ESTADSTICA APLICADA

DR. OSWALDO ASPILCUETA FRANCO

MAG. DIANA ANICAMA ORMEO
UNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA
ESCUELA DE POSGRADO
DOCTORADO EN EDUCACIN
PRUEBAS NO PARAMETRICAS
INTRODUCCIN
En la mayora de las pruebas de hiptesis se parte de la
suposicin de que la Poblacin de la que se extrae las
muestras aleatorias tiene una distribucin normal. Existen
poblaciones que no satisfacen dicha condicin porque tienen
algn sesgo respecto a la distribucin normal
Cuando las poblaciones no son normales entonces se aplican
las PRUEBAS NO PARAMETRICAS
CARACTERSTICAS DE LA DISTRIBUCIN
NORMAL DE PROBABILIDAD
Descripcin
de la
CURVA NORMAL
Media
Mediana
Moda
La distribucin normal de
probabilidad es SIMTRICA con
respecto a una lnea vertical que
pase por la media
El extremo derecho se
extiende de manera
indefinida y nunca toca el
eje horizontal
ASINTOTICA
El extremo izquierdo se
extiende de manera
indefinida y nunca toca
el eje horizontal
P-1
M
E
D
I
A




M
E
D
I
A
N
A



M
O
D
A

LA MEDIA, LA MEDIANA Y LA MODA, EN
UNA DISTRIBUCIN SIMTRICA
M
E
D
I
A

M
O
D
A

M
E
D
I
A
N
A

LA MEDIA, LA MEDIANA Y LA MODA, EN
UNA DISTRIBUCIN SESGADA
P-1
CURVA CON SESGO
POSITIVO
Y
CURVA CON SESGO
NEGATIVO
P-2
CURVA A
Sesgo +
CURVA B
Sesgo -
LEPTOCURTOSIS MESOCURTOSIS
PLATOCURTOSIS
KURTOSIS
1. La curva tiene un solo pico; por tanto, es unimodal. Tiene la
forma de campana
2. La media de una poblacin distribuida normalmente cae en el
centro de su curva normal.
3. Debido a la simetra de la distribucin normal de probabilidad, la
mediana y la moda de la distribucin se encuentran tambin en
el centro; en consecuencia, para una curva normal, la media, la
mediana y la moda tienen el mismo valor.
4. Los dos extremos de la distribucin normal de probabilidad se
extienden indefinidamente y nunca tocan el eje horizontal.
5. El rea bajo la curva normal es igual a 1
CARACTERSTICAS DE UNA DISTRIBUCIN
NORMAL DE PROBABILIDAD:
La mayor parte de las poblaciones reales no se extienden de manera
indefinida en ambas direcciones; pero para estas poblaciones, la
distribucin normal es una aproximacin conveniente. No hay una
sola distribucin normal, sino una familia de curvas normales.
Para definir una distribucin normal de probabilidad necesitamos
establecer slo dos parmetros: la media ( ) y la desviacin
estndar ( )
o

DISTRIBUCIONES NORMALES DE PROBABILIDA CON MEDIA
IDNTICAS Y DIFERENTES DESVIACIONES ESTNDAR
Curva A tiene una desviacin
estndar muy pequea
Curva B tiene una desviacin
estndar ms grande
Curva C tiene una desviacin
estndar muy grande
1 = o
5 = o
50 =
10 = o
Curva B tiene una Media
entre la de la curva A y la
C
Curva A tiene la
Media ms pequea
Curva C tiene la
Media ms grande
DISTRIBUCIONES NORMALES DE PROBABILIDAD CON
DIFERENTES MEDIAS E IGUALES DESVIACIN
ESTNDAR
5 = o 5 = o 5 = o
0
15
=
25
= 40
=
TRES DISTRIBUCIONES NORMALES DE PROBABILIDAD, CADA
UNA CON UNA MEDIA Y UNA DESVIACIN ESTNDAR
DIFERENTES A LAS DE LAS DEMS
3 = o 1 = o 10 = o
15 =
25 =
40 =
Curva A tiene una Media y
una desviacin estndar
pequeas
Curva B tiene una Media y
una desviacin estndar ms
grande
Curva C tiene una
Media y desviacin
estndar muy grande
0
DISTRIBUCIONES NORMALES DE PROBABILIDAD CADA
UNA CON UNA MEDIA Y UNA DESVIACIN ESTNDAR
DIFERENTES A LAS DE LAS DEMS.
3 = o 1 = o 10 = o
Curva A tiene una media y
una desviacin estndar
pequeas
Curva B tiene una media y una
desviacin estndar ms grande
Curva C tiene una media y una
desviacin estndar muy grande
P-3
0
15
=
25
= 40
=
a) PRUEBA DEL SIGNO
b) PRUEBA DE SUMAS DE RANGO,
- PRUEBA U: PRUEBA DE WILCOXON O PRUEBA DE MANN-WHITNEY
- PRUEBA H: PRUEBA H. O PRUEBA DE KRUSKAL-WALLIS
c) PRUEBAS DE KOLMOGOROV-SMIRNOV
PRUEBA DEL SIGNO
En esta prueba describiremos una alternativa no paramtrica de la prueba t unimuestral;
para muestras apareadas y las correspondientes pruebas para muestras de gran tamao.
Como alternativa de prueba t unimuestral o de la correspondiente para muestras de gran
tamao la PRUEBA DEL SIGNO se aplica cuando muestreamos una poblacin simtrica de tal
manera que las probabilidades de obtener un valor muestral menor que la media y la de
un valor muestral mayor a la media son ambas iguales a ; ya que con frecuencia la
simetra es difcil de verificar, entonces podemos formular la hiptesis en trminos de la
mediana ( ) poblacional
PRUEBAS NO PARAMETRICAS

En una muestra aleatoria de tamao n, reemplazamos cada valor muestral >
0

por un signo + y cada valor muestral <
0
por un signo - ; despus probamos la
hiptesis nula de que los signos + y son los resultados de ensayos binomiales
con p = . Si un valor muestral es =
0,
lo cual puede suceder descartamos dicho
valor
EJEMPLO: Los siguientes datos integran una muestra aleatoria de 11 mediciones
del coeficiente intelectual correspondiente a estudiantes de pre-grado
99.0, 102.3, 99.8, 100.5, 99.7, 103.3, 98.0, 97.4, 100.4, 98.9, 102.5
Prubese
H
o
: = 98.0
H
1
: > 98.0 para = 0.05
SOLUCIN:
Dado que uno de los valores muestrales es 98.0, debe descartarse y por tanto el
tamao de la muestra es igual a 10
1) FORMULACIN DE LAS HIPOTESIS
Ho: = 98.0 (p= )
H1: > 98.0 (p > )
2) NIVEL DE SIGNIFICANCIA
para = 0.05
3) CRITERIO
El criterio se basa en la cantidad de signos
positivos o en la cantidad de signos
negativos. Utilizando la cantidad de signos
positivos que se denotaran por x, se rechaza
la hiptesis nula si la probabilidad de obtener
x o ms signos es menos o igual a 0.05
5) TOMA DE DECISIN
En la tabla de la binomial para n = 10 se
tiene que para x 9, p = 0.50, es 0.0107 es
la probabilidad buscada.
Luego esta probabilidad 0.0107 es menor
que 0.05 por lo tanto debe rechazarse a la
hiptesis nula y concluimos que el
coeficiente intelectual promedio de los
estudiantes de pre-grado considerado
excede a 98.0
4) CALCULOS:
Reemplazando cada valor mayor que 98.0 por un signo positivo y cada valor menor que 98.0
por un signo negativo se tiene los 10 valores muestrales generados ;

97.4, 98.0, 98.9, 99.0, 99.7, 99.8, 100.4, 100.5, 102.3, 102.5, 103.3,
- + + + + + + + + +
As x = 9 para n = 10 y p =
SOLUCIN
LA PRUEBA DEL SIGNO.- Puede emplearse
tambin como alternativa no paramtrica de la
prueba t para muestra apareadas o tambin
de la prueba correspondientes para muestras
de gran tamao. En tales problemas cada par
de valores muestrales se remplaza por un
signo + si el primer valor es mayor que el
segundo, y con un signo menos si el primer
valor es menor que el segundo. Se descarta si
los 2 valores son iguales
EJEMPLO:
Los siguientes datos son resultado del conteo
de errores ortogrficos cometidos por los
alumnos del Instituto Superior Las Amricas
(escala de 1-130) antes y despus de que se
implantara cierto programa de capacitacin
ortogrfica.
45 y 36 73 y 60 45 y 44 45 y 45 124 y 119
36 y 35 50 y 51 83 y 77 34 y 29 26 y 24 17
y 11
para 0.05
SOLUCIN
1) FORMULACIN DE LA HIPTESIS
Ho: = 0.5 (p = )
H1: > 0.5 (p mayor que )
2) NIVEL DE SIGNIFICANCIA
= 0.05
3) CRITERIO
Si x es el nmero de signos positivos, se rechaza
la hiptesis nula cuando la probabilidad de
obtener x o mas signos positivos es menor o igual
a 0.05
4) CALCULOS
Reemplazando cada par de valores se tiene:
+ + + + + - + + + +
As tenemos que x = 9, n =10, p =
Es 0.0108 es menor que 0.05

5) TOMA DE DECISIN
Dado que 0.0108 es menor que 0.05,
Rechazamos la Ho
Se concluye que el programa de capacitacin es
eficaz.

PRUEBAS DE SUMAS DE RANGOS
Existen 2 pruebas que se basa en la suma de rangos:
a) La prueba U tambin denominada prueba Wilcoxon o Prueba Mann- Whitney
b) La prueba H prueba de kruskal-wallis.
EJEMPLO:
Para calcular la prueba U, en un estudio sobre las competencias alcanzadas en la asignatura de
ANALISIS MATEMTICO por dos grupos de estudiantes se obtuvieron los siguientes resultados.
Grupo I: 0,63 0,17 0,35 0,49 0,18 0,43 0,12 0,20 0,47 0,36 0,51 0,45 0,84 0,32 0,40
Grupo II: 0,98 0,54 0,96 0,26 0,39 0,88 0,92 0,53 0,95 0,48 0,89 0,99 0,97 0,58
El problema consiste en decidir si las muestras son las mismas o son diferentes,
SOLUCIN
1) FORMULACIN DE LA HIPOTESIS
Ho: El cumplimiento de las competencias son iguales
H1: El cumplimiento de las competencias son diferentes
2) ELECCIN DE LA PRUEBA
( )
2
1
1 1
1 1
+
=
n n
W U
( )
2
1
2 2
2 2
+
=
n n
W U
Donde:
W
1
es la suma de los rangos del grupo 1
W
2
es la suma de los rangos del grupo 2
1+2+3+4+5=15 ( )
2
1
1 1
+ n n
( )
2
1 99 99 +
1+2+3+4+5++99 =
Adems:
2
2 1
1
n n
U
=
Media del U
1
12
) 1 (
2 1 2 1
2
1
+ +
=
n n n n
U
o y,
1
1
1
U
U
U
z
o

=
= 0.01
3 ) CRITERIO
Se rechaza la hiptesis nula si Z es menor que -2.58 o mayor que 2.58 (ver tabla z)
4 ) CALCULOS
a) n
1
= 15 n
2
= 14
b) datos por Grupos
OSERVACIN
Si dos o mas valores son iguales se
le asigna un rango que es la media
de ellos
I
0,63 (1) 0,17 (1) 0,35 (1) 0,49 (1) 0,18 (1) 0,43 (1) 0.12 (1) 0,20 (1) 0,47 (1) 0,36 (1) 0,51 (1) 0,45 (1) 0,84 (1) 0,32 (1) 0,40 (1)
II
0,98 (2) 0,54 (2) 0,96 (2) 0,26 (2) 0,39 (2) 0,88 (2) 0,92 (2) 0,53 (2) 0,95 (2) 0,48 (2) 0,89 (2) 0,99 (2) 0,97 (2) 0,58 (2)
c) ordenando Grupo I y Grupo II
I 0,12 (1) 0,17 (1) 0,18 (1) 0,20 (1) 0,32 (1) 0.35 (1) 0,36 (1) 0,40 (1) 0,43 (1) 0,45 (1) 0,47 (1) 0,49 (1) 0,51 (1) 0,63 (1) 0,84 (1)
II 0,26 (2) 0,39 (2) 0,48 (2) 0,53 (2) 0,54 (2) 0,58 (2) 0,88 (2) 0,89 (2) 0,92 (2) 0,95 (2) 0,96 (2) 0,97 (2) 0,98 (2) 0,99 (2)
I 0.12 0.17 0.18 0.20 0.32 0.35 0.36 0.40 0.43 0.45 0.47 0.49 0.51 0.63 0.84
1 2 3 4 6 7 8 10 11 12 13 15 16 20 21
W
1
=
149
II
0.26 0.39 0.48 0.53 0.54 0.58 0.88 0.89 0.92 0.95 0.96 0,97 0,98 0,99
5 9 14 16 17 19 21 22 23 24 25 26 27 28
W
2
=
286
d) Determinar el rango de cada grupo (sumatoria)
d) Ordenando (Grupo I Grupo II)
I II
0,12 (1) 0,17 (1) 0,18 (1) 0,20 (1) 0,26 (2) 0,32 (1) 0,35 (1) 0,36 (2) 0,39 (1) 0,40 (1) 0,43 (1) 0,45 (1) 0,47 (2) 0,48 (1) 0,49 (1)
0,51 (1) 0,53 (2) 0,54 (2) 0,58 (2) 0,63 (1) 0,84 (2) 0,88 (2) 0,89 (2) 0,92 (2) 0,95 (2) 0,96 (2) 0,97 (2) 0,98 (2) 0,99 (1)
e) Asignando los rangos a (Grupo I Grupo II)
I II
0,12 (1)

1
0,17 (1)

2
0,18 (1)

3
0,20 (1)

4
0,26 (2)

5
0,32 (1)

6
0,35 (1)

7
0,36 (2)

8
0,39 (1)

9
0,40 (1)

10
0,43 (1)

11
0,45 (1)

12
0,47 (2)

13
0,48 (1)

14
0,49 (1)

15
0,51 (2)

16
0,53 (2)

17
0,54 (2)

18
0,58 (1)

19
0,63 (1)

20
0,84 (2)

21
0,88 (2)

22
0,89 (2)

23
0,92 (2)

24
0,95 (2)

25
0,96 (2)

26
0,97 (2)

27
0,98 (2)

28
0,99 (1)

29
( )
29
2
1 15 15
149
1
=
+
= U
105
2
14 * 15
1
1
=
=
U
U

525
12
) 1 14 15 ( 14 * 15
2
2
1
1
=
+ +
=
U
U
o
o
32 , 3
525
105 29
=

=
z
z
5 ) TOMA DE DESICIN
Dado que z =-3.32 es menor que
-2.58 entonces la Ho debe
rechazarse (ver tabla z)
OBSERVACIN:
1 + 2 + 3 + + n = n ( n + 1 ) / 2
Ejemplo
1 + 2 + 3 + + 15 = 15 ( 15 + 1 ) / 2 = 42
PRUEBAS DE KRUSKL-WALLIS
Es una generalizacin de la PRUEBA U que nos permite probar la hiptesis
nula, en el sentido de que K muestras aleatorias independientes provienen de
poblaciones independientes. R
i
es la suma de los rangos ocupados por las n
i

observaciones, donde n
1
+ n
2
+n
k
= n es el estadstico que se emplea
es:
) 1 ( 3
) 1 (
12
1
2
+
+
=

=
n
n
R
n n
H
k
i
i
i
EJEMPLO: un experimento diseado para comparar 3 mtodos de enseanza
aprendizaje, produjo los puntajes respectivos:
MTODO A: 77, 54, 67, 74, 71, 66
MTODO B: 60, 41, 59, 65, 62, 64, 52
MTODO C: 49, 52, 69, 47, 56. n
1
=6 n
2
=7 n
3
=5, n =18
= 0.05
Prubese la hiptesis nula que las muestras provienen de poblaciones
estudiantiles idnticas
.(I)
SOLUCIN
1) FORMULACIN DE LA HIPOTESIS
Ho: Las poblaciones son idnticas
H1: Las poblaciones no son idnticas
2) NIVEL DE SIGNIFICANCIA
= 0.05, Entonces el Chi cuadrado 0.95 = 5.99 para v=2 (ver tabla)
3) CRITERIO
Se rechaza la hiptesis nula si H es mayor que 5.99
4) CALCULOS
- ordenar los datos en forma creciente
- Se determinan los rangos
- Establecer los rangos para cada uno de ellos
- Los resultados son los siguientes
Los rangos del mtodo A son: 6, 13, 14, 16, 17 y 18, de donde R
1
= 84
Los rangos del mtodo B son: 1, 4.5, 8, 9, 10, 11, 12, R
2
= 55.5
Los rangos del mtodo C son: 2, 3, 4.5, 7 y 15 R
3
= 31.5

7 . 6
) 1 18 ( 3
5
5 . 31
7
5 . 55
6
84
19 * 18
12
2 2 2
=
+
|
|
.
|

\
|
+ + =
H
H
5) TOMA DE DECISIN
Dado que H = 6.7 mayor que 5.99 entonces rechazamos la hiptesis nula
luego los 3 mtodos de aprendizaje no tiene la misma eficacia, donde
Chi cuadrado para v = k-1 =3-1= 2
Reemplazando valores en la ecuacin .(I)
99 . 5
2
95 . 0
= X
) 1 ( 3
) 1 (
12
1
2
+
+
=

=
n
n
R
n n
H
k
i
i
i
PRUEBA DE KOLMOVOROV-SMIRNOW
LaS prueba de KOLMOVOROV- SMIRNOV son pruebas no parametricas que se
utilizan para diferencias Entre distribuciones acumuladas. La prueba unimuestral
se refiere a la concordancia entre una distribucin acumulada observada de
valores muestrales y una funcin de distribucin continua determinada; es pues
una prueba de bondad de ajuste. La prueba bimuestral esta relacionada con la
conformidad de 2 distribuciones acumuladas observadas.
La prueba K-S unimuestral es en general mas eficiente que el Chi cuadrado para
bondad de ajuste en muestras pequeas y puede emplearse en muestras muy
pequeas donde el Chi cuadrado no se aplica. La prueba unimuestral se
fundamenta en la diferencia absoluta mxima D, entre los valores de la
distribucin acumulada de una muestra aleatoria de tamao n y una distribucin
terica determinada. Para decidir si esta diferencia es mayor de lo que
razonablemente puede esperarse para un nivel de alfa determinado, buscamos
los valores crticos de D en la tabla de valores crticos.
EJEMPLO
Se desea comprobar si los agujeros de un
electrodo de estao estn uniformemente
distribuido a lo largo de una tira enrollada en
su base por eso se ha tomado medidas de las
distancias (en pulgadas) de los 10 agujeros a
partir de un extremo de la placa de estao
que tiene 30 pulgadas de ancho 4.8, 14.8,
28.2, 23.1, 4.4, 28.7, 19.5, 2.4, 25.0, 6.2
prubese la hiptesis nula para alfa 0.05.
Definir la funcin acumulativa de:
2) NIVEL DE SIGNIFICANCIA
= 0.05
3) CRITERIO
Se rechaza la hiptesis nula si D es mayor que
0.41, donde 0.41 se tiene en la tabla de valores
crticos. (D
0.05
); y D es la diferencia mxima
entre la distribucin acumulada observada y la
distribucin acumulada bajo la distribucin F (x)
4) CALCULOS
Graficando la distribucin acumulada, tal como
aparece en el grfico (I) se ve que la diferencia
es mayor para x = 6.2 y que su valor es D = (0.40
6.2)/30 = 0.193

=
1
30
0
) (
x
x F
Para x0
Para 0 x 30
Para x30
1) FORMULACIN DE LAS HIPOTESIS
Ho: Los agujeros estn uniformemente
distribuidos a travs de la placa de estao
H1: Los agujeros no estn uniformemente
distribuidos a travs de la placa de estao
SOLUCIN

5) TOMA DE DESICIN
Puesto que D = 0.40 6.2/30 = 0.193, es el valor mximo se tiene: 0.193 menor que
0.410 que esta en la tabla para n=10 y D=0.05 entonces no rechazamos la hiptesis nula.
0
0,2
0,4
0,6
0,8
1,0
5 10 15 20 25 30
.(I)

D = 0.193
TRABAJO
CONTRASTAR hiptesis por mtodos no paramtricos:
1) En un experimento de laboratorio 18 medidas del coeficiente de friccin entre
cuero y metal, arrojaron los siguientes resultados:
0.59, 0.56, 0.49, 0.55, 0, 65, 0.55, 0.51, 0.60, 056, 0.47, 0.58, 0.61, 0.54, 0.68, 0.56,
0.50, 0.57, 0.53.
Para alfa 0.05 y mediana = 0.55 (hiptesis)
Mediana diferente 0.55

2) El departamento de control de calidad de una gran fabrica obtuvo los siguientes
datos muestrales (en libras) de la resistencia a la ruptura de cierto tipo de algodn
de 2 plg: 153, 159, 144, 160, 158, 153, 171, 162, 159, 137, 159, 159, 148, 162,
154, 159, 160, 157, 140, 168, 163,148, 151, 153, 157, 148, 168, 162, 149.
mediante la prueba del signo 0.01 y la mediana y alternativa mediana mayor que
150

Los siguientes datos corresponden a la resistencia a la ruptura (libras), dos tipos
de materiales
144, 181, 200, 187, 169, 171, 186, 194, 176, 182, 133, 183, 197, 165, 180, 198.
Material ii
175, 164, 172, 194, 176, 198, 154, 134, 169, 164, 185, 159, 161, 189, 171, 164.
Emplese la prueba de u
0.05 y probar que el material 1 es mas resistente