Handout Tema1

Curso de Estadstica no-paramtrica
Sesin 1: Introduccin Inferencia no Paramtrica
David Conesa
Grup dEstadstica espacial i Temporal Departament dEstadstica

en Epidemiologia i Medi Ambient i Investigaci Operativa
Universitat de Valncia
Junio 2013
Introduccin Est. paramtrica Est. no paramtrica Introduccin SPSS Anlisis 1 muestra var. continua
Inferencia Estadstica
Estadstica: recopilacin, presentacin, anlisis y uso de los datos con el

objetivo de tomar decisiones y resolver problemas.
Necesaria? Los procesos de la vida real presentan variabilidad.
el nmero de empresas que cierran por ao es diferente,
la cantidad de lluvia recogida en un dia en una determinada zona vara,
el precio de una accin vara continuamente, etc.
La Probabilidad juega un papel destacado en el razonamiento cientfico:
El azar est presente en gran parte de los procesos cotidianos.
Los resultados experimentales presentan variabilidad atribuible a
factores no controlados por el experimentador.
La seleccin de las unidades experimentales se basa en mecanismos
aleatorios.
Las conclusiones de un anlisis estadstico se formulan en trminos
probabilsticos, ya que los modelos probabilsticos fundamentan la
justificacin terica de la Inferencia Estadstica.
2 / 36
Inferencia estadstica (2)
Distinguir entre
Estadstica Descriptiva: mtodos para resumir y organizar datos
Inferencia Estadstica: mtodos para obtener conclusiones vlidas para
toda una poblacin a partir de los datos que nos aportan una parte de
dicha poblacin.
El esquema bsico:
Seleccin aleatoria
Poblacin muestra Estadstica Descriptiva
Inferencia Estadstica
Representatividad
Conclusiones en la Poblacin
3 / 36
Inferencia Paramtrica
Poblacin: conjunto de individuos objeto de estudio; de dicha poblacin

estudiamos una variable de inters: X .
Poblacin: conjunto de valores de la variable observacional que obtendramos si se
repitiera indefinidamente el proceso de obtencin de los datos.
La variable de inters X tiene una distribucin de probabilidad asociada, la
distribucin poblacional (lo que habitualmente entendemos por poblacin).
Tipos de variables aleatorias: Categricas (nominal u ordinal) y Cuantitativas
(discreta o continua).
Habitualmente (en problemas reales), la distribucin poblacional de la variable de
inters es desconocida o al menos no es completamente conocida.
En la mayora de los casos, lo que se conoce es la familia (o el tipo) a la cual
pertenece la distribucin (exponencial, normal, etc.) pero lo que no se conocen son
sus parmetros.
Los parmetros son las caractersticas de inters de la poblacin (media, varianza,
proporcin poblacional, etc.).
En los casos en los que no conocemos la distribucin (Estadstica no paramtrica)
no tiene sentido preguntarse por los parmetros.
4 / 36
Ejemplos: poblaciones e inferencia
1 Siete empresas familiares voluntarias participaron en un estudio para determinar si

una campaa publicitaria podra elevar las ventas anuales de la empresa. Se
midieron las ventas dos veces, una antes de la campaa y otra despus. Los
resultados de las ventas (en miles de euros) aparecen en la siguiente tabla:
EMPRESAS Antes Despus Diferencia
1 46 56 10
2 47 52 5
3 41 47 6
4 45 48 3
5 37 37 0
6 48 51 3
7 58 62 4
Cual es la poblacin? Muestra? Variable de inters? Tamao muestral? Qu
inferencia tiene sentido aqu?
2 Once empresas fueron analizadas por un inspector de hacienda. Tres de ellas
estaban en regla, y el resto no:
Poblacin? Muestra? Parmetro de inters? Qu inferencia tiene sentido aqu?
5 / 36
Cmo hacemos inferencia paramtrica?
Muestreo aleatorio: muestra, tamao muestral, representatividad.

Una muestra aleatoria de observaciones de una variable X de tamao
muestral n es un conjunto de variables aleatorias X1 , X2 , . . . , Xn
independientes e idnticamente distribuidas con la misma distribucin
de la variable X .
Estadsticos. Distribucin en el muestreo.
Utilizar esta informacin para extrapolar los resultados obtenidos a
una poblacin ms grande (Inferencia Estadstica):
1 Estimacin: la estimacin trata de utilizar la informacin muestral para
aproximar el valor de los parmetros desconocidos del modelo
Puntual.
Por Intervalos de Confianza.
2 Contraste de Hiptesis: a partir de las observaciones podemos obtener
evidencia a favor o en contra de hiptesis referidas a los
parmetros desconocidos del modelo.
Qu pasa si no conocemos la distribucin de la variable?
6 / 36
Estimacin paramtrica
Muestreo
Poblacin muestra
X Modelo() X = (X1 , . . . , Xn )
Parmetro(s) t(X) funcin
desconocido(s) de los datos
Estimacin y/o Contraste de Hiptesis

Utilizamos t(X) para explicar
7 / 36
Estimacin paramtrica
, Espacio Paramtrico: conjunto de valores posibles de los parmetros.

S, Espacio Muestral: conjunto de todos los valores posibles que pueden tomar las
muestras X = (X1 , . . . , Xn ).
Estimador es cualquier funcin del espacio muestral en el espacio paramtrico,
t(X):
T : S
X t(X)
Es decir, cualquier estadstico es un estimador y tiene asociado una distribucin
muestral
Estimacin es cualquier realizacin del estimador.
No todos los estimadores que se pueden obtener son igual de buenos. Buscamos
pues mtodos de obtencin de estimadores y criterios para su evaluacin:
Que la distribucin del estimador est centrada en el parmetro,
que tenga poca dispersin.
8 / 36
Contraste de Hiptesis paramtricos
En general una hiptesis estadstica tiene la forma: 0 .

Por el propio objetivo de un contraste, este siempre tendr dos hiptesis:
Hiptesis nula que denotaremos H0 y que representa la afirmacin que se quiere
contrastar 0
Hiptesis alternativa que denotaremos H1 HA y que contiene los otros valores
posibles del parmetro 1
Se suele denotar como:
H0 : 0
HA : 1
El tratamiento no es simtrico, aceptaremos H0 mientras no demostremos que es
falsa. Por eso, habitualmente, indicaremos en HA lo que es ms relevante y en H0
lo que consideraremos como cierto mientras no se demuestre lo contrario.
9 / 36
Contraste de Hiptesis paramtricos
Contrastar una hiptesis es realizar un experimento relacionado con el(los)

valor(es) desconocido(s) de un parmetro y, a partir del resultado de esta
informacin, decidir sobre el rechazo o aceptacin de la hiptesis
contrastada.
Un test de hiptesis es una regla de decisin que asigna uno de los dos
posibles resultados (Aceptar H0 y Rechazar H0 ) para cada posible valor del
experimento X S.
Los valores para los cuales se rechaza H0 se denominan Regin Crtica.
Los tests de hiptesis se describen en trminos de un estadstico T (X) que
se denomina estadstico de contraste o test estadstico o estadstico del test.
Y si queremos hacer no paramtrica?
10 / 36
Ejemplo contrastes
1 En el ejemplo de las empresas que hacen un estudio para valorar el

funcionamiento de la mejora de una campaa publicitaria, identificar
sus elementos bsicos como un problema de contraste de hiptesis:
Hiptesis Hiptesis estadsticas
Poblacin Estadstica Parmetro
Experimento Espacio Muestral
Estadstico del contraste Test de hiptesis
Regin crtica
2 Anlogamente con el ejemplo de las empresas investigadas por un
inspector.
11 / 36
Concepto de p-valor
Los contrastes de hiptesis se pueden resolver como reglas de decisin sobre

rechazar o no la hiptesis nula.
Una alternativa muy popular se basa en la medicin de la credibilidad de la
hiptesis nula a la luz de los datos obtenidos. Esta informacin sobre la
concordancia de los datos y la H0 se mide con probabilidades.
Sea
X1 , . . . , Xn una m.a. de una distribucin de probabilidad (modelo) conocida.
H0 : 0
Sea una hiptesis que se desea contrastar y sea T un estadstico
H1 : 1
para el que los datos toman el valor T = t0 del que sabemos su distribucin.
El p-valor correspondiente al valor observado t0 es la probabilidad (bajo H0 ) de
obtener dicho valor t0 o valores ms extremos (en la direccin o direcciones de HA ).
La forma habitual de resolver el contraste es fijar un nivel de significatividad (error
de tipo I mximo que queremos cometer) y rechazar si el p-valor es menor que
dicho nivel.
Los pasos finales incluyen decidir que conclusin es la que vamos a tomar,
interpretar los resultados obtenidos y reportar las conclusiones.
12 / 36
Concepto de p-valor (2)
Contrastes unilaterales
A menudo est claro que la desviacin de la mediana solo puede darse en un
sentido o solamente nos interesa demostrar que esa desviacin se da en un
nico sentido.
En estos casos utilizaremos una hiptesis alternativa direccional para indicar
que rechazaremos la hiptesis nula si la diferencia entre muestra y poblacin
es significativa en la direccin que propone la hiptesis alternativa.
En este caso slo tenemos que cambiar la forma de calcular el P-valor:
1 En primer lugar debemos comprobar que los datos estn en la misma
direccin que la hiptesis alternativa. Si no es as no es posible
rechazar la hiptesis nula.
2 Si los datos estn en la misma direccin que la hiptesis alternativa
debemos dividir por dos el P-valor obtenido (solo queremos el rea de
una cola).
13 / 36
Inferencia no paramtrica
En el campo de las ciencias sociales y del comportamiento nos encontramos con

dos caractersticas que hacen de la inferencia no paramtrica una herramienta muy
importante:
Muchos datos estn clasificados en forma nominal u ordinal.
Cuando tenemos datos continuos, no tenemos garantizada la normalidad.
La mayora de los tests paramtricos (test t para comparar medias, ANOVA, etc.)
se basan en una serie de suposiciones (datos normales, independencia de las
observaciones, poblaciones con varianzas aproximadamente iguales, etc.) que no
siempre se cumplen, por lo que se necesitan tests alternativos para llevar a cabo la
inferencia.
A veces es posible evitar estos problemas, transformando los datos, o eliminarndo
observaciones extremas (outliers) que no dan sentido al modelo.
Cuando los datos analizados cumplen las asunciones para la aplicacin de los tests
paramtricos es preferible usarlos SIEMPRE, ya que los paramtricos son ms
potentes (en el sentido que tienen mayor capacidad para rechazar la hiptesis nula
cuando sta es falsa).
La inferencia no paramtrica fundamentalmente se realiza mediante contrastes de
hiptesis (aunque es posible ampliar la informacin que da un test mediante la
estimacin por intervalos de confianza).
14 / 36
Inferencia no paramtrica (2)
Un test no paramtrico es un test basado en un modelo que no necesita la

especificacin de ninguna condicin sobre los parmetros de la poblacin de la que
se ha extraido la muestra. Ni siquiera sobre la propia poblacin.
Observar pues que no necesitan suposiciones (datos normales, independencia de
las observaciones, poblaciones con varianzas aproximadamente iguales, etc.) tan
fuertes como las de los paramtricos.
Adems existen mucho para datos nominales y ordinales: tests binomiales, bondad
de ajuste, tablas de contingencia, medidas de correlacin entre variables
categricas, etc.
Los tests no paramtricos para datos continuos se focalizan en conteos y rankings
u ordenaciones. Los datos se convierten de puntuaciones a rangos o signos.
As, por ejemplo, un test que compara medias (test t) se basa en la diferencia
media, mientras que un test no paramtrico se focaliza en la diferencia entre las
medianas.
15 / 36
Inferencia no paramtrica (3)
Hay diferentes tests no paramtricos dependiendo del tipo de datos

que analizamos y del nmero de variables analizadas.
Variables continuas:
1 muestra: tests de localizacin, tests para valorar la forma de una
distribucin, tests de aleatoriedad.
Comparacin 2 muestras independientes
Comparacin 2 muestras relacionadas
Comparacin K muestras independientes
Comparacin K muestras relacionadas
Regresin y correlacin
Variables categricas:
Bondad de ajuste
Homogeneidad e Independencia
Medidas de Asociacin
Contrastes de Aleatoriedad
16 / 36
Conteos y rangos
Dos de las herramientas ms bsicas en las que se basan muchos de

estos tests son:
1 Conteos: varios tests no paramtricos requieren el conteo (o
frecuencia) de las observaciones.
Basta contar el nmero de veces que una observacin se repite.
Tiene mucho sentido en variables categricas y en localizacin por
encima de la mediana.
Ejemplo: se observa el capital social de 15 empresas y se quiere ver si
el valor central es superior a 15000 euros. Se construye un test basado
en el nmero de observaciones que superan dicho valor.
2 Rangos (o transformaciones de rangos):
La clave es ordenar los datos y ver cada valor en qu posicin queda.
Hay que tener en cuenta los empates.
Tiene mucho sentido en variables continuas para ver si los grupos son
diferentes.
Ejemplo: se observa el capital social de 5 empresas valencianas y se
quiere ver si el valor central es superior al de 5 empresas catalanas. Se
construye un test basado en el orden que ocupan las empresas tras
ordenarlas conjuntamente.
17 / 36
Introduccin a SPSS
SPSS
SPSS (Statistical Package for the Social Sciences) es un programa
estadstico informtico muy usado en las ciencias sociales y en el mbito
sanitario.
Sistema amigable de mens y ventanas

tambin nos permite programar utilizando sintaxis
Fcil anlisis de datos y generacin de grficos

poco flexible
Desventaja: Software privado

alternativas como R (R-Commander) o PSPP
18 / 36
Interfaces de SPSS
Editor de datos
Vista de datos
Esta pgina es visible al abrir por primera vez el Editor de datos y contiene
el banco de datos.
19 / 36
Interfaces de SPSS
Editor de datos
Vista de variables
Descripcin de las variables que tenemos en el banco de datos
20 / 36
Interfaces de SPSS
Visor
Visor
Ventana donde aparecen los resultados
21 / 36
Interfaces de SPSS
Editor de sintaxis
Editor de sintaxis
Para programar en SPSS
22 / 36
Importacin de datos
Introduccin de datos
Importar datos
SPSS nos permite importar datos en diferentes formatos
.xls, .txt, .dat, .sav, etc...
Archivo/Abrir/Datos...
23 / 36
Importacin de datos
Introduccin de datos: Importar datos txt
Importar datos txt
24 / 36
Importacin de datos
Introduccin de datos: Importar datos xls
Importar datos xls
25 / 36
Importacin de datos
Introduccin de datos: Directa (1)
Introduccin directa de datos

Archivo/Nuevo/Datos...
26 / 36
Anlisis de una muestra de una variable continua
Cuando analizamos una muestra de una poblacin, lo primero que

(siempre) debemos hacer es concretar cual es nuestro objetivo:
Comparar unos datos observados con unos esperados:
Datos categricos (sesin 3): test binomial (datos binarios) y test
chi-cuadrado (variables categricas en general)
Datos continuos: test de Kolmogorov-Smirnov (utilizado habitualmente
para contrastar normalidad)
Comprobar la aleatoriedad de una muestra: test de rachas
Comprobar la localizacin de una muestra respecto a un valor
prefijado: test de Wilcoxon
27 / 36
Test de Kolmogorov-Smirnov
Cuando queremos comprobar si unos datos siguen una determinada distribucin

utilizamos el test de Kolmogorov-Smirnov.
Este procedimiento comprueba si la funcin de distribucin muestral de una
muestra se parece a la funcin de distribucin de la distribucin uniforme, normal,
Poisson, o exponencial.
Definicin de distribucin muestral de una muestra: distribucin discreta que
asigna la probabilidad 1/n a cada valor obtenido Xj .
Si la variable de la poblacin es discreta con posibles valores x1 , x2 , . . . , xm eso
significa asignar probabilidad fj /n para cada valor x1 , x2 , . . . , xm (donde fj es la
frecuencia de ocurrencia del valor xj en la muestra).
Ejemplo: si en una Universidad con 5000 estudiantes realizamos una muestra de
50 estudiantes con los siguientes resultados:
Curso 1 2 3 4 5
Frec. Abs. 10 12 8 7 13
La distribucin muestral es:

Curso 1 2 3 4 5
Frec. Rel. 0.2 0.24 0.16 0.14 0.26
28 / 36
Test de Kolmogorov-Smirnov (2)
En nuestro caso, como es continua utilizamos la funcin de

distribucin de la distribucin muestral.
Definicin: es la funcin de distribucin que aumenta 1/n a cada
valor, es decir:
](observaciones x )
Fn (x ) =
n
Observar que si el valor aparece k veces, tiene probabilidad k/n y la
f.d.m. sube a k/n en ese valor (tericamente, si la variable es
continua los valores no pueden repetirse, pero por redondeo a veces
ocurre en la prctica).
Observar que esta funcin f.d.m. es una versin emprica de la
funcin de distribucin poblacional y en principio debera parecerse
(por la ley de los grandes nmeros, Fn (x ) converge a F (x )).
29 / 36

Comparar unos datos observados con unos esperados (1)
Analizar/Tests no paramtricos/1 muestra...
30 / 36

31 / 36

32 / 36
Test de Wilcoxon
Cuando el objetivo es comprobar la localizacin de una muestra

respecto a un valor, analizamos su mediana y vemos si vale el valor
que estamos cuestionando.
En concreto, el test de rangos de Wilcoxon comprueba si la mediana
muestral de una muestra difiere significativamente de un hipottico
valor (que es que queremos contrastar).
Por ejemplo si queremos comprobar si el capital social de 5 empresas
es superior a 15000 euros. Tambin podramos plantearnos si es
diferente.
33 / 36

Localizacin de una muestra (1)
Test de Wilcoxon
34 / 36

Localizacin de una muestra (2)
Test de Wilcoxon
35 / 36
Ejemplos
Ejemplos
1 Existe informacin sobre el porcentaje de la poblacin (p.e. Anon, 1991) con edad
superior a 60 aos en ms de 200 pases. La siguiente muestra aleatoria se ha
obtenido de 12 de esos pases:
4.9 6.0 6.9 17.6 4.5 12.3
5.7 5.3 9.6 13.5 15.7 7.7
Utilizar el test de Wilcoxon par comprobar si la mediana es 12 o diferente.
2 Comprobar la normalidad de los datos anteriores. Comprobar tambin si pueden
venir de una distribucin uniforme.
3 El valor de las reclamaciones por siniestros de automvil en un seguro durante un
ao ha sido de 1000 euros. Para comprobar que las del ao siguiente no son
diferentes realizan una muestra de 8 reclamaciones, cuyos resultados son:
409 900 1120 1700 450 1123 530 990
Estn los datos de acuerdo con la suposin de la empresa?
36 / 36

Handout Tema1

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Handout Tema1

Încărcat de

Drepturi de autor:

Formate disponibile

Curso de Estadstica no-paramtrica

Sesin 1: Introduccin Inferencia no Paramtrica

Grup dEstadstica espacial i Temporal Departament dEstadstica

Estadstica: recopilacin, presentacin, anlisis y uso de los datos con el

Inferencia estadstica (2)

Poblacin muestra Estadstica Descriptiva

Poblacin: conjunto de individuos objeto de estudio; de dicha poblacin

Ejemplos: poblaciones e inferencia

1 Siete empresas familiares voluntarias participaron en un estudio para determinar si

Cmo hacemos inferencia paramtrica?

Muestreo aleatorio: muestra, tamao muestral, representatividad.

Estimacin y/o Contraste de Hiptesis

, Espacio Paramtrico: conjunto de valores posibles de los parmetros.

Contraste de Hiptesis paramtricos

En general una hiptesis estadstica tiene la forma: 0 .

Contraste de Hiptesis paramtricos

Contrastar una hiptesis es realizar un experimento relacionado con el(los)

1 En el ejemplo de las empresas que hacen un estudio para valorar el

Los contrastes de hiptesis se pueden resolver como reglas de decisin sobre

Concepto de p-valor (2)

En el campo de las ciencias sociales y del comportamiento nos encontramos con

Inferencia no paramtrica (2)

Un test no paramtrico es un test basado en un modelo que no necesita la

Inferencia no paramtrica (3)

Hay diferentes tests no paramtricos dependiendo del tipo de datos

Dos de las herramientas ms bsicas en las que se basan muchos de

Sistema amigable de mens y ventanas

Fcil anlisis de datos y generacin de grficos

Desventaja: Software privado

Importar datos txt

Importar datos xls

Introduccin directa de datos

Anlisis de una muestra de una variable continua

Cuando analizamos una muestra de una poblacin, lo primero que

Cuando queremos comprobar si unos datos siguen una determinada distribucin

La distribucin muestral es:

Test de Kolmogorov-Smirnov (2)

En nuestro caso, como es continua utilizamos la funcin de

Anlisis de una muestra de una variable continua

Anlisis de una muestra de una variable continua

Anlisis de una muestra de una variable continua

Cuando el objetivo es comprobar la localizacin de una muestra

Anlisis de una muestra de una variable continua

Anlisis de una muestra de una variable continua

S-ar putea să vă placă și