EIclase 10

ESTADISTICA
INDUSTRIAL
TEMA 10
Ing. William León Velásquez

William León Velásquez
METODOS NO
PARAMETRICOS
PARTE I
2
CONTENIDO
 INTRODUCCION
 PRUEBA DE LOS SIGNOS
 PRUEBA DE SIGNOS DE LA MEDIANA
PARA OBSERVACIONES PAREADAS
 PRUEBA DE WILCOXON
3
1
INTRODUCCION
4
INTRODUCCIÓN
▰ Generalmente en las
investigaciones que se
realiza, siempre se cuenta
con una muestra que permite
extraer (medir) datos para
▰ Luego se tiene que afirmar (o
negar) alguna característica a
través de la inferencia
estadística
De los resultados que se obtenga, recién se puede hacer
una afirmación a toda la población
INTRODUCCIÓN
Ejemplo:
▰ El 70% de los empresarios leen El Comercio.
▰ Esta afirmación se basa en un estudio y análisis
donde la muestra debe tener ciertos requerimientos,
en especial cuando estas son cuantitativas.
INTRODUCCIÓN
Pero que pasa cuando

▰ El tamaño de la muestra que se quiere
analizar es pequeña,
Ejemplo: se quiere analizar a los trabajadores
de una pequeña empresa.
INTRODUCCIÓN
O que pasa cuando
▰ Se quiere medir ya no unos datos cuantitativo sino cualitativo,
Ejemplo: sexo: masculino o femenino.
o alternativas como: bueno, regular y malo,
o un grado: superior, intermedio e inferior;
o nivel socioeconómico: bajo, medio o alto.
LA ESTADÍSTICA NO
PARAMÉTRICA
▰ Muchas aplicaciones de negocios

involucran opiniones o sentimientos y esos
datos se usan de manera cualitativa.
▰ La Estadística no paramétrica nos facilita
el estudio de estos casos.
LA ESTADÍSTICA NO PARAMÉTRICA
1.- Por lo general, son fáciles de usar y

entender.
2.- Eliminan la necesidad de suposiciones
restrictivas de las pruebas paramétricas.
3.- Se pueden usar con muestras pequeñas.
4.- Se pueden usar con datos cualitativos.
LA ESTADÍSTICA NO
PARAMÉTRICA
▰ Las pruebas no paramétricas son

pruebas estadísticas que no
hacen suposiciones sobre la
naturaleza (medidas de
centralización, dispersión, etc) de los
datos de la población.
Por lo general:
Las pruebas paramétricas son mas
poderosas que las pruebas no
paramétricas y deben usarse
siempre que sea posible.
Es importante observar:
▰ Que aunque las pruebas no
paramétricas no hacen
suposiciones sobre la
distribución de la población que
se muestrea, muchas veces se
apoyan en distribuciones
muestrales como la normal o la ji
cuadrada.
1.- A veces, ignoran, desaprovechan o

pierden información.
2.- No son tan eficientes como las
paramétricas.
3.- Llevan a una mayor probabilidad de no
rechazar una hipótesis nula falsa
(incurriendo en un error de tipo II).
VENTAJAS DE LOS MÉTODOS

NO PARAMETRICOS
1.- No requieren la suposición de que una población esta

distribuida en forma de curva normal u otra forma especifica.
2.- Generalmente, es mas sencillo realizarlas y entenderlas, la
mayor parte de las pruebas no paramétricas no exigen de
cálculos laboriosos a menudo necesarios, por ejm. Para calcular
una desviación estándar.
3.- Algunas veces ni siquiera se requiere un ordenamiento o
clasificación formal. Muchas veces lo que podemos hacer es
describir un resultado como mejor que otro. Cuando esto ocurre, o
cuando nuestras mediciones no son tan exactas como es necesario
para las pruebas paramétricas, podemos usar métodos no
paramétricos.
Ing. William León Velasquez
DESVENTAJAS DE LOS METODOS NO

PARAMETRICOS
1.- Ignoran cierta cantidad de información.
2.- A menudo no son tan eficientes o claras como las pruebas
paramétricas. Cuando se hacen pruebas no paramétricas
perdemos agudeza en la estimación de intervalos, pero
ganamos la posibilidad de usar menos información y
calcular con mayor rapidez.
Conversión de valores paramétricos a rangos no paramétricos.

Valor paramétrico 113.45 189.42 76.50 13.33 101.79
Valor no paramétricos 4 5 2 1 3
16
2
PRUEBAS DEL
SIGNO
17
Ing William León Velásquez
PRUEBA DEL SIGNO.

Introducción.
▰ Es una de las pruebas no paramétricas más simples y

la más antigua de todas.
▰ Está reportada en la literatura desde 1710 por John
Arbuthnott, hizo uso de este procedimiento, por
primera vez, para demostrar que la proporción de
varones nacidos en Londres en un determinado
período de tiempo era significativamente mayor que la
proporción de mujeres
PRUEBA DEL SIGNO.

Definición
▰ Se basa en el signo del resultado de la diferencia entre
dos observaciones relacionadas. Se designa con un signo
mas (+) una diferencia positiva, y con un signo menos (-),
una negativa.
▰ Se fundamenta en los signos que generan la diferencia
de comparar los datos en una población con respecto a
su media, mediana o con respecto a otros datos tomados
de la misma población
Se presentan dos casos:

Con una muestra sencilla (una
sola muestra) y
Con una muestra en pares.
PRUEBA DEL SIGNO. Usos

▰ Se usa para hacer pruebas de hipótesis acerca de la mediana de
una población de una variable continua.
▰ Esta prueba estadística está basada en la distribución Binomial
con probabilidad de éxito p=½, porque la probabilidad de que un
dato sea mayor o menor que la mediana es ½.
• Dada una muestra aleatoria simple de tamaño n

definida por (x1,..,xn) extraída de una población con
distribución continua, se quiere contrastar si su
mediana es igual a cierto valor Me
PRUEBA DEL SIGNO
▰ La mediana de una distribución es un valor de la variable aleatoria X tal que la

probabilidad de que un valor observado de X sea menor o igual, o mayor o
igual, que la mediana es 0.5.
▰ Por lo tanto
P(X ≤ Me) = P(X ≥ Me)= 0.5

PRUEBA DEL SIGNO
▰ Cuando la distribución normal es simétrica,

la media de una distribución normal es igual
a la mediana.
▰ Por consiguiente:
▰ La prueba del signo puede emplearse
también para probar hipótesis sobre la
media de una población normal.
PRUEBA DEL SIGNO
▰ Si se supone que las hipótesis son:

Ho : Me = Meo H1 : Me ≠ Meo
▰ Si la hipótesis nula Ho : Me = Meo es verdadera, cualquier diferencia Xi – Meo
tiene la misma probabilidad de ser negativa o positiva.
▰ Un estadístico de prueba apropiado es: el número de estas diferencias
positivas; que se representa así: R+.
▰ La prueba de la hipótesis nula es en realidad una prueba de que el número de
signos positivos es un valor de una variable aleatoria binomial con parámetro P =
½.
▰ Se puede calcular un valor p para el número observado de signos positivos
r+ directamente de la distribución binomial
PRUEBA DEL SIGNO

Para probar la hipótesis unilateral
 Ho : Me = Meo
 H1 : Me > Meo
 Se rechazará H0 en favor de H1, sólo si el número
observado de signos más, r+, es grande o,
 De manera equivalente: Cada vez que la fracción
observada de signos positivos es significativamente mayor
que ½.
 En consecuencia, si el valor p calculado p= P(R+ ó

r+ cuando p = 1/2) es menor que α, entonces H0 se
rechaza y se concluye que H1 es verdadera.
PRUEBA DEL SIGNO

Para probar la hipótesis unilateral
 Ho : Me = Meo
 H1 : Me < Meo
 Se rechazará H0 en favor de H1, sólo si el número
observado de signos más, r+, es pequeño o,
 De manera equivalente: Cada vez que la fracción
observada de signos positivos es significativamente menor
que ½.
 En consecuencia, si el valor p calculado p= P(R+ ó

r+ cuando p = 1/2) es mayor que α, entonces H0 se
rechaza y se concluye que H1 es verdadera.
PRUEBA DEL SIGNO
Para probar la alternativa bilateral.

▰ Si las hipótesis son:
Ho : Me = Meo
H1 : Me ≠ Meo
 Se rechazará H0 si la proporción de signos positivos
difiere de manera significativa de la ½ (ya sea por
encima o por debajo).
PRUEBA DEL SIGNO

Para muestras pequeñas (n<20)
a) Cuando:
R+ > R-
(número de diferencias o (número de diferencias
positivas) negativas)
<
entonces el "p-valor" se calcula por :
𝑅+ 𝑛
𝑛 1 𝑛
𝑝𝑣𝑎𝑙𝑜𝑟 = ෍ 𝑛
𝑖 2 𝑝= ෍ (0.5)𝑥 (0.5)𝑛−𝑥
𝑥=0
+
𝑥
𝑥=𝑅
Donde:
R+ : número de diferencias positivas.
n: número de datos menos la cantidad de datos iguales al valor Me
asumido.
PRUEBA DEL SIGNO

Para muestras pequeñas (n<20)
b) Cuando:
R+(número de diferencias <> R- (número de
positivas) diferencias negativas)
entonces el "p-valor" se calcula por :

𝑛 𝑛 𝑛
𝑛 1 𝑛
2𝑝𝑣𝑎𝑙𝑜𝑟 = ෍ 2𝑝 = 2 ෍ (0.5)𝑥 (0.5)𝑛−𝑥
𝑖 2 𝑥
𝑥=𝑅+ 𝑥=𝑅+
Donde:
R+ : número de diferencias positivas.
N: número de datos menos la cantidad de datos iguales
al valor Me asumido.
Ejemplo 01
▰ Un artículo científico informa acerca de un estudio

en el que se modela el motor de una maquina,
uniendo el combustible y la mezcla de encendido
dentro de un contenedor metálico.
• La característica
importante que se
registra, es la
resistencia al esfuerzo
cortante de la unión
entre los dos tipos de
sustancias.
Ejemplo 01:
▰ En la siguiente tabla se muestran los resultados obtenidos al probar 20 motores seleccionados

al azar.
Nº de motor 1 2 3 4 5 6 7 8 9 10
Resistencia al
1678.1 1708. 1784. 2575. 2357. 2256.
esfuerzo 2158.7 2316 2061.3 2207.5
5 3 7 1 9 7
cortante
Nº de motor 11 12 13 14 15 16 17 18 19 20
Resistencia al
esfuerzo 2165.2 2399.55 1779.8 2336.75 1765.3 2053.5 2414.4 2200.5 2654.2 1753.7
cortante
¿La resistencia al esfuerzo cortante será de 2000 psi.?
Pruebe a un nivel de significancia del 5%.
Ing William León Velásquez EJEMPLO 01
Formulación de las hipótesis

Solución:
▰ Se desea probar la hipótesis de que la mediana de la resistencia al
esfuerzo cortante es 2000 psi,
▰ α= 0.05.
▰ La hipótesis planteada será

Ho : Me = 2000 psi
H1 : Me ≠ 2000 psi
Calculo del Estadístico

Se coloca los signos con respecto a la mediana.
Resistenci Signo de Resistenc Signo de
Nº de a al la Nº de ia al la
motor esfuerzo diferencia motor esfuerzo diferencia
cortante µ=2000 cortante µ=2000
1 2158.70 + 11 2165.20 +
2 1678.15 - 12 2399.55 +
3 2316.00 + 13 1779.80 -
4 2061.30 + 14 2336.75 + Se observa que el
5 2207.50 + 15 1765.30 - estadístico de prueba
6 1708.30 - 16 2053.50 + r+ = 14.
7 1784.70 - 17 2414.40 +
8 2575.10 + 18 2200.50 +
9 2357.90 + 19 2654.20 +
10 2256.70 + 20 1753.70 -
Regla de decisión
▰ Si el valor de p correspondiente a r+=14 es menor o igual

que α=0.05 se rechaza H0.
Cálculos:
▰ Puesto que R+=14 es mayor que n/2 => 20/2=10
▰ El valor de p se calcula de
p=2 P(R+14 cuando p = ½)
10 14
Calculo del valor de p

0.05765
9
El valor de p se calcula con la fórmula de la distribución
binomial:
p=2 P(R+14 cuando p = ½)
14
a) Aplicando la fórmula binomial: b) Con Minitab
𝑛 P( x>=14) = 1 - P (x<=13)
𝑛
𝑝=2 ෍ (0.5)𝑥 (0.5)𝑛−𝑥 Función de distribución acumulada
+
𝑥
𝑥=𝑅 Binomial con n = 20 y p = 0.5
20 x P( X <= x )
20 13 0.942341
𝑝=2 ෍ (0.5)𝑥 (0.5)20−𝑥
𝑥
𝑥=14 1 - 0.942341 = 0.057659
p= 2(0.057659) 2 * 0.057659 = 0.115318
p= 0.1153
Calculo del valor de p

0.057659
c) Con una tabla binomial

P( x>=14) = 1 - P (x<=13)
Función de distribución acumulada 14
Binomial con n = 20, x = 13

y p = 0.5
x P( X <= x )
13 0.942341
1 - 0.9423 = 0.0577
2 * 0.0577 = 0.1154
Conclusión:
▰ Como p=0.1153 no es menor = 0.05,

▰ No es posible rechazar la hipótesis nula de que
la mediana de la resistencia al esfuerzo
constante es 2000 psi.
PRUEBA DEL SIGNO Para muestra grande

(n>=20). Aproximación normal:
▰ Cuando p=0.5, la distribución binomial esta bien

aproximada por la distribución normal cuando n es
al menos 20.
▰ Por tanto:
▻ 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.
PRUEBA DEL SIGNO Para muestra grande

(n>=20). Aproximación normal:
▰ Las reglas de decisión se establecerán como

cualquier ensayo en una distribución muestral en
donde se utiliza la distribución normal.
▰ Para calcular el Z de la muestra:
𝑅+ − 0.5𝑛
𝑍=
0.5 𝑛
Para muestra grande (n>=20).

Aproximación normal:
Con los datos de Ejemplo 1:
▰ Formulamos las Hipótesis
Ho : µo = 2000 psi
H1 : µo ≠ 2000 psi
▰ Como la muestra es mayor que 20 se utilizará la

aproximación normal
Ing William León Velásquez Ejemplo 1

Regla de Decisión:
▰ Si –1.96 ≤ ZR ≤ 1.96
No se rechaza Ho
▰ Si ZR < -1.96 ó si ZR > 1.96

Se rechaza Ho

▰ Cálculos:
𝑅+ − 0.5𝑛
𝑍=
0.5 𝑛
14 − 0.5(20)
𝑍=
0.5 20
Z=1.789
Ejemplo
Ing William León 1
Velásquez Ejemplo 1

Decisión y Conclusión:
▰ Como 1.789 esta entre –1.96 y 1.96,

no se rechaza H0 y
▰ Se concluye con un α=0.05 que la

mediana es de 2000 psi.
PRUEBA DE SIGNOS DE LA MEDIANA

▰ La prueba de los signos también puede servir como

alternativa no paramétrica a la prueba t de muestra
pareada o a la correspondiente prueba de muestra
grande.
En tales problemas:
▰ Cada par de valores muéstrales se remplaza por un
signo además si el primer valor es menor que el
segundo, por un signo de menos si el primer valor es
menor que el segundo, o bien se descarta si los dos
valores son iguales.
Ejemplo 2
Se quiere probar el efecto de un somnífero en 15 personas, para ello
se mide las horas que duermen tomando y sin tomar el somnífero.
Los tiempos se muestran en la tabla
Individuos 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Con
somnífero 12 5 13 10 13 10 8 8 7 6 9 8 7 7 5
Sin
somníferos 8 6 8 6 10 9 4 7 6 6 8 6 9 7 6
Ho: No existen diferencias en el tiempo de sueño

H1: Existen diferencias en el tiempo de sueño
Individuos 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Con
somnífero 12 5 13 10 13 10 8 8 7 6 9 8 7 7 5
Sin
somníferos 8 6 8 6 10 9 4 7 6 6 8 6 9 7 6
Signo + - + + + + + + + 0 + + - 0 -
N1 (+) = 10 ; N2 (-) = 3 ; N = 10 + 3 = 13
▰ Entonces: x = 10 , N=13
▰ Aplicando la fórmula: (2𝑥 − 𝑁) (2(10)−13)
𝑡= 𝑡= =1.941
𝑁 13
De la tabla de t - student

t(12, 0.05/2)=2.179
Como
1.941< 2.179
Por tanto no se puede rechazar H0.
No se han encontrado diferencias.
▰ Se quiere investigar si una publicidad de un producto

puede cambiar la preferencia de las personas de la
población que tenia sobre ese producto X.
▰ Para ello estudia una muestra de 100 adultos que han
visto la publicidad.
• Los resultados de las pregunta si ha cambiado su
preferencia son:.
• 15 dicen que siguen viendo al producto igual,
• 59 los ven con más ventajas al producto y
• 26 dicen que los ven de menor calidad que su
producto actual
¿Cual es la conclusión?
▰ Se puede aplicar la prueba de los signos, porque se tiene una opinión

después de ver la publicidad, que se prueba con la que tenían antes de
verla.
▰ Como se observa nos proporcionan los signos ya calculados.
▰ Y tenemos como resultados:
59→ + , 26→ - , 15 → 0
▰ Entonces N1= 59 , N2= 26 y N=85
(los 15 que piensan igual no cuentan).
X = 59
▰ Ho = no hay cambios de opinión con respecto al producto
▰ H1 = si hay cambios de opinión con respecto al producto
Por tanto N1= 59 , N2= 26

y N=85
X = 59
Aplicando la fórmula:
(2𝑥 − 𝑁) (2∗59−85)
𝑧= 𝑧= =3.58
85
𝑁
▰Con un α=0.01
▰Zc0.01/2 = 3.30
▰Como: 3.58 > 3.30
Se rechaza H0 a un nivel de significación de 0.01.

Por tanto la opinión sobre este asunto ha cambiado
significativamente, sobre todo en una mayor preferencia, pero
también, aunque menos, en sentido contrario.
3
Prueba de
Wilcoxon
51
DEFINICIÓN
▰ La prueba de rangos con signo de Wilcoxon es

un modelo estadístico que corresponde a un
equivalente de la prueba t de Student,
▰ Pero se aplica en mediciones en escala ordinal
para muestras dependientes.
• En 1945, Frank Wilcoxon desarrollo una prueba no

paramétrica, con base en las diferencias entre
muestras dependientes, que no requiere la
suposición de normalidad.
PRUEBA DE WILCOXON
de rangos señalados y pares igualados para dos
muestras dependientes
El prueba de Wilcoxon puede ser utilizado para comparar

datos por parejas.
Si la distribución de las diferencias es simétrica, y nuestro
propósito es probar la hipótesis nula de que dicha
distribución está centrada en 0.
Se elimina aquellos pares para los cuales la diferencia es 0
se calculan los rangos en orden creciente de magnitud de
los valores absolutos de las restantes diferencias.
Se calculan las sumas de los rangos positivos y negativos,
y la menor de estas sumas es el estadístico de Wilcoxon.
PRUEBA DE WILCOXON
▰ El método es aplicable a muestras pequeñas, siempre y

cuando sean mayores que 6 y menores que 25.
▰ Las muestras grandes deben ser mayores o iguales a 25 y

éste se debe transformar en valor de Z, para conocer la
probabilidad de que aquella sea o no significativa.
PRUEBA DE WILCOXON
▰ Esta prueba estadística consiste en sumar los
rangos de signo frecuente;
▰ Es por eso que no se tiene una ecuación o
fórmula, como se observa en otras pruebas
estadísticas.
Se utiliza cuando:
• Trabaja con datos de tipo ordinal.
• Establece diferencias de magnitudes

(+ y -).
PRUEBA DE WILCOXON
•Dirección.
Hipótesis no Hipótesis
direccionales direccionales
Ho: X1=X2 Ho: X1=X2 El signo < o > se puede
Ha: X1≠X2 Ha: X1<X2 cambiar según las
necesidades
Prueba de Prueba de una
dos colas cola
Prueba de dos colas: No se sabe en que dirección se pueden
dar las diferencias.
Prueba de una cola: Si sabemos en que dirección están las
diferencias
PRUEBA DE WILCOXON
Dos muestras pareadas.

▰ Establece las diferencias .
▰ Con muestras grandes (>= 25) se
intenta lograr la distribución normal
(se utiliza la prueba Z).
PRUEBA DE WILCOXON: Pasos:
1. Arreglar las observaciones pareadas y

obtener las diferencias de cada pareja.
2. Arreglar las diferencias en función de rangos
como valores absolutos, sin importar el
signo, pero de manera que los rangos
conserven el signo correspondiente a la
diferencia.
PRUEBA DE WILCOXON:
Pasos:
3. Obtener la sumatoria de los rangos cuyo signo es
el menos frecuente, por ejemplo: si el signo es +,
se considerará para efectuar sumatorias; sin
embargo, la sumatoria mencionada finalmente
pierde el signo.
4. Si se trata de muestras pequeñas, comparar el
valor obtenido con los valores críticos de la tabla
de Wilcoxon.
PRUEBA DE WILCOXON Pasos:

(para muestras grandes)
5. Las muestras grandes que deben ser mayores o
iguales a 25 se les debe transformar en valor Z.
La fórmula es:
𝑊 − 𝑋ത𝑇
𝑍𝑇 =
𝑆𝑇
▰ Donde:
ZT = valor Z de la T de Wilcoxon.
W = valor estadístico de Wilcoxon.
𝑋ത𝑇 = promedio de la T de Wilcoxon.
sT = desviación estándar de la T de Wilcoxon.
PRUEBA DE WILCOXON. Pasos.

(para muestras grandes)
▰ Donde: 𝑍𝑇 =
N = tamaño de la muestra 𝑆𝑇
Cálculos previos:
𝑁(𝑁 + 1) 𝑁 𝑁 + 1 (2𝑁 + 1)
ത
𝑋𝑇 = 𝜎𝑇 =
4 24
EJEMPLO 4. Con una muestra
 Se ha realizado un estudio sobre la salud mental de

la población activa de sujetos de 60 años, con una
prueba de desajuste emocional (X) cuya mediana es
de 80
 Un psicólogo cree que tras la jubilación esta
población sufre un aumento de sus desajustes
emocionales.
 Con el fin de verificarlo, se selecciona al azar una
muestra de personas jubiladas, y se les realiza la
prueba de desajuste
EJEMPLO 4
Enunciado
Los resultados obtenidos son los siguientes:
69 70 75 79 83 86 88
89 90 93 96 97 98 99
 ¿Se puede concluir, con un nivel de significación de

0,05, que tras la jubilación aumenta el promedio de
desajuste emocional en estas personas?
 Calcule mediante el estadístico de Wilconxon
 Y con el ajuste a la normal (n>25)
EJEMPLO 4
1) Hipótesis
SOLUCION:
▰ H0: Me = 80  La población no
incrementa su promedio de desajuste.
▰ H1: Me > 80  La población aumenta su

nivel de desajuste tras la jubilación.
EJEMPLO 4
2.- Supuestos:
▰ La muestra es aleatoria
▰ La variable es continua y
▰ El nivel de medida es de intervalo.
EJEMPLO 4
3.-Cálculos
Aunque la muestra es pequeña se va ha

utilizar los dos estadísticos:
a) Se calcula las diferencias Di = X – 80 y

Se ordena las | Di |:
EJEMPLO 4
3.-Cálculos
Rangos con
R+ 78.5
Edades Diferencias De 80 Dif. Absolutas Rangos signo R- 20.5
79 -1 1 1 1 -1
83 3 3 2 2 2
75 -5 5 3 3 -3
86 6 6 4 4 4
88 8 8 5 5 5
89 9 9 6 6 6
70 -10 10 7 7.5 -7.5
90 10 10 8 7.5 7.5
69 -11 11 9 9 -9
93 13 13 10 10 10
96 16 16 11 11 11
97 17 17 12 12 12
98 18 18 13 13 13
99 19 19 14 14 14
EJEMPLO 4
Aplicando el estadístico de
Wilconxon
4.- Regla de decisión:
Puesto que
▰ α = 0,05:
▰ W14,0,05 = 26 > 20,5,
por lo que se rechaza la H0.
EJEMPLO 4
Aplicando el ajuste a la normal
3.-Cálculos 𝑁(𝑁 + 1) 𝑁 𝑁 + 1 (2𝑁 + 1)

ത
𝑋𝑇 = 𝜎𝑇 =
4 24
b) Hallamos z
𝑍𝑇 =
𝑆𝑇
(20,5 + 0,5) – (14)(15)/4 21 – 52,5
ZT = ----------------------------------- = ------------- = -1,98
√(14)(15)(28 + 1)/24 15,93
Z0.05 = -1,64 > -1,98,
por lo que se rechaza H0.
EJEMPLO 4
4.-Desición y conclusión
▰ Hay evidencia suficiente para concluir que

tras la jubilación, aumenta el nivel de
desajuste, medido por X.
EJEMPLO 5.
Para dos muestras
• Las puntuaciones correspondientes a 15
obreros en destreza de manejo de un equipo,
antes y después de realizar una capacitación
son las siguientes :
Antes 5 6 6 8 7 5 4 3 7 5 6 6 3 5 5
Despues 6 6 7 9 6 4 6 3 8 8 4 7 2 7 8
• Se desea saber si han variado o no,

con un nivel de significancia del 5%
Ing William León Velásquez EJEMPLO 5.
Formulación de las hipótesis
Las hipótesis en la prueba de Wilcoxon se

pueden enunciar de la manera siguiente:
H0 W(+) = W(-)
Ha W(+) ≠ W(-)
H0 = las puntuaciones entre los 15 obreros antes y

después de realizar la capacitación son iguales
Ha = las puntuaciones entre los 15 obreros antes y
después de realizar la capacitación son
diferentes
Obtención del estadístico

Diferencia Rangos con
Antes Después s Rangos signo La prueba consiste en calcular
5 6 -1 las diferencias entre los
6 6 0 valores y se halla su valor
6 7 -1 absoluto
8 9 -1
7 6 1
5 4 1
4 6 -2
3 3 0
7 8 -1
5 8 -3
6 4 2
6 7 -1
3 2 1
5 7 -2
5 8 -3
Dif.
Antes Después Diferencias Absolutas Rangos Rangos con signo
6 6 0 0
3 3 0 0 Ordenarlas de menor a
5 6 -1 1 mayor y se elimina las
6 7 -1 1 diferencias 0
8 9 -1 1
7 6 1 1
5 4 1 1
7 8 -1 1
6 7 -1 1
3 2 1 1
4 6 -2 2
6 4 2 2
5 7 -2 2
5 8 -3 3
5 8 -3 3
Antes Después Diferencias Dif. Absolutas

6 6 0 0
3 3 0 0
Una vez ordenadas las
5 6 -1 1 1 diferencias, se numeran
6 7 -1 1 2 de 1 a n, siendo n el
8 9 -1 1 3 número de elementos de
7 6 1 1 4 la muestra; al número
5 4 1 1 5 asignado se le denomina
7 8 -1 1 6 rango.
6 7 -1 1 7
3 2 1 1 8
4 6 -2 2 9
6 4 2 2 10
5 7 -2 2 11
5 8 -3 3 12
5 8 -3 3 13

1+
Diferenci Dif.
Antes Después as Absolutas Rangos
2
6 6 0 0 3
3 3 0 0 4
5 6 -1 1 1 4.5 1 5
6 7 -1 1 2 4.5 6 9+
8 9 -1 1 3 4.5 7 2 10
7 6 1 1 4 4.5 8 11
5 4 1 1 5 4.5 --- ----
7 8 -1 1 6 4.5 36 30
6 7 -1 1 7 4.5
3 2 1 1 8 4.5 36 30
4 6 -2 2 9 10 ---- =4.5 ---- =10
6 4 2 2 10 10 8 3
5 7 -2 2 11 10
5 8 -3 3 12 12.5
5 8 -3 3 13 12.5
El rango 1 se asigna a la mínima diferencia observada en valor absoluto, y así
sucesivamente hasta n, cuyo rango corresponde a la máxima diferencia. Si hay empate,
se asigna a cada diferencia empatada la media de los rangos implicados en el empate
EJEMPLO 5.
Antes Después Diferencias Dif. Abss Rangos Rangos con signo Se asigna el signo menos a las
6 6 0 0 diferencias negativas y el signo
3 3 0 0 más a las diferencias positivas.
El signo (-), en este caso,
5 6 -1 1 1 4.5 -4.5
significa que la puntuación ha
6 7 -1 1 2 4.5 -4.5
aumentado, puesto que al restar
8 9 -1 1 3 4.5 -4.5
ANTES-DESPUÉS las
7 6 1 1 4 4.5 4.5
puntuaciones que han
5 4 1 1 5 4.5 4.5
aumentado tienen diferencia
7 8 -1 1 6 4.5 -4.5 negativa.
6 7 -1 1 7 4.5 -4.5 El signo en esta prueba es un
3 2 1 1 8 4.5 4.5 símbolo diferenciador y debe
4 6 -2 2 9 10 -10 tenerse cuidado con su
6 4 2 2 10 10 10 interpretación
5 7 -2 2 11 10 -10
5 8 -3 3 12 12.5 -12.5
5 8 -3 3 13 12.5 -12.5
Antes Después Diferencias Rangos con signo

W+ = 23.5 W  = 67.5
6 6 0
3 3 0
5 6 -1 -4.5 Una vez ordenados los datos, se
6 7 -1 -4.5 suman los rangos de las diferencias
8 9 -1 -4.5 positivas, W+, y negativas, W-, y se
7 6 1 4.5 elige el menor de los dos.
5 4 1 4.5 Los casos en los que la diferencia
7 8 -1 -4.5 es cero se ignoran.
6 7 -1 -4.5
3 2 1 4.5 W+ = 23,5 y los negativos W- = 67,5.
4 6 -2 -10 Como valor W se considera el menor, es decir, 23,5.
6 4 2 10
5 7 -2 -10
5 8 -3 -12.5
5 8 -3 -12.5 W= 23.5
Obtención del valor critico
• Con n = 13
• Alfa =0.05
• De la tabla de valores críticos de Wilcoxon
• El punto crítico para una significación de (=0.05,

dos colas) es 17,
• Wc= 17
Conclusión
• El W13,0.05 crítico es 17, y es menor al

valor W calculado ( 23.5) no se rechaza la
hipótesis nula y
• Se concluye que no hay diferencias
estadísticamente significativas entre las
dos variables y, consecuentemente,
• La capacitación no ha tenido influencia
en las puntuaciones.
PRUEBA DE WILCOXON para

muestras grandes
▰ Un investigador desea comparar el nivel de C.I. en
jóvenes universitarios del 1er semestre con el C.I. del
los mismos universitarios cuando estén en 6to
semestre. Se seleccionó al azar a 30 jóvenes
Sujeto 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 sem. 50 60 40 90 40 30 65 95 76 87 70 85 65 55 72
2 sem 80 70 50 90 55 60 78 100 40 100 65 70 45 45 70
Sujeto 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1 sem. 87 70 85 70 50 60 90 40 90 65 95 70 100 70 85
2 sem 85 92 100 98 75 68 80 50 69 50 40 90 100 85 58
PRUEBA DE WILCOXON para
muestras grandes
Elección de la prueba estadística.

▰ El modelo experimental tiene dos muestras
dependientes.
▰ Las mediciones no tienen una escala de intervalo, por
lo que su ordenamiento se hace en escala ordinal
Sujeto 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 sem. 50 60 40 90 40 30 65 95 76 87 70 85 65 55 72
2 sem 80 70 50 90 55 60 78 100 40 100 65 70 45 45 70
Sujeto 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1 sem. 87 70 85 70 50 60 90 40 90 65 95 70 100 70 85
2 sem 85 92 100 98 75 68 80 50 69 50 40 90 100 85 58
Planteamiento de la
hipótesis.
▰ Hipótesis nula (Ho). No habrá diferencia en el nivel de C.I. de los
jóvenes universitarios estando en 1er semestre y cuando estén en
6to semestre.
▰ Hipótesis alterna (Ha). El nivel de C.I. de los jóvenes universitarios

estando en 1er semestre es menor al que adquieren al estar en 6to
semestre.
Nivel de significación.
▰ Para todo valor de probabilidad igual o menor que 0.05, se

rechaza Ho y se acepta Ha.
▰ Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, no se rechaza
Ho y se rechaza Ha.
▰ Efectuar las diferencias entre los datos sobre le C.I. antes y después,
elaborar los rangos de las diferencias y hacer la sumatoria de los rangos
de signo de menor frecuencia.
Dif. Rang con

Sujeto 1 sem 6 sem Diferencia Rango
Absoluta sig.
4 90 90 0 0
28 100 100 0 0
Se ha eliminado dos filas por la diferencia de cero

Ahora N=28
EJEMPLO 6
Sujeto 1 sem 6 sem Diferenncia Dif. Absoluta Rango Rang con sig.
15 72 70 2 2 1 1.5 1.5
16 87 85 2 2 2 1.5 1.5
8 95 100 -5 5 3 3.5 -3.5
11 70 65 5 5 4 3.5 3.5
21 60 68 -8 8 5 5 -5
2 60 70 -10 10 6 8 -8
3 40 50 -10 10 7 8 -8
14 55 45 10 10 8 8 8
22 90 80 10 10 9 8 8
23 40 50 -10 10 10 8 -8
7 65 78 -13 13 11 11.5 -11.5
10 87 100 -13 13 12 11.5 -11.5
5 40 55 -15 15 13 15 -15
12 85 70 15 15 14 15 15
18 85 100 -15 15 15 15 -15
25 65 50 15 15 16 15 15
29 70 85 -15 15 17 15 -15
13 65 45 20 20 18 18.5 18.5
27 70 90 -20 20 19 18.5 -18.5
24 90 69 21 21 20 20 20
17 70 92 -22 22 21 21 -21
20 50 75 -25 25 22 22 -22
30 85 58 27 27 23 23 23
19 70 98 -28 28 24 24 -24
1 50 80 -30 30 25 25.5 -25.5
6 30 60 -30 30 26 25.5 -25.5
9 76 40 36 36 27 27 27
Obtención del estadístico.
▰ Finalmente se halla la suma de los rangos
W+ 169
W- 237
La sumatoria del valor W de Wilcoxon

es igual a 169
Ajustando a la normal
▰ y, como se especificó en los pasos, éste se debe transformar en valor de Z, para
conocer la probabilidad de que aquella sea o no significativa. Para ello debemos
calcular primero el promedio y la desviación estándar de la T de Wilcoxon.
𝑁(𝑁 + 1) 𝑁 𝑁 + 1 (2𝑁 + 1)
𝑋ത𝑇 = 𝜎𝑇 =
4 24
Donde N=28
28(28 + 1) 28(29) 812
𝑋ത𝑇 = = = = 203
4 4 4
28 28 + 1 (2(28) + 1) 46284
𝜎𝑇 = = = 1928.5 = 43.91
24 24
▰ Una vez calculados el promedio y la desviación estándar del

valor T de Wilcoxon, calculamos el valor Z.
𝑍𝑇 =
𝑆𝑇
168.5−203 −34.5
𝑍𝑇 = = = −0.785 = −0.79
43.91 43.91
• El valor ZT calculado se localiza entre los valores Z de la distribución normal de la tabla

de probabilidades asociadas en valores extremos como los de 2 en la distribución
normal.
• En la intersección de la hilera donde se encuentra el 0.7 y la columna 0.09, se
puede observar la cifra 0.2148, la cual indica la probabilidad de que la magnitud
de ZT difiera de T. 0.77
0.7 0.07
Decisión e interpretación
▰ Decisión.
La probabilidad de 0.2148 es mayor que 0.05, por lo cual no se rechaza la
Ho y no se acepta Ha.
0.2148 > 0.05 no se rechaza Ho
▰ Interpretación.
No existe diferencia estadísticamente significativa entre el C.I. de los jóvenes
cuando están en el 1er semestre y cuando están en 6to semestre.
FIN
¿Alguna pregunta?
Me puedes encontrar en
@wjleonv & wjleonv@yahoo.com 92

EIclase 10

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

EIclase 10

Загружено:

Авторское право:

Доступные форматы

ESTADISTICA

Ing. William León Velásquez

Pero que pasa cuando

▰ Muchas aplicaciones de negocios

1.- Por lo general, son fáciles de usar y

▰ Las pruebas no paramétricas son

1.- A veces, ignoran, desaprovechan o

VENTAJAS DE LOS MÉTODOS

1.- No requieren la suposición de que una población esta

DESVENTAJAS DE LOS METODOS NO

Conversión de valores paramétricos a rangos no paramétricos.

PRUEBA DEL SIGNO.

▰ Es una de las pruebas no paramétricas más simples y

PRUEBA DEL SIGNO.

Se presentan dos casos:

PRUEBA DEL SIGNO. Usos

• Dada una muestra aleatoria simple de tamaño n

PRUEBA DEL SIGNO

▰ La mediana de una distribución es un valor de la variable aleatoria X tal que la

P(X ≤ Me) = P(X ≥ Me)= 0.5

PRUEBA DEL SIGNO

▰ Cuando la distribución normal es simétrica,

PRUEBA DEL SIGNO

▰ Si se supone que las hipótesis son:

PRUEBA DEL SIGNO

 En consecuencia, si el valor p calculado p= P(R+ ó

PRUEBA DEL SIGNO

 En consecuencia, si el valor p calculado p= P(R+ ó

PRUEBA DEL SIGNO

Para probar la alternativa bilateral.

PRUEBA DEL SIGNO

PRUEBA DEL SIGNO

entonces el "p-valor" se calcula por :

▰ Un artículo científico informa acerca de un estudio

▰ En la siguiente tabla se muestran los resultados obtenidos al probar 20 motores seleccionados

Formulación de las hipótesis

▰ La hipótesis planteada será

Calculo del Estadístico

▰ Si el valor de p correspondiente a r+=14 es menor o igual

Calculo del valor de p

Calculo del valor de p

c) Con una tabla binomial

Binomial con n = 20, x = 13

▰ Como p=0.1153 no es menor = 0.05,

PRUEBA DEL SIGNO Para muestra grande

▰ Cuando p=0.5, la distribución binomial esta bien

▰ La distribución de R+ es aproximadamente normal

PRUEBA DEL SIGNO Para muestra grande

▰ Las reglas de decisión se establecerán como

▰ Para calcular el Z de la muestra:

Para muestra grande (n>=20).

▰ Como la muestra es mayor que 20 se utilizará la

Para muestra grande (n>=20).

▰ Si ZR < -1.96 ó si ZR > 1.96

Para muestra grande (n>=20).

Para muestra grande (n>=20).

▰ Como 1.789 esta entre –1.96 y 1.96,

▰ Se concluye con un α=0.05 que la

PRUEBA DE SIGNOS DE LA MEDIANA

▰ La prueba de los signos también puede servir como

Ho: No existen diferencias en el tiempo de sueño

De la tabla de t - student