ESTADÍSTICA NO PARAMÉTRICA

Contenido:

5.- Estadística no paramétrica

5.1.- Prueba del signo
5.2.- Prueba de rangos con signos de Wilcoxon
5.3.- Prueba de suma de rangos de Wilcoxon, Mann-Whitney
5.4.- Prueba de Kruskal Wallis
5.5.- Prueba de la mediana: Ji-Cuadrada
Estadística no paramétrica
La mayor parte de los procedimientos de prueba de hipótesis que se
presentan en las unidades anteriores se basan en la suposición de que las
muestras aleatorias se seleccionan de poblaciones normales.
Afortunadamente, la mayor parte de estas pruebas aún son confiables
cuando experimentamos ligeras desviaciones de la normalidad, en particular
cuando el tamaño de la muestra es grande. Tradicionalmente, estos
procedimientos de prueba se denominan métodos paramétricos. En esta
sección se consideran varios procedimientos de prueba alternativos,
llamados no paramétricos o métodos de distribución libre, que a menudo
no suponen conocimiento de ninguna clase acerca de las distribuciones de
las poblaciones fundamentales, excepto que éstas son continuas.

Fuente: http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap04c.html
 Prueba del signo

• La prueba del signo se utiliza para probar la hipótesis sobre

la mediana 𝜇 de una distribución continua.

Si 𝐻1 es cierta entonces lo que tenemos es una

situación como ésta (por considerar 𝐻0 como válida):

𝜇0
• Otra manera de resolver el problema es con Aproximación normal:
Cuando p=0.5, la distribución binomial esta bien aproximada por la
distribución normal cuando n es al menos 10. Por tanto, dado que la media
de la distribución binomial es np y la varianza es npq, la distribución de R+ es
aproximadamente normal con media 0.5n y varianza 0.25n, cada vez que n
es moderadamente grande. Por consiguiente las hipótesis pueden probarse
con el estadístico:
𝑟 + − 0,5𝑛 Recordar aprox
𝑍= binomial a normal y
0,5 𝑛 la corrección

¿Datos pareados?
¿Qué ocurre cuando
la resta da 0?
Prueba de rangos con signos de Wilcoxon
• Se aplica en distribuciones continuas simétricas.
𝐻0 : 𝜇 = 𝜇0
1. Se calcula la diferencia 𝑥𝑖 − 𝜇0
2. Se ordenan las diferencias absolutas en forma ascendente.
3. Se les coloca su signo original a los rangos o posiciones ordenadas.
4. Se calcula 𝑊 + suma de los rango positivos, 𝑊 − suma del valor
absoluto de los rangos negativos, W=min(𝑊 + , 𝑊 − ), dependiendo de
la 𝐻1
5. La tabla muestra los valores críticos 𝑤𝛼∗
Cuando el valor de estos estadísticos es suficientemente pequeño, se
rechaza la hipótesis nula.
Si 𝐻1 : 𝜇 ≠ 𝜇0 entonces el estadístico a calcular es 𝑤
+
Si 𝐻1 : 𝜇 < 𝜇0 entonces el estadístico a calcular es 𝑤

Si 𝐻1 : 𝜇 > 𝜇0 entonces el estadístico a calcular es 𝑤 −

Y se rechaza 𝐻0 a favor de 𝐻1 si el estadístico es lo suficientemente pequeño es

decir ≤ 𝑤𝛼∗
Resumen:
Ejemplo:

• Un artículo informa cerca de un estudio en el que se modela

el motor de un cohete reuniendo el combustible y la mezcla
de encendido dentro de un contenedor metálico. Una
característica importante es la resistencia al esfuerzo
cortante de la unión entre los dos tipos de sustancias. En la
siguiente tabla se muestran los resultados obtenidos al
probar 20 motores seleccionados al azar. Se desea probar
la hipótesis de que la mediana de la resistencia al esfuerzo
cortante es 2000 psi, utilizando 𝛼 = 0,05
OBSERVACIÓN RESISTENCIA AL OBSERVACIÓN RESISTENCIA AL
ESFUERZO CORTANTE ESFUERZO CORTANTE
1 2158,7 11 2165,2
2 1678,15 12 2399,55
3 2316,0 13 1779,8
4 2061,3 14 2336,75
5 2207,5 15 1765,3
6 1708,3 16 2053,5
7 1784,7 17 2414,4
8 2575,1 18 2200,5
9 2357,9 19 2654,2
10 2256,7 20 1753,7
• ¿Cómo hacemos con observaciones pareadas?
• ¿Qué ocurre si hay empates?
Aproximación para muestras grandes

En alguna otra
literatura puede
decir que una
muestra
moderadamente
grande es cuando
n>20
Prueba de suma de rangos de Wilcoxon, Mann-
Whitney
• Suponga:
• Dos poblaciones continuas e independientes con medias 𝜇1 y 𝜇2
• Tienen la misma forma y dispersión, difieren solo (posiblemente)
en la posición.
• La prueba de suma de rangos de Wilcoxon puede usarse
para probar hipótesis de diferencias de medias.
• Se la suele llamar en ocasiones prueba de Mann-Whitney
aún cuando el estadístico de prueba se lo expresa de forma
diferente.
• 𝑛1 ≤ 𝑛2
• Se ordenan las 𝑛1 + 𝑛2 observaciones en orden ascendente
(¿empates?).
• 𝑊1 es la suma de los rangos de la muestra menor 𝑊2 es la
suma de los rangos de la otra muestra.

• La suma de los n primeros valores de una sucesión finita

viene dada por la fórmula:
• Y fácilmente calcular:

Si 𝐻1 : 𝜇1 ≠ 𝜇2 entonces el estadístico a considerar puede ser

cualquiera

Si 𝐻1 : 𝜇1 < 𝜇2 entonces el estadístico a considerar es 𝑤1

Si 𝐻1 : 𝜇1 > 𝜇2 entonces el estadístico a considerar es 𝑤2

Y se rechaza 𝐻0 a favor de 𝐻1 si el estadístico es lo suficientemente pequeño es

decir ≤ 𝑤𝛼
Aproximación con muestras grandes

Cuando tanto n1 y n2 son mayores que 8, una aproximación

adecuada a la distribución de W1 puede ser la distribución
𝑛1 (𝑛1 +𝑛2 +1)
normal con media 𝜇𝑊1 =
2
2 𝑛1 𝑛2 (𝑛1 +𝑛2 +1)
y varianza 𝜎𝑊1 =
12
Mann-Whitney

Y se rechaza 𝐻0 a favor de 𝐻1 si el
estadístico es lo suficientemente
pequeño es decir ≤ que el valor
crítico de la tabla
Prueba de Kruskal Wallis

• La prueba de Kruskal-Wallis, también llamada prueba H de

Kruskal-Wallis, es una generalización de la prueba de la suma de
rangos para el caso de k>2.
• Se utiliza para probar la hipótesis nula de que k muestras
independientes provienen de poblaciones idénticas.
• La prueba constituye un procedimiento no paramétrico para probar
la igualdad de las medias, en el análisis de varianza de un factor,
cuando el experimentador desea evitar la suposición de que las
muestras se seleccionaron de poblaciones normales.
Prueba de Kruskal Wallis
Prueba de Kruskal Wallis
Ejercicios:
Prueba de la mediana: Ji-Cuadrada

• K muestras independientes de tamaños 𝑛1 , 𝑛2 , …, 𝑛𝑘 .

𝐻0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑘
con esto decimos que las muestran proceden de la misma población o de poblaciones
con medianas iguales
Las muestras no deben contener observaciones extremas.
1. Se ordena en forma ascendente las n observaciones (𝑛 = 𝑛1 + 𝑛2 +…+𝑛𝑘 ).
2. Se determina la mediana común (Me).
3. Se asignan dos categorías: una si la observación es superior a Me y la otra si es
menor o igual a Me.
4. Tabulamos y calculamos el valor del estadístico de prueba.
5. Tomamos una decisión.
Muestras 𝑛1 𝑛2 … 𝑛𝑘 𝑋𝑖.
𝑂11 𝑂12 𝑂1𝑘
> 𝑀𝑒 … 𝑋1.
𝐸11 𝐸12 𝐸1𝑘

𝑂21 𝑂22 𝑂2𝑘

≤ 𝑀𝑒 … 𝑋2.
𝐸21 𝐸22 𝐸2𝑘

𝑋.𝑗 𝑋.1 𝑋.2 … 𝑋.𝑘 𝑛

2 𝑘
(𝑂𝑖𝑗 − 𝐸𝑖𝑗 )2 2
𝜒2 = ~ 𝜒((2−1)(𝑘−1))
𝐸𝑖𝑗
𝑖=1 𝑗=1