Cada uno de seis sujetos se asignaron al azar a uno de dos grupos, con n = 3 sujetos en el grupo 1 y

N2 = 3 sujetos en el Grupo 2. Al intentar resolver un problema mecánico, los sujetos en el Grupo 1

se exponen a una alta concentración de ozono atmosférico.

Se requieren los sujetos en el Grupo 2 para resolver el mismo problema mecánico en condiciones
normales las condiciones atmosféricas. El número de minutos que toma cada uno de los sujetos en
los dos grupos para resolver el problema sigue: Grupo 1: 15, 18,2 1; Grupo 2: 7, 10, 1 1. ¿Los datos
indican que hay diferencias entre los dos grupos?

Las hipótesis nula y alternativa evaluados con la prueba de aleatorización para dos
muestras independientes se indican a continuación.

Tenga en cuenta que, como se ha dicho, las hipótesis nula y alternativa no incluyen ninguna
referencia a un parámetro de la población. Si un investigador incluyó una población
parámetro de la FC, y HI, habría ciertas suposiciones sobre la población subyacente que
tendría que ser cumplido.

La hipótesis nula H0: No hay diferencia en el rendimiento de los dos grupos.

Si se soporta la hipótesis nula, se puede concluir que los dos grupos representan la mismo
población.

Hipótesis alternativa H1: El rendimiento de los dos grupos no es equivalente.

Si la hipótesis alternativa se apoya, se puede concluir que los dos grupos no representan la
misma población.

La hipótesis alternativa se ha dicho es no direccional, y se evalúa con una de dos colas

prueba. De cualquier Ofthe hipótesis alternativas direccionales indican a continuación también se
pueden emplear.

Si se emplea una hipótesis alternativa direccional, se llevó a cabo una prueba de una cola.
Hipótesis alternativa H,: Las calificaciones de los sujetos del grupo 1 son más altas que las
puntuaciones de sujetos en el grupo 2.

Hipótesis alternativa H,: Las calificaciones de los sujetos del grupo 1 son menores que las
puntuaciones de sujetos en el grupo 2.

La pregunta general que se dirige por la prueba de aleatorización para dos independientes
muestras es el siguiente: Si las puntuaciones de todos los sujetos N se derrumbó en un solo grupo,
cómo probable es que se obtendrá la configuración específica de las puntuaciones obtenidas en el
experimento si seleccionamos aleatoriamente puntajes nl y asignarlos a los grupos 1 y asignamos
el restante N - n, = n, las puntuaciones a Grupo 2? El sentido común sugiere que si el azar está
funcionando, lo haremos esperar una distribución equivalente de las puntuaciones en los dos
grupos.

Por otro lado, si hay diferencias entre los grupos, se espera que las distribuciones no serán
equivalentes. Así, si un grupo tiene una preponderancia ofhigh puntajes y el otro grupo tiene una
preponderancia de baja partituras, que tendrá que determinar la probabilidad exacta de la
obtención de un resultado tan puramente como resultado de la casualidad. Mediante la
construcción de una distribución de muestreo de los datos, la aleatorización
prueba para dos muestras independientes nos permite hacer esto.

Con el fin de evaluar los datos para el Ejemplo 12.3, primero tenemos que responder a la siguiente
pregunta: ¿De cuántas maneras puede seis sujetos serán asignados a dos grupos con tres sujetos
por ¿grupo? Esto es equivalente a preguntar, ¿qué son el número de combinaciones de seis cosas
tomado tres a la vez? (El lector puede encontrar útil revisar la discusión de combinaciones en la
Introducción y / o en la Sección IV de la prueba de los signos binomial para una sola muestra (Test
9)).

Empleando la ecuación 1.39lEquation 9.4, se determina que el número de combinaciones de los

seis cosas tomadas de tres en tres es igual a 20: 6! = (3 = TX 20. Este resultado nos dice que hay
20 maneras posibles que seis sujetos pueden ser asignados a dos grupos con tres sujetos por
group.l2 Tabla 12.3 resume las 20 formas posibles en las que las seis puntuaciones 7, 10, 1 1, 15,
18, y 2 1 pueden ser distribuidos entre dos grupos con n = 3 y n = 3. El lado izquierdo ofTable 12.3
(Columnas 2 y 3) se enumeran las 20 maneras posibles tres resultados pueden ser asignados
aleatoriamente al grupo 1 (o Grupo 2), así como la suma de las tres puntuaciones para cada
disposición. Los dos últimos columnas de la tabla se basan en la suposición de que las seis
puntuaciones se han convertido en filas, y enumera los rangos-pedidos para las tres puntuaciones
intervallratio en una fila determinada (columna 4), y la suma de los rangos-pedidos para esa fila
(columna 5). En el marco de la 20 acuerdos que se enumeran, Columna 4 contiene cada Ofthe
posibles maneras tres rangos-ordenaciones dentro de un conjunto de seis de rango-
ordenamientos puede ser asignado al azar al grupo 1 (o Grupo 2) .

j3 arreglos representarían los puntos sobre el eje de abscisas (eje x) si un gráfico de la toma de
muestras se construyó la distribución de las sumas. Dado que algunos de los 20 arreglos producir
los mismos suma, hay un total de 16 valores posibles de la suma de tres anotaciones puede
asumir. La frecuencia o ofoccurrence probabilidad para cada Ofthe 16 sumas estaría representada
en las ordenadas (eje Y) de un gráfico de la distribución muestral de las sumas. Tabla 12.4 resume
las probabilidades para los 16 sumas de las puntuaciones. Tenga en cuenta que en la Tabla 12.4 las
sumas de las puntuaciones están dispuestos en orden de magnitud creciente, y que la suma de la
columna de frecuencia es igual a la etiqueta 20, que es el número total de acuerdos para los
intervalIrati0 calificaciones de nuestros datos. Los distribución de probabilidad en las columnas 3 y
4 de la Tabla 12.4 representa la distribución de muestreo que se emplea en el marco de la prueba
de aleatorización para dos independiente muestras para evaluar la hipótesis nula. Columna 3
enumera la probabilidad de que la suma de las puntuaciones en cada fila, mientras que la Columna
4 enumera la probabilidad acumulada para la suma de las puntuaciones en esa fila (probabilidades
acumuladas se discuten en la Introducción y en la discusión de la Kolmogorov-Smirnov prueba de
bondad de ajuste para una sola muestra (Test 7)).v

De Tabla 12.5 curriculum vitae La Distribución de muestreo párr las sumas de filas. RESULTA Que
párr Nuestros Datos Sólo hay 10 Valores Posibles de la suma de tres filas PUEDE igualar. La
Frecuencia o la probability de ocurrencia párr Cada Uno de los 10 sumas de filas se reanudará en la
Tabla 12.5.

Nota Que en la Tabla 12.5 las sumas Ofthe filas estan Dispuestos a aumentar ¿ofmagnitude orden,
Y Que la suma de la columna 2 (Marcado de frecuencia) es igual a 20, Que es el total de Número
de Arreglos de filas párrafo Nuestros Datos. La Distribucion De probability En La Tabla 12.5
(Columna 3 Listas la probabilidad de que la suma de rangos en cada fila, mientras que la columna 4
muestra el acumulado probabilidad de que la suma de rangos en esa fila) representa la
distribución de muestreo que puede ser empleado en el marco de la prueba de aleatorización para
dos muestras independientes a evaluar la hipótesis nula. Cabe destacar, sin embargo, que la
prueba original desarrollado por Fisher (1935) y Pitman (1937a, 1937b, 1938) evaluó las sumas de
las puntuaciones de intervalo / relación y no resume los valores que se basaban en filas. Por lo
tanto, cuando se suman los valores en base a la Filas de dos Muestras Independientes se evalúan
utilizando la aleatorización Fisher-Pitman Procedimiento, la prueba no se conoce generalmente
Como la prueba de aleatorización párrafo dos del independiente Muestras. En Su Lugar, se conoce
Como la prueba de Mann-Whitney test.I4

Con el fin de rechazar la hipótesis nula, la suma de scoreslranks (y en consecuencia el

disposición que da una suma específica) tendrá que ser uno que es muy poco probable que se
produzca como un ofchance resultado. En el caso de una hipótesis alternativa de dos colas esto se
traducirá en una arreglo con una suma de scoredranks que es o muy alta o muy baja. En el caso de
unauna cola hipótesis alternativa, se aplicará lo siguiente:

a) Para que la de una sola cola

hipótesis alternativa predicen que las puntuaciones Ofthe sujetos del grupo 1 son superiores a la
puntuaciones de los sujetos en el grupo 2 que recibirán apoyo, requerirá un arreglo donde la suma
de scoredranks para es muy alta Grupo 1;

b) Para que el de una cola hipótesis alternativa

prediciendo que las puntuaciones de los sujetos en el grupo 1 son menores que las puntuaciones
de los sujetos en Grupo 2 que se apoya, se requerirá un arreglo donde la suma ofscoredranks para
el Grupo 1 es muy bajo.

En realidad, la suma de puntuaciones para los datos observados en el Grupo 1 es 54 (basado en los
tres puntuaciones de 15, 18, y 2 I), que es la suma más grande posible en las Tablas 12.3 y 12.4. En
el mismo Al respecto, la suma de los rangos para las filas observados en el Grupo 1 es 15 (basado
en las filas 4,5, y 6 para las tres puntuaciones 15, 18, y 2 I), que es la suma más grande posible de
las filas en las Tablas 12,3 y 12,5. En ambos casos, la probabilidad de obtener una suma de esa
magnitud es 0,05 (o 5%). 15 Este último valor delinea la parte superior del 5% de la distribución
muestral hemos derivado para los datos. Este resultado nos permite rechazar la hipótesis nula en
el nivel de 0,05, pero sólo para el una cola hipótesis alternativa predicen que las puntuaciones de
los sujetos en el grupo 1 son más alta que la puntuación Ofthe sujetos en el Grupo 2. Se apoyó la
hipótesis alternativa último ya que sólo hay una probabilidad de 5% de que una suma de las
puntuaciones o rangos igual o mayor que laobservado podría haber ocurrido como resultado de la
casualidad.

La hipótesis nula no puede ser rechazada Siel una cola hipótesis alternativa predicción
que las puntuaciones de los sujetos del grupo 1 son menores que las puntuaciones de los sujetos
en el grupo 2 es empleada. Este es el caso, ya que los datos son coherentes con la hipótesis
alternativa último.

La hipótesis nula no puede ser rechazada en el nivel de 0,05 si la alternativa de dos colas
se emplea hipótesis. La razón de esto es que, aunque los datos observados como resultado la
mayor suma posible de scoredranks, el número total de posibles acuerdos es 20. Como
resultado de este último, la probabilidad más baja posible por la disposición más extrema en
cualquiera dirección (el más alto o más bajo suma) es 1.20 = 0.05. Para que una alternativa de dos
colas hipótesis que se apoya, se requerirá que los datos observados están comprendidos en el
extremo 5% de los Casos de Los Dos Extremos de la Distribución. La mitad de ESE 5% nos podemos
deducir Que venir de la cola superiores Ofthe Distribución de muestreo, y la otra mitad de la cola
inferior. Por lo Tanto, Con El Fin Para La Hipótesis alternativa de dos colas Que se apoya, se
requerirá la del que probability Asociado con la suma Mas Alta (Asi Como La Suma Más baja) Ser
igual o menor Que 0,05 / 2 = 0,025.

En nuestro de Ejemplo, el Tamaño de la Muestra pequeño (Lo que sé difamar es 20 Acuerdos) no

nos permiten evaluar v Una Hipótesis alternativa de dos colas en El Nivel de 0,05, ya Que No Es
Posible Para La suma alcalde (o suma Más baja) Una Tener párrafo probability bajo bronceado
Como 0,025. Con El fin de evaluar v el de Dos colas Hipótesis alternativa una ESE Nivel, No Que
tendria Ser ONU Mínimo of40 Arreglos (from cuarentavo = -025). Dębe Ser Evidente Que DEBIDO
una Nuestro Pequeño Tamaño de la Muestra, no es Posible evaluar v párr las Alternativas
Hipótesis De Una cola o colas de DOS una .O1 levellos Casos de Los Dos Extremos de la
Distribución. La mitad de ESE 5% nos podemos deducir Que venir de la cola superior de la
distribución de muestreo, y la otra mitad de la cola inferior.

Por lo Tanto, Con El Fin Para La Hipótesis alternativa de dos colas Que se apoya, se requerirá la del
que probability Asociado con la suma Mas Alta (Asi Como La Suma Más baja) Ser igual o menor
Que 0,05 / 2 = 0,025.

En nuestro de Ejemplo, el Tamaño de la Muestra pequeño (Lo que sé difamar es 20 Acuerdos) no

nos permiten evaluar v Una Hipótesis alternativa de dos colas en El Nivel de 0,05, ya Que No Es
Posible Para La suma alcalde (o suma Más baja) Una Tener párrafo probability bajo bronceado
Como 0,025. Con El fin de evaluar v el de Dos colas Hipótesis alternativa una ESE Nivel, No Que
tendria Ser ONU Mínimo of40 Arreglos (from cuarentavo = -025). Dębe Ser Evidente Que DEBIDO
una Nuestro Pequeño Tamaño de la Muestra, no es Posible evaluar v párr las Alternativas
Hipótesis De Una cola o colas de DOS una .O1 level representa un ejemplo de una prueba de
aleatorización que se basa en permutaciones de filas (es decir, las configuraciones / arreglos de
filas). Lo que esto se traduce en que es, si los datos para Ejemplo 12.3 son evaluados con la prueba
de Mann-Whitney, deben producir un resultado idéntico a la obtenida con la prueba de
aleatorización para dos muestras independientes cuando este último procedimiento se aplica a
filas. Esto ahora se demostrará mediante la evaluación de los datos para Ejemplo 12.3 con el (/
prueba de Mann-Whitney.
De la Tabla 12.3 se sabe que la suma de los rangos para el Grupo 1 es ER, = 15 (que es
la suma de los rangos de 4,5, y 6 para las tres puntuaciones de 15, 18 y 2 1). Desde las tres
calificaciones de
Grupo 2 son las tres puntuaciones más bajas, la suma de las filas para el Grupo 2 será igual ER2 = 6
(que es la suma de las filas 1, 2, y 3 para las tres puntuaciones 7, 10, y 11). empleando
Ecuaciones 12.1 y 12.2, obtenemos T = 0 y U2 = 9.

que en el cuadro Todo hay dos colas 0.05 valor crítico presentado U aparece para n = 3 y
n2 = 3. El valor crítico presentó una cola 0,05 enumerado para n, = 3 y n2 = 3 es Uo5 = 0. No
valores .O1 U críticos presentadas se enumeran debido al pequeño tamaño de las muestras.

Dado que el valor obtenido T = 0 es igual a la presentada crítico de una cola 0,05 valueUn5 = 0, la
alternativa de una cola hipótesis predicen que las puntuaciones de los sujetos en el grupo 1 son
más altas que las puntuaciones de la los sujetos del grupo 2 es compatible a nivel de 0.05. La
hipótesis alternativa de una cola prediciendo que las puntuaciones de los sujetos en el grupo 1 son
menores que las puntuaciones de los sujetos en Grupo 2 no es compatible, ya que es incompatible
con los datos observados. Debido a que ningún crítico dos colas valores se enumeran en la tabla A
ll para n = 3 y n2 = 3, la alternativa de dos colas hipótesis no puede ser evaluado en el nivel de
0,05. Los resultados de la prueba de Mann-Whitney son por lo tanto idénticos a los obtenidos
cuando los datos para el Ejemplo 12.3 se evalúan con el prueba de aleatorización para dos
muestras independientes (en cuyo caso la alternativa de una sola cola hipótesis de que es
consistente con los datos se apoya en el nivel de 0,05).

Cuando el tamaño de las muestras para las que una prueba de aleatorización se emplea llega a ser
grande, el número ofpossible combinaciones que se pueden computarse para el datamay llegar a
ser excesiva hasta el punto de que incluso llega a ser poco práctico para una computadora para
construir un muestreo exacto distribución basada en cada disposición posible.

En tal situación, un aproximado prueba de aleatorización puede ser utilizado. En este último
ensayo, el equipo construye un muestreo distribución basada en la selección aleatoria de un gran
número (pero no todos) de los posibles arreglos para los datos. Se emplea la distribución muestral
resultante para evaluar la data de muestra.

Bueno (1994, p. 1 14) señala que, en determinadas condiciones, una prueba de aleatorización
puede proporcionar una más potente prueba de una hipótesis alternativa que un procedimiento
paramétrico. Sprent (1998, p. 52), sin embargo, señala una limitación Ofthe prueba de
aleatorización para dos muestras independientes se se emplea esa prueba Siel con los datos
intervavratio que contiene uno o más valores atípicos, se comporta muy parecida a la prueba de la
t para dos muestras independientes (y por lo tanto pueden ser poco fiables).

Conover (1999, p. 408) señala que cuando se aplica la prueba de aleatorización para dos muestras
independientes a intervavratio datos, bajo ciertas condiciones (por ejemplo, los valores extremos
presentes en los datos, distribuciones asimétricas) que proporciona una menor potencia de
prueba de una hipótesis alternativa de una paramétrica análoga procedimiento o un
procedimiento nonpararnetric orden de rango (que como se ha señalado en esta sección pueden
ser un prueba de aleatorización en rango-órdenes). Lundbrook y Dudley (1998) proporcionan una
buena historia de pruebas de aleatorización, y discutir los méritos de empleo de este tipo de
pruebas en la investigación biomédica. Manly (1997) ofrece una discusión exhaustiva de pruebas
de aleatorización.