Beruflich Dokumente
Kultur Dokumente
Ncleo de Anzotegui
Extensin centro Sur
Anaco. Edo. Anzotegui
Escuela de ingeniera
Departamento de Sistemas
Asesor: Bachilleres:
Ing. Jess Campos Nathaly Barboza C.I.: 21.041.651
Edgar Requena
Angel Heriquez
Edwuar Maicario
Pg.
Pruebas no paramtricas .3
a) Prueba de signos .3
b) Pruebas de wilcoxon .5
c) Prueba U de Mann- Whitney ..7
Anlisis de series de tiempo .9
a) Promedio mvil ...9
b) Suavizacin exponencial .11
c) Regresin lineal ..13
Referencias Bibliografas .16
LAS PRUEBAS NO PARAMTRICAS
Una prueba no paramtrica es una prueba de hiptesis que no requiere que la
distribucin de la poblacin se caracterice en funcin de determinados parmetros. Por
ejemplo, numerosas hiptesis se basan en el supuesto de que la poblacin sigue una
distribucin normal con los parmetros y . Las pruebas no paramtricas no tienen este
supuesto, de modo que son tiles cuando sus datos sean firmemente no normales y
resistentes a transformaciones. Por esta razn es comn referirse a ellas como pruebas de
distribucin libre. En el artculo se describen y trabajan las pruebas no paramtricas, y se
resaltan su fundamento y las indicaciones para su empleo cuando se trata de una sola
muestra (prueba de signo), de dos muestras con datos independientes (U de Mann-
Whitney), de dos muestras con datos relacionados (T de Wilcoxon).
Se usa para hacer pruebas de hiptesis acerca de la mediana de una poblacin de una
variable continua.
Si n>20 se puede usar aproximacin Normal a una Binomial con p = q = 0.5, para
calcular los p-values. Es decir:
Prueba De Wilcoxon.
Es una prueba no paramtrica que sirve para comparar una misma poblacin antes y
despus de un estudio, para conocer si existen diferencias entre ambas. (2 muestras
relacionadas)
Permite contrastar la hiptesis de igualdad entre dos medianas poblacionales.
Paralela a la prueba paramtrica de contraste t para muestras relacionadas.
HO (hiptesis nula) afirma el estudio.
HA (hiptesis alternativa) contradice a la hiptesis nula
Ejercicio
Se desea saber si el nuevo mtodo de capacitacin con libros mejoro las habilidades
de los estudiantes en dicha materia ,para lo cual se observa el nivel de habilidades antes del
mtodo y despus del mtodo en una muestra de 22 estudiantes y se les califico sus
habilidades antes y despus del mtodo ,obteniendo los siguientes resultados:
rangos
Numero de puntaje Diferenci Diferencia con
Estudiante Antes (a). a absoluta rangos signos
s Despus (b) (b-a) ordenadas correcto
s
1 18 15 -3 2 1 1
2 60 70 10 3 2
-2
3 81 75 -6 4 3
-3
4 15 20 5 5 4
4.5
5 20 50 30 5 5
4.5
6 17 40 23 6 6
-6
7 26 50 24 8 7
-7.5
8 11 30 19 8 8
7.5
9 20 40 20 9 9
9
10 38 30 -8 10 10
10.5
11 80 85 5 10 11
10.5
12 59 86 27 11 12
12
13 12 72 60 19 13
13
14 87 98 11 20 14
15
15 88 79 -9 20 15
15
16 64 88 24 20 16
15
17 88 90 2 23 17
17
18 76 96 20 24 18
17.5
19 43 39 -4 24 19
17.5
20 90 98 8 27 20
20
21 40 60 20 30 21
21
22 50 60 10 60 22
22
Suma de rango
Positivos=-27.5
Negativos=223.
5
El estadstico de prueba en este caso es T=27.5 y el valor que deja un rea de 0.01
para 22 grados de libertad para una prueba de dos colas es igual a 48 adems si se aceptara
HO entonces ambas categoras (antes y despus)deberan tener una suma de rangos igual a
(27.5+223.5)/2=125.5.
Se rechaza HO se acepta HO
0 T=27.48 125.5
1300 2
1200 3 1500 1
1400 5 700 13
1350 10 600* 10.5
800 4 1100 8
780 8 600* 10.5
total 30 1320 5
1150 7
600 14
HO: U1-U2
HA: U1U2
Con un nivel de significancia de =0.05 se busca en la tabla de mann-whitney, se tiene
que el valor es 7, por lo que como u>7 entonces se acepta la hiptesis nula, de que no hay
diferencia en las aptitudes
Muestra grande
Se utiliza cuando la muestra es mayor a 20(>20), se aplica la prueba Z, en donde el
estadstico de prueba es
n 1++n 2+ 1/3
Z=R1-R2-[(n1-n2) n1+n2+1/2*] / n 1+n 2[]
Ejercicio N-1
En una escuela de msica se est haciendo una prueba de aptitud bucal, se desea
saber si la aptitud bucal de los hombres es la misma que de las mujeres o son distintas, para
ello se extrae una muestra de 25 mujeres y 15 hombres y que las calificaciones de ambos
grupos por rango son:
26 6 38 7 33 39 16 19
10 14 24 20 1 2 37 29
30 17 40 27 9 5 23 31
3 22 25 28 13 36 15 18
32 34 12 4 21 8 11 35
total Rangos1 =487 Total= Rangos 2 =333
Se prueban las hiptesis
HO: u1-u2
HA: u1u2
Con un nivel de significancia de 0.05
R1=487 y R2=333, n1=25, n2=15
Por lo que Z estadstico es igual a: Z=-0.71
Se busca en la tabla normal 0.025 a la izquierda y 0.025 a la derecha es -1.96 y 1.96 y
como el estadstico cae entre estos dos valores, por lo tanto se acepta la hiptesis nula de lo
que no existe diferencia entre las aptitudes bucal de los hombres con el de las mujeres .
Promedio mvil
Suaviza los datos al promediar las observaciones consecutivas en una serie. Puede
utilizar este procedimiento cuando los datos no tienen un componente de tendencia. Si tiene
un componente estacional, establezca la longitud del promedio mvil para que sea igual a la
longitud del ciclo estacional.
Pronsticos:
Longitud: corta
xt 1
^x t= t n1
n
n = nmeros de datos
Unas desventajas del promedio mvil que lo hacen poco atractivo como tcnica de
pronstico son:
1. Que todos los datos de una muestra se le dan peros iguales en vez de darle ms
peso a los datos ms recientes.
Ejemplo N1: Si consideramos los siguientes datos que representan las ventas
minoristas mensuales de calzados en una zapatera durante diez aos consecutivos:
Ventas
Aos
(miles de Bs.F)
1996 328
1997 337
1998 341
1999 367
2000 385
2001 403
2002 389
2003 376
2004 428
2005 305
Para calcular el pronstico de ventas para el ao 2006, empleando el mtodo de promedio
mvil con n=3. Se toman el valor de las ventas de los ltimos tres aos y el valor de n o la
cantidad en la cual podremos pronosticar es n = 3
(376 +428+305)
^x t= =369,67
3
Ventas
Aos
(miles de Bs.F)
1996 328
1997 337
1998 341
1999 367
2000 385
2001 403
2002 389
2003 376
2004 428
2005 305
2006 369,67
Ejemplo N2: El acueducto municipal de una ciudad surte el vital lquido a todos los
habitantes de dicha localidad y reas aledaas. La tabla refleja el nmero de acres-pie de
agua consumida en las cuatro estaciones de los tres aos anteriores.
Estacin Ao 1 Ao 2 Ao 3
Invierno 25 27 24
Primavera 47 46 49
Verano 68 72 70
Otoo 42 39 44
Valores
Estacin Ao 1 Ao 2 Ao 3 Promedios F.E.
ajustados
Invierno 25 27 24 25,333 0,55 49,1
Primavera 47 46 49 47,333 1,03 44,7
Verano 68 72 70 70 1,5 47,37
Otoo 42 39 44 41,67 0.90 43,333
= 182 184 187 184,336 4
x = 45,5 46 46,75 46,084
= 1,03
70 41,67
F.E (verano) = 46,084 = 1,52 F.E (otoo) = 46,084 = 0,90
Valores ajustados
27 46
Invierno = 0,55 = 49,1 primavera = 1,03 = 44,7
72 39
Verano = 1,52 = 47, 37 Otoo = 0,90 = 43,333
Suavizacin exponencial
El mtodo de suavizacin o suavizamiento exponencial puede considerarse como una
evolucin del mtodo de promedio mvil ponderado, en ste caso se calcula el promedio de
una serie de tiempo con un mecanismo de autocorreccin que busca ajustar los pronsticos
en direccin opuesta a las desviaciones del pasado mediante una correccin que se ve
afectada por un coeficiente de suavizacin. (B. Salazar, 2016):
Tanto para suavizar como para realizar pronsticos. Se emplea la siguiente frmula:
Donde:
Ejemplo N1
Ao Real
2012 180
Ft = F t 1 + (A t 1 F t 1)
2013 168
2014 159
2015 175
2016 190
2017 Valor a calcular
Regresin lineal
La forma ms simple del modelo de regresin supone una tendencia lineal con el
tiempo. Si Y representa el valor estimado de la variable en el tiempo X, el modelo de
regresin est dado por:
Las constantes a y b se determinan a partir de los datos primarios con base en el mtodo de
mnimos cuadrados, como sigue. Sean (Yi, Xi) los datos primarios, donde Yi es la demanda
real en el tiempo Xi = 1,2,, n. Definimos:
Se puede probar tambin cun bien se ajusta Y a los datos primarios calculando el
coeficiente de correlacin (r), empleando la frmula:
Ejemplo N.1, La tabla siguiente contiene los resultados de las calificaciones Matemticas
(X) y Lengua (Y) de un grupo de 40 alumnos de secundaria. Determinar:
TABLA DE CLCULOS:
Respuesta a:
Para calcular la recta de regresin se aplicara la siguiente formula a = Y b X
Se calcula el promedio de X y Y:
214
x = = 5,35
40
238
Y = = 5,95
40
0,7115
a = Y b X = 5,95 0,7115* 5,35 = 2,1436
Entonces la ecuacin de la recta queda expresada de la siguiente manera
Y = 2,1436 + 0,7115X
Respuesta b:
Y b X
Se calcula el promedio de X y Y:
214
x = = 5,35
40
238
Y = = 5,95
40
0,9633
X` = -0,3815 + 0,9633Y
Respuesta C
r= bb = 0,71150.9633=0,8279
Puede deducir que existe una relacin entre las calificaciones de Matemtica y
Lengua, dicha relacin es positiva directa, es decir, alumnos con buenas calificaciones de
Matemtica corresponden con las buenas calificaciones de Lengua y a la inversa, a su vez
las rectas obtenidas son buenas rectas de ajuste, es decir expresan con una elevada
precisin la relacin matemtica lineal existente entre las calificaciones de las dos
asignaturas antes mencionadas.
BIBLIOGRAFA
Referencias electrnicas:
Por: Copyright (2016): pruebas no paramtricas, disponible en:
http://support.minitab.com/es-mx/minitab/17/topic-library/basic-statistics-and-
graphs/hypothesis-tests/nonparametrics-tests/understanding-nonparametric-tests/[2017,
febrero 25]
Por Vermorel J. (2012), Anlisis de series de tiempo, disponible en:
https://www.lokad.com/es/que-es-el-pronostico-de-series-de-tiempo [2017, febrero 25]
Minitab Inc. (2016), Serie de tiempo, disponible en:http://support.minitab.com/es-
mx/minitab/17/topic-library/modeling-statistics/time-series/basics/what-is-a-time-series/
[2017, febrero 25]
Gua de Terica. Asignatura: Estadstica. II- anlisis de series de tiempo, Ing. Campos J.,
ejemplo N1. Promedio Mvil, Pag-4. Disponible en: https://profjcampos.wordpress.com/
[2017, febrero 25]
Gua de ejercicios. Asignatura: Estadstica. II- anlisis de series de tiempo, Ing. Campos J.,
ejemplo N2. Promedio Mvil, Pag-2. Disponible en: https://profjcampos.wordpress.com/
[2017, febrero 25]
Por: Salazar B. (2010), suavizacin exponencial, Disponible en:
www.ingenieriaindustrialonline.com) [2017, febrero 25]