DISEO DE EXPERIMENTOS

Kruskal y Wallis. Fuente: https://goo.gl/XCDanA

CURSO DE DISEO DE EXPERIENTOS

PROGRAMA DE INGENIERA AMBIENTAL
UNIVERSIDAD MARIANA
Mtodos NO Paramtricos Para el Anlisis de Varianza
TEMA
Pruebas Para k Muestras Aleatorias Independientes

TUTOR
Mario Alberto Jurado Eraso
Ingeniero Qumico - Profundizacin en procesos qumicos, catalticos y biotecnolgicos
Especialista en Ingeniera Sanitaria y Ambiental
Magister en Ingeniera, nfasis en Ingeniera Sanitaria y Ambiental
Diplomado en Investigacin Cientfica: Aplicada a las Ciencias Exactas, Fsicas y Naturales
Diplomado en Fundamentos para la Creacin y Desarrollo de Cursos B-Learning

DISEO DE EXPERIMENTOS

INTRODUCCIN
Apreciados estudiantes:
En este documento se describen algunos conceptos bsicos y el anlisis en torno a
experimentos en los que NO se necesita una forma de la distribucin especfica de la poblacin de
inters. Adems, pueden aplicarse cuando la variable respuesta es cualitativa.

DISEO DE EXPERIMENTOS

CONTEXTUALIZACIN
Hasta el momento hemos analizado experimentos tanto observacionales como diseados, en
los que los que se pretenda llevar a cabo estimaciones inferenciales con respecto a los parmetros
de la poblacin de inters (media o varianza, poblacionales). Adems, stos estaban sujetos a
restricciones como la forma de la distribucin de los datos (distribucin normal) y se limitan a
variables de respuesta cuantitativas, entre otros aspectos.
A este respecto, a los procedimientos inferenciales que presentan estimaciones con respecto a
los parmetros de la poblacin de inters se les llama: mtodos paramtricos, y estn sujetos a los
supuestos de normalidad y homocedasticidad. Por otra parte, a los procedimientos inferenciales
que NO se encuentran sujetos a la forma de la distribucin de la poblacin y NO requieren que las
variables de respuesta estn dadas en escala cuantitativa se llaman: mtodos NO paramtricos
(Captulo 4. Mtodos no paramtricos para el anlisis de la varianza, 2016).
Pruebas para k muestras aleatorias independientes. Este anlisis se lleva a cabo, cuando las
observaciones (es decir, las variables de respuesta), son cualitativas o cuantitativas, la distribucin
de la poblacin NO es normal y las variables de respuesta y los factores de estudio son
independientes (Captulo 4. Mtodos no paramtricos para el anlisis de la varianza, 2016).
Para comprender mejor este asunto, analizaremos el siguiente supuesto prctico:
Para prevenir la putrefaccin de cierto tipo de frutas almacenadas en cajas, se aplicaron tres
tratamientos: Fumigacin en Cmara (FC), Generador de Fase Rpida (GFR) y Generador de
Fase Lenta (GFL). Luego de esto se evalu la pudricin de la fruta, con base en la siguiente escala:
Sano, Leve, Moderado y Severo. En la siguiente tabla, se presentan los resultados obtenidos:
Factor

Nivel de pudricin

FC

Moderado

Severo

Moderado

Moderado

GFR

Leve

Moderado

Leve

Moderado

GFL

Leve

Sano

Leve

Sano

DISEO DE EXPERIMENTOS

En este estudio, completamente aleatorizado unifactorial de efectos fijos equilibrado, se cuenta

con un factor con tres niveles; adems, se cuenta con una variable de respuesta cualitativa ordinal
NO numrica. A este respecto, en este supuesto prctico nos interesa saber es si hay diferencias
entre los tratamientos qumicos aplicados. En consecuencia, las hiptesis se pueden plantear como
se indica a continuacin:
H0 : NO existen diferencias estadsticamente significativas entre los tratamientos qumicos
aplicados a las frutas almacenadas en cajas para controlar su nivel de pudricin (i = j = 0, siendo
el tratamiento).
H1 : Existen diferencias estadsticamente significativas entre los tratamientos qumicos
aplicados a las frutas almacenadas en cajas para controlar su nivel de pudricin (i j , siendo
el tratamiento).
Para este caso de estudio, se encontr que los datos NO provienen de una distribucin normal
(p < 0.05) y que existe homocedasticidad en los datos (p > 0.05). A este respecto, para aceptar o
rechazar la hiptesis nula, para situaciones como las del presente caso: contamos con
observaciones (es decir, variables de respuesta) cualitativas y no se cumplen los supuestos de
normalidad y/o homocedasticidad, se puede aplicar un test de Kruskal-Wallis.
Test de Kruskal-Wallis. En el SPSS, vaya a ANALIZAR PREUBAS NO
PARAMETRICAS

CUADRO

DE

DIALOGOS

ANTIGUOS

MUESTRAS

INDEPENDIENTES En el cuadro emergente, se colocan las variables de respuesta (en la casilla

de VARIABLES A CONTRASTAR) y los factores (en la casilla de VARIABLES DE
AGRUPACIN). Finalmente, d clic en ACEPTAR.
En la tabla de resultados: ESTADISTICOS DE CONTRASTE, se observa el valor de Sig.
(llamado, p-valor o simplemente p). Si p > 0.05, se acepta la hiptesis nula, de lo contrario se acepta
la hiptesis alternativa. Sin embargo, se hace necesario verificar la independencia o dependencia
de las variables en estudio. Esto se hacer a travs de una prueba inferencial, que tiene las siguientes
hiptesis:

DISEO DE EXPERIMENTOS

H0: No existe relacin entre la(s) variable(s) de respuesta y el(los) factor(es) de estudio (k
muestras independientes)
H1: Existe relacin ente la(s) variable(s) de respuesta y el(los) factores de estudio (k muestras
relacionadas).
Para aprobar o rechazar la hiptesis nula, se propone llevar a cabo una prueba de independencia
Chi-Cuadrado. Vale la pena decir, que esta prueba, se aplica cuando la variable objeto de estudio
est medida en una escala de tipo categorial o nominal.
En el SPSS, vaya a ANALIZAR ESTADISTICOS DESCRIPTIVOS TABLAS
CRUZADAS En el cuadro emergente, introduzca en filas la variable de respuesta y en columnas
introduzca los factores. Posteriormente, en el botn EXACTA, marque Exacta; en el botn
ESTADISTICOS, maque Chi-cuadrado y Finalmente en el botn CASILLA, marque Fila y
Esperado. Finalmente, d clic en ACEPTAR.
En la ventana de resultados, obsrvese la tabla: Pruebas de Chi-cuadrado, y la fila: Chicuadrado de Pearson. Si p > 0.05, se acepta H0. En consecuencia, para el caso en estudio (p=0.095),
se acepta independencia.
Por otra parte, para el caso en estudio, de la prueba de Kruskal-Wallis, se obtuvo: p = 0.019.
Por lo tanto, se acepta que se trata de k muestras independientes y H1; es decir, que existen
diferencias estadsticamente significativas entre los tratamientos qumicos aplicados a las frutas
almacenadas en cajas para controlar su nivel de pudricin.
As mismo, al aplicar la prueba de Kruskal-Wallis en el SPSS, nos podemos fijar en la tabla:
RANGOS. Esta tabla, muestra las diferencias entre los factores. A este respecto, las mayores
diferencias en los niveles de putrefaccin se dan en FC y los menores rangos de putrefaccin se
dan en GFL.

DISEO DE EXPERIMENTOS

REFERENCIAS BIBLIOGRFICAS
Captulo 4. Mtodos no paramtricos para el anlisis de la varianza. (2016). Retrieved October 12,
2016, from https://goo.gl/jsd19G
Estadstica y Bioestadstica. (n.d.). Retrieved October 12, 2016, from https://goo.gl/d4Nscs