Documente Academic
Documente Profesional
Documente Cultură
Edilberto Espinel
Oscar Julian Ortiz
Keylis Johana Corzo Cardenas
Grupo:54
Prueba Kolmogorov-Smirnov
Prueba H de Kruskal-Wallis
Prueba de
Wilcoxon
La estadística no paramétrica es una rama de la estadística inferencial que estudia las pruebas y modelos estadísticos cuya dist
recomendable cuando no se puede asumir
Pruebas no parametricas
Contraste de Wilcoxon
Minitab (contraste de Wilcoxon)
Contraste U de Mann-Whitney
Contraste U de Mann-Whitney
prueba de Kruskal-Wallis
Prueba de Signos
Prueba χ² de Pearson
Prueba para muestras simple CHI - CUADRADO
Johennys Martinez
Aplicación
Caracteristicas
Ecuaciones o representación
ventajas
similitudes
Es una prueba de bondad de ajuste, que permite consultar si la distribución empírica
de una variable categórica se ajusta o no (se parece o no) a una determinada
distribución teórica (uniforme, binomial, multinomial, etc.).
a las pruebas y modelos estadísticos cuya distribución subyacente no se ajusta a los llamados criterios paramétricos. Su distribución no pue
recomendable cuando no se puede asumir que los datos se ajusten a una distribución conocida, cuando el nivel de medida empleado no
Definición
EI contraste de Wilcoxon puede emplearse cuando se dispone de una muestra aleatoria de pares
enlazados de observaciones. Supongamos que la distribuci6n poblacional de las diferencias en estas
muestras pareadas es simetrica y que queremos contrastar la hip6tesis nula de que esta distribuci6n
esta centrada en O. Descartando los pares entre los que la diferencia es 0, ordenamos las n diferencias
absolutas restantes en sentido ascendente; en caso de empate, el puesto asignado es la media de los
puestos que ocupan en la ordenaci6n. Se calc ulan las sumas de los puestos correspondientes a las
diferencias positivas y negativas y la menor de estas sumas es el estadfstico de Wilcoxon, T.
Para realizar un eontrastc de Wilcoxon puede tilizarse el program a Minitab. Consideremos de nuevo las
aloraciones que hacen los estudiantes de una salsa de pizza y que se muestran en la Tabla 15.1 (ejemplo
15.1) y se repiten aqui:
En el caso de las muestras pareadas, se introducen los datos de cada par en columnas separadas en una
hoja de trabajo de Minitab y se utiliza Calc para obtener las diferencias entre las columnas 0 se
introducen simplemente las diferencias de las dos column as si se dispone facilmente de elIas. La Figura
15.5 muestra la salida Minitab del contraste de Wilcoxon.
En este caso, el p-valor es 0,038 para un contraste unilateral de la cola inferior. Observese que la
informaci6n adicional que suministran los paquetes informaticos permite rechazar la hip6tesis nula a un
nivel de significaci6n mucho mas bajo que el que es posible con el contraste de signos. Sabemos que
aunque el programa informatico suministra formacion como el p-valor, la interpretacion correcta es
responsabilidad del lector. Este es frecuentemente el caso en los estudios que se publican en revistas de
investigaci6n (veas la referencia bibliografica 4). La interpretaci6n correcta es fundamental.
Supongamos que, aparte de la existencia de posibles diferencias entre las posiciones centrales, las dos
distribuciones poblacionales son identicas. Supongamos que se dispone de n1 observaciones de la
primera poblacion y n2 observaciones de la segunda. Se juntan las dos muestras y se ordenan las
observaciones en sentido ascendente, aSignando, en caso de empate, la media de los puestos
correspondientes. Sea R1 la suma de los puestos de las observaciones de la primera poblacion.
Suponiendo como hipotesis nula que las posiciones centrales de las dos distribuciones poblacionales
son iguales, el estadistico U de Mann-Whitney tiene la media y la varianza siguientes:
Entonces, cuando las muestras son de gran tamano (ambas son como minimo de 10), la distribucion
normal es una buena aproximacion de la distribucion de la variable aleatoria
Suponiendo como hipotesis nula que las posiciones centrales de las dos distribuciones poblacionales
son iguales, el estadistico U de Mann-Whitney tiene la media y la varianza siguientes:
Entonces, cuando las muestras son de gran tamano (ambas son como minimo de 10), la distribucion
normal es una buena aproximacion de la distribucion de la variable aleatoria
Reglas de decision del contraste U de Mann-Whitney Se supone que las dos distribuciones poblacionales
son identicas, aparte de las diferencias que puedan existir entre sus posiciones centrales. Para contrastar
la hipotesis nula de que las dos distribuciones poblacionales tienen la misma posicion central, las reglas
de decision para un nivel de significacion dado son las siguientes:
1. Si la hipotesis alternativa es la hipotesis de la cola superior unilateral, la regia de decision
es
es una alternativa a la prueba F delanálisis de varianza para diseños de clasificación simple. En este
casose comparan varios grupos pero usando la mediana de cada uno deellos, en lugar de las medias. Ho:
La mediana de las k poblaciones consideradas son iguales y Ha: Al menos una de las poblaciones tiene
mediana distinta a lasotras.
Se puede mostrar que si los tamaños de cada grupo son mayores que 5entonces, Hse distribuye como
una Ji-Cuadrado con, k-1 grados de libertad.Luego, la hipótesis nula se rechaza si .Para hacer la prueba
de Kruskal-Wallis en MINITAB,los datos de la variable cuantitativa deben ir en una columna y los niveles
del factor enotra. No sepermite en este caso entrar los grupos en columnas separadas.
1. Definirla hipótesisnula, porejem. “No hay relaciónentre los dos juegosde datos”.
2. Calcularel rango(Rank) paraambos juegosde datosdel
mayor al menorverificandoempates.
3. Substraerlos rangosparaobtenerla diferenciad.
4. Elevarla diferenciadal cuadrado.
5. Sumarlos valoresde dal cuadradoparaobtenerΣd2.6. Usarla fórmuladonden
Spearman Si el valor de rs:... es-1, hay una correlación negativa perfecta.... se encuentra entre -1 y -0.5,
hay una fuerte correlación negativa.... se encuentra entre -0.5 y 0, hay una débil correlación negativa....
es0, no hay correlación... se encuentra entre 0 y 0.5, hay una débil correlación positiva.... se encuentra
entre 0.5 y 1, hay una fuerte correlación positiva.... es1, hay unacorrelación positiva perfecta.entre los 2
juegosde datos.# Si el valor de rses0, podemos decir que la hipótesis nula se acepta. De otraforma se
rechaza.
Si la hipótesis alterna es "menor que" y el número de diferencias positivas esmayor que el número de
diferencias negativas entonces “valor-p”= P2encaso contrario “valor-p”= P1. Cuando la hipótesis alterna
es de dos lados y elnúmero de diferencias positivas son mayores que el número de diferenciasnegativas
entonces el “valor-p”= 2P2, si hay menor número de diferenciaspositivas entonces “valor-p”=2P1y si hay
igual número de diferenciaspositivas y negativas entonces, “valor-p”=1.Si n>20se puede usar
aproximación Normal a una Binomial con p = q = 0.5,para calcular los “valores-p”. Es decir,
se usa cuando se quiere comparar dos poblaciones usando muestrasindependientes, es decir; es una
prueba alterna a la prueba de tpara comparardos medias usando muestras independientes. También es
conocida como laprueba de suma de rangos de Wilcoxon.La hipótesis nula es que la mediana de las dos
poblaciones son iguales y lahipótesis alterna puede ser que la mediana de la población 1 sea mayor
( menoródistinta) de la mediana de la población 2.Cuando tanto n1 como n2sean mayores que 10, se
puede demostrar que sino hay empatesno empates, entonces W se distribuye aproximadamente como
unanormal con media n1(n1+n2+1)/2 y varianza n1n2(n1+n2+1)/12.
Cuando hay empatesentonces, la varianza es modificada y se obtiene:
La prueba χ² de Pearson se considera una prueba no paramétrica que mide la discrepancia entre una
distribución observada y otra teórica (bondad de ajuste), indicando en qué medida las diferencias
existentes entre ambas, de haberlas, se deben al azar en el contraste de hipótesis. También se utiliza
para probar la independencia de dos variables entre sí, mediante la presentación de los datos en tablas
de contingencia.
Cuanto mayor sea el valor de χ 2 {\displaystyle \chi ^{2}} {\displaystyle \chi ^{2}}, menos verosímil es
que la hipótesis nula (que asume la igualdad entre ambas distribuciones) sea correcta. De la misma
forma, cuanto más se aproxima a cero el valor de chi-cuadrado, más ajustadas están ambas
distribuciones.
Donde t representa el valor proporcionado por las tablas, según el nivel de significación estadística
elegido.
Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hipótesis nula de la
prueba Chi-cuadrado postula una distribución de probabilidad totalmente especificada como el modelo
matemático de la población que ha generado la muestra.
Para realizar este contraste se disponen los datos en una tabla de frecuencias. Para cada valor o intervalo
de valores se indica la frecuencia absoluta observada o empírica (Oi). A continuación, y suponiendo que
la hipótesis nula es cierta, se calculan para cada valor o intervalo de valores la frecuencia absoluta que
cabría esperar o frecuencia esperada (Ei=n·pi , donde n es el tamaño de la muestra y pi la probabilidad
del i-ésimo valor o intervalo de valores según la hipótesis nula)
Este estadístico tiene una distribución Chi-cuadrado con k-1 grados de libertad si n es suficientemente
grande, es decir, si todas las frecuencias esperadas son mayores que 5. En la práctica se tolera un
máximo del 20% de frecuencias inferiores a 5.
Si existe concordancia perfecta entre las frecuencias observadas y las esperadas el estadístico tomará un
valor igual a 0; por el contrario, si existe una gran discrepancias entre estas frecuencias el estadístico
tomará un valor grande y, en consecuencia, se rechazará la hipótesis nula. Así pues, la región crítica
estará situada en el extremo superior de la distribución Chi-cuadrado con k-1 grados de libertad.
Se trata de la razón entre la sumatoria de los cuadrados de las diferencias entre las frecuencias
esperadas (fe) y las frecuencias observadas (fo) respecto de las frecuencias esperadas
(fe). Como toda razón, expresa una proporción; en este caso, la proporción entre
las distancias observadas (elevadas al cuadrado) y las frecuencias esperadas.
Una ventaja de la prueba de bondad de ajuste chi-cuadrada es que para valores grandes de n, la
distribución límite chi-cuadrada de la estadística, es independiente de la forma que tenga la distribución
F0(x) propuesta en la hipótesis H0. Como consecuencia de esto se tiene que la prueba de bondad se
utiliza también para distribuciones de probabilidad en las que F 0(x) es continua. Sin embargo, debe
insistirse en que la prueba de bondad es discreta, en el sentido de que ésta compara frecuencias que se
observan y se esperan para un número finito de categorías.
Formula
Prueba Kolmogorov-Smirnov
El procedimiento Prueba de Kolmogorov-Smirnov para una
muestra compara la función de distribución acumulada observada
de una variable con una distribución teórica determinada, que
puede ser la normal, la uniforme, la de Poisson o la exponencial.
La Z de Kolmogorov-Smirnov se calcula a partir de la diferencia
mayor (en valor absoluto) entre las funciones de distribución
acumuladas teórica y observada. Esta prueba de bondad de ajuste
contrasta si las observaciones podrían razonablemente proceder
de la distribución especificada.
Ejemplo. Muchas pruebas paramétricas requieren que las variables
se distribuyan de forma normal. La prueba de Kolmogorov-Smirnov
para una muestra se puede utilizar para comprobar que una
variable (por ejemplo ingresos) se distribuye normalmente.
amétricos. Su distribución no puede ser definida a priori, pues son los datos observados los que la determinan. La utilización de estos méto
o el nivel de medida empleado no sea, como mínimo, de intervalo. [1]
Formula
donde
T + = suma de los puestos correspondientes a diferencias positivas
T _ = suma de los puestos correspondientes a diferencias negativas
n = numero de diferencias no nulas
(15.8)
Se rechaza la hip6tesis nula si T es menor 0 igual que el valor de la Tabla 10 del
apendice.
donde n es el númerode rangos.
donde, g y titienen el mismo significado dado anteriormente
Prueba para muestra relacionada t de Wilcoxon.
Se utiliza para comparar dos mediciones de rangos
(medianas) y determinar que la diferencia no se deba al
azar (que la diferencia sea estadísticamente
significativa).
Es una prueba no paramétrica de comparación de dos
muestras relacionadas, debe cumplir las siguientes
características:
• Es libre de curva, no necesita una distribución
específica
• Nivel ordinal de la variable dependiente
tiene la ventaja de que da más peso a las diferencias mayores
Análisis de varianza en una dirección por
rangos de KrusKalWallis(H)
La prueba de Kruskal-Wallis (de WILLIAM
KRUSKALL y W ALLEN WALLIS es un Método
no parametrico para:
Fuente
Prueba Kolmogorov-Smirnov
El objetivo de esta prueba de bondad de ajuste es señalar
y determinar si los datos estudiados o mediciones
muestrales provienen de una poblacion que tiene una
distribucion teorica determinadas.
La prueba de Kolmogorov-Smimov es una prueba no
parametrica que se emplea para probar el grado de
concordancia entre la distribucion de datos empiricosde
la muestra y alguna distribución teorica especifica.
* Mas poderosa que la chi cuadrada
* Facil de calcular y usar no requiere agrupacion de los
datos
* El estadistico es independiente de la distribucion de
frecuencia esperada, solo depende del tamaño de la
muestra
La prueba
chi-cuadrado
de
contingencia
sirve para
comprobar la
independenc
ia de
frecuencias
entre dos
variables
aleatorias, X
e Y. Las
hipótesis
contrastadas
en la prueba
son:
Hipótesis
nula: X e Y
son
independient
es. Hipótesis
alternativa: X
e Y no son
independient
es (No
importa cual
sea la
relación que
mantengan
ni el grado
de esta.
La prueba de Kruskal-Wallis (de WILLIAM KRUSKALL y W ALLEN Se
WALLIS es un Método no parametrico para: caracteriza
por que la
Probar si un grupo de datos proviene de la misma población. independenc
Se emplea cuando se quieren comparar tres o más poblaciones ia de dos
Es el equivalente a un análisis de varianza de una sola vía variables
No requiere supuesto de normalidad consiste en
No requiere supuesto de varianzas iguales (homogeneidad de que la
varianzas) distribucion
Compara esencialmente los rangos promedios observados para de una de las
las k muestras, con los esperados bajo Ho. variables es
similar sea
cual sea el
nivel que
examinemos
de la otra.
Esto se
traduce en
una tabla de
contigencia
en que las
frecuencia
de las filas (y
columnas)
son
aproximada
mente
proporcional
es.
posiblement
e sea mas
comodo
reconocerlo
usando en la
tabla de
contigencia
los
Pasos para el calculo. porcentajes
1. Planteamiento de hipótesis
6. Conclusiones
La ventajas de esta prueba frente al estadistico F del ANOVA de Generalment
un factor completamente aleatorizado son dos: e son faciles
1) no necesita establecer supuestos sobre las poblaciones de efectuar y
originales tan exigentes como los del estadistico F (normalidad, comprender
homocedasticidad) es decir, la
2) permite trabajar con dato ordinales. Por contra, si se cumplen mayoria de
los supuestos en los que se basa el estadistico F, la potencia de las pruebas
este es mayor que la que es posible alcanzar con el estadistico H no
de Kruskal-Wallis. demandan el
tipo de
laboriosos
calculos
menudos
requeridos.
Algunas
veces, ni
siquiera se
requiere del
ordenamient
oo
clasificacion
formal, es
decir lo unico
que se
puede hacer
es describir
un resultado
como mejor
que otro.
PROBLEMÁTICA: Perc
Lugar de
Ciudadano Municipio Genero residencia Escolaridad Posicion ocupacional
Tipo de colegio
egresado Regimen de salud Tipo de hogar Recoleccion de basura
Características:
1) Una lista completa de la población
2) La población ordenada y la muestra también estará ordenada
Esta es la forma o cada cuanto se selecciona un elemento
F= N/n
F= fracción sistemática (o cada cuanto se toma el elemento de la población)
N= Tamaño de la población
n= Tamaño de la muestra (Calculado ya anteriormente)
F= N/n
N= 1713
n= 260
F= 6.00 se redondea 6
1) Rellene una columna que empiece desde 1 hasta n (en este caso hast
Lugar de
Municipio Genero Escolaridad
residencia
Nº Muestra
1 1 Medellin Masculino Urbana Tecnico
2 7 Medellin Masculino Urbana Tecnico
3 13 Medellin Masculino Urbana Postgrado
4 19 Medellin Femenino Urbana Postgrado
5 25 Medellin Femenino Urbana Bachiller
6 31 Medellin Femenino Urbana Tecnico
7 37 Medellin Masculino Urbana Bachiller
8 43 Medellin Femenino Urbana Tecnico
9 49 Medellin Femenino Urbana Tecnico
10 55 Medellin Femenino Urbana Profesional
11 61 Medellin Femenino Rural Bachiller
12 67 Medellin Masculino Rural Profesional
13 73 Medellin Masculino Urbana Profesional
14 79 Medellin Masculino Urbana Postgrado
15 85 Medellin Masculino Urbana Tecnico
16 91 Medellin Masculino Rural Postgrado
17 97 Medellin Masculino Urbana Postgrado
18 103 Medellin Femenino Rural Tecnico
19 109 Medellin Femenino Urbana Tecnico
20 115 Medellin Masculino Rural Bachiller
21 121 Medellin Femenino Rural Bachiller
22 127 Medellin Masculino Urbana Profesional
23 133 Medellin Masculino Urbana Tecnologo
24 139 Medellin Masculino Rural Bachiller
25 145 Medellin Femenino Urbana Tecnologo
26 151 Medellin Masculino Rural Bachiller
27 157 Medellin Femenino Urbana Bachiller
28 163 Medellin Masculino Rural Profesional
29 169 Medellin Masculino Rural Tecnico
30 175 Medellin Masculino Urbana Profesional
31 181 Medellin Femenino Urbana Tecnico
32 187 Medellin Femenino Rural Tecnologo
33 193 Medellin Masculino Urbana Tecnologo
34 199 Medellin Masculino Rural Postgrado
35 205 Medellin Femenino Rural Postgrado
36 211 Medellin Femenino Urbana Bachiller
37 217 Medellin Masculino Rural Tecnologo
38 223 Medellin Masculino Urbana Tecnologo
39 229 Medellin Femenino Rural Bachiller
40 235 Medellin Femenino Urbana Bachiller
41 241 Medellin Masculino Rural Profesional
42 247 Medellin Masculino Rural Profesional
43 253 Medellin Masculino Urbana Postgrado
44 259 Medellin Femenino Urbana Profesional
45 265 Medellin Masculino Rural Postgrado
46 271 Medellin Femenino Urbana Tecnico
47 277 Medellin Masculino Urbana Bachiller
48 283 Medellin Masculino Urbana Postgrado
49 289 Medellin Femenino Urbana Profesional
50 295 Medellin Masculino Rural Profesional
51 301 Medellin Masculino Rural Tecnico
52 307 Medellin Femenino Rural Tecnologo
53 313 Medellin Femenino Urbana Bachiller
54 319 Medellin Masculino Urbana Tecnologo
55 325 Medellin Masculino Urbana Bachiller
56 331 Medellin Femenino Rural Tecnologo
57 337 Medellin Femenino Urbana Bachiller
58 343 Medellin Masculino Rural Bachiller
59 349 Medellin Femenino Rural Tecnico
60 355 Medellin Femenino Rural Profesional
61 361 Medellin Femenino Urbana Postgrado
62 367 Medellin Masculino Urbana Tecnico
63 373 Medellin Femenino Urbana Tecnologo
64 379 Medellin Femenino Rural Postgrado
65 385 Medellin Masculino Urbana Postgrado
66 391 Medellin Femenino Rural Postgrado
67 397 Medellin Femenino Urbana Bachiller
68 403 Medellin Masculino Rural Profesional
69 409 Medellin Femenino Urbana Bachiller
70 415 Medellin Masculino Rural Profesional
71 421 Medellin Masculino Urbana Postgrado
72 427 Medellin Masculino Rural Bachiller
73 433 Medellin Femenino Urbana Profesional
74 439 Medellin Masculino Urbana Postgrado
75 445 Medellin Masculino Urbana Postgrado
76 451 Medellin Femenino Rural Bachiller
77 457 Medellin Femenino Urbana Profesional
78 463 Medellin Masculino Rural Tecnologo
79 469 Medellin Masculino Urbana Tecnologo
80 475 Medellin Femenino Rural Postgrado
81 481 Medellin Femenino Urbana Tecnico
82 487 Medellin Masculino Urbana Bachiller
83 493 Medellin Femenino Urbana Profesional
84 499 Medellin Masculino Urbana Postgrado
85 505 Medellin Masculino Rural Profesional
86 511 Medellin Femenino Rural Bachiller
87 517 Medellin Femenino Rural Postgrado
88 523 Medellin Masculino Urbana Bachiller
89 529 Medellin Femenino Rural Tecnologo
90 535 Medellin Femenino Rural Tecnico
91 541 Medellin Femenino Rural Profesional
92 547 Medellin Masculino Rural Postgrado
93 553 Medellin Masculino Rural Tecnico
94 559 Medellin Femenino Urbana Bachiller
95 565 Medellin Masculino Urbana Tecnico
96 571 Medellin Femenino Rural Postgrado
97 577 Medellin Masculino Urbana Tecnico
98 583 Medellin Femenino Urbana Profesional
99 589 Medellin Femenino Urbana Profesional
100 595 Medellin Femenino Rural Profesional
101 601 Medellin Masculino Rural Tecnologo
102 607 Medellin Femenino Urbana Tecnologo
103 613 Medellin Femenino Rural Bachiller
104 619 Medellin Masculino Rural Bachiller
105 625 Medellin Masculino Rural Postgrado
106 631 Medellin Masculino Rural Postgrado
107 637 Medellin Femenino Rural Tecnologo
108 643 Medellin Masculino Urbana Tecnico
109 649 Medellin Masculino Rural Profesional
110 655 Medellin Masculino Urbana Tecnico
111 661 Medellin Femenino Rural Profesional
112 667 Medellin Femenino Urbana Profesional
113 673 Medellin Femenino Urbana Postgrado
114 679 Medellin Femenino Rural Bachiller
115 685 Medellin Masculino Urbana Profesional
116 691 Medellin Femenino Urbana Profesional
117 697 Medellin Masculino Urbana Bachiller
118 703 Medellin Femenino Urbana Tecnico
119 709 Medellin Masculino Urbana Profesional
120 715 Medellin Femenino Rural Profesional
121 721 Medellin Femenino Urbana Tecnologo
122 727 Medellin Masculino Rural Profesional
123 733 Medellin Femenino Rural Tecnologo
124 739 Medellin Masculino Urbana Tecnologo
125 745 Medellin Masculino Urbana Tecnico
126 751 Medellin Masculino Rural Bachiller
127 757 Medellin Femenino Rural Profesional
128 763 Medellin Femenino Urbana Tecnico
129 769 Medellin Femenino Rural Profesional
130 775 Medellin Femenino Urbana Tecnologo
131 781 Medellin Femenino Urbana Bachiller
132 787 Medellin Femenino Urbana Tecnologo
133 793 Medellin Femenino Rural Tecnico
134 799 Medellin Femenino Urbana Tecnico
135 805 Medellin Masculino Urbana Bachiller
136 811 Medellin Femenino Urbana Tecnico
137 817 Medellin Femenino Urbana Tecnologo
138 823 Medellin Masculino Rural Bachiller
139 829 Medellin Masculino Urbana Profesional
140 835 Medellin Femenino Rural Profesional
141 841 Medellin Masculino Rural Profesional
142 847 Medellin Masculino Urbana Tecnologo
143 853 Medellin Femenino Urbana Tecnico
144 859 Medellin Femenino Rural Bachiller
145 865 Medellin Masculino Rural Tecnico
146 871 Medellin Femenino Rural Tecnico
147 877 Medellin Femenino Rural Profesional
148 883 Medellin Masculino Urbana Bachiller
149 889 Medellin Femenino Urbana Postgrado
150 895 Medellin Femenino Urbana Tecnico
151 901 Medellin Masculino Rural Tecnico
152 907 Medellin Femenino Rural Bachiller
153 913 Medellin Masculino Rural Tecnico
154 919 Medellin Femenino Urbana Postgrado
155 925 Medellin Femenino Urbana Tecnico
156 931 Medellin Femenino Rural Tecnico
157 937 Medellin Masculino Urbana Tecnologo
158 943 Medellin Masculino Rural Tecnico
159 949 Medellin Femenino Rural Bachiller
160 955 Medellin Masculino Urbana Tecnologo
161 961 Medellin Masculino Rural Tecnologo
162 967 Medellin Femenino Urbana Bachiller
163 973 Medellin Masculino Urbana Tecnico
164 979 Medellin Masculino Rural Bachiller
165 985 Medellin Masculino Rural Tecnologo
166 991 Medellin Femenino Rural Tecnologo
167 997 Medellin Femenino Urbana Tecnologo
168 1003 Medellin Femenino Urbana Bachiller
169 1009 Medellin Femenino Urbana Tecnologo
170 1015 Medellin Femenino Urbana Tecnologo
171 1021 Medellin Masculino Rural Tecnico
172 1027 Medellin Masculino Urbana Postgrado
173 1033 Medellin Masculino Urbana Tecnologo
174 1039 Medellin Masculino Urbana Bachiller
175 1045 Medellin Femenino Rural Bachiller
176 1051 Medellin Masculino Urbana Tecnico
177 1057 Medellin Femenino Rural Profesional
178 1063 Medellin Femenino Rural Postgrado
179 1069 Medellin Masculino Urbana Profesional
180 1075 Medellin Femenino Rural Bachiller
181 1081 Medellin Masculino Rural Postgrado
182 1087 Medellin Masculino Urbana Postgrado
183 1093 Medellin Masculino Urbana Bachiller
184 1099 Medellin Femenino Rural Bachiller
185 1105 Medellin Femenino Urbana Tecnologo
186 1111 Medellin Masculino Urbana Profesional
187 1117 Medellin Femenino Rural Bachiller
188 1123 Medellin Masculino Urbana Profesional
189 1129 Medellin Masculino Urbana Tecnico
190 1135 Medellin Masculino Rural Tecnico
191 1141 Medellin Masculino Urbana Postgrado
192 1147 Medellin Masculino Rural Tecnologo
193 1153 Medellin Masculino Rural Profesional
194 1159 Medellin Masculino Rural Bachiller
195 1165 Medellin Masculino Urbana Tecnico
196 1171 Medellin Masculino Rural Bachiller
197 1177 Medellin Femenino Rural Tecnico
198 1183 Medellin Femenino Rural Profesional
199 1189 Medellin Femenino Rural Bachiller
200 1195 Medellin Femenino Rural Profesional
201 1201 Medellin Femenino Urbana Profesional
202 1207 Medellin Masculino Urbana Bachiller
203 1213 Medellin Femenino Urbana Tecnico
204 1219 Medellin Femenino Rural Postgrado
205 1225 Medellin Femenino Urbana Bachiller
206 1231 Medellin Femenino Urbana Bachiller
207 1237 Medellin Femenino Rural Postgrado
208 1243 Medellin Femenino Rural Bachiller
209 1249 Medellin Masculino Rural Bachiller
210 1255 Medellin Masculino Rural Postgrado
211 1261 Medellin Femenino Urbana Tecnologo
212 1267 Medellin Femenino Rural Tecnico
213 1273 Medellin Masculino Rural Profesional
214 1279 Medellin Masculino Rural Tecnico
215 1285 Medellin Femenino Rural Profesional
216 1291 Medellin Femenino Rural Bachiller
217 1297 Medellin Femenino Urbana Bachiller
218 1303 Medellin Masculino Urbana Bachiller
219 1309 Medellin Masculino Rural Profesional
220 1315 Medellin Masculino Urbana Profesional
221 1321 Medellin Masculino Rural Postgrado
222 1327 Medellin Masculino Rural Bachiller
223 1333 Medellin Femenino Rural Tecnologo
224 1339 Medellin Femenino Urbana Postgrado
225 1345 Medellin Masculino Urbana Tecnologo
226 1351 Medellin Femenino Rural Profesional
227 1357 Medellin Femenino Urbana Bachiller
228 1363 Medellin Femenino Urbana Tecnico
229 1369 Medellin Femenino Rural Postgrado
230 1375 Medellin Femenino Rural Tecnico
231 1381 Medellin Masculino Urbana Postgrado
232 1387 Medellin Masculino Urbana Tecnologo
233 1393 Medellin Masculino Urbana Profesional
234 1399 Medellin Femenino Rural Tecnologo
235 1405 Medellin Femenino Rural Bachiller
236 1411 Medellin Femenino Urbana Tecnico
237 1417 Medellin Masculino Urbana Bachiller
238 1423 Medellin Femenino Urbana Postgrado
239 1429 Medellin Femenino Rural Profesional
240 1435 Medellin Masculino Urbana Profesional
241 1441 Medellin Femenino Rural Postgrado
242 1447 Medellin Masculino Rural Postgrado
243 1453 Medellin Masculino Urbana Tecnico
244 1459 Medellin Femenino Urbana Postgrado
245 1465 Medellin Masculino Urbana Bachiller
246 1471 Medellin Femenino Rural Tecnologo
247 1477 Medellin Femenino Rural Profesional
248 1483 Medellin Masculino Rural Bachiller
249 1489 Medellin Femenino Rural Postgrado
250 1495 Medellin Femenino Rural Profesional
251 1501 Medellin Masculino Rural Tecnologo
252 1507 Medellin Femenino Rural Postgrado
253 1513 Medellin Masculino Rural Postgrado
254 1519 Medellin Femenino Rural Postgrado
255 1525 Medellin Femenino Urbana Postgrado
256 1531 Medellin Masculino Rural Postgrado
257 1537 Medellin Masculino Rural Profesional
258 1543 Medellin Masculino Rural Profesional
259 1549 Medellin Femenino Urbana Tecnico
260 1555 Medellin Femenino Rural Profesional
Nota: Solo se emplea este m
emático
ntos
e1 y7
omo valor para que no este cambiando
población
Q$918;2;0) esto es para que no tenga que pasar
que va a incluir en la muestra. El número 2, corresponde a
Tipo de colegio
Posicion ocupacional Regimen de salud Tipo de hogar
egresado
Desplazamiento al
Recoleccion de basura Consideracion de pobreza Ingreso mensual lugar de trabajo
(minutos)
decir que los datos se distribuyan como una normal, ya que el estadístico teórico
Edad
PRU
32
32
34
19
31
31
27
28
25
37
31
20
40
20
27
21
20
19
37
30
34
38
40
40
33
24
23
29
18
24
33
22
39
37
32 T1
34 20
32 22
39 28
32 39
37 35
38
30
36
24
27
30 Rangos T1
20 1 20
30 2 22
33 3 28
19 4 35
18 5 39
39 6
28 7
18 TOTAL^2 20736
36
33
38
19
0.03315
40
32
17911.6
23
40
60
24
20
533.8
37
21
36
36
38
22
35
Nivel de significancia
29 Hipótesis
27
32
25
38
40
36
36
La región de rechazo para el estadísitoco H con a=0,05 incluye v
35
39 Para el estadístico teorico con el 5% de significancia tenemos qu
39
27
7.81473
20
25 H 533.8
32
28
22
30
20
22 No hay evidencia ensuficiente para indicar diferencia en las distri
23
Análisis:
23 No existe evidencia insuficiente para indicar diferencias en la
19 �_𝑎^2
38
35
32
39
40
27
33
23
34
38
39
22
18
28
18
33
21
25
28
29
30
19
20
34
23
26
35
20
38
29
27
23
38
29
27
32
37
26
24
31
33
21
19
26
39
32
36
36
39
21
28
34
21
36
27
34
19
37
21
20
33
39
19
22
38
19
24
33
18
24
24
35
36
38
20
30
27
38
34
30
35
25
37
22
34
32
26
31
34
28
21
40
39
38
30
39
18
27
39
25
32
31
32
32
18
35
39
21
34
36
35
26
37
38
30
30
23
36
18
39
18
30
29
23
23
31
19
33
27
18
38
38
40
28
30
28
34
21
20
40
20
19
18
40
38
34
18
22
29
31
24
33
32
40
28
21
23
31
26
34
26
39
6. KrusKal-Wallis(H).
a. Realice una prueba de este tipo para la variable Edad. (Colaborartivo)
Solución.
T2 T3 T4 n=
32 36 40
40 40 24
25 26 22
35 27
33
29
29
T2 T3 T4
25 26 22
29 36 24
29 40 27
32 40
33
35
40
0.05
6.Estadístico Teorico
co H con a=0,05 incluye valores de H ≥ �_𝑎^2
, donde �_𝑎^2
esta básado en (k-1) = (4-1)=3 grados de libertad.
Comparamos teniendo en
cuenta la regla de decisión
7.Toma de Decisión
indicar diferencias en la distribucion de la varieble de edad, esto teniendo en cuenta que H es mayor que
)
Ingreso mensual
1543684
1543684
1929605
1157763
1929605
771842
2315526
1543684
2315526
1543684
1157763
1157763
1543684
2315526
1543684
1543684
1929605
1929605
1929605
1929605
1929605
1157763
1157763
2315526
1543684
2315526
1929605
1929605
771842
1157763
1543684
2315526
771842
2315526
1929605
19 771842
2315526
2315526
1157763
1157763
1543684
771842
771842
1929605
771842
1157763
2315526
1157763
1929605
771842
1929605
2315526
2315526
1929605
2315526
1157763
2315526
2315526
1929605
2315526
771842
1543684
771842
2315526
2315526
1929605
771842
1157763
2315526
1929605
771842
1543684
1929605
1157763
771842
1929605
1543684
771842
1157763
1543684
1929605
1543684
771842
)=3 grados de libertad.
1543684
1157763
2315526
771842
771842
771842
2315526
1543684
1157763
1543684
771842
1543684
1929605
1157763
2315526
771842
771842
1157763
1157763
1929605
1543684
1929605
1157763
1543684
771842
1929605
1929605
771842
771842
1157763
2315526
1157763
1929605
771842
1157763
1929605
1157763
1157763
2315526
771842
1543684
1929605
771842
1157763
2315526
771842
1543684
771842
771842
1543684
2315526
2315526
2315526
1929605
771842
771842
2315526
1929605
2315526
771842
1929605
2315526
2315526
771842
1157763
1157763
1929605
771842
2315526
2315526
1157763
771842
1543684
1929605
1543684
771842
771842
1929605
2315526
1157763
1929605
771842
1929605
771842
771842
1543684
2315526
771842
1157763
1543684
2315526
2315526
771842
1929605
2315526
1543684
1157763
2315526
2315526
771842
1929605
1157763
1929605
2315526
2315526
1929605
1543684
1157763
2315526
2315526
771842
1543684
1543684
1157763
1929605
1929605
1543684
1929605
2315526
1543684
1543684
1543684
771842
1543684
771842
1543684
771842
2315526
1929605
1543684
1157763
1157763
1929605
1929605
771842
1543684
1157763
1157763
2315526
1929605
1929605
1157763
1157763
2315526
1157763
2315526
1157763
1929605
1543684
1929605
1543684
771842
1929605
1929605
2315526
1929605
1543684
1929605
2315526
1929605
2315526
771842
2315526
1543684
2315526
2315526
1929605
1929605
1929605
1929605
771842
771842
771842
1543684
771842
1157763
6. KrusKal-W
b. Realice una prueba de este tipo par
PRUEBA H DE KRUSKAL-WALLIS
Ejercicio: Realice una prueba de este tipo para el ingreso mensu
Solució
T1 T2
1157763 1543684
1543684 771842
1929605 1543684
1929605 771842
1157763 771842
1929605
Rangos T1 T2
1 1157763 771842
2 1157763 771842
3 1543684 771842
4 1929605 1543684
5 1929605 1543684
6 1929605
7
4. Calcular el estadís
0.03
73760067783855.3
66
2002535776871.3
0.05
Nivel de significancia Hipótesis
H0: Las cuatro medias de los tratamientos del ingreso mensual promedio tienen la misma media
Ha: Las cuatro medias de los tratamientos del ingreso mensual promedio no tienen la misma media
6.Estadístico
La región de rechazo para el estadísitoco H con a=0,05 incluye valores de H ≥ �_𝑎^2
, donde e
7.81473
H 2002535776871.3
7.Toma de De
No hay evidencia ensuficiente para indicar diferencia en las distribuciones del ingreso mensual promedio d
Análisis:
No existe evidencia insuficiente para indicar diferencias en las distribuciones del ingreso mensual
�_𝑎^2
6. KrusKal-Wallis(H).
una prueba de este tipo para el ingreso mensual promedio.
Solución.
T3 T4 n= 21
1929605 1157763
2315526 771842
2315526 771842
771842 2315526
1929605
2315526
T3 T4
771842 771842
1929605 771842
1929605 1157763
2315526 2315526
2315526
2315526
1.34041516E+1425170018082729
6.Estadístico Teorico
H≥ �_𝑎^2
, donde �_𝑎^2
esta básado en (k-1) = (4-1)=3 grados de libertad.
7.Toma de Decisión
ciones del ingreso mensual promedio de los discapacitados, esto teniendo en cuenta que H es mayo que
nta que H es mayo que
a. Realice según indica el video tutorial una prueba Chi-cuadrado para la variable horas laboradas diariame
0.160 0.139
0.772 0.672
0.088 0.077
0.003 0.003
1.353 1.178
Χ_�^2 4.4434180216
Paso 6: Calcular el chi-cuadrado teorico
numero de filas 5
numero de columnas 2
grados de libertad 4
� 0.05
Χ_�^2 9.4877290368
CONCLUSION
Con una significancia del 5%, se acepta la hipotesis nula, es decir, la consideración de pobreza no
depende del nivel de escolaridad.
pobreza depende del nivel de escolaridad de los encuestados.