No Parametrica Epi

CAPACITACIÓN, INVESTIGACIÓN,
ESTADÍSTICA Y MERCADEO
www.ciemonline.info/blog
www.leondariobello.com
ESTADISTICA NO PARAMETRICA
ESTADISTICA NO PARAMETRICA
Son procedimientos estadísticos
para prueba de hipótesis que no
requieren de la suposición de la
normalidad de la población de la
cual fue extraída la muestra y se
pueden aplicar a datos de tipo
cuantitativo y cualitativo
.
ldbello@leondariobello.com
VENTAJAS DESVENTAJAS
• No se requiere de
los supuestos • Utilizan menor
paramétricos información de la
• Se puede usar para variable.
variables no
numéricas. • Es menos potente que los
• Cálculos fáciles, resultados obtenidos en
originados por
tamaños de muestra los métodos
pequeños. paramétricos.
• Son convenientes
cuando no se
conoce la
distribución de la
población. www.leondariobello.com
Procedimientos Clásicos
TIENE CUATRO CARACTERISTICAS DISTINTIVAS:
– Nivel bastante complejo de medición, (datos

continuos y cuantitativos)
– Implican prueba de los parámetros hipotéticos
– Suposiciones estrictas (normalidad, homogeneidad
de varianzas).
– Que las observaciones sean independientes entre
sí
¿ Qué debería hacer el estadístico
cuando los procedimientos clásicos
no son aplicables?
Procedimientos No Paramétricos
No depende de la forma de la distribución

subyacente de N.
Rachas
Por rachas se entiende a una sucesión de símbolos
idénticos que pueden estar separados o no por otro tipo
de símbolos. Por ejemplo, sea una serie de mediciones
de magnitudes dicotómicas identificadas con los
símbolos de resultado positivo (+) o negativo (-) a
juicio del investigador.
Resultados: + + - - - + - - - - + + - +
Nº de rachas: 1 2 3 4 5 6 7
El número de rachas es r = 7. El número total de rachas indica si
una muestra es o no aleatoria.
Prueba de Rachas con una Muestra
Los elementos de
Ho:
la muestra están
Formulación mezclados
de la hipótesis aleatoriamente
Los elementos no
H 1: están mezclados
Límites de la aleatoriamente
región de  = nivel de significancia
aceptación www.leondariobello.com
Procedimiento Rachas
1) Se calcula el número n1 de elementos de una clase
identificadas por un símbolo y n2 la cantidad de
elementos de la otra.
2) Se ordenan los n = n1 + n2 sucesos en el orden en

que ocurrieron.
3) Se cuenta el número r de rachas.
4) Se determina la probabilidad que ocurran r rachas,

usando Ho, y se compara con el nivel de significación α
adoptado para aceptar o rechazar la Ho. También se
puede probar con el número de rachas.
n1 = número de ocurrencias tipo 1
Símbolos n2 = número de ocurrencias tipo 2
r = número de corridas
Media del r = 2n1 n2 + 1

Estadístico (n1 + n2 )
Cálculo del r =  2n1 n2 (2n1 n2 - n1 - n2)

error estándar (n1 + n2)2 (n1 + n2 - 1)
La distribución de muestreo de r puede
Elección de la aproximarse mucho mediante la distribución
Distribución normal, si n1 o n2 es mayor que 20
Si el estadístico muestral r cae dentro de la

Interpretación región de aceptación es valida la hipótesis nula
de resultados y concluir que los elementos están siendo
introducidos en modo aleatorio
Salida SPSS 19.0
Prueba de rachas
Prueba de rachas
Cons umo
(l/100Km) Tensión Puntuación
Valor depruebaa 10.00 Valor depruebaa 1.50 10.00
Cas os < Valor de prueba Cas os < Valor de prueba 24 22
169
Cas os >= Valor de
Cas os >= Valor de 24 26
229 prueba
prueba
Cas os en total 48 48
Cas os en total 398 Número de rachas 4 24
Número de rachas 80 Z -5.982 -.098
Z -11.862 Sig. asintót. (bilateral) .000 .922
Sig. asintót. (bilateral) .000 a. Mediana
a. Mediana
EJEMPLO MUESTRAS PEQUEÑAS
12 niños y 12 niñas de 4 años de edad
observados durante dos sesiones de
juego de 15 minutos, el juego fué
calificado por incidencia y grado de
agresión. con estos puntajes es posible
probar la hipótesis que hay diferencias
sexuales en la cantidad de agresión
exhibida.
Niños (h) Niñas (m)
86 55
69 40
72 22
65 58
113 16
65 7
118 9
45 16
141 26
104 36
41 20
50 15
1) SE COLOCAN LOS PUNTAJES n1+ n2
EN UNA SOLA SERIE ORDENADA
7 9 15 16 16 20 22 26 36 40
m m m m m m m m m m
41 45 50 55 58
h h h h h
65 65 69 72 86 104 113 118 141
h h h h h h h h h
2) SE DETERMINA EL NÚMERO DE
RACHAS
3. HIPÓTESIS
Ho: LA INCIDENCIA Y EL GRADO DE AGRESIÓN

SON LOS MISMOS EN LOS NIÑOS DE CUATRO
AÑOS DE AMBOS SEXOS
Ha: LOS NIÑOS Y NIÑAS DE CUATRO AÑOS DE

EDAD MUESTRAN DIFERENCIAS EN LA
INCIDENCIA Y EL GRADO DE AGRESIÓN
4. NIVEL DE SIGNIFICACIÓN
alfa=0.05 N1 = 12 NÚMERO DE NIÑOS
N2 = 12 NÚMERO DE NIÑAS
5. REGLA DE DECISIÓN
SI VALOR OBSERVADO DE R ES
IGUAL O MENOR QUE EL VALOR
TABULADO DE N1 =12 Y N2 =12, Ho
SE RECHAZA A UN NIVEL DE
SIGNIFICACIÓN 0.05
LA TABLA MUESTRA QUE PARA LOS
VALORES DE n1=12 Y n2=12, UNA R
DE 7 ES SIGNIFICATIVA AL NIVEL DE
0.05.
YA QUE EL VALOR DE R ES MENOR QUE
EL TABULADO, SE PUEDE RECHAZAR
LA HO, CONCLUYENDO QUE LOS
NIÑOS Y LAS NIÑAS MUESTRAN
DIFERENCIAS EN LA AGRESIÓN EN LA
SITUACIÓN DE JUEGO LIBRE
La Prueba U de Mann-Whitney
Se utiliza para saber si dos muestras
independientes provienen de poblaciones que
difieren en su ubicación (tendencia central).
Es la contraparte de la prueba t para muestras

independientes. Prueba la hipótesis de que la mediana
de las dos poblaciones son iguales contra que no lo
son.
Si Ho es cierta, el promedio de los rangos para los dos

grupos muestrales debe ser aproximadamente igual.
Ordenación Ordenar por rangos todos los elementos que

deben probarse, en orden creciente
por rango
n1 = número de elementos de la muestra 1

Símbolos n2 = número de elementos de la muestra 2
R1 = suma de los rangos de los elementos de
la muestra 1
R2 = suma de los rangos de los elementos de
la muestra 2
Estadístico U U = n1 n2 + n1 (n1 + 1) – R1
2
Una medida de la diferencia entre las observaciones
ordenadas por rangos de las dos muestras
Media del U = n1 n2
Estadístico 2
Cálculo del u =  n1 n2 (n1 + n2 + 1)

error estándar 12 www.leondariobello.com
Prueba de Suma de Rangos:
Ho: Me1 = Me2 Hipótesis nula, no hay

Formulación diferencia entre las dos poblaciones, por lo
cual tienen la misma mediana
de la hipótesis
H1: Me1  Me2 Hipótesis alternativa, hay una
diferencia entre las dos poblaciones, por lo
cual tienen medianas diferentes
Límites de la
región de  = nivel de significancia
aceptación
Prueba de Suma de Rangos:
Elección de la En caso de que algún n sea mayor de 20, se

puede aproximar con la distribución normal.
Distribución
Si el estadístico muestral U cae dentro de la

Interpretación región de aceptación es valida la hipótesis nula
de resultados de que no hay diferencia y concluiremos que
las distribuciones son iguales
La Prueba de Wilcoxon con signo
Una prueba que utiliza dirección y magnitud, propuesta en

1945 por Frank Wilcoxon, se llama ahora comúnmente
prueba de rango con signo de Wilcoxon.
Esta prueba se aplica en el caso de una distribución continua

simétrica.
Utiliza las magnitudes de las diferencias entre las mediciones

y un parámetro de ubicación según una hipótesis, en lugar
de los signos de las diferencias
Suposiciones
• La muestra es aleatoria
• La variable es continua
• La población se distribuye simétricamente
alrededor de su media 
• La escala de medición es al menos de intervalo
Hipótesis
a) Ho:  = o b) Ho:   o b) Ho:   o
Ha:   o Ha:  < o Ha:  > o
Estas son las hipótesis que pueden probarse para

alguna media de población no conocida o
Pasos para la prueba de Wilcoxon con signo
1. Restar la media hipotética o de cada

observación
Di = xi - o
Se elimina cualquier diferencia que de cómo

resultado cero.
Tener en cuenta que se reduce el tamaño de
n.
2. Ordenar las diferencias de menor a mayor
sin importar el signo (sólo el valor
absoluto).
Si dos o más son iguales asignar a cada valor

la media de la posición que ocupa en la
lista.
3. Asignar:
• A las diferencias positivas se les asigna
como W+
• A las diferencias negativas se les asigna
como W-
• Sumar cada grupo
• El menor valor de los dos anteriores se
asigna como W.
4. Comparar los valores obtenidos con los
valores críticos en la tabla (0.05, 0.025 y 0.01)
N es el número de diferencias halladas, sin

tomar en cuenta las que son iguales a cero.
Ejemplo
En un experimento para medir la efectividad de un

medicamento para dormir, basándose en las
horas de sueño de los pacientes, un sicólogo
seleccionó aleatoriamente 10 pacientes a los
cuales se les suministró el medicamento y luego
un placebo.
La siguiente tabla muestra las horas de sueño de

cada paciente con la sustancia suministrada, así
como las diferencias, rangos y conclusión.
Horas de sueño Rango
Paciente Droga Placebo Diferencia (Ignorando el signo)
1 6.1 5.2 0.9 3.5*
2 7.0 7.9 -0.9 3.5*
3 8.2 3.9 4.3 10
4 7.6 4.7 2.9 7
5 6.5 5.3 1.2 5
6 8.4 5.4 3.0 8
7 6.9 4.2 2.7 6
8 6.7 6.1 0.6 2
9 7.4 3.8 3.6 9
10 5.8 6.3 -0.5 1
W+ = 50.5 W- = 4.5 W = 4.5

Ho: la efectividad de la droga es mayor que la del placebo
Ha: la efectividad de la droga es menor a la del placebo.
* Los rangos 3ro y 4to han sido promediados
W+ = 50.5 W- = 4.5 W = 4.5
Como W = 4.5, con una significación de 0.025 se puede

afirmar que el medicamento sí es efectivo.
Valores críticos de T en la prueba de rangos señalados de los pares igualados de Wilcoxon
Nivel de significación para prueba de una cola

.025 .01 .005
N
Nivel de significación para prueba de dos colas
.05 .02 .01
6 0 --------- --------
7 2 0 --------
8 4 2 0
9 6 3 2
10 8 5 3
11 11 7 5
12 14 10 7
13 17 13 10
14 21 16 13
15 25 20 16
16 30 24 20
17 35 28 23
18 40 33 28
19 46 38 32
20 52 43 38
En el SPSS…
Analizar  Pruebas no paramétricas  2 muestras relacionadas
Rangos
Rango Suma de
N promedio rangos
horas de s ueño con Rangos a
8 6.31 50.50
el placebo - horas de negativos
s ueño con la droga Rangos b
2 2.25 4.50
pos itivos
Empates 0c
Total 10
a. horas de sueño con el pl acebo < horas de sueño con la droga
b. horas de sueño con el pl acebo > horas de sueño con la droga
c. horas de sueño con el pl acebo = horas de sueño con la droga
En el SPSS…
Estadísticos de contrasteb
horas de sueño con el placebo

- horas de sueño con la droga
Z -2.346 a
Asymp. Sig. (2-tailed) .019
a. Basado en los rangos posi tivos
b. Prueba de l os rangos con signo de Wil coxon
Prueba de la Suma de Rangos
de Wilcoxon
• Para comparar dos grupos
• Equivalente no paramétrico de la prueba T.
• Consiste de 3 pasos básicos…
Paso 1
• Asignar rangos ascendentemente para cada
grupo
• Si se dan valores iguales promediar sus rangos
Paso 2
• Sume los rangos en el grupo con el tamaño de
muestra más pequeño.
• Si los dos grupos tienen el mismo tamaño, se
debe elegir uno.
• W = suma de todos los rangos en el grupo con
el tamaño de muestra más pequeño.
Paso 3
• Compare esta suma con el valor hallado en la tabla de
Wilcoxon.
• Hallar la fila correspondiente al tamaño del grupo con
la muestra más pequeña (n).
• Si el valor de W es menor que el hallado en la tabla, se
rechaza la hipótesis nula, es decir, hay diferencias
significativas.
Ho: No existen diferencias significativas entre medias

Ha: Existen diferencias significativas entre medias
Ejemplo
Se afirma que un estudiante universitario de último año

puede aumentar su calificación en el área del campo de
especialidad del examen de registro de graduados en al
menos 50 puntos si de antemano se le proporcionan
problemas de muestra. Para probar esta afirmación, se
dividen 20 estudiantes del último año en 10 pares de
modo que cada par tenga casi el mismo promedio de
puntos de calidad general en sus primeros años en la
universidad. Los problemas y respuestas de muestra se
proporcionan al azar a un miembro de cada par una
semana antes del examen. Se registran las siguientes
calificaciones del examen:
Pruebe la hipótesis nula en el nivel de significancia de 0.05 de que los
problemas aumentan las calificaciones en 50 puntos contra la hipótesis
alternativa de que el aumento es menor a 50 puntos.
Con problemas de Sin problemas de

Par di di – d0 Rangos
muestra muestra
1 531 509 22 -28 5
2 621 540 81 31 6
3 663 688 -25 -75 9
4 579 502 77 27 3.5
5 451 424 27 -23 2
6 660 683 -23 -73 8
7 591 568 23 -27 3.5
8 719 748 -29 -79 10
9 543 530 13 -37 7
10 575 524 51 1 1
En este caso d0 = 50, por lo que se procede a
calcular las diferencias entre las muestras y
luego restarles el valor de 50.
Para n=10 la tabla muestra que la región crítica

es w+ 11.
w+ = 6 + 3.5 + 1 = 10.5
• Decisión y Conclusión:
Como 10.5 es menor que 11 se rechaza Ho y

se concluye con un α = 0.05 que los
problemas de muestra, en promedio, no
aumentan las calificaciones de registro de
graduados en 50 puntos.
La Prueba De WILCOXON Para Muestras Grandes
n(n  1)
Estadístico Z W
z 4
n(n  1)( 2n  1)
24
Media del w = n(n+1)

Estadístico 4
Cálculo del u =  n(n+1) (2n +1)

error estándar 24
PRUEBA DE WILCOXON CON
MUESTRAS GRANDES
• Se debe de realizar una aproximacion a la
normal, con la media y la desviacion tipica
definida por las siguientes expresiones:
= n(n + 1)
4
En la expresion anterior n es el tamaño de la
muestra.
DESVIACION ESTANDAR
n(n  1)( 2n  1)

24
A partir de las expresiones anteriores
deducimos la expresion para Z curva normal
tipificada para esta prueba y seria asi:
Valor tipificado
n(n  1)
W
z 4
n(n  1)( 2n  1)
24
En los cursos que encuentra en los
sitios mencionados abajo
encontrará mayor información
sobre estos temas.
www.ciemonline.info/blog

No Parametrica Epi

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

No Parametrica Epi

Încărcat de

Drepturi de autor:

Formate disponibile

CAPACITACIÓN, INVESTIGACIÓN,

– Nivel bastante complejo de medición, (datos

No depende de la forma de la distribución

2) Se ordenan los n = n1 + n2 sucesos en el orden en

3) Se cuenta el número r de rachas.

4) Se determina la probabilidad que ocurran r rachas,

Media del r = 2n1 n2 + 1

Cálculo del r =  2n1 n2 (2n1 n2 - n1 - n2)

Si el estadístico muestral r cae dentro de la

Ho: LA INCIDENCIA Y EL GRADO DE AGRESIÓN

Ha: LOS NIÑOS Y NIÑAS DE CUATRO AÑOS DE

Es la contraparte de la prueba t para muestras

Si Ho es cierta, el promedio de los rangos para los dos

Ordenación Ordenar por rangos todos los elementos que

n1 = número de elementos de la muestra 1

Cálculo del u =  n1 n2 (n1 + n2 + 1)

Ho: Me1 = Me2 Hipótesis nula, no hay

Elección de la En caso de que algún n sea mayor de 20, se

Si el estadístico muestral U cae dentro de la

Una prueba que utiliza dirección y magnitud, propuesta en

Esta prueba se aplica en el caso de una distribución continua

Utiliza las magnitudes de las diferencias entre las mediciones

a) Ho:  = o b) Ho:   o b) Ho:   o

Ha:   o Ha:  < o Ha:  > o

Estas son las hipótesis que pueden probarse para

1. Restar la media hipotética o de cada

Se elimina cualquier diferencia que de cómo

Si dos o más son iguales asignar a cada valor

N es el número de diferencias halladas, sin

En un experimento para medir la efectividad de un

La siguiente tabla muestra las horas de sueño de

W+ = 50.5 W- = 4.5 W = 4.5

* Los rangos 3ro y 4to han sido promediados

W+ = 50.5 W- = 4.5 W = 4.5

Como W = 4.5, con una significación de 0.025 se puede

Nivel de significación para prueba de una cola

horas de sueño con el placebo

Ho: No existen diferencias significativas entre medias

Se afirma que un estudiante universitario de último año

Con problemas de Sin problemas de

3 663 688 -25 -75 9

4 579 502 77 27 3.5

5 451 424 27 -23 2

6 660 683 -23 -73 8

7 591 568 23 -27 3.5

8 719 748 -29 -79 10

9 543 530 13 -37 7

Para n=10 la tabla muestra que la región crítica

Como 10.5 es menor que 11 se rechaza Ho y

Media del w = n(n+1)

Cálculo del u =  n(n+1) (2n +1)

S-ar putea să vă placă și