708

Captulo 13 Estadstica no paramtrica

puede hacerse demostrando que para el caso de dos muestras, el estadstico de prue-
ba H es igual al cuadrado del estadstico de prueba z que se utiliza en la prueba de la
suma de rangos de Wilcoxon. Adems, note que con 1 grado de libertad, los valores
crticos de X 2 corresponden al cuadrado de la puntuacin crtica z.

13-6 Correlacin de rangos

Concepto clave En esta seccin se describe el mtodo no paramtrico de la co-
rrelacin de rangos, el cual se utiliza con datos apareados para probar una asocia-
cin entre dos variables. En el captulo 10 utilizamos datos muestrales apareados
para calcular valores del coeficiente de correlacin lineal r, pero en esta seccin
utilizaremos rangos como base para calcular el coeficiente de correlacin de ran-
gos Y,.

Definicin
La prueba de correlacin de rangos (o prueba de correlacin de rangos
45Z1 de Spearman) es una prueba no paramtrica que utiliza rangos de datos
muestrales consistentes en datos apareados. Se utiliza para probar una asocia-
ncin entre dos variables, por lo que las hiptesis nula y alternativa son las
siguientes (donde ps denota el coeficiente de correlacin de rangos de la
poblacin completa):
H0: ps = O (No existe correlacin entre las dos variables).

H
1: p,  O (Existe una correlacin entre las dos variables).

Ventajas: La correlacin de rangos tiene las siguientes ventajas sobre los m-

todos paramtricos analizados en el captulo 10:
El mtodo no paramtrico de correlacin de rangos puede utilizarse en una varie-
dad ms amplia de circunstancias que el mtodo paramtrico de correlacin lineal.
Con la correlacin de rangos, podemos analizar datos apareados que sean rangos
o puedan convertirse en rangos. Por ejemplo, si dos jueces califican a 30 gimnas-
tas, podemos utilizar la correlacin de rangos, pero no la correlacin lineal. A
diferencia de los mtodos paramtricos del captulo 10, el mtodo de correla-
cin de rangos no requiere una distribucin normal de cualquier poblacin.
La correlacin de rangos puede utilizarse para detectar algunas relaciones (no
todas) que no son lineales. (Ms adelante se dar un ejemplo en esta seccin).
Desventaja: Una desventaja de la correlacin de rangos es su tasa de eficien-
cia de 0.91, como se describe en la seccin 13-1. Esta tasa de eficiencia indica
que, con todas las dems circunstancias iguales, el mtodo no paramtrico de co-
rrelacin de rangos requiere de 100 pares de datos muestrales para tener los mis-
mos resultados que slo 91 pares de observaciones muestrales analizadas a travs
del mtodo paramtrico, suponiendo que los requisitos ms estrictos del mtodo
paramtrico se satisfacen.
Utilizamos la flotacin rs para el coeficiente de correlacin de rangos para no
confundirlo con el coeficiente de correlacin lineal r. El subndice s no tiene nada
que ver con la desviacin estndar; se usa en honor de Charles Spearman (1863-
1945), quien origin el mtodo de correlacin de rangos. De hecho, r, suele lla-
marse coeficiente de correlacin de rangos de Spearman. El procedimiento de
la correlacin de rangos se resume en la figura 13-4.

13-6 Correlacin de rangos 709

Los n pares Convierta los datos de la primera

de datos estn en
o muestra a rangos de 1 hasta n y
forma de rangos? luego haga lo mismo para la
segunda muestra.

ualquiera
Calcule la diferencio' d poro cada
de las variables tiene o par de rangos. restando el rango
empates entre
menor del rango mayor.
sus rangos

Si

Calcule r, utilizando
Eleve al cuadrado cada diferencia
la frmula 10-1 con los rangos:
d y luego calcule la suma de estos
ni.xy (1,x) (1y) cuadrados para obtenerl(A.
n(Ix 2) (Ix) 2 V n(Iy2) (1y)2

Complete el clculo de
61d2 para
r, = 1
n(n2 1)
obtener el estadstico de prueba.

Calcule los valores crticos

o r,
. 307 1
donde z corresponde al nivel
S de significancia.

Encuentre los valores crticos

de r5 en la tabla A9.

Si Ir51 excede al valor critico positivo, rechace Ho: ps = O y concluya que hay
una correlacin. Si el estadstico de prueba r5 es negativo y es menor que
el valor crtico negativo, existe una correlacin. Si el estadstico de prueba
rs est entre los valores crticos positivo y negativo, no hay correlacin.

Figura 13-4 Procedimiento de correlacin de rangos para probar Ho: ps = 0

710 Captulo 13 Estadstica no paramtrica

Correlacin de rangos

Requisitos
Los datos muestrales apareados se seleccionaron aleatoriamente.
A diferencia de los mtodos paramtricos de la seccin 10-2, no existe el requi-
sito de que los datos muestrales apareados tengan una distribucin normal biva-
riada (como se describi en la seccin 10-2). No existe el requisito de una distri-
bucin normal para cualquier poblacin.

Notacin
rs = coeficiente de correlacin de rangos para datos muestrales apareados (r s es un
estadstico muestral)
ps = coeficiente de correlacin de rangos para todos los datos poblacionales (p., es
un parmetro poblacional)
n = nmero de pares de datos muestrales
d = diferencia entre los rangos de los dos valores dentro de un par
Estadstico de prueba
Sin empates: Despus de convertir los datos de Cada muestra a rangos, si no existen
empates entre los rangos para la primera variable y no existen empates entre los ran-
gos para la segunda variable, el valor exacto del estadstico de prueba puede calcu-
larse utilizando esta frmula:

rs =
nd 2
n(n2 1)
Empates: Despus de convertir los datos de cada muestra a rangos, si cualquier va-
riable tiene empates entre sus rangos, el valor exacto del estadstico de prueba rs
puede calcularse utilizando la frmula 10-1 con los rangos:
nlxy (5,x)(Iy)
rs =
Vn(lx 2) (14 2 Vn(I)'2) (1y)2

Valores crticos
1. Si n  30, los valores crticos se encuentran en la tabla A-9.
2: Si n > 30, los valores crticos de r, se calculan utilizando la frmula 13-1.
Z
Frmula 13-1 (valores crticos cuando n > 30)
n1
donde el valor de z corresponde al nivel de significancia. (Por ejemplo, si a = 0.05,
z = 1.96).

EJEMPLO Clasificacin de universidades por estudiantes y el

U.S. News and World Repon El problema del captulo incluye las cla-
sificaciones de universidades por parte de estudiantes y de la revista
U.S. News and World Repon. Esta clasificacin est incluida en la tabla 13-7,
que tambin incluye las diferencias d y los cuadrados de las diferencias d2.
Calcule el valor del coeficiente de correlacin de rangos y utilcelo para de-
terminar si existe una correlacin entre la clasificacin de los estudiantes y la
clasificacin de la revista. Use un nivel de significancia de 0.05.


13-6 Correlacin de rangos 711

Tabla 13-7 Universidades clasificadas por estudiantes y por U.S. News

and World Report

Clasificacin segn Clasificacin segn Diferencia

Universidad la preferencia la revista U.S. News d d2
de los estudiantes and World Report

Harvard 1 o o
Yale 2 2 o o
Cal. Inst. of Tech. 3 5 2 4
M.I.T. 4 4 o o
Brown 5 7 2 4
Columbia 6 6
U. de Penn. 7 3 4 16 Vnculo directo
Notre Dame 8 8 entre el tabaquismo
Total: 24 y el cncer
Cuando encontramos una corre-
lacin estadstica entre dos va-
riables, debemos ser sumamente
SOLUCIN cuidadosos para evitar el error
REQUISITO 3 El nico requisito es que los datos muestrales apareados sean de concluir que existe un vncu-
elegidos al azar. Las universidades incluidas se eligieron al azar entre aquellas lo de causa y efecto. La indus-
que estaban disponibles, de manera que procedemos con la prueba. 3 tria tabacalera ha enfatizado una
El coeficiente de correlacin lineal r (seccin 10-2) no debe utilizarse Y otra vez que la correlacin no
puesto que requiere de distribuciones normales, y los datos consisten en rangos implica causalidad. Sin embar-
que no estn distribuidos normalmente. En vez de ello, utilizamos el coeficien-
go, el doctor David Sidransky,
te de correlacin de rangos para probar una relacin entre los rangos de los es-
de la John Hopkins Univer-
tudiantes y de la revista.
sity, asegura: "Tenemos pruebas
Las hiptesis nula y alternativa son las siguientes:
moleculares tan fuertes que
Ho: p., = O podemos estudiar un caso de cn-
H 1 : p.,  0 cer individual y, potencialmen-
Siguiendo el procedimiento de la figura a 13-4, los datos estn en forma de te, con base en los patrones de
rangos y ninguna de las dos variables tiene empates entre los rangos, por lo que cambio gentico, determinar si
el valor exacto del estadstico de prueba puede calcularse como se indica aba- fumar cigarrillos fue la causa de
jo. Utilizamos n = 8 (para 8 pares de datos) y /d2 = 24 (como se indica en la ese cncer". A partir de sus ha-
tabla de 13-7) para obtener llazgos, tambin afirma que
"el fumador tuvo una incidencia
nd 2 6(24)
= 1 1 mucho ms alta de mutacin, lo
n(n 2 1) 8(82 1)
que se confirm con el patrn
144 tan claro de mutaciones... as que
= 0 714
1 504 prcticamente encontramos la

Ahora nos remitimos a la tabla de A-9 para determinar que los valores crti- pistola humeante- . Aunque los
cos son 0.738 (con a = 0.05 y n = 8). Puesto que el estadstico de prueba mtodos estadsticos no pueden
= 0.714 no excede al valor crtico de 0.738, no rechazamos la hiptesis probar que fumar causa cncer,
nula. No existe suficiente evidencia para sustentar una aseveracin de correla- con evidencia fsica como la que
cin entre la clasificacin de los estudiantes y la clasificacin de la revista. Pa- presenta el doctor Sidransky es
rece que en lo que se refiere a la clasificacin de universidades, los estudiantes posible establecer demostracio-
y la revista no coinciden. (Si coincidieran, habra una correlacin significativa, nes como sta.
pero no la hay).
712 Captulo 13 Estadstica no paramtrica

n-- EJEMPLO Caso de muestra grande Suponga que el ejemplo anterior se

ampla para incluir un total de 40 universidades y que se encuentra que el esta-
dstico de prueba I-, es 0.300. Si el nivel de significancia es a = 0.05, qu
concluye usted acerca de la correlacin?

SOLUCIN Puesto que existen 40 pares de datos, tenemos n = 40. Como n

excede a 30, calculamos los valores crticos con la frmula 13-1, en vez de em-
plear la tabla A-9. Con a = 0.05 en dos colas, permitimos que z = 1.96 para
obtener

1.96
, -0.314
V40 1

El estadstico de prueba r, = 0.300 no excede al valor crtico de 0.314, por lo

tanto, no rechazamos la hiptesis nula. No existe suficiente evidencia para sus-
tentar la aseveracin de una correlacin entre los estudiantes y la revista.

El siguiente ejemplo tiene la intencin de ilustrar el principio de que la corre-

lacin de rangos algunas veces se puede utilizar para detectar relaciones que no
son lineales.

EJEMPLO Deteccin de un patrn no lineal Se utiliza una mquina de pin-

ball Raiders of the Lost Ark (modelo L-7) para medir el aprendizaje que resulta
de repetir funciones manuales. Los sujetos se seleccionaron para que fueran
similares en caractersticas importantes de edad, gnero, inteligencia, educacin,
etctera. La tabla 13-8 lista los nmeros de juegos que se realizaron y las
ltimas puntuaciones (en millones) de sujetos seleccionados al azar del grupo
con caractersticas similares. Esperamos que haya una asociacin entre el nme-
ro de juegos realizados y la puntuacin del pinhalL Existe suficiente evidencia
para sustentar la aseveracin de que existe una asociacin como sta?

SOLUCIN Probaremos la hiptesis nula de inexistencia de correlacin de

rangos (ps = 0).
H0: p,. = O (sin correlacin)
H 1 : p O (correlacin)
Remtase a la figura 13-4, la cual seguimos para esta solucin. Las puntua-
ciones originales no son rangos, as que las convertimos a rangos y colocamos
los resultados entre parntesis en la tabla 13-8. (En la seccin 13-1 se describe
el procedimiento para convertir puntuaciones en rangos). No hay empates entre

Tabla 13-8 Puntuaciones de pinball (rangos entre parntesis)

Nmero
de juegos 9 (2) 13 (4) 21 (5) 6 (1) 52 (7) 78 (8) 33 (6) 11 (3) 120 (9)

Puntuacin 22 (2) 62 (4) 70 (6) 10 (1) 68 (5) 73 (8) 72 (7) 58 (3) 75 (9)
d 0 0 1 0 2 0 1 0 0
d2 0 0 1 0 4 0 1 0 0

13-6 Correlacin de rangos 713

los rangos del nmero de juegos realizados, ni hay empates entre los rangos de las
puntuaciones, de manera que procedemos a calcular las diferencias d y luego
las elevamos al cuadrado. La suma de los valores de d2 es 6. Ahora calculamos
6r,d 2 6(6)
=1 1 9(92 - 1)
n(n 2 1)
36
= 1 720 = 0.950

Continuando con la figura 13-4, tenemos n = 9, por lo que respondemos s

cuando se pregunta si n 30. Utilizamos la tabla A-9 para obtener los valores
crticos de 0.700. Finalmente, el estadstico muestral de 0.950 excede a
0.700, por lo que concluimos que existe una correlacin significativa. Los n-
meros ms altos de juegos parecen estar asociados con puntuaciones ms altas.
Los sujetos parecen aprender mejor el juego al jugar ms.

En el ejemplo anterior, si calculamos el coeficiente de correlacin lineal r Excel

(utilizando la frmula 9.1) para los datos originales, obtenemos r = 0.586, lo que
nos lleva a la conclusin de que no existe evidencia suficiente para sustentar la
aseveracin de una correlacin lineal significativa al nivel 0.05 de significancia.
Si examinamos el diagrama de dispersin de Excel, podemos ver que el patrn de It

puntos no es un patrn de lnea recta. Este ltimo ejemplo ilustra una ventaja del L0
, ISZ
Geo.. Pi,n
mtodo no paramtrico sobre el mtodo paramtrico: con la correlacin de rangos,
algunas veces podemos detectar relaciones que no son lineales.

Uso de la tecnologa
STATDISK Anote los datos muestrales
en las columnas de la ventana de datos.
Seleccione Analysis de la barra del men
principal. luego elija Rank Correlation. Se-
leccione las dos columnas de datos que
se incluirn y luego haga clic en Evaluate.
Los resultados de STATDISK incluyen el va-
lor exacto del estadstico de prueba rs. el valor
crtico y la conclusin.
Ingrese los datos apareados
en las columnas C1 y C2. Si los datos toda-
va no son rangos, utilice las opciones Ma-
nip y Rank de Minitab para convertir los
datos a rangos. despus seleccione Stat, se-
guido por Basic Statistics, y luego Correla-
tion. Minitab mostrar en la pantalla el valor
exacto del estadstico de prueba rs . Aunque
Minitab identifica esto como el coeficiente
de correlacin de Pearson descrito en la sec-
cin 10-2, en realidad se trata del coeficiente
de correlacin de Spearman descrito en esta
seccin (puesto que est basado en rangos).
EXCEL Excel no tiene una funcin que
calcule el coeficiente de correlacin de ran-
gos a partir de valores muestrales originales,
pero el valor exacto del estadstico de prueba
I- se puede calcular como sigue. Primero
reemplace cada uno de los valores muestrales
originales por su rango correspondiente.
Ingrese estos rangos en las columnas A y B.
Haga clic en el botn de funcin fx localiza-
do en la barra del men principal. Seleccione
la categora de funcin Statistical y el
nombre de la funcin CORREL, luego haga
clic en OK. En el cuadro de dilogo, ingrese
el ran go de la celda de los valores para x, co-
mo A I :A10. Tambin ingrese el rango de la
celda de los valores para y, como B 1:B10.
Excel mostrar en la pantalla el valor exacto
del coeficiente de correlacin de rango rs.
Tambin es posible emplear el complemento
DDXL al seleccionar Nonparametric Tests
y luego Spearman Rank Test.
E=22:3 S utilizamos una calcu-
ladora TI-83/84 Plus o cualquier otra con es-
tadsticos para 2 variables, es posible calcular
el valor exacto de r, como sigue: 1. reemplace
cada valor muestral por su rango correspon-
diente, luego 2. calcule el valor del coefi-
ciente de correlacin lineal r con los mismos
procedimientos utilizados en la seccin 10-2.
Ingrese los rangos apareados en las listas LI
y L2, despus oprima STAT y seleccione
TESTS. El uso de la opcin LinRegTTest da-
r corno resultado varios valores, incluyendo
el valor exacto del coeficiente de correlacin
de rangos r).
714 Captulo 13 Estadstica no paramtrica

13-6 DESTREZAS Y CONCEPTOS BSICOS

Conocimientos estadsticos y pensamiento crtico
Correlacin de rango. Qu ventaja importante tiene el mtodo de correlacin de
rangos de esta seccin sobre el mtodo de correlacin lineal de la seccin 10-2?
Correlacin de rango. Si dos jueces clasifican a 25 gimnastas desde 1 hasta 25 sin
empates, y sus clasificaciones coinciden perfectamente, cul es el valor del coefi-
ciente de correlacin de rangos?
Notacin. Representamos el estadstico de prueba del coeficiente de correlacin de
rangos con la notacin r y el parmetro poblacional correspondiente se representa
por p.. Por qu se utiliza el subndice s? El subndice s representa la misma desvia-
cin estndar s que se estudi en la seccin 3-3?
Eficiencia. Remtase a la tabla 13-2 e identifique la eficiencia de la prueba de correla-
cin de rangos. Qu nos indica ese valor acerca de la prueba?
En los ejercicios 5 y 6, dibuje un diagrama de dispersin, calcule el valor de r s y determi-
ne si al parecer existe una correlacin entre x y y.
x 2 4 I 5 3
Y 2 4 1 5 3

1 2 3 4 5

Y 5 4 3 2 1

clculo de valores crticos. En los ejercicios 7 y 8, calcule el valor (o valores) crtico(s)

utilizando la tabla A-9 o la frmula 13-1, segn sea ms apropiado. Suponga que la
hiptesis nula es ps = O, de manera que la prueba es de dos colas. Adems, n denota
el nmero de pares de datos.
7. a. n= 12, a = 0.05
n = 20, a = 0.01
n = 60, a = 0.05
d. n = 80, a = 0.01
8. a. n= 14, a = 0.05
h. n = 23, a = 0.01
n = 120, a = 0.01

n = 75. a = 0.05
Prueba para correlacin de rangos. En los ejercicios 9 a 16, utilice el coeficiente de co-
rrelacin de rangos para probar una correlacin entre las dos variables. Utilice un nivel
de significancia de a = 0.05.
9. Bolsa de Valores y ventas de automviles. Para una serie reciente de 10 aos, se ob-
tuvieron los valores mximos anuales del Promedio Industrial Dow iones (DJIA) y
los nmeros de automviles (en miles) correspondientes que se vendieron en Estados
Unidos. La siguiente tabla lista los rangos de cada conjunto de valores. Pruebe una
correlacin entre el DJIA y el nmero de automviles vendidos.
DJIA mximo I 2 3 4 5 6 7 8 10 9
Ventas de 2 3 5 I() 7 6 4 1 8 9
automviles
 13-6 Correlacin de rangos 715

11). Manchas solares y puntos del Sper Bowl. Para una serie reciente de 10 aos, se
obtuvieron el nmero de manchas solares y los puntos totales anotados en el Sper
Bowl. La siguiente tabla lista los rangos de cada conjunto de valores. Pruebe una co-
rrelacin entre el nmero de manchas solares y los puntos anotados en el Sper Bowl.
El resultado coincide con lo que se esperara?
Nmero de 10 8 5 4 2 1 3 6 7 9
manchas solares
Puntos del 8 9 3 10 4 7 6 5 1 2
Sper Bowl
I 1. Correlacin entre salario y estrs. La siguiente tabla lista rangos de salario y rangos
de estrs de empleos seleccionados al azar (segn (latos de The Johs Rated Ahnanac).
Parece que el salario se incrementa a medida que se incrementa el estrs?
Empleo Rango de salario Rango de estrs
Corredor de bolsa 2 2
Zologo 6 7
Ingeniero elctrico 3 6
Director de escuela 5 4
Gerente de hotel 7 5
Funcionario bancario 10 8
Inspector de seguridad laboral 9 9
Economista domstico 8 10
Psiclogo 4 3
Piloto de aerolnea 1 1

12. Correlacin entre salario y demanda fsica. El ejercicio 11 incluye rangos aparea-
dos de salario y nivel de estrs para 10 empleos seleccionados al azar. Las demandas
fsicas de los empleos tambin se ordenaron por rangos: los rangos de salario y de-
manda fsica se presentan abajo (segn datos de The Johs Rated Altnanac). Parece
existir una relacin entre el salario de un empleo y sus demandas fsicas?
Salario 2 6 3 5 7 10 9 8 4 I
Demanda fsica 5 2 3 8 10 9 1 7 6 4
13. Grillos y temperatura. Se estudi la relacin entre la temperatura y el nmero de ve-
ces que un grillo chirra en un minuto. Abajo se listan los nmeros de chirridos por
minuto y las temperaturas correspondientes en grados Fahrenheit (segn datos de The
Song of Insects, de George W. Pierce, Harvard University Press). Existe evidencia
suficiente para concluir que existe una relacin entre el nmero de chirridos por mi-
nuto y la temperatura?
Chirridos en 882 1188 1104 864 1200 1032 960 900
un mima()
Temperatura (en 'F) 69.7 93.3 84.3 76.3 88.6 82.6 71.6 79.6
Muertes por vehculos automotores y asesinatos. A continuacin se lista el nmero
de muertes en vehculos automotores (en cientos) y el nmero de asesinatos (en cien-
tos) en Estados Unidos para varios aos diferentes. Pruebe una correlacin entre esas
dos variables.
Muertes en vehculos 435 410 418 425 434 436 434 435 413 430
automotores
Asesinatos 247 238 245 233 216 197 182 170 155 156
Audiencia y ventas de canciones. En la siguiente tabla se lista el nmero de impresio-
nes de audiencia (en cientos de millones) de canciones y el nmero de lbumes vendi-
dos correspondientes (en cientos de miles). El nmero de impresiones de audiencia es
716 Captulo 13 Estadstica no paramtrica

un conteo del nmero de veces que la gente ha escuchado la cancin. La tabla se basa
en datos de USA Today. Parece que las ventas del lbum se ven muy afectadas por el
nmero de impresiones de audiencia?
Impresiones 28 13 14 24 20 18 14 24 17
de audiencia
lbumes vendidos 19 7 7 20 6 4 5 25 12
16. Presupuestos y ganancias netas de pelculas. A continuacin se listan los pre-
supuestos (en millones de dlares) y las ganancias brutas (en millones de dlares) de
pelculas seleccionadas al azar (segn datos de la Motion Picture Association of Ameri-
ca). Al parecer existe una correlacin significativa entre el dinero gastado para hacer
la pelcula y la cantidad que se recupera en las salas de cine? Adems de la cantidad
del presupuesto, identifique otro factor importante que tal vez afecte la cantidad que
gana una pelcula.
Presupuesto 62 90 50 35 2(X) 100 90
Ganancia bruta 65 64 48 57 601 146 47
Conjuntos de datos del apndice B: En los ejercicios 17 y 18, utilice los conjuntos de da-
tos del apndice B para hacer una prueba de correlacin de rango con un nivel de signi-
ficancia de 0.05.
Conjunto de datos del apndice B: Nocividad de los cigarrillos. Remtase al con-
junto de datos 3 del apndice B.
a. Utilice los datos apareados referentes a cantidades de alquitrn y nicotina. Con ba-
se en el resultado, parece existir una correlacin significativa entre el alquitrn y
la nicotina de los cigarrillos? Si es as, pueden los investigadores reducir sus gas-
tos de laboratorio midiendo slo una de estas dos variables?
1). Utilice los datos apareados referentes a monxido de carbono y nicotina. Con base
en el resultado, parece existir una correlacin significativa entre el monxido de
carbono y la nicotina de los cigarrillos? Si es as, pueden los investigadores redu-
cir sus gastos de laboratorio midiendo slo una de estas dos variables?
c. Suponga que los investigadores quieren desarrollar un mtodo para predecir la
cantidad de nicotina y slo quieren medir algn otro elemento. Entre alquitrn y
monxido de carbono, cul es la mejor opcin? Por qu?
Conjunto de datos del apndice B: Pronsticos del clima. Remtase al conjunto de
datos 8 del apndice B.
a. Utilice las temperaturas mximas pronosticadas para cinco das y las temperaturas
mximas reales. Existe una correlacin? Una correlacin significativa implica
que las temperaturas del pronstico de cinco das son exactas?
h. Utilice las temperaturas mximas pronosticadas para un da y las temperaturas m-
ximas reales. Existe una correlacin? Una correlacin significativa implica que
las temperaturas de pronstico para un da son exactas?
c. Cmo esperara usted obtener una correlacin ms alta con las temperaturas m-
ximas reales: con las temperaturas mximas del pronstico para cinco das o con
las temperaturas mximas del pronstico para un da? Los resultados de los inci-
sos a) y b) son como usted esperaba? Si existe una correlacin muy alta entre las
temperaturas de pronstico y las temperaturas reales, se deduce que las tempera-
turas pronosticadas son exactas?

13-6 MS ALL DE LO BSICO

19. Curva de aprendizaje. Un psiclogo disea una prueba de aprendizaje. Los sujetos
reciben letras que deben memorizar, y sus tiempos de estudio (en segundos) se aparean
con el nmero de letras que logran recordar. Los resultados se listan en la siguiente ta-
bla. Hay una correlacin entre el tiempo de estudio del nmero de letras que logran
 13-7 Prueba de rachas para detectar aleatoriedad 717

recordar? Adems, dibuje un diagrama de dispersin y calcule los resultados obtenidos

utilizando el coeficiente de correlacin lineal descrito en la seccin 10-2. Compare los
resultados.
Tiempo 1 25 31 33 36 38 48 55 95 165 300
Letras 1 2 20 36 51 72 74 75 77 78 79
20. Efecto de empates en rs. Remtase al conjunto de datos 5 del apndice B para los
tiempos (en segundos) de consumo de tabaco y consumo de alcohol presentados en
pelculas de dibujos animados para nios. Calcule el valor del estadstico de prueba rs
utilizando cada una de las dos frmulas dadas en esta seccin (frmulas 13-1 y 10-1).
Existe una diferencia sustancial entre los dos resultados? Cul resultado es mejor?
La conclusin se ve afectada por la frmula utilizada?

13- r Prueba de rachas para detectar

aleatoriedad
Concepto clave En esta seccin estudiaremos la prueba de rachas para detectar
aleatoriedad, la cual puede utilizarse para determinar si los datos muestrales en
una secuencia estn en un orden aleatorio. Esta prueba se basa en datos muestrales
que tienen dos caractersticas y analiza rachas de esas caractersticas para determi-
nar si las rachas parecen ser el resultado de algn proceso aleatorio, o si las rachas
sugieren que el orden de los datos no es aleatorio.

Definiciones
W Una racha es una secuencia de datos que tienen la misma caracterstica; la se-
cuencia es precedida y seguida por datos con una caracterstica diferente o por

II
lb
ningn dato en absoluto.
La prueba de rachas utiliza el nmero de rachas en una secuencia de datos
muestrales para probar la aleatoriedad del orden de los datos.

Principio fundamental de la prueba de rachas

El principio fundamental de la prueba de rachas puede establecerse brevemente
como sigue:
Rechace la aleatoriedad si el nmero de rachas es muy bajo o muy alto.
Ejemplo: La secuencia de gnero MMMMMHHHHH no es aleatoria pues-
to que tiene slo dos rachas, es decir, el nmero de rachas es muy bajo.
Ejemplo: La secuencia de gnero MHMHMHMHMH no es aleatoria pues-
to que existen 10 rachas, lo cual se considera un nmero muy alto.
Los criterios exactos para determinar si un nmero de rachas es muy alto o muy
bajo se encuentran en el recuadro de la pgina 723, que resume los elementos cla-
ve de la prueba de rachas para detectar aleatoriedad. Adems, el procedimiento de
la prueba de rachas para detectar aleatoriedad tambin se resume en la figura 13-5.
Es importante sealar que la prueba de rachas para detectar aleatoriedad se
basa en el orden en el que se presentan los datos; no est basada en la frecuencia
de los datos. Por ejemplo, una secuencia de 3 hombres y 20 mujeres podra pare-
cer aleatoria, pero la prueba de rachas no se ocupa del problema de si 3 hombres y
20 mujeres constituyen una muestra sesgada (con un nmero desproporcionada-
mente mayor de mujeres).