UNIVERSIDAD TÉCNICA DE AMBATO

FACULTAD DE CONTABILIDAD Y AUDITORÍA

CARRERA DE ECONOMÍA

TEMA:

HERRAMIENTAS VARIAS (MISCELLANEOUS TOOLS) DEL

COMPONENTE REAL STATISTICS PARA MICROSOFT EXCEL

INTEGRANTES:

CATAGUA MELISSA

EUGENIO ADRIÁN

NÚÑEZ ANDREA

VAYAS ISRAEL

SEMESTRE Y PARALELO:

QUINTO “A”

DOCENTE:

ECON. ALEJANDRA CUESTA

SEPTIEMBRE 2019 – ENERO 2020

 INTRODUCCIÓN

Prueba t (t test and non-parametric equivalents)

La prueba t es una herramienta de la estadística, que se emplea para determinar si existe una
significativa diferencia entre las medias o promedios de dos grupos, deben cumplir con la
presencia de una distribución normal. Especificando el nivel de probabilidad mismos como
el alfa o error, el nivel de confianza o significancia y valor p, que se está dispuesto a aceptar
p < 0,05 es un común valor que se emplea (Federación Científica Europea de Osteópatas,
2019).

Notas sobre la prueba t

 Cuando se está investigando la diferencia entre dos promedios de la población, se utiliza

la prueba t para comparar si las medias son iguales o no.
 Cuanto mayor es la diferencia entre las dos medias, mayor es la probabilidad que una
diferencia estadística significativa existe.
 Cuanto mas grande es la diferencia entre ambas medias, existe una mayor probabilidad
de que se presente una diferencia estadísticamente significativa.
 Aumentando el tamaño de la muestra, los promedios o medias tienden a ser más
representativas y más estables.
 El valor de alfa o el error es del 5% dando un nivel de confianza del 95%.
 Se emplea una hipótesis con dos colas cuando Ho = 0.

Tipos de prueba t:

1. Prueba t para una muestra

La prueba de la t de Student para una muestra permite comprobar si es posible aceptar que la
media de la población es un valor determinado. Se toma una muestra y la prueba permite
evaluar si es razonable mantener la Hipótesis nula de que la media es tal valor. Ho: La Media
poblacional es igual a un valor dado. H1: La media es menor (mayor ó distinta) del valor
dado (Federación Científica Europea de Osteópatas, 2019).
2. Prueba t para muestras relacionadas:

La diferencia entre dos medias de una solo cantidad de individuos, tomando una muestra
antes de un tratamiento o factor que genere un cambio, y tomando una muestra a los mismos
individuos después de dicho tratamiento, de tal manera que se busca si existe una diferencia
significativa antes y después del tratamiento, empleando el mismo número de datos
(Federación Científica Europea de Osteópatas, 2019)

3. Prueba t para muestras independientes:

La diferencia entre las medias de dos poblaciones, comparando la diferencia entre dos
muestras que fueron seleccionadas independientemente la una de la otra. Un ejemplo sería
comparar los resultados de un examen de matemáticas de un curso de estudiantes y los
resultados de la misma prueba de matemáticas, pero en otro curso de estudiantes, no
necesariamente deben ser el mismo número de estudiantes (Federación Científica Europea
de Osteópatas, 2019).

Pruebas no paramétricas (non parametric test)

Se denominan pruebas no paramétricas aquellas que no presuponen una distribución de

probabilidad para los datos, por ello se conocen también como de distribución libre
(distribution free). En la mayor parte de ellas los resultados estadísticos se derivan
únicamente a partir de procedimientos de ordenación y recuento, por lo que su base lógica es
de fácil comprensión (Federación Científica Europea de Osteópatas, 2019).

1. Prueba de signos

Se usa para hacer pruebas de hipótesis acerca de la mediana de una población de una variable
continua. Ho: La Mediana poblacional es igual a un valor dado. H1: La mediana es menor
(mayor ó distinta) del valor dado.

2. Prueba U de Mann-Whitney

En estadística la prueba de la U de Mann-Whitney (también llamada de MannWhitney-

Wilcoxon, prueba de suma de rangos Wilcoxon, o prueba de Wilcoxon- Mann-Whitney) es
una prueba no paramétrica aplicada a dos muestras independientes. Es la versión no
paramétrica de la habitual prueba t de Student (Federación Científica Europea de Osteópatas,
2019).

3. Prueba de los rangos con signo de Wilcoxon

La prueba de los rangos con signo de Wilcoxon es una prueba no paramétrica para comparar
el rango medio de dos muestras relacionadas y determinar si existen diferencias entre ellas.
Se utiliza como alternativa a la prueba t de Student cuando no se puede suponer la normalidad
de dichas muestras (Federación Científica Europea de Osteópatas, 2019).

Andrea (Teoria o conceptos, o para que sirve cada tema 3,4)……………………..

Melissa (Teoria o conceptos, o para que sirve cada tema 5,6)……………………..
Adrián (Teoria o conceptos, o para que sirve cada tema 7,8)……………………...
 DESARROLLO
 INSTALACIÓN DEL COMPONENTE REAL STATISTICS EN EXCEL

Para instalar real statistics (componente de Excel) se debe dirigir a la página web: www.real-
statistics.com, luego seleccionar la opción de descargas gratis:

Pagina web de real

statistics 1

Opción descargas
2
gratis

Seleccionar
3
paquetes de
recursos

Aparecerá la siguiente información donde se procederá a la descarga dependiendo de la

versión de sistema operativo del pc, procedemos a la descarga en la opción free download:

Clic para descargar

real statistics:
El paso siguiente es elegir la carpeta donde se quiera guardar el archivo a descargar, de preferencia
descargarlo en la siguiente dirección C: \ Usuarios \ nombre de usuario \ AppData \
Roaming \ Microsoft \ AddIns (Componentes):

Elegir donde se
guardará el
archivo

A continuación, abrir el Excel y dirigirse a la pestaña archivo, y seleccionar opciones:

En la pestaña Archivo 1

Clic en
2
Opciones
Luego en la opción complementos, en donde dice administrar seleccionar la casilla ir:

Opción
1
complementos

Clic en Ir 2

Aparecerá la siguiente ventana, donde se procede a la opción examinar para añadir el

complemento de real statistics:

Seleccionar
Examinar
Emergerá una ventana donde se debe seleccionar el archivo descargado de real statistics, y poner
aceptar:

Archivo de
1
real statistics

Clic en
Abrir 2

Por último se debe marcar la casilla que dice Xrealstats y aceptar, de esta manera habrá
finalizado la instalación del componente de real statistics:

Marcar
1
Xrealstats
Aceptar 2
 PRUEBA T

Para inicializar la ventana de Real Statistics se debe precionar las teclas Ctrl+M apareciendo la
siguiente pantalla donde se debera elegir la ultima pestaña llamada Miscellaneous Tools:

Seleccionar Miscellaneous Tools

A continuación, elegir el primer tema llamado T Test and Non-parametric Equivalents y

dar clic en OK:

Seleccionar T Test and Non-

1
paramettric Equivalents

Y clic en OK 2
Aparece un cuadro en cual muestra las variables o muestras que se van a ingresar para realizar
las pruebas y también muestra los tres tipos de pruebas t que son para una muestra, para dos
muestras independientes y para dos muestras relacionadas, y además la elección entre prueba
t o prueba no paramétrica:

Rango de entrada
de los datos
Error
Prueba t o prueba
Tipos de pruebas no paramétrica
-Una muestra
-Dos muestras
relacionadas
-Dos muestras
independientes
Rango de salida

Para continuar con la prueba t en este caso se esta realizando una prueba t para dos muestras
independientes, primero ingresamos los datos de la primera muestra en las casillas Input
Range 1:

Seleccionar
Seleccionar la columna de los valores a ingresar de la primera muestra, en este caso la
columna de color amarillo:

Elegir los datos de la

primera muestra y
presionar enter

Se procede a la siguiente casilla Input Range 2 para ingresar los datos de la segunda muestra:

Seleccionar
Ahora seleccionar los datos de la segunda muestra que en este caso es la columna de color
azul:

Elegir los datos de la

segunda muestra y
presionar enter

Si se marcó o seleccionó los datos sin títulos desmarcar la casilla que dice Column headindgs,
si se seleccionó con títulos dejarla marcada, en la casilla alpha se coloca el porcentaje de
error, el cual es de 0,05 (5%), lo que indica que existe un 0,95 (95%) de nivel de confianza:

Seleccionar si hay
1
títulos en las columnas

Colocar el nivel de
error 0,05 (5%) 2
El siguiente paso es elegir el tipo de prueba t, para este caso prueba t para dos muestras
independientes (Two independent samples) y marcar la casilla de que dice T Test:

Elegir el tipo de prueba Marcar casilla

1 (en este caso Two T Test 2
independent samples)

En la casilla Output Range se selecciona donde aparecerán los resultados:

Seleccionar donde
aparecerán los
resultados
Seleccionar la casilla donde se desea se muestre los resultados de la prueba t:

Elegir donde aparecerán

los resultados y
presionar enter

Presionar OK y se mostrara los resultados de la prueba t para dos muestras independientes:

Clic en ok
Aparecerá las siguientes tablas que muestra diversos resultados como la media, la varianza,
el número de datos, el t estadístico, el t crítico, el p valor, el error, máximo, mínimo, entre
otros, así como los resultados para la prueba t de dos muestras independientes con dos colas
y con una cola, mismas que se diferencian cuando en las hipótesis existe el símbolo de
igualdad para prueba t de dos colas o una desigualdad para prueba t de una cola.

Resultados de
la prueba t
 PRUEBAS NO PARAMÉTRICAS

Presionar control+M para abrir la ventana del real statistics, seleccionar la ultima pestaña
llamada Miscellaneous Tools y elegir el segundo tema “Non-parametric Tests” y presionar
OK:

En la pestaña
1
Misc
Clic en OK 3

Seleccionar Non-
2 Parametric tests

Apareceran diversas pruebas para datos no paramétricos, pero para este casa utilizaremos el
método de Wilcoxon para datos no paramétricos de dos muestras relacionadas, a
continuación seleccionamos el método que deseamos (Wilcoxon) y presionar en GO:

Elegir el método o
1 prueba
(Wilcoxon) Presionar
GO 2
Aparecerá la siguiente ventana, y en input rango 1 seleccionamos los datos de la primera
muestra:

Casilla para los valores

de la muestra 1

Se selecciona todas las casillas de la primera muestra en este caso las de color amarillo:

Elegir los datos de la

primera muestra y
presionar enter
Presionamos en la casilla Input Range 2 para ingresas los datos de la segunda muestra:

Casilla para los valores

de la muestra 2

Se selecciona todas las casillas de la segunda muestra en este caso las casillas de color azul:

Elegir los datos de la

segunda muestra y
presionar enter
Si se seleccionó los datos con títulos dejar marcada la casilla de Column headings, caso
contrario desmarcar; el alpha es el error de 0,05 seleccionar en Options la casilla Two paired
samples (Dos muestras relacionadas para este caso), en Test Type marcar Non-parametric y
desmarcar T test:

Títulos de los
1
datos

2 Error 0,05 Marcar Non-

4
parametric

Tipo de muestra
3
(Two pared samples)

A continuación en la casilla Output Range premite seleccionar en que parte del excel se quiere que
aparezcan los resultados:

Seleccionar
Elegir la casilla donde se espera que aparezcan los resultados de la prueba no paramétrica
(Wilcoxon):

Seleccionar la casilla de
salida y presionar enter

Presionar OK para observar los resultados de la prueba no paramétrica:

Presionar OK
En el Excel aparecerá unos cuadros con los resultados de la prueba no paramétrica
(Wilcoxon) mostrando valores como: la mediana y el p valor.

Resultados de la prueba
no paramétrica
(WILCOXON)

Andrea (Capturas real estatistic)……………………..

Melissa (Capturas real estatistic)……………………..
Adrián (Capturas real estatistic)……………………..
 EJERCICIOS DE RESOLUCIÓN

PRUEBA T:

 Para una muestra

Ejercicio:

Se conoce que la cantidad de gaseosa media es de 365 ml, se toma las cantidades de 15
gaseosas de manera aleatoria, y se quiere determinar si su promedio es o no igual al
establecido. Las datos se presentan en el siguiente cuadro:

Gaseosa Cantidad (ml)

1 360
2 366
3 365
4 345
5 349
6 370
7 320
8 400
9 367
10 370
11 365
12 420
13 270
14 360
15 346

Hipótesis:

𝑯𝟎 : 𝜇𝐺𝑎𝑠𝑒𝑜𝑠𝑎𝑠 = 365 𝑚𝑙 (Ambas dietas tienen el mismo efecto)

𝑯𝟏 : 𝜇𝐺𝑎𝑠𝑒𝑜𝑠𝑎𝑠 ≠ 365 𝑚𝑙 (Ambas dietas tienen distinto efecto)

Prueba t con real statistics:

T Test: One Sample

SUMMARY Alpha 0,05

Count Mean Std Dev Std Err t df Cohen d Effect r
15 358,2 33,5180122 8,65431354 -0,78573534 14 0,20287599 0,20551405

T TEST Hyp Mean 365

p-value t-crit lower upper sig
One Tail 0,222558974 1,76131014 no
Two Tail 0,445117948 2,14478669 339,638344 376,761656 no

Interpretación

Como el t calculado que es -0,785735 se encuentra dentro de la zona de aceptación del t

crítico que va de -2,1447 a +2,1447 se acepta la hipótesis nula, en consecuencia, no hay
diferencia significativa entre la media de las gaseosas y la media poblacional conocida de
365 ml, es decir la cantidad de gaseosa se encuentra dentro de lo estándar.

Como el p valor es mayor a 0,05 se acepta la hipótesis nula, en consecuencia, la cantidad de

gaseosa se encuentra dentro del estándar.
 Para dos muestras independientes

Ejercicio:
Se desea comparar el efecto de dos dietas, se quiere saber si el cambio de peso de distintas
personas obesas, que han seguido o bien la dieta 1 o bien la dieta 2, depende de la dieta
seguida por cada uno. Suponiendo que tienen distribución normal y varianzas iguales.

DIETA 1 DIETA 2
OBS Reduc. peso (Kg) OBS Reduc. peso (Kg)
1 19 1 23
2 28 2 23
3 17 3 5
4 15 4 14
5 16 5 22
6 21 6 20
7 27 7 4
8 18 8 12
9 15 9 18
10 10 10 33
11 10 11 19
12 2
13 12
14 13
15 19
16 9
17 29
18 35
19 38

Hipótesis:

𝑯𝟎 : 𝜇𝐷𝑖𝑒𝑡𝑎 1 = 𝜇𝐷𝑖𝑒𝑡𝑎 2 (Ambas dietas tienen el mismo efecto)

𝑯𝟏 : 𝜇𝐷𝑖𝑒𝑡𝑎 1 ≠ 𝜇𝐷𝑖𝑒𝑡𝑎 2 (Ambas dietas tienen distinto efecto)

Prueba t con real statistics:

T Test: Two Independent Samples

SUMMARY Hyp Mean Diff 0

Groups Count Mean Variance Cohen d
19 18 18,556 90,8496732
23 10 17 75,33333333
Pooled 85,47863248 0,168250647

T TEST: Equal Variances Alpha 0,05

std err t-stat df p-value t-crit lower upper sig effect r
One Tail 3,646460772 0,4266 26 0,336593562 1,70561792 no 0,08337056
Two Tail 3,646460772 0,4266 26 0,673187124 2,05552944 -5,93985191 9,05096302 no 0,08337056

T TEST: Unequal Variances Alpha 0,05

std err t-stat df p-value t-crit lower upper sig effect r
One Tail 3,546905327 0,4386 20,28018536 0,332805885 1,72356304 no 0,09692821
Two Tail 3,546905327 0,4386 20,28018536 0,665611771 2,08411747 -5,83661182 8,94772293 no 0,09692821

Interpretación

Como el t calculado que es 0,4266 se encuentra dentro de la zona de aceptación según la

tabla t que va de -2,048 a +2,048 se acepta la hipótesis nula, en consecuencia, no hay
diferencia significativa entre el peso perdido en ambas dietas.

Como el p valor es mayor a 0,05 se acepta la hipótesis nula, en consecuencia, no hay

diferencia significativa entre el peso perdido con las dos dietas.
 Para dos muestras relacionadas

Ejercicio:

Se desea conocer si el costo de la canasta básica durante un año, con el cambio de gobierno
ha presentado una diferencia significativa o se ha mantenido basándose en la información del
siguiente cuadro:

Rafael Correa Lenin Moreno

Meses
Costo canasta básica Costo canasta básica
Mes 1 688,53 707,47
Mes 2 688,21 708,51
Mes 3 689,10 709,25
Mes 4 691,38 708,79
Mes 5 691,88 708,01
Mes 6 692,56 706,31
Mes 7 700,96 708,98
Mes 8 701,93 712,03
Mes 9 708,52 710,46
Mes 10 709,22 711,13
Mes 11 706,04 709,74
Mes 12 709,18 710,07

Hipótesis:

𝑯𝟎 : 𝜇𝐶𝑎𝑛𝑎𝑠𝑡𝑎𝑅𝑎𝑓𝑎𝑒𝑙 = 𝜇𝐶𝑎𝑛𝑎𝑠𝑡𝑎𝐿𝑒𝑛𝑖𝑛 (No hay diferencia entre las observaciones relacionadas)

𝑯𝟏 : 𝜇𝐶𝑎𝑛𝑎𝑠𝑡𝑎𝑅𝑎𝑓𝑎𝑒𝑙 ≠ 𝜇𝐶𝑎𝑛𝑎𝑠𝑡𝑎𝐿𝑒𝑛𝑖𝑛 (Si hay diferencia entre las observaciones relacionadas)

Prueba t con real statistics:

T Test: Two Paired Samples

SUMMARY Alpha 0,05 Hyp Mean Diff 0

Groups Count Mean Std Dev Std Err t df Cohen d Effect r
Costo canasta basica 12 698,13 8,66
Costo canasta basica 12 709,23 1,59017806
Difference 12 -11,10 7,61516318 2,19830825 -5,050051054 11 1,45782417 0,83585587

T TEST
p-value t-crit lower upper sig
One Tail 0,00018602 1,79588482 yes
Two Tail 0,00037205 2,20098516 -15,9400128 -6,26312507 yes

Interpretación:

Como el p valor es - menor que 0,05; se rechaza la hipótesis nula y se acepta la hipótesis
alternativa, en consecuencia, si existe una diferencia significativa entre el costo de la canasta
básica de Rafael Correa y el costo de la canasta básica de Lenin Moreno.

Como el t calculado es -5,05005 se encuentra fuera de la zona de aceptación es decir en la

zona de rechazo según la tabla t que va de -2,048 a +2,048 o según el t crítico de -2,200985
a + 2,200985, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, en
consecuencia, si existe una diferencia significativa entre el costo de la canasta básica de
Rafael Correa y el de Lenin Moreno
PRUEBAS NO PARAMÉTRICA:

Para dos muestras relacionadas (Wilcoxon)

Ejercicio:
Se desea estudiar la efectividad de cierta dieta y para ello se toma una muestra aleatoria de
12 mujeres adultas en el grupo de edad de 35-40 años. Se toma el peso (peso en libras) antes
de iniciar la prueba y al mes de encontrarse realizando la dieta. Los resultados se muestran a
continuación:

Peso Peso
Paciente
antes después
1 186 175
2 147 148
3 128 125
4 176 178
5 212 203
6 158 158
7 204 197
8 157 160
9 189 181
10 149 151
11 191 187
12 200 195

Hipótesis:

𝑯𝟎 : 𝑀𝑒𝑑𝐴𝑛𝑡𝑒𝑠 = 𝑀𝑒𝑑𝐷𝑒𝑠𝑝𝑢é𝑠 (No hay diferencia entre las observaciones relacionadas)

𝑯𝟏 : 𝑀𝑒𝑑𝐴𝑛𝑡𝑒𝑠 ≠ 𝑀𝑒𝑑𝐷𝑒𝑠𝑝𝑢é𝑠 (Si hay diferencia entre las observaciones relacionadas)

Prueba no paramétrica Wilcoxon con Real Statistics:

Wilcoxon Signed-Rank Test for Paired Samples

Peso antes Peso después

median 181 176,5

count 12
# unequal 11
T+ 10,5
T- 55,5
T 10,5

one tail two tail

mean 33
std dev 11,23610253 ties
z-score 1,957974302 yates
effect r 0,399669831
p-norm 0,025116514 0,05023303
p-exact 0,020996094 0,04199219
p-simul N/A N/A

Interpretación:

Como el p valor (p-exact) es 0,041992 menor que 0,05; se rechaza la hipótesis nula y se
acepta la hipótesis alternativa, en consecuencia, si existe una diferencia significativa entre el
peso antes y después de un mes de realizar la dieta.
Andrea (Ejercicios)……………………………………
Melissa (Ejercicios)……………………………………
Adrián (Ejercicios)…………………………………….

BIBLIOGRAFÍA