PRUEBA NO PARAMETRICA

X2 = valor estadístico de ji cuadrada.

fo = frecuencia observada.
fe = frecuencia esperada.
Kolmogorov-Smirnov.

KrusKal-Wallis.

Chi-cuadrado de contingencia.
 CUADRO COMPARATIVO

CARACTERISTICAS

Es la prueba más empleada en la investigación, se aplica para comparar frecuencias

esperadas (poblacionales), y frecuencias obtenidas (muestras.)
Mientras la Mayor se valor de la muestra (x²), menor es la probabilidad de
la frecuencias de la población

Reglas para su empleo:

1. Las observaciones deben ser independientes, no se puede observar o medir a la misma

persona más de una vez.

2. El nivel de medición utilizado será nominal u ordinal.

3. Se aplicará en muestreos no probabilísticos.
4. La muestra deberá ser mayor a 20 (N > 20).

5. Si la muestra N < 20 entonces se utiliza la prueba de probabilidad exacta de Fisher.

6. Las frecuencias esperadas deben ser mayores a 5.

7. Si la frecuencia esperada es > 5 y < 10, entonces se aplica la corrección por
continuidad de Yates.
8. Si la N > 20 y < 40, se aplica la prueba de corrección por continuidad de Yates.

9. Si la tabla de contingencias es de 1 x i columnas, se aplica la X2 de bondad de ajuste.

10. Si la tabla de contingencia ese de 2 x 2 y cumple los requisitos 7 y 8, se aplica la

prueba de corrección por continuidad de Yates.

Procedimiento:
1. Plantear las hipótesis estadísticas.
2. Determinar la probabilidad con la que se trabajará.
3. Distribuir los puntajes en la tabla de contingencia.
4. Calcular las frecuencias esperadas:
5. Aplicar la fórmula.
6. Obtener los grados de libertad (gl).
7. Plantear regla de decisión.
El propósito que tiene
En la prueba se compara la distribución de frecuencia acumulativa de la distribución
teórica con la distribución de frecuencia acumulativa observada. Se determina el punto
en el que estas dos distribuciones muestran la mayor divergencia.

El test de Kruskal-Wallis, también conocido como test H, es la alternativa no

paramétrica al test ANOVA de una vía para datos no pareados. Se trata de una extensión
del test de Mann-Whitney para más de dos grupos. Se trata por lo tanto de un test que
emplea rangos para contrastar la hipótesis de que k muestras han sido obtenidas de una
misma población.

H0H0: todas las muestras provienen de la misma población (distribución).

HAHA: Al menos una muestra proviene de una población con una distribución distinta.

La ley de chi-cuadrado con n grados de libertad es la ley de la suma de n cuadrados de

variables aleatorias independientes que siguen leyes normales centradas y reducidas.
MPARATIVO

CUANDO DEBE UTILIZAR

se utiliza para comprobar si la diferencia en los datos que
observamos. - comprobar la
independencia de frecuencias entre las 2 variables que son x
,y pueden ser aleatorias
la hipótesis nula es :
x e y son independientes
La toma de la decisión en el contraste anterior puede
llevarse a cabo también mediante el empleo del p-valor
asociado al estadístico D observado. El p-valor se define
como: p-valor = es cierta PD D H ( ) > obs 0 Si el p-valor es
grande significa que, siendo cierta la hipótesis nula, el valor
observado del estadístico D era esperable. Por tanto no hay
razón para rechazar dicha hipótesis. Asimismo, si el p-valor
fuera pequeño, ello indicaría que, siendo cierta la hipótesis
nula, era muy difícil que se produjera el valor de D que
efectivamente se ha observado. Ello obliga a poner muy en
duda, y por tanto a rechazar, la hipótesis nula. De esta
forma, para un nivel de significación α, la regla de decisión
para este contraste es: Si p-valor ≥ α Aceptar H0 Si p-valor <
α Rechazar H0

Se dispone de k grupos cada uno con n observaciones. Si se

ordenan todas las observaciones de menor a mayor y se le
asigna a cada una de ellas su rango, cuando se obtenga la
suma de rangos para cada uno de los grupos (Ri)(Ri) es de
esperar que, si se cumple la hipótesis nula, todos los grupos
tengan un valor similar. Partiendo de esta idea se calcula el
estadístico H

La ley de chi-cuadrado con n grados de libertad es la ley de

la suma de n cuadrados de variables aleatorias
independientes que siguen leyes normales centradas y
reducidas.
 UTILIDAD EN LA INFERENCIA
ESTADISTICA
Se puede usar el estadístico ji-cuadrado para evaluar
cuán buena puede resultar una distribución teórica,
cuando pretende representar la distribución real de los
datos de una muestra determinada. Se le llama evaluar
la bondad de un ajuste. Probar la bondad de un ajuste
es ver en qué medida se ajustan los datos observados
a una distribución teórica o esperada.
Sirve para verificar si las puntuaciones que hemos
obtenido de la muestra siguen o no una distribución
normal. Es decir, permite medir el grado de
concordancia existente entre la distribución de un
conjunto de datos y una distribución teórica
específica.

Para darles sentido tienen que estar ordenados o bien

cuando no se satisfacen las condiciones para poder
aplicar un ANOVA. Por ejemplo, si se quiere estudiar
la diferencia entre hombres y mujeres en una carrera,
se puede disponer de dos tipos de datos: los tiempos
de cada participante (análisis con ANOVA) o las
posiciones en las que ha terminado la carrera cada
participante

Se puede evaluar la independencia entre dos variables

nominales u ordinales, dando un método para
verificar si las frecuencias observadas en cada
categoría son compatibles con la independencia entre
ambas variables. Como, H0 indica que ambas
variables con independientes, mientras que H1 indica
que las variables tienen algún grado de asociación.