Documente Academic
Documente Profesional
Documente Cultură
ALUMNO:
PRUEBAS NO PARAMETRICAS
Las pruebas no paramtricas son datos de distribucin libre, se trata de datos cuantitativos, para analizar algunos de los problemas de distribucin de la poblacin. Es decir, dichos contrastes pueden ser desarrollados de manera que tengan el nivel de significacin requerido, sin importar la distribucin de los miembros de la poblacin.
En las pruebas no paramtricas o libres (o independientes) de la distribucin no se establece ninguna suposicin acerca de la forma precisa de la poblacin muestreada. Algunas veces se realizan algunos supuestos, como el que una distribucin es contina o que las poblaciones mustrales tienen formas idnticas o distribuciones simtricas respecto del mismo punto; sin embrago los supuestos nunca son tan elaborados como para implicar una distribucin poblacional completamente especificada, como es el caso de la curva normal. La mayora de los valores estadsticos estudiados hasta ahora, han implicado una distribucin normal del parmetro () y varios de los coeficientes de correlacin, han implicado una distribucin normal del parmetro y z, t, F son pruebas paramtricas.
1. Los valores de las mediciones tienden a agruparse alrededor de un punto central, la media 2. La representacin de los datos es simtrica a ambos lados de la media 3. Las desviaciones estndares quedan situadas a igual distancia unas de otras 4. La proporcin de mediciones situada entre la media y las desviaciones es una constante en la que: La media 1 * desviacin estndar = cubre el 68,3% de los casos La media 2 * desviacin estndar = cubre el 95,5% de los casos La media 3 * desviacin estndar = cubre el 99,7% de los casos
La variable Z se denomina normal tipificada o normal estndar y su distribucin sigue una curva normal de media cero y desviacin tpica uno. Cada rea tabulada es el rea bajo la curva normal tipificada por debajo de un valor concreto de z. Por ejemplo, para z%1,53, el rea tabulada es 0,9370. Esta rea se muestra sombreada en la Figura
PRUEBAS PARA DATOS INDEPENDIENTES O NO CORRELACIONADOS Prueba de la mediana La prueba de la mediana se aplica para ver si dos grupos provienen de poblaciones que tienen la misma mediana. Mediante esta prueba, el tamao de las muestras no necesitan ser el mismo en la siguiente tabla se muestra las puntuaciones de suma aritmtica para 27 personas. Se probara la hiptesis de que no hay diferencia entre estas dos series de calificaciones empleando la prueba de la mediana. El grupo X contiene 13 calificaciones, y el grupo Y 14. Primero para el conjunto total de 27 calificaciones, se calcula la mediana, que resulta ser 11.
Calificaciones prueba X 12 16 18 7 6 4 11 12 8 20 18 16 10 en una suma de Y 7 12 14 18 5 16 9 10 14 3 18 9 7 4
PRUEBA DE SIGNO
Se usa para hacer pruebas de hiptesis acerca de la mediana de una poblacin de una variable continua. Es una alternativa a la prueba de Z o de t para la media poblacional. La hiptesis nula es Ho: La Mediana poblacional es igual a un valor dado y la Hiptesis alterna Ha: La mediana es menor (mayor distinta) del valor dado. La prueba estadstica est basada en la distribucin Binomial con probabilidad de xito p=1/2, puesto que la probabilidad de que un dato sea mayor o menor que la mediana es . Para calcularla se determinan las diferencias de los datos con respecto al valor dado de la mediana y se cuenta los signos positivos y negativos. Cuando la hiptesis alterna es "mayor que" y el nmero de diferencias positivas es mayor que las diferencias negativas entonces, el "p-value" se calcula por,
PRUEBA DE SIGNO donde c es el nmero de diferencias positivas y, n es igual al nmero de datos pero, si hay datos de valor igual a la mediana que se asume en la hiptesis nula entonces, n es igual al nmero de datos menos la cantidad de datos iguales a la mediana asumida, cuando el nmero de diferencias positivas es menor que el nmero de diferencias negativas entonces el "p-value" es igual a
PRUEBA DE WILCOXON La prueba de los signos y la prueba de Wilcoxon se pueden usar tambin como una prueba alterna a la prueba de t para comparaciones pareadas. En este caso se aplica la prueba no paramtrica a las diferencias entre los dos grupos En el siguiente ejemplo se ilustra la prueba de Wilcoxon para comparar dos muestras pareadas. Ejemplo Se desea probar si el rendimiento en la prueba de aprovechamiento matemtico es mejor que en la prueba de aptitud matemtica. Para ello se toma una muestra de los resultados de 40 estudiantes:
Wilcoxon Signed Rank Test: diferenc Test of median = 0.000000 versus median > 0.000000 diferenc N 40 N for Test 40 Wilcoxon Statistic 591.0 P 0.008 Estimated Median 27.75
Interpretacin: Como el "P-value" es menor que .05, se rechaza la hiptesis nula y se concluye que hay evidencia estadstica de que el rendimiento en aprovechamiento es mejor que en aptitud.
Point estimate for ETA1-ETA2 is 26.5 95.5 Percent CI for ETA1-ETA2 is (-47.0,104.0) W = 56.5 Test of ETA1 = ETA2 vs ETA1 not = ETA2 is significant at 0.1556 The test is significant at 0.1551 (adjusted for ties)
PRUEBA DE H DE RUSKAL-WALLIS
La prueba de Kruskal-Wallis, es una alternativa a la prueba F del anlisis de varianza para diseos de clasificacin simple. En este caso se comparan varios grupos pero usando la mediana de cada uno de ellos, en lugar de las medias. Es decir, la hiptesis nula es Ho: La mediana de las k poblaciones consideradas son iguales, y la alterna Ha: Al menos una de las poblaciones tiene mediana distinta a las otras. La prueba estadstica, denotada por H, se calcula hallando primero los rangos de cada una de los k grupos pero, considerando que se ha combinado todos los grupos en uno slo. En caso de haber datos empatados se asigna un rango promedio a cada dato del grupo empatado. Sea Rk la suma de los rangos del grupo k, el estadstico de Kruskal-Wallis necesario para hacer la prueba estadstica se calcula por.
Solucin: La hiptesis nula es Ho: Las medianas de los tres mtodos de enseanza son iguales y la hiptesis alterna es Ha: Al menos uno de los mtodos de enseanza tiene mediana distinta a los otros. La ventana de dilogo se completar as:
mtodo 1 2 3
N 6 7 5
JI CUADRADA Prueba de la ji cuadrada Esta prueba de significacin estadstica nos permite encontrar relacin o asociacin entre dos variables de carcter cualitativo que se presentan nicamente segn dos modalidades (dicotmicas).
Clculo de la Chi cuadrado El clculo de la Chi cuadrado se realiza a partir de la frmula: Vamos a proceder a su estudio a travs de un ejemplo concreto. A un grupo de 100 pacientes que se quejaba de no dormir bien se les administr dos tipos de tratamientos distintos (A, B). Al concluir el estudio se les pregunt si haban dormido bien o mal y se obtuvieron los siguientes resultados:
55 45 100
1.- Planteamos la hiptesis nula (H0). 2.- Fijamos el nivel de confianza con el que queremos afirmar nuestro resultado. 3.- Calculamos las frecuencias tericas, correspondientes a cada grupo, partiendo del supuesto de que ambas variables fuesen independientes y las colocamos entre parntesis. 4.- Calculamos la Chi cuadrado mediante la frmula.
5.- Calculamos los grados de libertad. 6.- Interpretacin de los datos. En nuestro ejemplo procedemos a buscar en las tablas de la distribucin de la Chi cuadrado el valor para 1 grado de libertad y una p < 0,05 y observamos que es de 3,841. Al ser nuestro valor de 8,249 > a 3, 841, rechazamos la hiptesis nula de no relacin o independencia. Por tanto concluimos que con una probabilidad de error del 5% podemos afirmar que existe relacin entre el tipo de tratamiento administrado y la calidad del sueo.
Los mtodos cualitativos confan principalmente en el juicio de los expertos y tienden a ser menos precisos que los mtodos cuantitativos. A pesar de estas limitaciones y teniendo en cuenta sus cualidades positivas, su uso actual en las organizaciones e investigaciones sugiere que con frecuencia su potencial excede a sus limitaciones. As mismo el procesamiento a travs de un sistema automatizado, siempre garantiza la calidad de nuestra investigacin.