Slide 1

Esther Flores Ugarte ESTADISTICA II

CAPTULO 13
Slide 2

Estadstica no Paramtrica
13-1
Panorama General
13-2
Prueba de signo
13-3
Prueba de rangos con signo de
Wilcoxon para datos apareados.
13-4
Prueba de la suma de rangos con
Wilcoxon para dos muestras
independientes.

Esther Flores Ugarte ESTADISTICA II

Slide 3

ELEMENTARY STATISTICS by Mario Triola - 2004

Presentaciones originales de Pearson Addison
Wesley.
Interpretadas, traducidas y adaptadas por Esther Flores
Ugarte para fines acadmicos de la asignatura de
Estadstica II
Universidad Continental de Ciencias e Ingenieria
Huancayo- Per

Esther Flores Ugarte

ESTADISTICA II

Slide 4

SEMANA 10

Esther Flores Ugarte

ESTADSTICA II

Slide 5

Seccin 13-1 & 13-2

Panorama general y
prueba de signos
Created by Erin Hodgess, Houston, Texas

Esther Flores Ugarte ESTADISTICA II

Panorama General

Slide 6

Definiciones

Pruebas Paramtricas
Puebas Paramtricas tienen requisitos acerca de la
naturaleza o forma de las poblaciones implicadas

Pruebas no Paramtricas
Pruebas no Paramtricas no requieren que las muestras
provengan de poblaciones con distribuciones normales
u otro tipo particular de distribucin. Se les suele
denominar pruebas de distribucin libre.
Esther Flores Ugarte ESTADISTICA II

Ventajas de los mtodos no

paramtricos

Slide 7

1. Los mtodos no paramtricos pueden aplicarse a una amplia

variedad de situaciones puesto que no tienen los requisitos
ms estrictos de los mtodos paramtricos, en general no se
requiere de poblaciones con distribucin normal.
2. A diferencia de los mtodos paramtricos, los mtodos no
paramtricos a menudo pueden aplicarse a datos categricos ,
como el gnero de quienes responden una encuesta.
3. Los mtodos no paramtricos, por lo regular, implican clculos
ms sencillos que los mtodos paramtricos correspondientes
y por lo tanto son ms fciles de comprender y aplicar.

Esther Flores Ugarte ESTADISTICA II

Desventajas de los mtodos no

Slide 8
paramtricos
1. Los mtodos no paramtricos tienden a
desperdiciar informacin porque los datos
numricos exactos suelen reducirse a una
forma cualitativa.
2. La pruebas no paramtricas no son tan
eficientes como las pruebas paramtricas, de
manera que con una prueba no paramtrica
generalmente necesitamos evidencia ms
fuerte ( muestra ms grande, evidencias
mayores, etc.)
Esther Flores Ugarte ESTADISTICA II

Eficiencia de los mtodos no Slide 9

paramtricos

Esther Flores Ugarte ESTADISTICA II

Rangos

Slide 10

Definicin:
Los datos estn
ordenados cuando se
acomodan de acuerdo con algn critero, por
ejemplo del ms pequeo al ms grande o del
mejor al peor. Un rango es un nmero
asignado a un elemento muestral individual
de acuerdo con su lugar en la lista ordenada.
Al primer elemento se le asigna un rango de
1, al segundo elemento se le asigna un rango
de 2 y as sucesivamente.
Esther Flores Ugarte ESTADISTICA II

Ejemplo

5
3

3 40 10 12 Datos originales
5 10 12 40 Datos ordenados

Rangos

Esther Flores Ugarte ESTADISTICA II

Slide 11

Manejo de rangos
empatados

Slide 12

Halle la media de los rangos empatados.

2.5 2.5

10

12

Datos originales

Rangos

2 y 3 estn empatados

Esther Flores Ugarte ESTADISTICA II

Prueba de signo

Slide 13

Definicin
La prueba de signo es una prueba no
paramtrica
(de distribucin libre) que
utiliza signos positivos y negativos para
probar
diferentes
aseveraciones
incluyendo:
1) Aseveraciones que implican datos
muestrales apareados.
2) Aseveraciones que implican datos
nominales

3) Aseveraciones acerca de una mediana de

una sola poblacin
Esther Flores Ugarte ESTADISTICA II

Procedimiento de la prueba de signo

Esther Flores Ugarte ESTADISTICA II

Slide 14

Procedimiento de la prueba de signo

Esther Flores Ugarte ESTADISTICA II

Slide 15

Procedimiento de la prueba de signo

Esther Flores Ugarte ESTADISTICA II

Slide 16

Requisitos

Slide 17

1. La data muestral ha sido seleccionada

aleatoriamente
2. No existe el requisito de que la data
muestral provenga de una poblacin con
una distribucin que tenga alguna forma en
particular, como por ejemplo la distribucin
normal.
Esther Flores Ugarte ESTADISTICA II

Notacin para la prueba de

signo

Slide 18

x = nmero de veces menos

frecuente que aparece un signo

n = nmero total de signos positivos

y negativos

combinados.

Esther Flores Ugarte ESTADISTICA II

Estadstico de prueba para la

prueba de signo

Slide 19

Para n 25: x (El nmero de veces del signo

que aparece con menos frecuencia )
Para n > 25: z =

n
(x + 0.5) 2
n
2

Valores crticos:
Para n 25, los valores crticos de x estn en la Tabla A-7
IMPORTANTE: SE RECHAZA HO CUANDO EL NMERO DE SIGNOS MENOS FRECUENTE (X QUE REPRESENTA EL
VALOR CRTICO) ES MENOR O IGUAL AL VALOR EN TABLAS (VALOR CRTICO)

Para n > 25, los valores crticos de z estn en la Tabla A-2

Esther Flores Ugarte ESTADISTICA II

Aseveraciones que implican

datos apareados

Slide 20

Convertimos los datos en bruto a datos con

signos positivos y negativos como sigue :
1. Restamos cada valor de la segunda variable
del valor correspondiente a la primera variable
2. Registramos solo el signo de la diferencia
encontrado en el paso 1.
Excluimos los empates, es decir , excluimos
todos los datos apareados en los que ambos
valores son iguales.
Esther Flores Ugarte ESTADISTICA II

Clave principal de la clase

de signos.

Slide 21

Si dos conjuntos de datos tienen

medianas iguales el nmero de
signos positivos debe ser
aproximadamente igual al nmero de
signos negativos.

Esther Flores Ugarte ESTADISTICA II

Slide 22

Ejemplo 1 :El tipo de semilla afecta

el crecimiento del maz?

En 1908, William Gosset public el artculo The

Probable Error of a Mean bajo el seudnimo de
Student. l incluy los datos que se listan en la tabla
siguiente para dos tipos diferentes de semillas de maz
(normales y secadas al horno), que se utilizaron en
parcelas de tierra adyacentes. Los valores corresponden
a las cosechas de mazorcas de maz en libras por acre.
Utilice la prueba de signo con 0.05 de nivel de
significancia para probar la aseveracin de que no hay
diferencia entre las cosechas de las semillas normales y
las de las semillas secadas al horno.

Esther Flores Ugarte ESTADISTICA II

Tabla de datos.

Slide 23

Ho: No existe diferencia (la mediana de las diferencias es

igual a cero.)
H1: Existe una diferencia ( la mediana de las diferencias no
es igual a cero

Esther Flores Ugarte ESTADISTICA II

Ejemplo 2 : Inteligencia en nios Slide 24

Use la data de la tabla siguiente con 0.05 de nivel de
significancia para probar la aseveracin de que no
existe diferencia entre el tiempo del primer intento o
ensayo y el tiempo del segundo intento o ensayo.

Esther Flores Ugarte ESTADISTICA II

Slide 25

Esther Flores Ugarte ESTADISTICA II

Planteamiento de las hiptesis

H0: La mediana de la diferencia es igual a cero.

H1: La mediana de la diferencia no es igual a
cero.

= 0.05
x = mnimo (12, 2) = 2
Valor crtico = 2

Esther Flores Ugarte ESTADISTICA II

Slide 26

Slide 27

Rechazamos Ho.
Existe suficiente evidencia para no rechazar la
afirmacin de que no existe diferencia en los tiempos,
eso significa que la mediana es igual a cero.

Esther Flores Ugarte ESTADISTICA II

Slide 28

Aseveraciones que implican datos

nominales
Los datos nominales se definen como aquellos que
consisten solo en nombres, etiquetas o categoras. La
naturaleza de los datos nominales limita los clculos
posibles, pero podemos identificar la proporcin de
datos muestrales que pertenecen a una categora y
probar aseveraciones acerca de la proporcin
poblacionla p correspondiente.

Esther Flores Ugarte ESTADISTICA II

Ejemplo:Seleccin del gnero

Slide 29

El Genetics and IVF Institute realiz un ensayo

clnico de sus mtods de seleccin del gnero. Para
cuando se escriba este libro los resultados incluan
a 325 bebs nacidos de padres que utilizaron el
mtodo XSORT para aumentar la probabilidad de
concebir una nia y 295 de esos bebs fueron nias.
Utilice la prueba de signo con un nivel de
significancia de 0.05 y pruebe la aseveracin de que
este mtodo de seleccin del gnero no tiene ningn
efecto.

Esther Flores Ugarte ESTADISTICA II

Ejemplo: Seleccin del gnero

H0: p = 0.5
H1: p 0.5
x = minimum(30, 295) = 30

Esther Flores Ugarte ESTADISTICA II

Slide 30

Ejemplo: Seleccin del gnero

z=

z=

n
(x + 0.5) 2
n
2
325
(30 + 0.5) 2
325
2

= 14.64

Esther Flores Ugarte ESTADISTICA II

Slide 31

Slide 32

Ejemplo: Discriminacin de Gnero

La cadena Hatters Restaurant despidi 30 hombres y 70
mujeres. Use la prueba de signo y un 0.05 de nivel de
significancia para probar la hiptesis nula de que hombres
y mujeres son despedidos por igual por esta compaa.

H0: p = 0.5
H1: p 0.5
x = mnimo (30, 70) = 30

Esther Flores Ugarte ESTADISTICA II

Slide 33

Ejemplo: Discriminacin de Gnero

z=

z=

n
(x + 0.5) 2
n
2
100
(30 + 0.5) 2
100
2

= 3.90

Esther Flores Ugarte ESTADISTICA II

Slide 34

Ejemplo: Discriminacin de Gnero

Con = 0.05, los valores crticos son: z = 1.96.
Rechazamos la hiptesis nula.
Hay suficiente evidencia para aceptar la aseveracin de
que los despidos son injustos.

Esther Flores Ugarte ESTADISTICA II

Slide 35

Aseveracin acerca de la
mediana de una sola poblacin

Esther Flores Ugarte ESTADISTICA II

Slide 36

Ejemplo:Temperaturas corporales
Utilice los datos de temperatura de 106
personas citadas para las 12:00 a.m. del
da 2; use la prueba del signo para
contrastar la aseveracin de que la
mediana es menor que 98.6 grados F, se
encontraron 68 sujetos con temperaturas
por debajo de 98.6, 23 sujetos con
temperaturas por encima de 98.6 y 15
sujetos con temperaturas iguales a 98.6.
Esther Flores Ugarte ESTADISTICA II

Slide 37

Planteamiento de las hiptesis

H0: La mediana es igual a 98.6F.

H1: La mediana es menor que 98.6F.
La prueba es a un cola (cola izquierda)

Esther Flores Ugarte ESTADISTICA II

Slide 38

Ejemplo:Temperaturas corporales

z=

z=

n
(x + 0.5) 2
n
2
91
(23 + 0.5) 2
91
2

Esther Flores Ugarte ESTADISTICA II

= 4.61

Slide 39

Ejemplo:Temperaturas corporales
Usamos la tabla A-2 para obtener los valores crticos de
z ( 1.645). El estadstico de prueba es z = 4.61,este
valor cae en la zona de rechazo. Por tanto rechazamos
Ho, tenemos la evidencia para afirmar que la mediana de
la temperatura corporal de adultos saludables es menor
a 98.6F. El p value es 0.00000202.

Esther Flores Ugarte ESTADISTICA II

Slide 40

Section 13-3
Prueba de rangos con
signo de Wilcoxon para
datos apareados
Created by Erin Hodgess, Houston, Texas

Esther Flores Ugarte ESTADISTICA II

Slide 41

Definicin
La prueba de rangos con signo de
Wilcoxon,
es
una
prueba
no
paramtrica
que
utiliza
rangos
ordenados de datos muestrales que
consiste en datos apareados. Se usa
para probar la hiptesis nula de que la
poblacin de diferencias tiene una
mediana de cero.
Esther Flores Ugarte ESTADISTICA II

Prueba de rangos con signo de

Wilcoxon
Slide 42

H0: Los datos apareados tienen diferencias

que provienen de una poblacin con una
mediana igual a cero.
H1: Los datos apareados tienen diferencias
que provienen de una poblacin con una
mediana diferente de cero.

Esther Flores Ugarte ESTADISTICA II

Prueba de rangos con signo de

Wilcoxon
Requisitos
Slide 43

1. La muestra de datos apareados debe

provenir de una seleccin aleatoria.
2. La poblacin de las diferencias
(calculadas a partir de los pares de datos)
tiene una distribucin que es
aproximadamente simtrica.

Esther Flores Ugarte ESTADISTICA II

Procedimiento e la prueba de rangosSlide

con
44
signo de Wilcoxon
Paso 1: Para cada par de datos, calcule la diferencia d, restando el
segundo valor del primero. Mantenga los signos , pero descarte
cualquier par para el que d = 0.
Paso 2: Ignore los signos de las diferencias, luego acomode las
diferencias de la menor a la mayor y reemplcelas por el valor del
rango correspondiente. Cuando las diferencias tengan el mismo
valor numrico, asgneles la media de los rangos implicados en el
empate.

Paso 3: Agregue a cada rango el signo de la diferencia de la que

provino. Esto es, inserte aquellos signos que se ignoraron en el
paso 2.
Paso 4: Calcule la suma de los valores absolutos de los rangos
negativos. Tambien calcule la suma de los rangos positivos.
Esther Flores Ugarte ESTADISTICA II

Procedimiento de la prueba de rangosSlidecon

45
signo de Wilcoxon
Paso 5: Permita que T sea la ms pequea de dos sumas calculadas
en el paso 4, Podra utilizarse cualquier suma, pero para simplificar el
procedimiento seleccionamos arbitrariamente la ms pequea de las
dos sumas.
Paso 6: Permita que n sea el nmero de pares de datos para los que
la diferencia d no es 0.
Paso 7: Determine el estadstico de prueba y los valores crticos con
base en el tamao muestral.

Paso 8: Cuando plantee la conclusin, rechace la hiptesis nula si

los datos muestrales le llevan a un estadstico de prueba que se
ubica en la regin crtica , esto es, cuando el estadstico de prueba
sea menor o igual que el valor ( o los valores critico(s)). De otra forma
no rechace Ho.
Esther Flores Ugarte ESTADISTICA II

Notacin

Slide 46

T = la ms pequea de las siguientes

dos sumas:

1. La suma en valor absoluto de

los rangos negativos.
2. La suma de los rangos positivos

Esther Flores Ugarte ESTADISTICA II

Prueba de rango de signos de Wilcoxon

Slide 47
para datos apareados.
Para n 30: T

Para n > 30: z =

T n(n + 1)
4
n(n +1) (2n +1)
24

Valores crticos:
Para n 30, valor crtico para T est en la tabla A-8
Para n > 30, valores crticos de z , los encuentra en la Table A-2

Esther Flores Ugarte ESTADISTICA II

Ejemplo:
Inteligencia de los nios

Slide 48

Use la data de la tabla 12-3 con la prueba de signos de

Wilcoxon y el 0.05 de nivel de significancia para probar la
aseveracin de que no hay diferencia entre los tiempos del
primer intento y el segundo intento.

Esther Flores Ugarte ESTADISTICA II

Slide 49

H0: No hay diferencia entre el tiempo del primer

intento y el segundo.
H1: Hay diferencia entre el tiempo del primer
intento y el segundo

Esther Flores Ugarte ESTADISTICA II

Slide 50

Calcule la sumatoria en trminos absolutos de

los signos negativos : 5.5

Calcule la sumatoria de los valores con signos

positivos : 99.5
T = 5.5 (la m pequea de las dos sumas)
Permita que n sea el nmero de pares donde d
0, por lo que n = 14. Si n 30, T = 5.5 ser el
estadstico de prueba.
Use la tabla A- 8, y el valor crtico ser 21 .

Esther Flores Ugarte ESTADISTICA II

Slide 51

Comparamos el estadstico de prueba T

(T = 5.5) y encontramos que es menor a
21, entonces rechazamos Ho.
Parece que hay una diferencia entre los
tiempos del primer y segundo intento.

Esther Flores Ugarte ESTADISTICA II

Ejemplo:

Slide 52

Se afirma que el nmero de unidades que

se ensamblan con un sistema rediseado
va ser mayor que con el sistema anterior,
para el cual la mediana poblacional es de
80 unidades por turno de trabajo. Sin
otorgarle el beneficio de la duda al
sistema rediseado, formule la hiptesis
nula usando el nivel de significancia del
5% .
Esther Flores Ugarte ESTADISTICA II

Slide 53

TURNO DE
TRABAJO
NUESTREADO
1
2
3
4
5
6
7
8
9
10
11
12

UNIDADES
ENSAMBLA
DAS
75
85
92
80
94
90
91
76
88
82
96
83

Esther Flores Ugarte ESTADISTICA II