You are on page 1of 26

INSTITUTO TECNOLGICO SUPERIOR DE

URUAPAN

INGENIERA EN ADMINISTRACIN

ESTADSTICA II ADD-1021

UNIDAD 5. ESTADSTICA NO PARAMETRICA

P R E S E N T A

Bez Nolasco Jazhiel Joseph , Peralta Hernndez Cesar, Trujillo Rodrguez Julio
Aurelio
Zavala Bucio Lorena

PROFESOR
Dr. Guerrero-Campanur A.
Academia Ingeniera Industrial
Instituto Tecnolgico Superior de Uruapan

URUAPAN, MICH. 30 JULIO 2016


TABLA DE CONTENIDO
UNIDAD 5. ESTADSTICA NO PARAMETRICA
1. Prueba de corridas para aleatoriedad.
1.1 Marco terico.
1.2 Ejemplo Prueba de corridas para aleatoriedad..
1.3 Ejemplo aplicacin en Excel Prueba de corridas para aleatoriedad.
1.4 Conclusin.
2. Una muestra: pruebas de signos.
2.1 Marco terico.
2.2 Ejemplo.
2.3 Ejemplo aplicacin en Excel.
2.4 Conclusin.
3. Una muestra: prueba de Wilcoxon.
3.1 Marco terico.
3.2 Ejemplo.
3.3 Ejemplo aplicacin en Excel.
3.4 Conclusin.
4. Dos muestras: prueba de Mann-Whitney.
4.1 Marco terico.
4.2 Ejemplo.
4.3 Ejemplo aplicacin en Excel.
4.4 Conclusin.
5. Observaciones pareadas prueba de signos.
5.1 Marco terico.
5.2 Ejemplo.
5.3 Ejemplo aplicacin en Excel.
5.4 Conclusin.
6. Observaciones pareadas prueba de Wilcoxon.
6.1 Marco terico.
6.2 Ejemplo.
6.3 Ejemplo aplicacin en Excel.
6.4 Conclusin.
7. Observaciones pareadas prueba de Krauskal-Walls.
7.1 Marco terico. 2
7.2 Ejemplo. 2
7.3 Ejemplo aplicacin en Excel. 3
7.4 Conclusin. 3

REFERENCIAS 8
ANEXOS
I. Tablas de referencia. 9
UNIDAD 5. ESTADSTICA NO PARAMETRICA
Presentan:
Bez Nolasco Jazhiel Joseph 1
Peralta Hernndez Cesar 2
Trujillo Rodrguez Julio Aurelio 3
Zavala Bucio Lorena 4

Introduccin. Esta investigacin representa todo lo que veremos en la unidad 5


as como su aplicacin en la administracin, y su manejo en Excel. Esto nos
ayudara a entender mejor la estadstica no paramtrica as como sus diferentes
mtodos para resolver los problemas dentro del mbito laboral, tambin para
poder hacer una toma de decisiones correctamente con el menor rango de
riesgo.

Palabras Clave: SMED, Administracin de Operaciones, Lean Manufacturing.


Operaciones.

1 Estudiante Ingeniera Industrial. Instituto Tecnolgico Superior de Uruapan. E-mail:


jhl_himmler@gmail.com
2 Estudiante en Ingeniera Industrial. Instituto Tecnolgico Superior de Uruapan. E-
mail: cesar98765@gmail.com
3 Estudiante Ingeniera Industrial. Instituto Tecnolgico Superior de Uruapan. E-mail:
julio.tru1995@gmail.com
4 Estudiante en Ingeniera Industrial. Instituto Tecnolgico Superior de Uruapan. E-
mail: lorenamichoacan@gmail.com
1. PRUEBA DE CORRIDAS PARA ALEATORIEDAD.

Las pruebas de corridas Aleatorias nos sirven para decidir si una determinada
muestra o conjuntos de datos tienen un patrn o son aleatorias
Se utiliza para determinar secuencias, patrones sistemticos, cambios
secuenciales, etc., que denoten tendencias predecibles.
La PRUEBA DE CORRIDAS divide los datos en DOS categoras mutuamente
excluyentes: Hombre, Mujer; Defectuoso, No Defectuoso; Arriba, o, Debajo de la
media.
ndices de la bolsa de valores, los niveles de consumo despus de una campaa
de publicidad, los votos hacia un candidato despus de un debate televisado,
etc. Por lo tanto, est limitado a dos smbolos distintos, acomodndolos como n1
a la categora que presenta un menos y como n2 a la categora que presenta
ms, entonces el tamao de la muestra sera: n1 + n2 = n, en este caso
tenemos la imagen:

Donde utilizamos un mtodo de + para aprobado y para reprobado.


Cada grupo de + o (Separados por las lneas rojas, se identifican como
corridas. En la secuencia encontramos 19 (n) observaciones, 9 corridas, 10
xitos (+; n2) y 9 fracasos (-; n1).

Es muy diferente el resultado de una prueba que tiene datos aleatorios a una
que te tiene por ejemplo

A la vez que es poco probable que las pruebas sean aleatorias si exhiben una
excesiva frecuencia de cambios abruptos en la direccin, por ejemplo en un
caso donde tenemos 13 corridas.
CALCULO DE LA PROBABILIDAD DE UN NUMERO ESPECIFICO DE
CORRIDAS (R) PARA UNA SECUENCIA

Si el nmero de observaciones es mayor de 20, y el nmero de + y - son cada


uno mayor de 10, la distribucin de probabilidad de R se puede aproximar a la
distribucin normal, y en consecuencia se puede usar la Tabla de reas Bajo la
Curva Normal (Tabla Z).
Aproximando la distribucin normal a la distribucin hioergeomtrica, R tiene una
media o valor esperado de:

Su desviacin estndar es:


Si n1 y n2 son mayores de 20, se puede usar la Tabla de Valores Bajo la Curva
Normal para calcular la probabilidad de R (nmero de corridas)

PROCEDIMIENTO PARA DETERMINAR LA ALEATORIEDAD DE CORRIDAS

1. Se enuncian:
La hiptesis nula (Ho):"El patrn secuencial (corridas) est de acuerdo a un
proceso aleatorio"
La hiptesis alternativa (H1):"El patrn secuencial (corridas) es un proceso no
aleatorio"

2. Determinar la Regin de Aceptacin y la Regin de Rechazo.


Utilizando:
Nivel de Significancia
Tabla de reas Bajo la Curva Normal

3. Calcular Z
4. Colocar Z en la regin apropiada

5. Conclusin

Ejemplo

Una presentacin de ventas para un grupo de 52 compradores potenciales


produjo la siguiente secuencia de ventas:

Donde
+ es venta
- es no-venta
A un nivel de significancia del 1%, la muestra fue aleatoria?
SOLUCIN
1. Determinar el nmero de ventas, no-ventas y corridas:

Ocurrieron 27 ventas, 25 no-ventas y 18 corridas.

2. Enunciar hiptesis nula e hiptesis alternativa:


Ho:"La secuencia de ventas y no-ventas es un proceso aleatorio"
H1:"La secuencia de ventas y no-ventas es un proceso no-aleatorio"

3. Determinar la Regin de Aceptacin y la Regin de Rechazo.


Nivel de significancia/2= 0.01/2=0.005
0.5 - 0.005 = 0.495:
Z de Tablas=2.58
4. Determinar Z calculada

Datos:
n1=27
=26.96
n2=25
R=18

=3.56
Z=(18 - 26.96)/
3.56= - 2.52

5. Se ubica Z calculada:

6. Resultado: La Z calculada cae en la Regin de Aceptacin


7. CONCLUSIN:
La secuencia de ventas es aleatoria
Hay un 99% de probabilidad de que en una muestra aleatoria de 27 y 25
observaciones en dos categoras y 18 corridas, tendremos un valor de Z de
2.58
annimo. (sin fecha). Prueba de Corridas para Secuencias Aleatorias. sin fecha, de anonima Sitio web:

http://148.204.217.78/fisicacul/UNA/EII/Part3/corridas.html

2.- PRUEBA DEL SIGNO


La prueba del signo se utiliza para probar la hiptesis sobre la mediana de una
distribucin continua. La mediana de una distribucin 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. Esto es,


.

Puesto que la distribucin normal es simtrica, la media de una distribucin


normal es igual a la mediana. Por consiguiente, la prueba del signo puede
emplearse para probar hiptesis sobre la media de una poblacin normal.

Suponga que las hiptesis son:

Supngase que X1, X2, . . . , Xn es una muestra aleatoria tomada de la poblacin


de inters. Frmense las diferencias

Ahora bien si la hiptesis nula es verdadera, cualquier diferencia

tiene la misma probabilidad de ser negativa o positiva. Un estadstico de


prueba apropiado es el nmero de estas diferencias que son positivas, por
ejemplo R+. Por consiguiente, la prueba de la hiptesis nula es en realidad una
prueba de que el nmero de signos positivos es un valor de una variable
aleatoria binomial con parmetro P = . Puede calcularse un valor P para el
nmero observado de signos positivos r+ directamente de la distribucin
binomial. Al probar la hiptesis que se muestra al principio, se rechaza H 0 en
favor de H1 slo si la proporcin de signos positivos es suficientemente menor
que (o de manera equivalente, cada vez que el nmero observado de signos
positivos r+ es muy pequeo). Por tanto, si el valor P calculado

P = P(R+ r+ cuando p = 1/2)

Es menor o igual que algn nivel de significancia seleccionado previamente,


entonces se rechaza H0 y se concluye que H1 es verdadera.

Para probar la otra hiptesis unilateral

Se rechaza H0 en favor de H1 slo si el nmero observado de signos ms, r+, es


grande o, de manera equivalente, cada vez que la fraccin observada de signos
positivos es significativamente mayor que . En consecuencia, si el valor P

calculado P = P(R+ r+ cuando p = 1/2) es menor que , entonces H0 se


rechaza y se concluye que H1 es verdadera.

Tambin puede probarse la alternativa bilateral. Si las hiptesis son:

Se rechaza H0 si la proporcin de signos positivos difiere de manera significativa


de (ya sea por encima o por debajo). Esto es equivalente a que el nmero
observado de signos r+ sea suficientemente grande o suficientemente pequeo.
Por tanto, si r+ >n/2 el valor P es
P=2P(R+ r+ cuando p = )

Y si r+ >n/2 el valor P es

P=2P(R+ r+ cuando p = )

Si el valor P es menor que algn nivel preseleccionado , entonces se rechaza


H0 y se concluye que H1 es verdadera.

Ejemplos:

1. Un artculo 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 metlico. Una caracterstica importante es la resistencia al
esfuerzo cortante de la unin 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 hiptesis de que la mediana de
la resistencia al esfuerzo cortante es 2000 psi, utilizando

= 0.05.

Solucin:

Se mostrar la tabla del ejercicio y es funcin del investigador poner los signos
con respecto a la mediana.

Observaci Resistenci Signo de Observaci Resistenci Signo de


a al la a al la
esfuerzo diferenci esfuerzo diferenci
n cortante a n cortante a

xi xi-2000 xi xi-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 +

5 2207.50 + 15 1765.30 -

6 1708.30 - 16 2053.50 +

7 1784.70 - 17 2414.40 +

8 2575.10 + 18 2200.50 +

9 2357.90 + 19 2654.20 +

10 2256.70 + 20 1753.70 -
De la tabla se puede observar que el estadstico de prueba r + = 14.

Regla de decisin:

Si el valor de P correspondiente a r+=14 es menor o igual que =0.05 se


rechaza H0.

Clculos:

Puesto que r+=14 es mayor que n/2=20/2=10, el valor de P se calcula de

P=2P(R+ 14 cuando p = )

La P se calcula con la frmula de la distribucin binomial:

Conclusin:

Como P=0.1153 no es menor que =0.05, no es posible rechazar la hiptesis


nula de que la mediana de la resistencia al esfuerzo constante es 2000 psi.

A. (S,n). PRUEBA DEL SIGNO. s,n, de itchihuahua Sitio web:

www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap04c.html

3.- Prueba de los rangos con signo de Wilcoxon


La prueba de los rangos con signo de Wilcoxon es una prueba no paramtrica
para comparar la mediana de dos muestras relacionadas y determinar si existen
diferencias entre ellas. Se utiliza como alternativa a la prueba t de Student
cuando no se puede suponer la normalidad de dichas muestras. Debe su
nombre a Frank Wilcoxon, que la public en 1945.
Es una prueba no paramtrica de comparacin de dos muestras relacionadas,
debe cumplir las siguientes caractersticas:
Es libre de curva, no necesita una distribucin especfica
Nivel ordinal de la variable dependiente
Se utiliza para comparar dos mediciones de rangos (medianas) y determinar
que la diferencia no se deba al azar (que la diferencia sea estadsticamente
significativa).
La Prueba de Rangos con signos de Wilcoxon
Es usada para hacer pruebas de hiptesis acerca de la mediana. El cual se
calcula de la siguiente manera:
Se resta de cada dato el valor de la mediana que se considera en la hiptesis
nula. Se calcula los rangos de las diferencias sin tomar en cuenta el signo de las
mismas (o sea en valor absoluto). En el caso de haber empate se asigna un
rango promedio a todas las diferencias empatadas es decir; se les asigna el
rango: (menor rango del grupo del empate + mayor rango del grupo del
empate)/2. El estadstico W de Wilcoxon ser la suma de los rangos
correspondientes a las diferencias positivas. Pruebas No paramtricas
JUAN JOS HERNNDEZ OCAA. (S.F.). Pruebas No Paramtricas. S.F., de
weebly Sitio web:
http://jujoestadistica.weebly.com/uploads/3/4/3/2/3432880/noparametricas.pdf

4.- Dos muestras: prueba de Mann-Whitney


Esta prueba se usa cuando se quiere comparar dos poblaciones usando
muestras independientes, es decir es una prueba alterna a la prueba t para
comparar dos medias usando muestras independientes. Es una prueba no
paramtrica que mide las diferencias entre medias, asignando rangos a cada
grupo. Hiptesis:
H0: La mediana de las dos poblaciones son iguales.
H1: La mediana de la primera poblacin es menor (mayor o diferente) que la
mediana de la segunda poblacin.
Estadstica de Prueba: 1 1 1 1 2 R 2 n (n 1) U n n + = + Donde: n1: Nmero de
elementos en la muestra 1. n2: Nmero de elementos en la muestra 2. R1:
Suma de los rangos de los elementos en la muestra 1. R2: Suma de los rangos
de los elementos en la muestra 2.
Ejemplo:
Los adultos obesos que consultan a un centro de control de peso de la ciudad de
Medelln son sometidos a una de dos intervenciones para reducir de peso: plan
de alimentacin dirigido y plan de alimentacin dirigido combinado con un plan
de actividad fsica. Se desea entonces determinar si el peso perdido a los 6
meses despus de iniciada la intervencin de reduccin de peso, difiere
significativamente entre los dos tipos de intervencin.
Consideraciones:
VI: Intervencin para reduccin de peso.

2 grupos independientes: (1) Obesos que llevan a cabo un plan de


alimentacin dirigido; (2) Obesos que siguen un plan de alimentacin
combinado con un plan de actividad fsica.

VD: Peso perdido a los 6 meses despus de iniciada la intervencin (en


Kg)

Ho: El peso perdido a los 6 meses no es significativamente diferente


entre los obesos que llevan a cabo un plan de alimentacin dirigido y
aquellos que siguen un plan de alimentacin combinado con un plan de
actividad fsica.

HA: El peso perdido a los 6 meses es significativamente diferente entre


los obesos que llevan a cabo un plan de alimentacin dirigido y aquellos
que siguen un plan de alimentacin combinado con un plan de actividad
fsica.

Regla de decisin: Si p 0.05 se rechaza Ho


a= 0.001

Pasos:
1 Determinar tamao de muestras
n1 = 6

n2 = 6
2 ORDENAR LOS DATOS DE MENOR A MAYOR Y ASIGNARR UN
LUGAR

Posteriormente, se les asigna un lugar, en casos de existir valores repetidos,


se proceder a desempatarlos, sumando los lugares correspondientes a
cada valor repetido y dividindolo entre el total de valores empatados.

Intervencin
de reduccin Peso perdido a 6 meses (Kg)
de peso
Plan de
alimentacin 2 8 10 7 12 20
28
dirigido (Grupo (1) (3) (5) (2) (6) (11)
1)
Plan de
alimentacin
28 16 14 15 9 15
dirigido + Plan 50
(12) (10) (7) (8.5) (4) (8.5)
de AF (Grupo
2)
Pasos:
3. Clculo del estadstico U

n1 (n1 1) 6 (6 1)
U1 n1 n2 R1 6 6 28 29
2 2

n2 (n2 1) 6 (6 1)
U2 n1 n2 R2 6 6 50 7
2 2
Pasos:
3 De los dos valores de U calculados, se elige el ms pequeo (7) y se
compara con los valores crticos de U Mann-Whitney de la tabla de
probabilidades

Valor de probabilidad: 0.047 (unilateral) x 2 =0.09

Pasos:

4. Decisin
Como valor de la probabilidad (0.09) > 0.05, se acepta la H 0.
Interpretacin
Con una confianza del 95%, se evidencia que el peso perdido a los 6 meses no
es significativamente diferente entre los obesos que siguen slo un plan de
alimentacin dirigido y los que siguen el plan de alimentacin combinado con un
plan de actividad fsica.

Los datos se ordenan en forma ascendente:

Ejemplo: Se trata de probar si el tiempo de enfriamiento de piezas de barro


despus de ser horneadas con dos mtodos diferentes presenta los mismos
resultados.

Mtodo 1: 27, 31, 28, 29, 39, 40, 35, 33, 32, 36, 37, 43
Mtodo 2: 34, 24, 38, 28, 30, 34, 37, 42, 41, 44

Ordenado los datos se tiene:

Mtodo 1 Rango Mtodo 2 Rango


24 1
27 2
Promedio de rangos
28 3.5 28 3.5 correspondientes

29 5
30 6
31 7
32 8
33 9
34 10.5
34 10.5
35 12
36 13
37 14.5 37 14.5
38 16
39 17
40 18
41 19
42 20
43 21
44 22
Suma 130 123
rangos

Se calcula el estadstico U de Mann Whitney para la primera y segunda muestras,


as como la media y la distribucin estndar de la distribucin U:

U1 = (12)(10) + (12)(12 + 1) / 2 - 130 = 68


U2 = (12)(10) + (10)(10 + 1) / 2 -123 = 52

Media U = (12)(10) / 2 = 60

Desv. Est. U = 15.17

Valor de Z para normalizar U = (Ui - Media U) / Desv. Est. U

Las hiptesis son:

Ho: Media 1 = Media 2


Ha: Media 1 Media 2

Se puede utilizar de manera arbitraria U1 o U2, escogiendo U2 se tiene:

0.2980559
Zu2 = (52 - 60) / 15.17 = - 0.53 Valor P = 7

SI alfa es 0.1 entonces Z de excel para alfa entre dos es -1.65

Por tanto no se rechaza Ho

NOTA: Para pruebas de una cola, si se trata de cola derecha, se utiliza el


Valor de U que
sea mayor y
para cola
izquierda el
valor de U que
sea menor.

Allisson Acosta . (s.f). Prueba U de Mann-Whitney. s.f, de Aprende en linea Sitio


web:
http://aprendeenlinea.udea.edu.co/lms/moodle/pluginfile.php/124468/mod_resour
ce/content/0/Noparametrica/PRUEBA_U_DE_MANN-WHITNEY.ppt.

5.- Observaciones pareadas: prueba de signos


Tambin se puede utilizar la prueba de signo para probar la hiptesis nula
1 2=do
Para observaciones pareadas. Aqu se reemplaza cada diferencia, d i, con un
signo ms o menos dependiendo si la diferencia ajustada, d i-d0, es positiva o
negativa. A lo largo de esta seccin suponemos que las poblaciones son
simtricas. Sin embargo, aun si las poblaciones son asimtricas se puede llevar
a cabo el mismo procedimiento de prueba, pero las hiptesis se refieren a las
medianas poblacionales en lugar de las medias.
Para un grupo: Se utiliza para probar hiptesis sobre la mediana de un grupo
con distribucin continua. Es una alternativa a la prueba t para la media
poblacional. Sobre la base de una muestra aleatoria de tamao n, se sustituye
cada valor de la muestra mayor que la mediana con el signo positivo (+) y cada
valor menor que la mediana con el signo negativo (-). Hiptesis:
H0: La mediana poblacional es igual a un valor dado.
H1: La mediana poblacional es menor (mayor o diferente) del valor dado.
Para dos grupos: Se utiliza para probar la hiptesis sobre la mediana con grupos
pareados o dependientes. Se estudia la diferencia para cada par de
observaciones pero no se estudian los dos grupos individualmente como se
haca en las pruebas paramtricas. La prueba del Signo no toma en cuenta la
magnitud de la diferencia. Hiptesis:
H0: La diferencia es cero (no hay cambio).
H1: La diferencia es menor (mayor o diferente) de cero.

6.-Observaciones pareadas prueba de Wilcoxon


Se puede notar que la prueba de signo utiliza slo los signos ms y menos de

las diferencias entre las observaciones y 0 en el caso de una muestra, o los


signos ms y menos de las diferencias entre los pares de observaciones en el
caso de la muestra pareada, pero no toma en consideracin la magnitud de
estas diferencias. Una prueba que utiliza direccin y magnitud, propuesta en
1945 por Frank Wilcoxon, se llama ahora comnmente prueba de rango con
signo de Wilcoxon. Esta prueba se aplica en el caso de una distribucin continua

simtrica. Bajo esta condicin se puede probar la hiptesis nula 0.

Primero se resta de cada valor muestral y se descarta todas las diferencias


iguales a cero. Se asigna un rango de 1 a la diferencia absoluta ms pequea,
un rango de 2 a la siguiente ms pequea, y as sucesivamente. Cuando el valor
absoluto de dos o ms diferencias es el mismo, se asigna a cada uno el
promedio de los rangos que se asignaran si las diferencias se distinguieran. Por
ejemplo, si la quinta y sexta diferencia son iguales en valor absoluto, a cada una

se le asignara un rango de 5.5. Si la hiptesis 0 es verdadera, el total de


los rangos que corresponden a las diferencias positivas debe ser casi igual al
total de los rangos que corresponden a las diferencias negativas. Se representan
esos totales como w+ y w-, respectivamente. Se designa el menor de w+ y w- con
w.
Al seleccionar muestras repetidas esperaramos que variaran w+ y w-, y por tanto
w. De esta manera se puede considerar a w+ y w-, y w como valores de las

correspondientes variables aleatorias W+, W-, y W. La hiptesis nula 0 se

puede rechazar a favor de la alternativa 0 slo si w+ es pequea y w- es

grande. Del mismo modo, la alternativa 0 se puede aceptar slo si w+ es


grande y w- es pequea. Para una alternativa bilateral se puede rechazar H 0 a
favor de H1 si w+ o w- y por tanto w son suficientemente pequeas. No importa
cul hiptesis alternativa puede ser, rechazar la hiptesis nula cuando el valor de
la estadstica apropiada W+, W-, o W es suficientemente pequeo.

Ejemplos:
Los siguientes datos representan el nmero de horas que un compensador
opera antes de requerir una recarga: 1.5, 2.2, 0.9, 1.3, 2.0, 1.6, 1.8, 1.5, 2.0, 1.2
y 1.7. Utilice la prueba de rango con signo para probar la hiptesis en el nivel de
significancia de 0.05 que este compensador particular opera con una media de
1.8 horas antes de requerir una recarga.
Solucin:
H0;

H1;
Se proceder a efectuar las diferencias y a poner rango con signo a los datos.

Dato di = dato - 1.8 Rangos

1.5 -0.3 5.5


2.2 0.4 7
0.9 -0.9 10
1.3 -0.5 8
2.0 0.2 3
1.6 -0.2 3
1.8 0 Se anula
1.5 -0.3 5.5
2.0 0.2 3
1.2 -0.6 9
1.7 -0.1 1
Regla de decisin:
Para una n = 10, despus de descartar la medicin que es igual a 1.8, la tabla
A.16 muestra que la regin crtica es w 8.
Clculos:
w+ = 7 + 3 + 3 = 13
w- = 5.5 + 10 + 8 + 3 + 5.5 + 9 + 1 = 42
Por lo que w = 13 (menor entre w+ y w-).
Decisin y Conclusin:

Como 13 no es menor que 8, no se rechaza H0 y se concluye con un = 0.05


que el tiempo promedio de operacin no es significativamente diferente de 1.8
horas.
annimo. (19 de marzo del 2013). Prueba de Wilcoxon. marzo 19, 2013, de anonima Sitio web:

http://www.buenastareas.com/materias/observaciones-pareadas-prueba-de-wilcoxon/0

7.- Varias muestras independientes Kruskal-Wallis


La prueba de Kruskal-Wallis es el mtodo ms adecuado para comparar
poblaciones cuyas distribuciones no son normales.
Incluso cuando las poblaciones son normales, este contraste funciona muy bien.
Tambin es adecuado cuando las desviaciones tpicas de los diferentes grupos
no son iguales entre s, sin embargo, el Anova de un factor es muy robusto y
slo se ve afectado cuando las desviaciones tpicas difieren en gran magnitud.
La hiptesis nula de la prueba de Kruskal-Wallis es:
H0: Las k medianas son todas iguales
H1: Al menos una de las medianas es diferente
Clculo de los rangos para cada observacin
Para cada observacin se le asigna el rango segn el orden que ocupa la
observacin en el conjunto total de los datos, asignando el rango medio en caso
de empates.

Clculo de la suma de rangos


Rm Para cada grupo m = 1,,r, siendo r el nmero de grupos, se define Rm
como la suma de rangos de cada grupo m
Clculo del valor medio de los rangos E[Rm] y de los rangos medios Rm
El valor medio de los rangos E[Rm] se calcula como:
R
nm ( n+1 )
E( m)=
2

y el rango medio R m como:
Rm
m=
nm
Estadstico de contraste H
El estadstico de contraste de Kruskal-Wallis H se calcula como:
Rm P

d 3j

d j

1


j1
1
R m
1

nm
1
12

n(n1) m 1
H =
Siendo dj el nmero de empates en j = 1,,k siendo k el nmero de valores
distintos de la variable respuesta, que sigue una distribucin Chi-Cuadrado con r
- 1 grados de libertad.
Joseph Bernard Kruskal. (1935). Anova un factor y Kruskal-Wallis. 2010, de
Universidad de Castilla-La Mancha Sitio web:
www.uclm.es/profesorado/mdsalvador/58109/teoria/anova_un_factor-lectura.pdf