UNIVERCIDAD DE HUANUCO

E.A.P. INGENERIA CIVIL

08/03/2017
ESTADISTICA II
PRUEBAS NO PARAMETRICAS
Una prueba no paramtrica es una prueba de hiptesis que no
requiere que la distribucin de la poblacin se caracterice en
funcin de determinados parmetros.

E. A.P INGENERIA CIVIL

 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

CURSO : ESTADISTICA II

DOCENTE: ing. LOPEZ

SANTIAGO, DAVIS A. SECCION :
A

CICLO :V
ALUMNO :

GAMARRA MALPARTIDA, David A.

UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

I. DEDICATORIA
Este trabajo lo dedico principalmente a Dios
por darme sabidura e inteligencia y por
cuidarme.

Y tambin les dedico a mis padres por

brindarme su apoyo incondicional tanto
econmico como moral y a mis profesores
por transmitirme sus conocimientos para
poder formarme un profesional competente.
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

II. INDICE
1. PRUEBA DE KRUSKAL-WALLS

2. PRUEBA F DE FIERDMAN

3. COEF. DE CORRELACION DE RANGOS DE SPERMAN

4. PRUEBA DE BONDAD DE AJUSTE

5. PRUEBA KOLMOGROV SNIRNOV

6. PRUEBA DE INDEPENCIA DE VARIABLES

7. PRUEBA DE INDEPENCIA DE VARIABLES

8. PRUEBA DE SIGNOS

9. PRUEBA DE RANGO EN SIGNOS WILCOXON

III. INTRODUCCION
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

Una prueba no paramtrica es una prueba de hiptesis que no requiere que la

distribucin de la poblacin se caracterice en funcin de determinados
parmetros. Por ejemplo, numerosas hiptesis se basan en el supuesto de que
la poblacin sigue una distribucin normal con los parmetros y . Las
pruebas no paramtricas no tienen este supuesto, de modo que son tiles
cuando sus datos sean firmemente no normales y resistentes a
transformaciones.

Sin embargo, las pruebas no paramtricas no estn completamente exentas de

supuestos sobre los datos.

IV. DESARROLLO
1. PRUEBA DE KRUSKAL-WALLS

1.1 DEFINICION

Este contraste permite decidir si puede aceptarse la hiptesis de que k

muestras independientes proceden de la misma poblacin o de poblaciones
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

idnticas con la misma mediana. El nico supuesto necesario es que las

distribuciones subyacentes de las variables sean continuas y que stas hayan
sido medidas por lo menos en una escala ordinal.
Sean n1, n2 ... nk los tamaos de cada una de las muestras y n el total de
observaciones. Para el clculo del estadstico de prueba se ordenan las n
observaciones de menor a mayor y se les asignan rangos desde 1 hasta n. A
continuacin se obtiene la suma de los rangos correspondientes a los
elementos de cada muestra, Rj y se halla el rango promedio. Si la hiptesis
nula es cierta, es de esperar que el rango promedio sea aproximadamente
igual para las k muestras; cuando dichos promedios sean muy diferentes es un
indicio de que H0 es falsa.
El estadstico de prueba es:

Si H0 es cierta y los tamaos muestrales son todos mayores que 5, el

estadstico H se distribuye aproximadamente como chi-cuadrado con k-1
grados de libertad. La aproximacin es tanto mejor cuanto mayor es el nmero
de muestras y el tamao de las mismas.
Cuando se producen empates, es decir, cuando varias observaciones de la
misma o de distintas muestras son iguales y a todas se les asigna el mismo
rango, es necesario dividir el valor de H por el siguiente factor de correccin:

En esta expresin g es el nmero de rangos que se repiten y ti es el nmero de

veces que se repite el rango i-simo. El efecto del factor de correccin es
elevar ligeramente el valor de H.

1.2 EJEMPLO RESUELTO

Los requisitos del modelo ANOVA son:

1.- Normalidad en cada nivel del factor.

2.- Homocedasticidad (igualdad de varianzas en todos los niveles del factor).
3.- Independencia de las observaciones.

Estos requisitos se traducen en que los residuos son una variable aleatoria, de
distribucin normal y media cero.
En la prctica, vamos a comprobar: (1) normalidad de los residuos; (2)
homocedasticidad; (3) aleatoriedad de los residuos (salvo que los datos hayan
sido reordenados, y en consecuencia se haya perdido el orden en que fueron
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

recogidos).

(1) Normalidad de los residuos.

Desde la ventana de ANOVA, Botn Guardar Resultados + Residuos. Con esto,

los residuos se incorporan a la hoja de datos. Para contrastar su normalidad,
Descripcin + Distribuciones + Ajuste de distribuciones; Datos= fondos.
El contraste que estamos realizando es

HO: variable RESIDUOS es normal

H1: variable RESIDUOS no es normal

El test chi-cuadrado arroja un p-valor de 06597; el de Kolmogorov-Smirnov, de

09954; y todos los tests de normalidad proporcionan p-valores muy altos
(0857, 0896, 0859, 0669); por lo tanto, aceptamos la normalidad de los
residuos.
Grficamente, desde la ventana de ANOVA simple botn de Opciones grficas
+ Residuo frente a nmero de fila. El grfico es menos claro, pero en cualquier
caso no vemos nada rara que pudiera contradecir la normalidad.

(2) Homocedasticidad.

Desde la ventana de ANOVA simple, botn amarillo + Contraste de varianza. El

contraste que realizamos es:
H0: centro = norte= sur
H1: alguna es distinta

Todos los p-valores son mayores de 004 (036, 039, 056). En consecuencia,
aceptamos la homocedasticidad.
Grficamente, Botn de Opciones Grficas + Residuo frente a nivel de factor.
Se observa que la dispersin es similar en todos los niveles (es decir, en las
tres regiones); es interesante observar que si se incluye MADRID en el estudio,
la homocedasticidad se rompe (se ve muy bien en el grfico).

La probabilidad de cometer un error de tipo II es ,

2. PRUEBA F DE FIERDMAN

2.1 DEFINICION
Esta prueba puede utilizarse en aquellas situaciones en las que se seleccionan
n grupos de k elementos de forma que los elementos de cada grupo sean lo
ms parecidos posible entre s, y a cada uno de los elementos del grupo se le
aplica uno de entre k ''tratamientos'', o bien cuando a cada uno de los
elementos de una muestra de tamao n se le aplican los k ''tratamientos''.
La hiptesis nula que se contrasta es que las respuestas asociadas a cada uno
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

de los ''tratamientos'' tienen la misma distribucin de probabilidad o

distribuciones con la misma mediana, frente a la hiptesis alternativa de que
por lo menos la distribucin de una de las respuestas difiere de las dems.
Para poder utilizar esta prueba las respuestas deben ser variables contnuas y
estar medidas por lo menos en una escala ordinal.
Los datos se disponen en una tabla en la que en cada fila se recogen las
respuestas de los k elementos de cada grupo a los k tratamientos:

Grupo\ Tratamiento 1 2 ... j ... k

1 x11 x12 ... x1j ... x1k

... .... .... ... .... ... ....

i xi1 xi2 ... xij ... xik

... ... ... ... ... ... ...

n xn1 xn2 ... xnj ... xnk

A las observaciones de cada fila se les asignan rangos de menor a mayor

desde 1 hasta k; a continuacin se suman los rangos correspondientes a cada
columna, siendo RJ la suma correspondiente a la columna j-sima. Si la
hiptesis nula es cierta, la distribucin de los rangos en cada fila se debe al
azar, y es de esperar que la suma de los rangos correspondientes a cada
columna sea aproximadamente igual a n(k + 1)/2. La prueba de Friedman
determina si las RJ observadas difieren significativamente del valor esperado
bajo la hiptesis nula.

El estadstico de prueba es:

Si H0 es cierta y el nmero de columnas y/o de filas es moderadamente grande

la distribucin de F se aproxima a una chi-cuadrado con k - 1 grados de
libertad; de forma que se rechaza la hiptesis nula para valores de F superiores
al valor crtico para el nivel de significacin fijado.

2.2 EJEMPLO RESUELTO

 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

Una agencia publicitaria est investigando a qu tipo de avisos le prestan ms

atencin los adolescentes. Se observan a 11 nios, a 6 se les muestra avisos
sobre comida y a los 5 restantes se les muestra avisos sobre bebidas. Todos
los avisos tienen duracin similar. Se registra el tiempo de atencin (en
segundos) de los 11 nios.
Para docimar la hiptesis de inters usamos el test de Wilcoxon para muestras
Independientes es decir el "Test de suma de rangos de Wilcoxon".
Primero ordenamos los datos, sin importar el grupo:

Tipo aviso B C B B B B C C C C C
Datos ordenados 23 25 28 30 35 38 41 42 45 47 50
Rangos 1 2 3 4 5 6 7 8 9 10 11

Suma Rangos Comida 2 7 8 9 10 11 47

Rangos Bebidas 1 3 4 5 6 19 66

SPSS considera el estadstico W de Wilcoxon, a la suma menor de los rangos

en este caso 19 que corresponde a la suma de los rangos de las bebidas.
Es test estadstico aproximado Z se construye a partir de W,
la media y la desviacin estndar:

Media: 30 2 5 12 = W = Desviacin estndar: ,5 477 12 5 6 12 = W =

Test Z aproximado: ,2 008 ,5 477 19 30 = z = El resultado es igual al de la
tabla ya que en este caso no hay empates y no es necesario hacer correccin.
La sig. asinttica (bilateral ) es el valor p bilateral aproximado 0,045 y sale de
las tablas de la distribucin normal. La sig. exacta 0,052 es el valor p para el
test exacto que propuso Wilcoxon

3. PRUEBA DE BONDAD DE
AJUSTE

3.1 DEFINICION
Se utiliza para decidir cuando un conjunto de datos se ajusta a una distribucin
dada
Considrese una muestra aleatoria de tamao n de la distribucin de una
variable aleatoria X dividida enk clases exhaustivas e incompatibles, y sea N i i
= 1, 2, , k. el nmero de observaciones en la i-sima clase. Considrese la
hiptesis nula
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

H0: F(x)=F0(x)
en donde el modelo de probabilidad propuesto F 0(x) se encuentra especificado
de manera completa, con respecto a todos los parmetros.
Es posible, pues, calcular p i: probabilidad de obtener una observacin en la i-
sima clase, bajo H0. Es obvio, tambin, que

Sea ni la realizacin de Ni para i = 1,2,, k de manera que

La probabilidad de obtener de manera exacta n i observaciones en la i-sima

clase es

Dado que existen k categoras mutuamente excluyentes con probabilidades p 1,

p2, , pk; entonces bajo la hiptesis nula la probabilidad de la muestra
agrupada es igual a la funcin de probabilidad de una distribucin multinomial
determinada.

Para deducir una prueba estadstica para H 0, considrese el caso de k = 2.

Este es el caso de la distribucin binomial con x = n 1, p = p1, n-x =n2 y 1-p =p2.
Sea la variable aleatoria estandarizada:

para n grande, esta variable aleatoria se distribuye segn una N(0;1). Adems
sabemos que el cuadrado de una variable aleatoria N(0,1)

se distribuye segn una chi-cuadrado con un grado de libertad. Entonces el

estadstico

Si se sigue este razonamiento, puede demostrarse que para k2 categoras

distintas
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

Ntese que Ni es la frecuencia observada en la i-sima clase y np i la esperada

bajo la hiptesis nula.
Esta estadstica recibe el nombre de prueba de bondad de ajuste chi-cuadrada
de Pearson.

Si existe una concordancia perfecta entre las frecuencias observadas y las

esperadas, el estadstico tendr un valor igual a cero; por otra parte si las
discrepancias entre estas frecuencias son grandes, el estadstico tomar un
valor, tambin muy grande. Por ello se desprende que para un valor dado del
error de tipo I, la regin crtica estar en el extremo superior la distribucin chi-
cuadrada con k-1 grado de libertad.
Una ventaja de la prueba de bondad de ajuste chi-cuadrada es que para
valores grandes de n, la distribucin lmite chi-cuadrada de la estadstica, es
independiente de la forma que tenga la distribucin F 0(x) propuesta en la
hiptesis H0. Como consecuencia de esto se tiene que la prueba de bondad se
utiliza tambin para distribuciones de probabilidad en las que F 0(x) es continua.
Sin embargo, debe insistirse en que la prueba de bondad es discreta, en el
sentido de que sta compara frecuencias que se observan y se esperan para
un nmero finito de categoras.

4. PRUEBA KOLMOGROV
-SNIRNOV

4.1 DEFINICION

La prueba de bondad de ajuste de Pearson se encuentra limitada cuando F 0(x)

es continua y la muestra aleatoria disponible es de tamao pequeo. Una
prueba de bondad cuando F0(x) es continua es la de Kolmogorov-Smirnov. No
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

necesita que los datos esten agrupados en intervalos y es aplicable cuando la

muestra es pequea.
sta se basa en una comparacin entre las funciones de distribucin
acumulativas que se observan en la muestra ordenada y en la distribucin
propuesta bajo la hiptesis nula.

Consideremos la hiptesis nula H0: F(x)=F0(x), en donde F0(x) se especifica de

forma completa. Dentese por x(1), x(2), , x(n) a las observaciones ordenadas
de una muestra aleatoria de tamao n; y defnase la funcin de distribucin
acumulativa muestral como

Si la hiptesis nula es correcta las diferencias entre S n(x) y F0(x) sern

pequeas. El estadstico de Kolmogorov-Smirnov se define como

El estadstico Dn tiene una distribucin que es independiente del modelo

propuesto bajo la hiptesis nula, y depende tan solo del tamao de la muestra.
En la tabla adjunta en la hoja de clculo, se proporcionan valores cuantiles
superiores de Dn para varios tamaos de la muestra.
Para un error de tipo I de tamao a, la regin crtica es de la forma

4.2 EJEMPLO RESUELTO

A continuacin se dan los valores ordenados de una muestra aleatoria con las
respuestas correctas de los estudiantes que ingresaron en la universidad en la
prueba del SAT: 852, 875, 910, 933, 957, 963, 981, 998, 1010, 1015, 1018, 1023,
1035, 1048, 1063.

En aos anteriores el nmero de respuestas correctas estaba representado por

una N(985; 50). Con base en la muestra, existe alguna razn para creer que ha
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

ocurrido un cambio en la distribucin de respuestas correctas en las pruebas del

SAT?

Emplese un nivel a=0,05.

Solucin

Valores Sn(x) F0(x) |Sn(x)-

ordenado F0(x)|
s

1 852 0,0625 0,0039 0,0586

2 875 0,1250 0,0139 0,1111

3 910 0,1875 0,0668 0,1207

4 933 0,2500 0,1492 0,1008

5 957 0,3125 0,2877 0,0248

6 963 0,3750 0,3300 0,0450

7 981 0,4375 0,4681 0,0306

8 998 0,5000 0,6026 0,1026

9 1007 0,5625 0,6700 0,1075

10 1010 0,6250 0,6915 0,0665

11 1015 0,6875 0,7257 0,0382

12 1018 0,7500 0,7454 0,0046

13 1023 0,8125 0,7764 0,0361

14 1035 0,8750 0,8413 0,0337

15 1048 0,9375 0,8962 0,0413

16 1063 1,0000 0,9406 0,0594

La mxima desviacin es 0,1207. El valor crtico para =0,05 para D16 es 0,328
como puede obtenerse en la hoja adjunta de Excel, como 0,1207<0,328 no
puede rechazarse la hiptesis nula.
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

5. PRUEBA DE INDEPENCIA DE
VARIABLES

5.1 DEFINICION

Cuando cada individuo de la poblacin a estudio se puede clasificar segn dos

criterios A y B, admitiendo el primero a posibilidades diferentes y b el segundo,
la representacin de las frecuencias observadas en forma de una matriz a x b
recibe el nombre de Tabla de contingencia. Los datos se disponen de la forma

La hiptesis nula a contrastar admite que ambos caracteres, A y B, se

presentan de forma independiente en los individuos de la poblacin de la cual
se extrae la muestra;
siendo la alternativa la dependencia estocstica entre ambos caracteres. La
realizacin de esta prueba requiere el clculo del estadstico Para ver el grfico
seleccione la opcin "Descargar" del men superior donde:

Para ver el grfico seleccione la opcin "Descargar" del men superior Y Para
ver el grfico seleccione la opcin "Descargar" del men superior son las
frecuencias absolutas marginales y Para ver el grfico seleccione la opcin
"Descargar" del men superior el tamao muestral total.

El estadstico L se distribuye como una con (a - 1)(b - 1) grados de libertad. El

contraste se realiza con un nivel de significacin del 5%.
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

5.2 EJEMPLO RESUELTO

Para estudiar la dependencia entre la prctica de algn deporte y la depresin, se

seleccion una muestra aleatoria simple de 100 jvenes, con los siguientes
resultados:

L = (38 32,43)2/32,43 + (31 36,57)2/36,57 + (9 14,57)2/14,57 + (22

16,43)2/16,43

= 0,9567 + 0,8484 + 2,1293 + 1,8883 = 5,8227

El valor que alcanza el estadstico L es 5,8227. Buscando en la tabla terica de

Chi Cuadrado para 1 grado de libertad se aprecia
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

Lt = 3,84146 < 5,8227

Lo que permite rechazar la hiptesis de independencia de caracteres con un

nivel de significacin del 5%, admitiendo por tanto que la prctica deportiva
disminuye el riesgo de depresin.

6. PRUEBA DE INDEPENCIA DE
VARIABLES

6.1 DEFINICION

Se plantea el problema de la existencia de homogeneidad entre r poblaciones,

para lo cual se realizan muestras independientes en cada una de ellas. Los
datos mustrales vienen clasificados en s clases y sus frecuencias absolutas
se presentan en forma de una matriz r x s:

Se quiere contrastar la hiptesis nula de que las probabilidades asociadas a las

s clases son iguales en las r poblaciones. El estadstico para este contraste es
Para ver el grfico seleccione la opcin "Descargar" del men superior donde

Para ver el grfico seleccione la opcin "Descargar" del men superior es el

tamao muestral para la i-sima poblacin,
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

Para ver el grfico seleccione la opcin "Descargar" del men superior es la

frecuencia marginal de la j-sima clase y Para ver el grfico seleccione la
opcin "Descargar" del men superior es el tamao muestral total.

El estadstico L se distribuye como una con (r - 1)(s - 1) grados de libertad. El

contraste se realiza con un nivel de significacin del 5%.

6.2 EJEMPLO RESUELTO

Un estudio sobre caries dental en nios de seis ciudades con diferentes

cantidades de fluor en el suministro de agua, ha proporcionado los resultados
siguientes:

N nios N nios
Comunidad
sin caries con caries
A 38 87 125
B 8 117 125
C 30 95 125
D 44 81 125
E 64 61 125
F 32 93 125
216 534 750
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

L = (38 36)2/36 + (8 36)2/36 + (30 36)2/36 + (44 36)2/36 + (64 36)2/36

+ (32 36)2/36 + (87 89)2/89 (117 89)2/89 + (95 89)2/89 + (81 89)2/89
+ (61 89)2/89 + (93 89)2/89

L = 0,1111 + 21,7778 + 1,0000 + 1,7778 + 21,7778 + 0,4444 + 0,0449 + 8,8089

+ 0,4045 + 0,7191 + 8,8089 + 0,1797

L = 65,85

Se quiere saber si la incidencia de caries infantil es igual en las seis

poblaciones.
La propia tabla hace pensar que la incidencia de la enfermedad no es igual en
todas las poblaciones; basta observar los datos correspondientes a las
comunidades B y E.
El contraste arroja un valor del estadstico L de 65,85, lo que lleva a rechazar
la hiptesis de homogeneidad y aceptar que el diferente contenido de fluor en
el suministro del agua puede ser la causa de la disparidad en el nmero de
nios con caries.
El Lt esperado segn la tabla de las distribucin Chi Cuadrado es 11,0705 que
es menor 65,85.

7. PRUEBA DE SIGNOS
7.1 DEFINICION
La prueba de los signos permite contrastar la hiptesis de que las respuestas a
dos ''tratamientos'' pertenecen a poblaciones idnticas. Para la utilizacin de
esta prueba se requiere nicamente que las poblaciones subyacentes sean
contnuas y que las respuestas de cada par asociado estn medidas por lo
menos en una escala ordinal.
La hiptesis nula puede expresarse como:

Siendo Xi la respuesta del elemento i-simo al primer ''tratamiento'' e Yi la

respuesta del elemento i-simo al segundo ''tratamiento''.
La hiptesis alternativa puede ser direccional, cuando postula que X es
estocsticamente mayor (o menor) que Y, o no direccional, cuando no predice
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

la direccin de la diferencia.
Para realizar el contraste se hallan los signos (+ o -) de las diferencias no nulas
entre las respuestas de los dos componentes de cada par y se cuenta cuntas
son positivas, S+, y cuntas negativas, S-. Si H0 es cierta, es de esperar que
aproximadamente la mitad de las diferencias sean positivas y la otra mitad
negativas.
El estadstico de prueba es S= mn [S+, S-].
Si H0 es cierta, S tiene distribucin binomial de parmetros n= n de diferencias
nulas y = 0'5. Si n es grande, la distribucin de S puede aproximarse
mediante una normal de parmetros

y la decisin depender del valor tipificado de S. Para mejorar la aproximacin

se realiza una correccin de continuidad, de forma que el estadstico de prueba
es:

Z se distribuye segn una normal tipificada.

Cuando el nmero de diferencias no nulas es pequeo la aproximacin de la
distribucin de S mediante la normal no es buena y en este caso el SPSS
realiza directamente la prueba binomial, dando el nivel de significacin a partir
del cual se rechaza H0 en un contraste de dos colas. Si el contraste se realiza
a una cola dicho nivel de significacin se reduce a la mitad.

8. PRUEBA DE RANGO EN SIGNOS

WILCOXON

8.1 DEFINICION

Cuando se trata de variables medibles en por lo menos una escala ordinal y

pueden suponerse poblaciones contnuas la prueba no paramtrica ms
potente es la de Wilcoxon.
La hiptesis nula del contraste postula que las muestras proceden de
poblaciones con la misma distribucin de probabilidad; la hiptesis alternativa
establece que hay diferencias respecto a la tendencia central de las
poblaciones y puede ser direccional o no.
El contraste se basa en el comportamiento de las diferencias entre las
puntuaciones de los elementos de cada par asociado, teniendo en cuenta no
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

slo el signo, sino tambin la magnitud de la diferencia.

Sea la diferencia entre las puntuaciones de la pareja i-sima; si
alguna de estas diferencias es nula la pareja correspondiente se elimina del
anlisis, de forma que el tamao de la muestra es n, el nmero de diferencias
no nulas. A continuacin se asignan rangos desde 1 hasta n atendiendo
nicamente al valor absoluto de las di y se suman los rangos correspondientes
a las diferencias positivas y a las diferencias negativas por separado. Si la
hiptesis nula es cierta, X e Y tienen el mismo valor central y es de esperar que
los rangos se distribuyan aleatoriamente entre las diferencias positivas y
negativas y, por tanto, que ambas sumas de rangos sean aproximadamente
iguales. El estadstico de prueba, T, es la menor de las dos sumas de rangos.
Cuando n > 15 la distribucin muestral de T bajo el supuesto de que H0 es
cierta se aproxima a una normal de parmetros:

El estadstico de prueba es el valor Z:

que se distribuye segn una normal tipificada.

Para el nivel de significacin deseado se rechazar la hiptesis nula si Z
pertenece a la regin crtica localizada en las dos colas o en una cola de la
normal tipificada, segn la naturaleza de la hiptesis alternativa.

8.2 EJEMPLO RESUELTO

Con los datos de la encuesta Encinf.sav probar si hay discrepancia entre la

valoracin que hacen los alumnos sobre la dotacin de las aulas de informtica
(Dotacion) y la valoracin que hacen del software disponible (Software).
Se trata de contrastar la hiptesis nula de que la valoracin de la dotacin de
las aulas es igual a la valoracin del software instalado. Dado que las
valoraciones de ambas caractersticas son asignadas por los mismos
individuos, las muestras resultantes no son independientes. Por otra parte, las
variables se miden en una escala ordinal, y por tanto el contraste ms
adecuado es la prueba de Wilcoxon.
Para realizar este contraste la secuencia es:

Estadstica > Pruebas no paramtricas > 2 muestras relacionadas.

En el cuadro de dilogo se selecciona en Contrastar pares las variables
Dotacion y Software; por defecto est activada la prueba de Wilcoxon. Al
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

aceptar se obtienen los siguientes resultados:

Como puede verse en el cuadro Rangos, el nmero de elementos para los

cuales el valor de la variable Software es mayor que el de la variable dotacion
es considerablemente mayor que el de los elementos para los que est mejor
valorada la dotacin que el software.
En el cuadro Estadsticos de contraste, el valor tipificado del estadstico de
prueba (la menor de las dos sumas de rangos) es igual a -5,280; por tanto, se
rechaza la hiptesis nula de que la valoracin de la dotacin es igual que la del
software para cualquier nivel de significacin.

V. CONCLUSIONES
La prueba de bondad de ajuste se utiliza para decidir cundo un conjunto de
datos se ajusta a una distribucin dada
 UNIVERCIDAD DE HUANUCO
E.A.P. INGENERIA CIVIL

La prueba de los signos permite contrastar la hiptesis de que las respuestas

a dos ''tratamientos'' pertenecen a poblaciones idnticas.

La prueba de bondad de ajuste de Pearson se encuentra limitada

La hiptesis nula del contraste postula que las muestras proceden de

poblaciones con la misma distribucin de probabilidad en independencia de
variabllidad.