ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

TEST DE HIPTESIS NO PARAMTRICOS

En las clases previas se han estudiado una serie de procedimientos estadsticos diseados para
analizar variables cuantitativas: la prueba
estadstico

para contrastar hiptesis sobre medias, el

F del anlisis de varianza y de la prueba de

Levene , etc. Todos ellos

coinciden en una serie de caractersticas:

1. Permiten contrastar hiptesis referidas a algn parmetro

( , 2 , , etc . )

2. Exigen el cumplimiento de determinados supuestos sobre las poblaciones originales de

las que se extraen los datos (generalmente normalidad y homocedasticidad).
3. Analizan datos obtenidos con una escala de medida de intervalo o razn.
Estas tres caractersticas combinadas permiten agrupar estos procedimientos estadsticos en una
gran familia de tcnicas de anlisis denominada contrastes paramtricos. Son, sin duda, las
tcnicas estadsticas ms frecuentemente utilizadas por analistas e investigadores en todo tipo de
reas cientficas, pero su utilidad se ve reducida, fundamentalmente, por dos razones: por un
lado exigen el cumplimiento de algunos supuestos que en ocasiones pueden resultar demasiado
exigentes; por otro, obligan a trabajar con unos niveles de medida que, especialmente en las
ciencias sociales y de la salud, no siempre resulta fcil de alcanzar.
Afortunadamente, los contrastes paramtricos no son los nicos disponibles. Existen contrastes
que permiten poner a prueba hiptesis no referidas a parmetros poblacionales, existen tambin
contrastes que no necesitan establecer supuestos exigentes sobre las poblaciones de donde se
extraen las muestras; y existen, por ltimo, contrastes que no necesitan trabajar con datos
obtenidos con una escala de medida de intervalo o de razn. Esta otra familia de contraste se
conoce con el nombre de contrastes no paramtricos (o pruebas no paramtricas).
PRUEBAS PARA UNA MUESTRA
1. PRUEBA DE RACHAS
La prueba de rachas sirve para evaluar si una determinada secuencia de observaciones
es aleatoria, es decir, para estudiar si las observaciones de una determinada muestra son
independientes entre s.
El concepto de racha hace referencia a una secuencia de observaciones de un mismo
tipo. Supongamos que se lanza una moneda al aire 10 veces y se obtiene el siguiente

PROF. DAVID CHANDUVI PUICON

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

resultado: CCCXCCXXXC. En este resultado hay 5 rachas: CCC, X, CC, XXX y C. a

simple vista el resultado obtenido es aleatorio.
Pues bien, la prueba de las rachas permite determinar si el nmero de rachas observado
en una determinada muestra de tamao n es lo suficientemente grande o lo
suficientemente pequeo como para poder rechazar la hiptesis de independencia (o
aleatoriedad) entre las observaciones.
Si tenemos observaciones positivas y negativas ordenadas secuencialmente segn el
tiempo, podramos preguntarnos si tienen algn patrn particular o si se presentan en
forma aleatoria. Por ejemplo: si tuviramos la sucesin de residuos siguiente:

n1=8 residuos positivos,

Con

u=7

total y

n2=6 residuos negativos,

n=14

residuos en

rachas, hemos observado algo muy poco probable bajo el supuesto de

aleatoriedad? Podra haber alguna variable oculta que justifique esto?

El estadstico de prueba que se utiliza ser:

u
Z=
=

1
2

2 n1 n2
+1
n1 +n 2
2 n1 n2 ( 2n 1 n2 n1n 2 )
2

( n1 +n 2) ( n 1+n 21 )

Las pruebas de rachas pueden ser:

o Prueba de dos colas.

H 0 : La secuencia de datos es aleatoria.

H 1 : La secuencia de datos no es aleatoria.
o Prueba de cola a la derecha.

H 0 : La secuencia de datos es aleatoria.

H 1 : La secuencia muestra tendencia a la mezcla.
PROF. DAVID CHANDUVI PUICON

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

o Prueba de cola a la izquierda.

H 0 : La secuencia de datos es aleatoria.

H 1 : La secuencia muestra tendencia a formar grupos.

Ejemplo 1:
Una empresa pretende enviar 58 empleados a realizar una capacitacin de formacin en
el extranjero, para ello elige entre sus trabajadores a 58 empleados de ambos sexos.
Siendo la sucesin de sexos la siguiente:
HHHHMMHMHMHHMMMHHMMMMHMMMHHMMHMH
MHHHMMMMMHHHHMMHMHHHHH MMMM
Verificar si el procedimiento ha sido aleatorio. Utilice un nivel de significancia de 0,05.
Planteamiento de Hiptesis:

H0 :

La secuencia de observaciones es aleatoria

H1 : La secuencia de observaciones no es aleatoria

Procedimiento a seguir con el STATA
El comando que nos ofrece la prueba de rachas es runtest.
Decisin: No se rechaza la hiptesis nula (p=0.29)
Conclusin: La secuencia es aleatoria.
Ejemplo 2:
En una lnea de produccin industrial, los artculos se inspeccionan peridicamente para
verificar sus defectos. La siguiente es una secuencia de artculos defectuosos, D, y no
defectuosos, N, producidos en esta lnea de produccin:

D
N

D
D

N
D

N
D

PROF. DAVID CHANDUVI PUICON

N
N

D
N

N
D

N
N

D
N

D
N

N
N

N
D

N
N

N
D

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

Ejemplo 3:
En un aula la capacidad es para 39 alumnos. Se desea saber si el orden de entrada en
que entran los varones y las mujeres tienen tendencia a formar conglomerados (grupos
del mismo sexo)
Los datos se presentan a continuacin:

Utilice un nivel de significancia de 0.05

Planteamiento de Hiptesis Estadsticas

H 0 : La secuencia de observaciones es aleatoria

H1 :

La secuencia de observaciones tiene tendencia a formar grupos.

Para el stata el comando es runtest

Decisin: Como el p valor es 0.01 se rechaza la hiptesis nula
Conclusin: Se concluye que el orden de entrada (por sexo) de los 39 alumnos tienen
tendencia a formar grupos, a un nivel de significancia de 0.05
Ejemplo 4:
En una siembra de maz se desea determinar si el ataque por parte del gusano
cogollero en una hilera de plantas muestra una tendencia a la mezcla. Utilice un nivel
de significancia de 0.05. A continuacin, se presentan los datos donde G significa que la
planta ha sido atacada por el gusano y S que la planta no ha sido atacada por el gusano
cogollero.

Con el stata el comando es runtest

Hiptesis Estadsticas

H 0 : La secuencia de datos es aleatoria.

H 1 : La secuencia muestra tendencia a la mezcla.

PROF. DAVID CHANDUVI PUICON

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

Decisin: Como el p valor (0.02) es menor que el nivel de significancia 0.05 se rechaza
la hiptesis nula.
Conclusin: Se concluye que el orden de ataque a las plantas en una hilera de plantas de
maz por parte del gusano cogollero, muestra tendencia a la mezcla (alternabilidad)
PRUEBA PARA DOS MUESTRAS INDEPENDIENTES
PRUEBA U DE MANN WHITNEY
La prueba U de Mann Whitney es una buena alternativa a la prueba t sobre diferencia de medias
cuando no se cumplen los supuestos en los que se basa la prueba t (normalidad y
homocedasticidad), o cuando no es apropiado utilizar la prueba t porque el nivel de medida de
los datos es ordinal.
La distribucin del estadstico U de Mann Whitney se aproxima a la distribucin normal a un
ritmo bastante rpido a medida que aumenta el nmero de observaciones muestrales. La
aproximacin es adecuada si cada muestra contiene al menos 10 observaciones. Por lo tanto, de
preferencia considerar slo aquellas muestras en las que

n1 10 y n2 10

Para contrastar la

hiptesis nula de que la posicin central de las dos distribuciones poblacionales es igual.,
suponemos que, aparte de la existencia de cualquier posible diferencia entre las posiciones
centrales, las dos distribuciones poblacionales son idnticas.
Supongamos que, aparte de la existencia de posibles diferencias entre las posiciones centrales,
las dos distribuciones poblacionales son idnticas. Supongamos que se dispone de
observaciones de la primera poblacin y

n1

n2 observaciones de la segunda. Se juntan las dos

muestras y se ordenan las observaciones en forma ascendente, asignando, en caso de empate, la

media de los puestos correspondientes. Sea

R1 la suma de los puestos de las observaciones

de la primera poblacin. En este caso, el estadstico U de Mann Whitney se define de la

siguiente forma:

U=n1 n 2+

n1 ( n1 +1 )
R1
2

PROF. DAVID CHANDUVI PUICON

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

Ejemplo 1:
A continuacin, se presentan los datos acerca del nmero de horas semanales que los estudiantes
afirman que dedican a estudiar las asignaturas de Introduccin a la economa financiera y a la
contabilidad. Estos datos provienen de muestras aleatorias de 10 estudiantes de economa
financiera y 12 de contabilidad. Indican estos datos la existencia de una diferencia en el
nmero mediano de horas semanales que dedican los estudiantes a estudiar las asignaturas
anteriormente mencionadas?

Planteamiento de Hiptesis:

H 0 : Mediana (1) = Mediana (2)

H 1 : Mediana (1) Mediana (2)
H0:

Los estudiantes dedican la misma cantidad de tiempo a estudiar las asignaturas de

economa financiera y de contabilidad.

H 1 : Los estudiantes no dedican la misma cantidad de tiempo a estudiar las asignaturas de

economa financiera y de contabilidad.
Elegimos un nivel de significancia del 0,05,
Con el STATA tenemos que la sintaxis es ranksum var1, by (var2)
Ejemplo 2:
PROF. DAVID CHANDUVI PUICON

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

A continuacin vemos unas muestras de sueldos anuales iniciales, para quienes se inician en las
profesiones de contador pblico y de planificador financiero. Los sueldos anuales estn
expresados en miles de dlares.

Contador
Pblico
25.2
33.8
31.3
33.2
29.2
30
25.9
34.5
31.7
26.9

Planificado
r
financiero
24
24.2
28.1
30.9
26.9
28.6
24.7
28.9
26.8
23.9

Con un nivel de significancia igual a 0.05 compruebe el supuesto de que no hay diferencia entre
los sueldos anuales iniciales de contadores pblicos y de planificadores financieros. Cul es su
conclusin?
Ejemplo 3:
Se investig el precio de cierta marca de horno microondas en 10 tiendas de Dallas y 13 de San
Antonio. Los resultados obtenidos aparecen a continuacin. Use un nivel de significancia igual
a 0.05 y pruebe si los precios son iguales en las dos ciudades.

Dallas
445
489
405
485
439
449
436
420
PROF. DAVID CHANDUVI PUICON

San
Antonio
460
451
435
479
475
445
429
434

ESPECIALIZACIN EN ESTADSTICA APLICADA

430
405

INEI

410
422
425
459
430

PRUEBA PARA VARIAS MUESTRAS INDEPENDIENTES

PRUEBA H DE KRUSKAL WALLIS
La prueba de Mann Whitney para dos muestras independientes fue extendida al caso de ms de
dos muestras por Kruskal Wallis. Teniendo en cuenta que en muchas situaciones reales resulta
demasiado arriesgado suponer normalidad y homocedasticidad (especialmente si las muestras
son pequeas y/o los tamaos muestrales desiguales), y considerando adems que en otras
situaciones el nivel de medida de los datos puede no ir ms all del ordinal, la prueba Kruskal
Wallis representa una excelente alternativa al ANOVA de un factor completamente aleatorizado.
El estadstico de contraste se calcula como sigue:

KW =

( N ( 12N +1) n R )3 ( N +1)

2

Donde:

N : Nmero total de casos.

n : Nmero de casos de cada grupo.
: Promedio de rangos de cada grupo.
R
Cuando se hace la asignacin de rangos hay observaciones empatadas, se debe de hacer una
correccin a la expresin anterior tal como sigue:

KW =

12
2 3 ( N +1 )
nR

N ( N + 1)

T
N 3N

PROF. DAVID CHANDUVI PUICON

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

Donde:
3
T =t t , y t representa el nmero de empates en cada conjunto de rangos repetidos.

Ejemplo.
En un hospital se desea verificar si existen diferencias o no en el nivel de estrs entre las
enfermeras de terapia intensiva, las de ciruga y las de urgencias; para ello se aplic una escala
de 0= nada, 1= bajo, 2= medio, 3= alto, 4= muy alto, las calificaciones se muestran a
continuacin:

Planteamiento de Hiptesis:

H0 :

El nivel de estrs es igual entre las enfermeras de terapia intensiva, las de ciruga y las de
urgencias.

H1 :

El nivel de estrs es diferente entre las enfermeras de terapia intensiva, las de ciruga y
las de urgencias.

Procedimiento a seguir con el STATA

Para la Prueba de Kruskal Wallis el comando es el siguiente: kwallis var1, by(var2)
Decisin: Como el p valor (0,0173) es menor al nivel de significancia (0,05), se rechaza la
hiptesis nula.
Conclusin: El nivel de estrs es diferente entre las enfermeras de terapia intensiva, las de
ciruga y las de urgencias.
Ejemplo 2:
PROF. DAVID CHANDUVI PUICON

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

Una psicloga, empleada por una gran compaa, quiere evaluar dos programas para la
reduccin de peso que piensa utilizar con los trabajadores de su corporacin. Esta psicloga
realiza un experimento en donde 18 empleados obesos se asignan de manera aleatoria a tres
condiciones, con 6 sujetos por condicin. Los individuos bajo la condicin 1 reciben una dieta
que reduce su ingesta diaria en 500 caloras. Los sujetos bajo la condicin 2 reciben la misma
dieta, pero adems deben caminar 2 millas por da. La condicin 3 es de control, en la cual se
pide a los sujetos que continen con su consumo normal de alimentos y con sus hbitos de
ejercicio. Los datos de la tabla representan el nmero de libras perdidas por cada sujeto durante
un periodo de 6 meses. Un nmero positivo indica una prdida de peso y un nmero negativo
una ganancia de sta. Utilizar 0, 05

Ejemplo 3:
Con 40 minutos de practicar natacin, tenis o ciclismo tres veces por semana, se consigue
perder peso. Los siguientes datos muestran la cantidad de caloras quemadas durante una
prctica de 40 minutos en tres actividades. Indican estos datos que hay diferencias en la
cantidad de caloras quemadas en cada actividad? Use un nivel de confianza de 0,05.

Natacin
408
380
425
400
427

Tenis
415
485
450
420
530

Ciclismo
385
250
295
402
268

Ejemplo 4:

PROF. DAVID CHANDUVI PUICON

10

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

Los siguientes datos representan los tiempos de operacin, en horas, de tres tipos de
calculadoras cientficas de bolsillo hasta antes de que requieran cargarlas.

A
4.9
6.1
4.3
4.6
5.3

Calculadora
B
5.5
5.4
6.2
5.8
5.5
5.2
4.8

C
6.4
6.8
5.6
6.5
6.3
6.6

Sern los tiempos de operacin para las tres calculadoras iguales? Utilice un nivel de
significancia de 0.05.
PRUEBA PARA DOS MUESTRAS RELACIONADAS
PRUEBA DE LOS SIGNOS
Este contraste es el ms sencillo. Se utiliza principalmente para contrastar hiptesis sobre la
posicin central (mediana) de una distribucin poblacional o para analizar datos de una muestra
pareada.
Supongamos que se toman muestras aleatorias pareadas de una poblacin, descartando las
diferencias iguales a cero. Calculamos la diferencia para cada par de observaciones y anotamos
el signo de esta diferencia. El contraste de signos se utiliza para contrastar

H 0 : p=0,5
Donde

p es la proporcin de observaciones no nulas en la poblacin que son positivas. El

estadstico del contraste S para la comparacin de dos muestras pareadas es simplemente:

S= Nmero de pares que tienen una diferencia positiva.

PROF. DAVID CHANDUVI PUICON

11

ESPECIALIZACIN EN ESTADSTICA APLICADA

Donde S sigue una distribucin binomial, donde

INEI

p=0,5

representa el nmero de

diferencias no nulas.
Ejemplo:
Un restaurante italiano cercano a un campus universitario est considerando la posibilidad de
utilizar una nueva receta para hacer la salsa que hecha a las pizzas. Se elige una muestra
aleatoria de 8 estudiantes y se pide a cada uno que valore en una escala del 1 al 10 su opinin
sobre la salsa original y sobre la salsa propuesta. La tabla siguiente muestra las valoraciones
obtenidas en la comparacin; los nmeros ms altos indican que gusta ms el producto. Indican
los datos una tendencia general a preferir la nueva salsa a la original?

Planteamiento de Hiptesis:

H 0 : p=0,5 No hay una tendencia general a preferir uno de los productos al otro.
H 1 : p<0,5

La mayora prefiere el nuevo producto (o menos del 50% prefiere el producto

original)
Procedimiento a seguir con el STATA
El comando a utilizar es: signtest var1=var2
Decisin: Como el p valor (0,2266) es mayor que el nivel de significancia (0,05) No se rechaza
la hiptesis nula.
Conclusin: No existe suficiente evidencia para afirmar que la mayora prefiere el nuevo
producto o menos del 50% prefiere el producto original, ni tampoco lo contrario, a un nivel de
significancia de 0.05

PROF. DAVID CHANDUVI PUICON

12

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

PRUEBA DE WILCOXON
Uno de los inconvenientes de la prueba del signo es que slo tiene en cuenta una cantidad muy
reducida de informacin, a saber, los signos de las diferencias. Cuando el tamao de muestra es
muy pequeo, es de esperar, pues, que el contraste no sea muy poderoso. La prueba de
Wilcoxon basado en el ordenamiento de las diferencias es un mtodo que incorpora informacin
acerca de la magnitud de las diferencias de pares enlazados.
Este contraste puede emplearse cuando se dispone de una muestra aleatoria de pares enlazados
de observaciones. Supongamos que la distribucin poblacional de las diferencias en estas
muestras pareadas es simtrica y que se quiere contrastar la hiptesis nula de que esta
distribucin es centrada en cero. Descartando los pares en que las diferencias son cero,
ordenamos las observaciones absolutas restantes en sentido ascendente; en caso de empate, el
puesto asignado a la media de los puestos que ocupan en la ordenacin. Se calculan la suma de
los puestos correspondientes a las diferencias positivas y negativas y la menor de estas sumas es
el estadstico de Wilcoxon, es decir,

+ ,T
T
T =min
Donde

+ :
Suma de los puestos correspondientes a diferencias positivas.
T
:
Suma de los puestos correspondientes a diferencias negativas.
T
n : Nmero de diferencias no nulas.
Ejemplo 1:

Se realiz un experimento psicolgico para comparar los tiempos de reaccin (en segundos)
para dos estmulos diferentes. Con el objeto de eliminar la variabilidad natural de persona a

PROF. DAVID CHANDUVI PUICON

13

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

persona en las respuestas, se aplicaron en ambos estmulos a cada uno de 9 individuos, lo que
permite realizar un anlisis de la diferencia entre los estmulos para cada persona.

Individuo :

Estmulo 1:

9.4

7.8

5.6

12.1

6.9

4.2

8.8

7.7

6.4

Estmulo 2:

10.3

8.9

4.1

14.7

8.7

7.1

11.3

5.2

7.8

Contrastar la hiptesis de que no hay diferencia en las respuestas

Planteamiento de Hiptesis:

H0 :
H1 :

Procedimiento a seguir con el STATA

El comando a utilizar es: signrank var1=var2
Decisin: Como el p valor () es mayor que el nivel de significancia (0,05) No se rechaza la
hiptesis nula.
Conclusin: No existe suficiente evidencia para afirmar que la mayora prefiere el nuevo
producto o menos del 50% prefiere el producto original, ni tampoco lo contrario, a un nivel de
significancia de 0.05
Ejemplo 2:
Para probar los efectos de un relajante en cuanto al tiempo necesario para que los adultos
hombres se duerman, se us una muestra de 10 hombres. A continuacin vemos los datos de esa
muestra, donde se aprecian los minutos necesarios para dormirse con y sin el relajante. Use un
nivel de significancia igual a 0.05 para determinar si el calmante reduce el tiempo requerido
para dormir. Cul es su conclusin?

PROF. DAVID CHANDUVI PUICON

14

ESPECIALIZACIN EN ESTADSTICA APLICADA

Persona
1
2
3
4
5
6
7
8
9
10

INEI

Sin
Relajante
15
12
22
8
10
7
8
10
14
9

Con
Relajante
10
10
12
11
9
5
10
7
11
6

Ejemplo 3:
Se llev a cabo una prueba con dos empresas de mensajera y paquetera. Se prepararon dos
muestras de paquetes idnticos y simultneamente se requirieron los servicios de mensajera
para su entrega. Las horas requeridas para cada entrega aparecen a continuacin. Indican los
datos que hay una diferencia entre los tiempos de entrega de las dos empresas? Utilice un nivel
de significancia de 0.05.

Empresa
1
2
3
4
5
6
7
8
9
10
11

paquete
1
24.5
26
28
21
18
36
25
21
24
26
31

2
28
25.5
32
20
19.5
28
29
22
23.5
29.5
30

PRUEBA PARA VARIAS MUESTRAS RELACIONADAS

PRUEBA DE FRIEDMAN

PROF. DAVID CHANDUVI PUICON

15

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

Esta prueba sirve para comparar J promedios poblacionales cuando se trabaja con muestras
relacionadas. Como en el caso de la prueba de Kruskal Wallis, para esta prueba tampoco es
necesario establecer los supuestos de normalidad y heterocedasticidad y permite trabajar con
datos ordinales, por tanto, esta prueba constituye una alternativa al estadstico F cuando no se
cumplen los supuestos ya sealados del ANOVA o el nivel de medida de los datos es ordinal.
El estadstico de prueba se calcula mediante la siguiente expresin:

( Nk (k12+ 1) R )3 N ( k +1)
2

Fr =

Donde:

N : Nmero total de casos.

k : Nmero de mediciones.
R : Suma de rangos de cada medicin.
Sin embargo si se hace la asignacin de rangos hay observaciones empatadas, se debe de hacer
una correccin a la expresin anterior tal como sigue:

Fr =

12 R 23 N 2 k ( k + 1 )2
Nk t 3
Nk ( k +1 ) +
k1

Donde t representa el nmero de empates en cada conjunto de rangos iguales por cada sujeto, se
incluyen los conjuntos con rangos nicos (empates=1).
Ejemplo 1:
Se desea verificar si existen o no diferencias en el nivel de estrs laboral en trabajadores de una
empresa antes y despus de un taller sobre manejo del estrs en el trabajo, adems se realiz la
mediacin de seguimiento un mes despus de finalizado el taller; el nivel de estrs se midi en
una escala de 0=nada, 1= bajo, 2= medio, 3= alto, 4= Muy alto, las calificaciones se muestran a
continuacin:

PROF. DAVID CHANDUVI PUICON

16

ESPECIALIZACIN EN ESTADSTICA APLICADA

H0:

INEI

El nivel de estrs laboral en trabajadores es igual entes del taller para el manejo del

estrs en el trabajo, despus del taller y en el seguimiento.

H1:

El nivel de estrs laboral en trabajadores es diferente, entes del taller para el manejo

del estrs en el trabajo, despus del taller y en el seguimiento.

Ejemplo 2.
Se realiz un experimento para investigar los efectos txicos de tres productos qumicos A, B,
C, en la piel de ratas. Se marcan tres cuadrados adyacentes de una pulgada sobre el lomo de 8
ratas y se aplica cada uno de los productos qumicos a cada rata. Los cuadrados de piel se
califican de 0 a 10, segn el grado de irritacin. Los datos se muestran en la tabla siguiente:

Producto Qumico
Rata

PROF. DAVID CHANDUVI PUICON

17

ESPECIALIZACIN EN ESTADSTICA APLICADA

INEI

Hay evidencia suficiente para apoyar la hiptesis de investigacin de que la distribucin de

probabilidad de los resultados de la irritacin en la piel que corresponde a los tres productos
qumicos difiere en ubicacin?
Planteamiento de hiptesis

H0 :
H1 :
Ejemplo 2:
Un fisioterapeuta realiz un estudio para comparar tres modelos diferentes de estimuladores
elctricos de bajo voltaje. A nueve fisioterapeutas se les pidi que clasificaran en orden de
preferencia a esos tres generadores. Una jerarqua de 1 indica la primera preferencia. Los
resultados se muestran a continuacin. Se pretende saber si es posible concluir que los modelos
no tienen igualdad de preferencia.

Terapeuta
1
2
3
4
5
6
7
8
9

A
2
2
2
1
3
1
2
1
1

Modelo
B
3
3
3
3
2
2
3
3
3

C
1
1
1
2
1
3
1
2
2

Ejemplo 3:
La siguiente tabla indica las calificaciones obtenidas por nueve estudiantes de enfermera
seleccionados al azar en los exmenes finales de tres materias distintas. Tendrn los estudiantes
un aprovechamiento igual en las tres materias? Use = 0.05.

Estudiante
1
PROF. DAVID CHANDUVI PUICON

Bsica
98

rea de estudio
Fisiologa
Anatoma
95
77

18

ESPECIALIZACIN EN ESTADSTICA APLICADA

2
3
4
5
6
7
8
9

PROF. DAVID CHANDUVI PUICON

95
76
95
83
99
82
75
88

INEI

71
80
81
77
70
80
72
81

79
911
84
80
93
87
81
83

19