LAS PRUEBAS ESTADÍSTICAS

¿Qué es una prueba estadística?

Una prueba estadística es una forma de evaluar la evidencia que los datos proporcionan
para probar una hipótesis. Es aplicar estos modelos de razonamiento lógico y reglas de
lenguaje para formular conclusiones generalizables a la población mediante el
establecimiento de conjeturas e hipótesis basadas en 7 pruebas matemáticas de distinta
naturaleza que hacen posible aceptarlas como afirmaciones válidas dentro de unos
márgenes de confianza. Cuando el interés del análisis de datos se centra en la verificación
de hipótesis a fin de denotar posibles efectos diferenciales y, además, en las relaciones de
interdependencia y dependencia que mantienen un conjunto de variables podemos hablar de
análisis confirmatorio. Precisamente uno y otro objetivo dan lugar a los dos grandes bloques
del análisis confirmatorio: análisis inferencial y multivariante. En este cuaderno de tratarán
sólo diversos aspectos del primero (análisis inferencial) haciendo hincapié en las principales
pruebas de tipo paramétrico y no paramétrico.

Existen dos grandes grupos de pruebas de significación estadística, el referido a las

paramétricas y el relacionado con las no paramétricas con rasgos distintivos que las
caracterizan. Los más importantes son el cumplimiento o incumplimiento de determinados
supuestos (normalidad, homoscedasticidad e independencia), así como el nivel de escala de
medida (ordinal, nominal, intervalo o de razón) de las variables y, finalmente, el número de
sujetos que conforman el estudio (muestra).

Las pruebas de tipo paramétrico están sometidas a determinadas condiciones de

aplicación, normalmente: normalidad, homoscedasticidad e independencia (Tejedor, 1999).
Con Ximénez y San Martín (2000: 31) entendemos por normalidad el ajuste de los datos, en
mayor o menor medida, a la curva normal; por independencia el que las “n” observaciones
hayan sido aleatoriamente extraídas y sean independientes entre sí; y por
homoscedasticidad que las varianzas de las distribuciones intervinientes sean homogéneas.

Las pruebas de tipo no paramétrico por el contrario no están sometidas a determinadas

condiciones de aplicación y son, pues, adecuadas cuando se incumple alguno de los criterios
previstos para las pruebas de significación de tipo paramétrico.
1 . ESTADISTICOS DE PRUEBA

Un estadístico de prueba es una variable aleatoria que se calcula a partir de datos de

muestra y se utiliza en una prueba de hipótesis. Puede utilizar los estadísticos de prueba
para determinar si puede rechazar la hipótesis nula. El estadístico de prueba compara sus
datos con lo que se espera bajo la hipótesis nula. El estadístico de prueba se utiliza para
calcular el valor p.

Un estadístico de prueba mide el grado de concordancia entre una muestra de datos y la

hipótesis nula. Su valor observado cambia aleatoriamente de una muestra aleatoria a una
muestra diferente. Un estadístico de prueba contiene información acerca de los datos que
es relevante para decidir si se puede rechazar la hipótesis nula. La distribución del
muestreo del estadístico de prueba bajo la hipótesis nula se denomina distribución nula.
Cuando los datos muestran evidencia clara en contra de los supuestos de la hipótesis nula,
la magnitud del estadístico de prueba se vuelve demasiado grande o demasiado pequeña
dependiendo de la hipótesis alternativa. Esto hace que el valor p de la prueba se vuelva lo
suficientemente pequeño como para rechazar la hipótesis nula.

Por ejemplo, el estadístico de prueba para una prueba Z es el estadístico Z, que sigue la
distribución normal estándar bajo la hipótesis nula. Supongamos que usted realiza una
prueba Z de dos colas con un nivel de significancia (α) de 0.05 y un obtiene un estadístico Z
(también denominado valor Z) de 2.5 basado en sus datos. Este valor Z corresponde a un
valor p de 0.0124. Puesto que este valor p es es menor que α, usted declara significancia
estadística y rechaza la hipótesis nula.

Las diferentes pruebas de hipótesis utilizan diferentes estadísticos de prueba según el

modelo de probabilidad asumido en la hipótesis nula.

Las pruebas comunes y sus respectivos estadísticos de prueba incluyen con algunos
ejemplos .

Prueba de hipótesis Estadístico de prueba

Prueba Z Estadístico Z

Pruebas t Estadístico t

ANOVA Estadístico F

Pruebas de chi-cuadrada Estadístico de chi-cuadrada

2 . Estadisticos de prueba
2.1 Pruebas paramétricas: Pruebas de la estadística inferencial para la
estimación de parámetros, se basan en que se supone una forma determinada de la
distribución de valores, generalmente la distribución normal, en la población de la que se
obtiene la muestra experimental.

Métodos:

2.1.1 Coeficiente de correlación de Pearson y la regresión lineal

La covariación es el grado de concordancia de las posiciones relativas de los datos de

dos variables. En consecuencia el coeficiente de correlación de Pearson opera con
puntuaciones tipificadas (que miden posiciones relativas) y se define:

El fundamento del coeficiente de Pearson es el siguiente: Cuanto más intensa sea la

concordancia (en sentido directo o inverso) de las posiciones relativas de los datos en
las dos variables, el producto del numerador toma mayor valor (en sentido absoluto). Si
la concordancia es exacta, el numerador es igual a N (o a -N), y el índice toma un valor
igual a 1 (o -1).

Ejemplo 1 .

2.1.2 Prueba “t” (student)

Cuando se desea determinar si las medias teóricas de dos
grupos son iguales, o por el contrario diferentes, en
definitiva, si las medias muestrales de ambos grupos Estadistico de
difieren estadísticamente entre sí o no lo hacen podemos prueba T
utilizar los contrastes de hipótesis paramétricos para dos
grupos materializados en las diversas tipologías de la
prueba “t”

Se manejan diversas expresiones dependiendo de algunos aspectos:

1. Varianzas iguales o diferentes entre los grupos.

2. Consideración de muestras independientes o relacionadas.

3. Número de participantes que constituyen el estudio (N ≤ 30 ó N > 30)

- Para un N> 30 participantes y muestras independientes

-Para un N ≤ 30 y muestras relacionadas

Ejemplo 2

2.1.4 análisis de varianza (ANOVA )

ANOVA son siglas para el análisis de la Variación (ANalysis Of VAriance).

Un ANOVA segrega diversas fuentes de la variación vistas en resultados experimentales.

Conjunto de técnicas estadísticas para conocer el modo en que el valor medio de una
variable es afectado por diferentes tipos de clasificaciones de los datos.
2.1.5 análisis de varianza factorial (ANOVA)

También hay situaciones en que el número de muestras y/o grupos a comparar exceden
de dos. En este caso, la opción más válida es el cálculo del ANOVA o ANVA (Análisis de
la varianza). En esencia, el análisis de varianza intenta determinar las variaciones que se
generan entre los participantes u observaciones de cada grupo (fuente de variación
entre o inter) y entre los sujetos de un mismo grupo y las achacables al error (fuente
de variación intra o de error). Puede consultarse la obra de Arnal y otros (1994: 107-
110) para un entendimiento ameno y pegadogico .

El ANOVA, pues, es una prueba semejante a las pruebas “t” y “z” en cuanto a la práctica,
pero la comparación entre grupos entre grupos no se basa en las diferencias entre las
mediad , sino en la varianza de la variable numerica Y O variable dependiente en cada
grupo (nivel ) de la variable categorica X O variable independiente .

Su estadistico se denomina razon F DE SNEDECOR , al ser F el resultado de dividir la

media cuadratica inter entre la media cuadratica intra cuando mayor sea el dividendo
mayor , por tanto , sera el cociente y mayor , por ende , la probabilidad de que existan
diferencias estadisticas significativas

Ejemplo 5
2.1.6 análisis de covarianza (ANCOVA)
2.2 Pruebas no paramétricas:
Pruebas de la estadística inferencial para la estimación de parámetros.

Métodos:

2.2.1 La Ji cuadrada

El test de χ² es una prueba de bondad de ajuste y como tal intenta determinar el ajuste entre las
distribuciones de frecuencias observadas y esperadas de los diferentes niveles categoriales de una
variable. Desde estas coordenadas, podemos afirmar que esta prueba se aplica cuando la variable
objeto de estudio está medida en una escala de tipo categorial o nominal. El mecanismo de análisis
ido al de otras pruebas de similares características y parte de la siguiente expresión: mecanismo de
análisis , por tanto, es parecido al de otras pruebas de similares características y parte de la siguiente
expresión:
2.2.2 Prueba de Kolmogorov-Smirnov para una muestra

Esta prueba resulta útil para determinar el grado de acuerdo entre la distribución de un
conjunto de valores de una muestra (valores observados) y alguna distribución teórica
(valores esperados). Por tanto, y al igual que la técnica Ji cuadrado, se utiliza como
prueba de bondad de ajuste, es decir, para decidir acerca de cuándo un conjunto de
observaciones se ajusta a una distribución de probabilidad dada. La comparación se lleva
a cabo a través de s distribuciones acumulativas teórica Fo (xi) y la observada Sn (xi)
estableciendose las siguientes hipótesis estadísticas a nivel bilateral
2.2.3 los coeficientes de correlación para rangos ordenados de Spearman y Kendall.
BIBLIOGRAFIA

FUNDAMENTOS CONCEPTUALES DE LAS PRINCIPALES PRUEBAS DE SIGNIFICACIÓN ESTADÍSTICA

Clemente Rodriguez

© Los autores Edita: Grupo Editorial Universitario ISBN: Depósito Legal: Imprime: Lozano
Impresores S.L.L. Distribuye: Grupo Editorial Universitario Telf: 958 800580 Fax: 958 291615
http://www.editorial-geu.com E-mail: grupoeditorial@terra.es

TEXTO: “METODOLOGÍA DE INVESTIGACIÓN CIENTÍFICA APLICADO A LA INGENIERÍA”

Informe Final del Proyecto de Investigación elaborado por el Ing. Carlos Humberto Alfaro
Rodríguez, Docente Investigador de la FIEE UNAC

Tejedor, F.J. (1999). Análisis de varianza. Madrid. La Muralla.

https://www.uv.es/webgid/Descriptiva/31_coeficiente_de_pearson.html revisado el 8 de octubre

http://www.scientific-european-federation-osteopaths.org/las-pruebas-estadisticas/ revisado el 8
de octubre de 2017

http://www.ugr.es/~erivera/PaginaDocencia/Posgrado/Documentos/ClementeCuadernoInferencial
.pdf revisado el 8 de octubre 2017

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-
statistics/supporting-topics/basics/what-is-a-test-statistic/ revisado 9 de octubre 2017