of the variance analyses to the test error normality were verified. The Shapiro Wilk test, Kolmogorov Smirnov and the Lilliefors test were used, Shapiro Wilk test was the most robustto detect lack of normality. For the variance homogeneity, the Bartlett and Levene test were used both with similar results. The variables were transformed with the square root transformation which did not improve the normal distribution adjustment to the variable number of dried leaves/sprout. The probability values maintained the same outcomes respect to Ho tests for the non-parametric test,...