Estadistica U 4

Estadstica Inferencial I Unidad 4
Pgina 1

UNIDAD IV
PRUEBAS DE BONDAD DE AJUSTE Y PRUEBAS NO PARAMETRICAS
4.1 BONDAD DE AJUSTE
Las pruebas de bondad de ajuste tratan de verificar si el conjunto de datos se
puede ajustar o afirmar que proviene de una determinada distribucin.
Las pruebas bsicas que pueden aplicarse son: la ji-cuadrada y la prueba de
Smirnov-Kolmogorov. Ambas pruebas caen en la categora de lo que en
estadstica se denominan pruebas de Bondad de Ajuste y miden, como el
nombre lo indica, el grado de ajuste que existe entre la distribucin obtenida a
partir de la muestra y la distribucin terica que se supone debe seguir esa
muestra. Ambas pruebas estn basadas en la hiptesis nula de que no hay
diferencias significativas entre la distribucin muestral y la terica, H
0
es la
distribucin que se supone sigue la muestra aleatoria. La hiptesis alternativa
siempre se enuncia como que los datos no siguen la distribucin supuesta.
Hablamos de bondad de ajuste cuando tratamos de comparar una distribucin de
frecuencia observada con los valores correspondientes de una distribucin
esperada o terica. Algunos estudios producen resultados sobre los que no
podemos afirmar que se contribuyen normalmente, es decir con forma
acampanada concentradas sobre la media.
Su frmula es la siguiente:

= Valor observado en la i-simo dato.
= Valor esperado en la i-simo dato.

k
i
e
e o
i
i i
f
f f
1
2
2

Pgina 2

= Categoras o celdas.
= Parmetros estimados sobre la base de los datos de la muestra
Los grados de libertad vienen dados por: gl= K-m-1.
Criterio de decisin es el siguiente:
Se rechaza H
0
cuando
2
1 ;
2

m K t

. En caso contrario se acepta.
Donde t representa el valor proporcionado por las tablas, segn el nivel de
significacin elegido.
Cuanto ms se aproxima a cero el valor de chi-cuadrada, ms ajustadas estn
ambas distribuciones.


Pgina 3

4.1.1 ANALISIS JI-CUADRADA
Es considerada como una prueba no paramtrica que mide la discrepancia
(bondad de ajuste) entre una distribucin observada a partir de la muestra y otra
terica que se supone debe seguir esa muestra, indicando en qu medidas las
diferencias existentes entre ambas se deben al azar en el contraste de la
hiptesis.
Esta prueba se basa en la hiptesis nula H
0
de que no hay diferencias
significativas entre la distribucin muestral y la terica.
La estructura bsica de la prueba para la bondad de ajuste se muestra en la
siguiente tabla:
Clases Frecuencia observada Frecuencia esperada
1 Foi
1
Fe
1
2 Foi
2
Fe
2

. . .
. . .
k Foi
k
Fe
k

Total n n
Donde para calcular la Frecuencia esperada se tiene:
( )

Frmula para el anlisis de ji-cuadrada

()

Interpretacin: cuanto mayor sea el valor de ji-cuadrada menos creble es la
hiptesis nula H
0
. De la misma forma, cuanto ms se aproximan acero el valor de
, ms ajustadas estn las distribuciones.
H
0
se acepta
H
0
se rechaza


Pgina 4

4.1.2 PRUEBA DE INDEPENDENCIA
La prueba de independencia trata de la comparacin de dos situaciones en las
cuales podemos esperar que sean dependientes o independientes, esto quiere
decir que, pueden o no estar relacionados sus datos debido a muchos factores
que pueden influir en ellos, o bien, un problema no tenga relacin con otro.
Su objetivo es determinar si alguna situacin es afectada por otra, basndose en
datos estadsticos y valores probabilstico obtenidos de la fabulacin de datos o de
pronsticos por medio de formulas y tablas, para esto se basa en un nivel de
significancia en un caso y en el otro a comparar, valindonos de tablas de
contingencia para obtener frecuencias esperadas y poder aplicarlas, para as
obtener datos comparativos que son determinantes en la decisin de
independencia.
Para todas las pruebas de independencia, las hiptesis son:
H
0
: las dos variables de clasificacin son independientes.
H
1
: las dos variables de clasificacin son dependientes.
Los mtodos para poner a prueba H
0
contra H
1
son idnticos a los usados para
poner a prueba las diferencias entre proporciones poblacionales basados en la
prueba de
2
. De nuevo compararemos las frecuencias observadas con las
esperadas, las obtenidas bajo el supuesto de que H
0
, para determinar que tan
grande debe ser el alejamiento permitido para que la hiptesis de independencia
pueda rechazarse. Si el valor del estadstico de prueba
2
es mayor o igual que el
valor critico calculado, ya no podremos suponer que pueda resultar de dos
variables de clasificacin independientes, siendo esta la razn de que todas las
pruebas de
2
sobre independencia sean de cola derecha.

Pgina 5

La estadstica de prueba que ser utilizada en la toma de una decisin acerca de
la hiptesis nula es ji cuadrado X
2
. Los valores de ji-cuadrada se obtienen con la
siguiente frmula:

( )

Grados de libertad
v = (r-1)*(c-1)
Frecuencia Esperada = Total de la columna * Total del rengln

Caractersticas
X
2
toma valores no negativos; es decir, puede ser cero o positiva.
X
2
no es simtrica; es asimtrica hacia la derecha.
Existen muchas distribuciones X
2
como en el caso de la distribucin t, hay
una distribucin,

X
2
diferente para cada valor de los grados de libertad.
Nos dan una tabla de contingencia.

El procedimiento de la prueba ji-cuadrada puede tambin utilizarse para probar la
hiptesis de independencia de dos variables de clasificacin.
Ejemplo:
Supngase que desea determinar si las opiniones de los residentes votantes del
estado de Illinois respecto a una nueva reforma impositiva son independientes de
sus niveles de ingreso. Una muestra aleatoria de 1000 votantes registrados del
estado de Illinois se clasifica de acuerdo con sus ingresos como bajo, medio y alto
y si estn a favor o en contra de la nueva reforma impositiva. Las frecuencias
observadas se presentan en la siguiente tabla, la cual se conoce como una tabla
de contingencia.
Gran total

Pgina 6

Tabla de contingencia 2 x 3

Reforma
impositiva
Nivel de ingresos
Total Bajo Medio Alto
A favor
En contra
182
154
213
138
203
110
598
402
Total 336 351 313 1000

A una tabla de contingencia con r renglones y c columnas se le conoce como una
tabla r x c (r x c se lee r por c), a los totales de renglones y columnas en la tabla
anterior se les denomina frecuencia marginales. La decisin de aceptar o
rechazar la hiptesis nula, H
0
, de independencia entre la opinin de votantes
respecto a la nueva reforma de impuestos y su nivel de ingresos se basan en que
tan bien se ajustan las frecuencias observadas en cada una de las 6 celdas de la
tabla, y las frecuencias que se esperaran para cada celda bajo la suposicin de
que H
0
es verdadera. Para encontrar estas frecuencias esperadas, defnanse los
siguientes eventos:
L: una persona seleccionada esta en el nivel bajo de ingresos.
M: una persona seleccionada esta en el nivel medio de ingresos.
H: una persona seleccionada esta en el nivel alto de ingresos.
F: una persona seleccionada est a favor de la nueva reforma fiscal.
A: una persona seleccionada est en contra de la nueva reforma fiscal.


Pgina 7

Al utilizar las frecuencias marginales, es posible escribir las siguientes
estimaciones de probabilidad:
()
, ()
, ()
,
()
, ()

Ahora si H
0
es verdadera y las dos variables son independientes, debe tenerse:
P (LF) = P (L) P (F) = (
) (
) ,
P (LA) = P (L) P (A) = (
) (
) ,
P (MF) = P (M) P (F) = (
) (
) ,
P (MA) = P (M) P (A) = (
) (
) ,
P (HF) = P (H) P (F) = (
) (
) ,
P (HA) = P (H) P (A) = (
) (
) .
Las frecuencias esperadas se obtienen al multiplicar cada probabilidad de una
celda por el nmero total de observaciones. Como antes, estas frecuencias se
redondean a un decimal de esta manera el nmero esperado de votantes de bajos
ingresos en la muestra y que favorecen la nueva reforma impositiva, se estima que
es:
(
) (
) x 100 =
()()
= 200.9
Cuando H
0
es verdadera. La regla general para obtener la frecuencia esperada
de cualquier celda la proporciona la siguiente frmula:

Pgina 8

Frecuencia Esperada = Total de la columna * Total del rengln
La frecuencia esperada para cada celda se registra entre parntesis a un lado del
valor observado real en la siguiente tabla. Ntese que la suma de las frecuencias
esperadas en cualquier rengln o columna da el total marginal o apropiado.

Reforma
impositiva
Nivel de ingresos
Total Bajo Medio Alto
A favor
En contra
182(200.9)
154(135.1)
213(209.9)
138(141.1)
203(187.2)
110(125.8)
598
402
Total 336 351 313 1000
En el ejemplo, se necesitan calcular nicamente las dos frecuencias esperadas del
rengln de arriba de la tabla y entonces encontrar las otras por sustraccin. El
numero de grados de libertad asociado a la prueba ji cuadrada que se utiliza aqu
es igual al nmero de frecuencias de celdas que pueden llenarse libremente
cuando se dan los totales marginales y el gran total; en este ejemplo ese nmero
es 2. Una formula simple que proporciona el nmero correcto de grados de
libertad es:
v = (r-1)*(c-1)
de aqu que, para este ejemplo V = (2-1)*(3-1) = 2 grados de libertad. Para
probara la hiptesis nula de independencia, se utiliza el siguiente criterio de
decisin:

Gran total

Pgina 9

Prueba De Independencia:
Calclese:

( )

Donde la sumatoria se extiende a todas las celdas rc en la tabla de contingencia
r x c. Si

>
con v = (r-1)(c-1) grados de libertad se rechaza la hiptesis nula

de independencia en el nivel de significancia ; de lo contrario, se acepta la
hiptesis nula.
Al aplicar este criterio a este ejemplo, se encuentra que:

()
+
()
+
()
+
()

+
()
+
()
= 7.85
P0.02
De la tabla de Valores crticos de las distribuciones
2
resulta que
= 5.991
para v= (2-1) (3-1) = 2 grados de libertad. La hiptesis nula se rechaza. Se
concluye que la opinin de un votante referente a la nueva reforma fiscal y su nivel
de ingresos no son independientes.
Es importante recordar que el estadstico sobre el cual se basa la decisin tiene
una distribucin que solo se aproxima por la distribucin JI cuadrada.
Los valores calculados
2
dependen de las frecuencias de la celda y, en
consecuencia, son discretos. La distribucin ji cuadrada continua parece
aproximar muy bien la distribucin muestral discreta de x
2
en la medida en la que
el numero de grados de libertad sea mayor que 1. En una tabla de contingencia de

Pgina 10

2 x 2, donde se tiene nicamente un grado de libertad, se aplica una correccin
que recibe el nombre de correccin de yates para continuidad.
La formula corregida se convierte entonces en:

()
(| | )

Si las frecuencias esperadas de celdas son grandes, los resultados corregidos y
sin corregir son casi los mismos. Cuando las frecuencias esperadas estn entre 5
y 10, debe aplicarse la correccin de Yates. Para frecuencias esperadas menores
que 5, debe utilizarse la prueba exacta de Fisher-Irwin. Sin embargo, puede
evitarse el uso de la prueba Fisher-Irwin al seleccionar una muestra grande.


Pgina 11

4.1.3 PRUEBA DE LA BONDAD DEL AJUSTE
Es considerada como una prueba no paramtrica que mide la discrepancia entre
una distribucin observada y otra terica, indicando en qu medida las diferencias
existen entre ambas.
En este tema se describe un procedimiento formal para probar la bondad de ajuste
basado en la distribucin ji- cuadrada. El procedimiento de prueba requiere una
muestra aleatoria de tamao n de la poblacin cuya distribucin de probabilidad es
desconocida. stas n observaciones se ordenan en un histograma de frecuencia,
con k intervalos de clase. Sea O
i
la frecuencia observada en el intervalo de clase i.
Se calcula la frecuencia esperada a partir de la distribucin de probabilidad
hipottica, para el intervalo de clase i-simo, denotado por E
i
, el estadstico de
prueba es:

()

Para demostrar que si la poblacin sigue la distribucin hipottica propuesta,

tiene, aproximadamente, una distribucin ji-cuadrada en donde los grados de
libertad vienen dados por:
gl= K-m-1 donde m representa el numero de parmetros de la distribucin
hipottica, estimados por los estadsticos muestrales. Esta aproximacin mejora
conforme n se incrementa.
El criterio de decisin es el siguiente:
Se rechaza H
0
cuando el valor del estadstico de prueba
. En caso
contrario se acepta.
Donde t representa el valor proporcionado por las tablas, segn el nivel de
significacin elegido.
Cuanto ms se aproxima a cero el valor de ji-cuadrada, ms ajustadas estn
ambas distribuciones.

Pgina 12

Un punto que cabe destacar en la aplicacin de este procedimiento de prueba se
refiere a la magnitud de las frecuencias esperadas. Si stas frecuencias
esperadas son muy pequeas, entonces el estadstico de prueba
no reflejar la
desviacin de las frecuencias observadas y las esperadas, no nicamente la
pequea magnitud de las frecuencias esperadas. No hay consenso generalizado
en cuanto al valor mnimo de las frecuencias esperadas, pero valores de 3, 4 y 5
se usan ampliamente como mnimos. Algunos autores proponen que una
frecuencia esperada podra ser tan pequea, como 1 o 2, siempre que la mayora
de ellas excedan 5. Cuando una frecuencia esperada sea muy pequea, puede
cambiarse con la frecuencia esperada de un intervalo de clase adyacente. Las
frecuencias observadas correspondientes tambin se combinaran, y k se reducira
una unidad. No es necesario que los intervalos de clase tengan la misma anchura.
Ejemplo:
Una distribucin continua.
Un ingeniero est probando una fuente de poder usada en una computadora
notebook. Utilizando = 0.05, el quiere determinar si una distribucin normal
describe adecuadamente el voltaje de salida. De una muestra aleatoria de n = 100
unidades obtiene las estimaciones muestrales de la media y la desviacin
estndar x = 5.04 V y s = 0.08 V.
Una prctica comn cuando se construyen los intervalos de clase para la
distribucin de frecuencia usada en la prueba ji-cuadrada de la bondad del ajuste
es elegir los limites de clase de las celdas de tal modo que las frecuencias
esperadas E
i
= np
i
sean iguales para todas lsa celdas o intervalos de clase. Para
usar este mtodo, los limites de clase a
0
,a
1
,,a
k
de los k intervalos de clase se
elegiran de tal modo que todas las probabilidades
= (
) ()

sean iguales. Suponga que se decide usar k = 8 intervalos de clase. Para la
distribucin normal estndar, los intervalos que dividen la escala en ocho
segmentos igualmente factibles son [ 0, 0.32), [0.32, 0.675), [0.675, 1.15), [1.15,)
y los cuatro intervalos reflejados al otro lado de cero.

Pgina 13

Para cada intervalo p
i
= 1/8 = 0.125, por lo que las frecuencias esperadas de las
celdas son E
i
= np
i
= 100(0.125) = 12.5. La tabla completa de las frecuencias
observadas y las esperadas se presenta a continuacin:

Intervalo de clase frecuencia observada frecuencia observada
O
i
E
i

x < 4.948 12 12.5
4.948 x < 4.986 14 12.5
4.986 x < 5.014 12 12.5
5.014 x < 5.040 13 12.5
5.040 x < 5.066 12 12.5
5.066 x < 5.094 11 12.5
5.094 x < 5.132 12 12.5
5.132 x 14 12.5
Totales 100 100

La cota del primer intervalo de clase es x 1.15s = 4.948. Para el segundo
intervalo de clase es [x 1.15s, x 0.675s), y as sucesivamente. Puede aplicarse
el procedimiento de prueba de hiptesis de ocho pasos en este problema.
1. La variable de inters es la forma de la distribucin del voltaje de la fuente
de poder.
2. H
0
: la forma de la distribucin es normal.
3. H
1
: la forma de la distribucin no es normal.
4. = 0.05
5. el estadstico de la prueba es:

( )

6. puesto que se estimaron dos parmetros de la distribucin normal, el
estadstico ji-cuadrada anterior tiene k-p-1 = 8-2-1 = 5 grados de libertad.
Por lo tanto, se rechazar H
0
si
>
= 11.07
7. clculos

Pgina 14

( )
( )

( )
( )

8. conclusiones: puesto que
= 0.64 <
= 11.07 no puede rechazarse

H
0
y no hay evidencia robusta que indique que el voltaje de salida no tenga
una distribucin normal. El valor P del estadstico ji-cuadrada
= 0.64 es
P = 0.9861.


Pgina 15

4.1.4 TABLAS DE CONTINGENCIA
En muchas ocasiones, los n elementos de una muestra de una poblacin pueden
clasificarse con base en dos criterios diferentes. Entonces es de inters saber si
los dos mtodos de clasificacin son estadsticamente independientes.
Suponga que el primer mtodo de clasificacin tiene r niveles y que el segundo
tiene c niveles. Ser O
ij
la frecuencia observada del nivel i del primer mtodo de
clasificacin y el nivel j del segundo mtodo de clasificacin. Los datos
apareceran, en general, como en la siguiente tabla. A una tabla como esta se le
llama tabla de contingencia r x c.
TABLA DE CONTINGENCIA r x c
Columnas
1 2 c

Renglones
1 O
11
O
12
O
1c

2 O
21
O
22
O
2c

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
r O
rl
O
r2
O
rc

En estadstica las tablas de contingencia se emplean para registrar y analizar la
relacin entre dos o ms variables, habitualmente de naturaleza cualitativa
(nominales u ordinales).
Sea P
ij
la probabilidad de que un elemento seleccionado al azar est en la celda ij,
dado que las dos clasificaciones son independientes. Entonces p
ij
= u
i
v
j
, donde u
i

es la probabilidad de que un elemento seleccionado al azar este en la clase del
rengln i y v
j
es la probabilidad de que un elemento seleccionado al azar est en la
clase de la columna j. ahora bien, con el supuesto de independencia, los
estimadores de u
i
y v
j
son


Pgina 16

Por lo tanto, la frecuencia esperada de cada celda es

Entonces, para n grande, el estadstico

( )

Tiene una distribucin ji-cuadrada aproximada con (r-1) (c-1) grados de libertad si
la hiptesis nula es verdadera. Por lo tanto, la hiptesis de independencia se
rechazara si el valor observado del estadstico de prueba
excediera
()()
.
Para calcular grados de libertad se tiene la siguiente frmula:
gl= (r-)(c-1)
NOTA: El clculo de grados de libertad nos dar la pauta para calcular el valor
total de frecuencias.


Pgina 17

Ejemplo:
Una compaa tiene que elegir entre tres planes de pensiones. La administracin
quiere saber si la preferencia por los planes es independiente de la clasificacin
laboral y desea usar = 0.05.
En la siguiente tabla se muestran las opiniones de una muestra aleatoria de 500
empleados.

Clasificacin laboral
Plan de pensin
1 2 3 totales
Trabajadores asalariados
Trabajadores por hora
160
40
140
60
40
60
340
160
Totales 200 200 100 500

Para encontrar las frecuencias esperadas, primero debe calcularse

() = 0.68,
() 0.32,
() 0.40 y
( 0.20. Ahora pueden calcularse las frecuencias esperadas con la

ecuacin

Por ejemplo, el nmero esperado de trabajadores asalariados que prefieren el plan
de pensin 1 es
()()
En la siguiente tabla se muestran las frecuencias esperadas.

Clasificacin laboral
Plan de pensin
1 2 3 totales
Trabajadores asalariados
Trabajadores por hora
136
64
136
64
68
32
340
160
Totales 200 200 100 500

Pgina 18

Ahora puede aplicarse el procedimiento de prueba de hiptesis de ocho pasos en
este problema.
1. La variable de inters es la preferencia de los empleados entre los planes
de pensiones.
2. H
0
: la preferencia es independiente de la clasificacin laboral asalariado o
por horas.
3. H
1
: la preferencia no es independiente de la clasificacin laboral asalariado
o por horas.
4. = 0.05
5. el estadstico de prueba es

( )

6. puesto que r = 2 y c = 3, los grados de libertad de ji-cuadrada son
(r-1) (c-1)= (1)(2) = 2, se rechazara H
0
si
>
= 5.99

7. clculos

( )
( )
( )
( )
( )
( )
( )

8. conclusiones: puesto que
= 49.63 >
, se rechazar la
hiptesis de independencia y se concluye que la preferencia por los planes
de pensiones no es independiente de la clasificacin laboral. El valor P para
= 49.63 es P = 1.671 x 10
-11
.


Pgina 19

4.1.5 SOFTWARE ESTADSTICO
Los mtodos estadsticos cambiaron con la aparicin de los ordenadores. Desde
sus orgenes, las computadoras se han empleado en el procedimiento estadstico
de datos.
El procesamiento estadstico es una necesidad muy frecuente en diversas reas.
Dada esta estandarizacin de necesidades se han elaborado paquetes estadstico
que difieren entre si en los aspectos de capacidad, facilidad de uso, subprogramas
incorporados, computadoras en las que se pueden ejecutar, apoyo
(documentacin) y precio.
Dentro del grupo de paquetes estadsticos mundialmente conocidos, podemos
destacar, adems de STARTGRAPHICS los siguientes:
SAS (Statistical Analysis System): Sistema para el anlisis estadstico y
economtrico con gran potencia de manejo de volmenes extensos de
datos.

SPSS (Statistical Packge for the Social Sciencies): Se trata de un
paquete especial diseado para cubrir la mayor parte de las necesidades
del proceso estadstico que suelen plantearse en las necesidades del
proceso estadstico que suelen plantearse en la realizacin de
investigaciones y estudios de tipo emprico en el campo de las ciencias
sociales y humanas.

SYSTAT (the SYstem for STATistics): Es un potente paquete estadstico,
susceptible de ser implementado incluso en microordenadores de pequea
capacidad. Viene avalado por una merecida fama de programa eficiente y
de fcil uso.

TSP (Time Series Processor): como su nombre indica, sirve para el
procesamiento de series de tiempo; sin embargo, tambin tiene rutinas de
procesamiento de regresin muy poderosas y toca una gran parte de los
temas econmicos

SCA (Scientific Computing Associates): se trata de un paquete estadstico
que aborda la mayora de los temas elevados de esta disciplina, con
especial hincapi en el anlisis de series temporales.

Pgina 20

Existen muchos otros paquetes, como LISREL, SPAD, STATPACH, MINITAB,
LISA, OSIRIS, ABSTAT y otros ms, que con ms o menos profundidad tocan
la mayor parte de las materias estadsticas.
Por otro lado encontramos otra herramienta que se utiliza para realizar clculos
estadsticos.
La Hoja de Clculo Excel/Calc puede convertirse en una poderosa
herramienta para crear entornos de aprendizaje que enriquezcan la
representacin (modelado), comprensin y solucin de problemas, en el rea
de la estadstica y probabilidad. Excel ofrece funcionalidades que van ms all
de la tabulacin, clculo de frmulas y Graficacin de datos:
En inferencia estadstica calcula los intervalos de confianza, el tamao
de la muestra y se puede aplicar al contraste de hiptesis, tanto en el
bilateral como en el unilateral.
La instalacin del programa es muy sencilla, adems Microsoft Excel
incluye un comando para el anlisis de datos, dentro de las
"herramientas para el anlisis", su uso es poco comn, ya que no se
tiene cuidado de instalar todas las funciones dentro de las
"herramientas", perdiendo la oportunidad de utilizar un medio poderoso
para el estudio dentro de la estadstica.


Pgina 21

4.2 PRUEBA NO PARAMETRICA
La mayor parte de los procedimientos de prueba de hiptesis que se presentan en
las unidades anteriores se basan en la suposicin de que las muestras aleatorias
se seleccionan de poblaciones normales. Afortunadamente, la mayor parte de
estas pruebas an son confiables cuando experimentamos ligeras desviaciones de
la normalidad, en particular cuando el tamao de la muestra es grande.
Tradicionalmente, estos procedimientos de prueba se denominan mtodos
paramtricos. En esta seccin se consideran varios procedimientos de prueba
alternativos, llamados no paramtricos mtodos de distribucin libre, que a
menudo no suponen conocimiento de ninguna clase acerca de las distribuciones
de las poblaciones fundamentales, excepto que stas son continuas.
Los procedimientos no paramtricos o de distribucin libre se usan con mayor
frecuencia por los analistas de datos. Existen muchas aplicaciones en la ciencia y
la ingeniera donde los datos se reportan no como valores de un continuo sino
ms bien en una escala ordinal tal que es bastante natural asignar rangos a los
datos.
Se debe sealar que hay desventajas asociadas con las pruebas no paramtricas.
En primer lugar no utilizan la informacin que proporciona la muestra, y por ello
una prueba no paramtrica ser menos eficiente que el procedimiento paramtrico
correspondiente, cuando se pueden aplicar ambos mtodos. En consecuencia,
para lograr la misma eficiencia, una prueba no paramtrica requerir la
correspondiente prueba paramtrica.
Como se indic anteriormente, ligeras divergencias de la normalidad tienen como
resultado desviaciones menores del ideal para las pruebas paramtricas estndar.


Pgina 22

EJ EMPLO.-
Dos jueces deben clasificar cinco marcas de cerveza de mucha demanda
mediante la asignacin de un grado de 1 a la marca que se considera que tiene la
mejor calidad global, un grado 2 a la segunda mejor, etctera. Se puede utilizar
entonces una prueba no paramtrica para determinar donde existe algn acuerdo
entre los dos jueces.
Se debe sealar que hay varias desventajas asociadas con las pruebas no
paramtricas. En primer lugar, no utilizan la informacin que proporciona la
muestra, y por ello una prueba no paramtrica ser menos eficiente que el
procedimiento paramtrico correspondiente, cuando se pueden aplicar ambos
mtodos. En consecuencia, para lograr la misma potencia, una prueba no
paramtrica requerir la correspondiente prueba no paramtrica.
Como se indic antes, ligeras divergencias de la normalidad tienen como resultado
desviaciones menores del ideal para las pruebas paramtricas estndar. Esto es
cierto en particular para la prueba t y la prueba F. En el caso de la prueba t y la
prueba F, el valor P citado puede ser ligeramente errneo si existe una violacin
moderada de la suposicin de normalidad.
En resumen, si se puede aplicar una prueba paramtrica y una no paramtrica al
mismo conjunto de datos, debemos aplicar la tcnica paramtrica ms eficiente.
Sin embargo, se debe reconocer que las suposiciones de normalidad a menudo no
se pueden justificar, y que no siempre se tienen mediciones cuantitativas.


Pgina 23

4.2.1 ESCALA DE MEDICION
Definicin de escala
Cualquier recurso para determinar la magnitud o cantidad de un objeto o hecho de
cualquier clase; instrumento para asignar un nmero o guarismo que indicar
cunto hay de algo; un recurso de medicin que provee un conjunto de normas
(numeradas de acuerdo con ciertas reglas de trabajo) con las que se puede
comparar el objeto que ser medido, para asignarle un nmero o valor matemtico
que represente su magnitud. El trmino es de amplia aplicacin: una escala de
alguna clase est incluida en toda medicin o estimacin. Implcito en cada caso
hay un conjunto de reglas para asignar nmeros o valores: son estas reglas las
que dan significado a las cantidades. Los objetos pueden ser perceptuales o
conceptuales.
La escala de medida de una caracterstica tiene consecuencias en la manera de
presentacin de la informacin y el resumen. La escala de medicin-grado de
precisin de la medida de la caracterstica tambin determina los mtodos
estadsticos que se usan para analizar los datos. Por lo tanto, es importante definir
las caractersticas por medir. Las escalas de medicin ms frecuentes son las
siguientes:
Escala Nominal.- No poseen propiedades cuantitativas y sirven nicamente para
identificar las clases. Los datos empleados con las escalas nominales constan
generalmente de la frecuencia de los valores o de la tabulacin de nmero de
casos en cada clase, segn la variable que se est estudiando. El nivel nominal
permite mencionar similitudes y diferencias entre los casos particulares. Los datos
evaluados en una escala nominal se llaman tambin "observaciones cualitativas",
debido a que describen la calidad de una persona o cosa estudiada, u
"observaciones categricas" porque los valores se agrupan en categoras. Por lo
regular, los datos nominales o cualitativos se describen en trminos de porcentaje
o proporciones. Para exhibir este tipo de informacin se usan con mayor
frecuencia tablas de contingencia y grficas de barras.

Pgina 24

Escala Ordinal.- Las clases en las escalas ordinales no solo se diferencian unas
de otras (caracterstica que define a las escalas nominales) sino que mantiene una
especie de relacin entre s. Tambin permite asignar un lugar especfico a cada
objeto de un mismo conjunto, de acuerdo con la intensidad, fuerza, etc.; presentes
en el momento de la medicin. Una caracterstica importante de la escala ordinal
es el hecho de que, aunque hay orden entre las categoras, la diferencia entre dos
categoras adyacentes no es la misma en toda la extensin de la escala. Algunas
escalas consisten en calificaciones de mltiples factores que se agregan despus
para llegar a un ndice general.
Debe mencionarse brevemente una clase espacial de escala ordinal llamada
"escala de posicin", donde las observaciones se clasifican de mayor a menor (o
viceversa). Al igual que en las escalas nominales, se emplean a menudo
porcentajes y proporciones en escalas ordinales.
Escala de Intervalo.- Refleja distancias equivalentes entre los objetos y en la
propia escala. Es decir, el uso de sta escala permite indicar exactamente la
separacin entre 2 puntos, lo cual, de acuerdo al principio de isomorfismos, se
traduce en la certeza de que los objetos as medidos estn igualmente
separados a la distancia o magnitud expresada en la escala.
Escala de Razn.- Constituye el nivel ptimo de medicin, posee un cero
verdadero como origen, tambin denominada escala de proporciones. La
existencia de un cero, natural y absoluto, significa la posibilidad de que el objeto
estudiado carezca de propiedad medida, adems de permitir todas las
operaciones aritmticas y el uso de nmeros representada cantidades reales de
la propiedad medida.
Con esto notamos que esta escala no puede ser usada en los fenmenos
psicolgicos, pues no se puede hablar de cero inteligencia o cero aprendizaje,
etc.


Pgina 25

4.2.2 METODOS ESTADSTICOS CONTRA NO PARAMETRICOS
1.- EL CASO DE DOS MUESTRAS: Las pruebas estadsticas de dos muestras se
usan criando el investigador desea establecer la diferencia entre chis tratamientos o si
un tratamiento es mejor que otro. Por ejemplo adiestramiento, uso de psicofrmaco,
en cada caso el grupo que ha sufrido el tratamiento es comparado con el que no lo ha
experimentado o que ha sufrido un tratamiento diferente.
En la comparacin de estos grupos, a veces se observan diferencias significativas que
no son el resultado del tratamiento, por ejemplo, en el estudio de los trabajadores que
se someten a un entrenamiento diferente para determinar cul es el mejor para elevar
su calificacin, puede ser que la diferencia no se deba, realmente, a uno u otra
tratamiento, sino que uno de los grupos estaba ms motivado por elevar rpidamente
su calificacin y, de esta forma, no se refleja verdaderamente la efectividad del
procedimiento de enseanza.
Una forma de eliminar esta dificultad, es usar MUESTRAS RELACIONADAS estas
se pueden lograr: Cuando el propio sujeto es su propio control. Con parejas de
sujetos en las que se asignan los miembros de cada pareja, a las dos condiciones.
La tcnica paramtrica usual para analizar datos provenientes de dos muestras
relacionadas es aplicar la prueba t a los puntajes, estos se pueden obtener de los
dos puntajes de cada pareja igualada o de los puntajes de cada sujeto bajo las dos
condiciones. stas pruebas determinan la medida en dije las diferencias de las
muestras indican, de forma convincente, una diferencia en el proceso aplicado en
ellos.
En el caso de dos MUESTRAS INDEPENDIENTES, ellas pueden obtenerse:
Tomando al azar sujetos de dos poblaciones. Asignando al azar ambos tratamientos
a miembros de algunas muestras de orgenes arbitrarios. No es necesario que la
muestra sea del mismo tamao.
En este caso, la prueba t es la tcnica paramtrica indicada para analizar los datos
de las dos muestras independientes.

Pgina 26

Los mtodos estadsticos no paramtricos adecuados para estos casos, son:

2.-EL CASO DE K MUESTRA:
Hasta aqu hemos visto las pruebas estadsticas idneas para probar la significacin
de las diferencias. Entre una sola muestra y una poblacin determinada. Entre dos
muestras relacionadas o independientes. Ahora veremos las pruebas que
determinan la significacin de las diferencias entre 3 o ms grupos, relacionados o
independientes.
A veces las circunstancias requieren de diseos experimentales de ms de dos
muestras o condiciones que puedan estudiarse simultneamente y entonces es
necesario usar una prueba estadstica que indique si existe una diferencia total entre
las k muestras o condiciones, ya que no es posible tener confianza en una decisin
acerca de k muestras, en la que el anlisis se haga probando las muestras, 2 a 2.La
tcnica paramtrica para probar si varias muestras proceden de una misma
poblacin, es el anlisis de varianza o prueba F. La misma facilita que no haya
prdida de precisin al estimar la varianza por separado, pues se utiliza una varianza
combinada.


Pgina 27

En el caso no paramtrico, tenemos:


Pgina 28

EJEMPLO: Una compaa de taxis trata de decidir si el uso de llantas
radiales en lugar de llantas regulares con cinturn mejora la economa
de combustible.se equipan 16 automviles con llantas radiales y se
manejan por un recorrido de prueba establecido. Sin cambiar de
conductores, se equipan los mismos autos con las llantas regulares
con cinturn y se manejan una vez ms por el recorrido de prueba.se
registra el consumo de gasolina, en kilmetros por litro, de la siguiente
manera:

Automvil Llantas radiales llantas con cinturn
1 4.2 4.1
2 4.7 4.9
3 6.6 6.2
4 7.0 6.9
5 6.7 6.8
6 4.5 4.4
7 5.7 5.7
8 6.0 5.8
9 7.4 6.9
10 4.9 4.9
11 6.1 6.0
12 5.2 4.9
13 5.7 5.3
14 6.9 6.5
15 6.8 7.1
16 4.9 4.8

Podemos concluir en el nivel de significancia de 0.05 que los autos
equipados con llantas radiales obtienen mejores economas de
combustible que los equipados con llantas regulares con cinturn?

Pgina 29

Solucin: representemos con 1 y 2 los kilmetros por litro promedio
para los autos equipados con llantas radiales y con cinturn,
respectivamente.
1. H: 1- 2= 0
2. H1: 1- 2 > 0
3. = 0.05
4. Estadstica de prueba : variable binomial x con p=
5. Clculos: despus de reemplazar cada diferencia positiva con un
smbolo + `` y cada diferencia negativa con un smbolo "-, y
despus descartar las dos diferencias cero ,obtenemos la
secuencia
+ - + - + - + - + - + - + - + - + -+ - +
Para la que n= 14 y x =11. Con el uso de la aproximacin de la curva
normal, encontramos que

Z= 10.5 7 = 1.87
14/2

Y entonces P= P(X 11) P ( Z>1.87)= 0.0307

6. DECISION: rechazar Ho y concluir que, en promedio, las llantas
radiales mejoran la economa de combustible.


Pgina 30

4.2.3 PRUEBA DE KOLMOGOROV SMIRNOV
Recurdese que para aplicar la prueba de bondad de ajuste chi-cuadrada cuando
el modelo propuesto bajo
es continuo, es necesario aproximar
() mediante
el agrupamiento de los datos observados en un nmero finito de intervalos de
clase. Este requisito de agrupar los datos implica tener una muestra ms o menos
grande. De esta manera, la prueba de bondad de ajuste chi-cuadrada se
encuentra limitada cuando
() es continua y la muestra aleatoria disponible

tiene un tamao pequeo. Una prueba de bondad de ajuste ms apropiada que la
chi-cuadrada cuando
() es continua, es la basad en la estadstica de

Kolmogorov Smirnov.
La prueba de Kolmogorov Smirnov no necesita que los datos se encuentren
agrupados y es aplicable a muestras de tamao pequeo. sta se basa en una
comparacin entre las funciones de distribucin acumulativa que se observa en la
muestra ordenada y la distribucin propuesta bajo la hiptesis nula. Si esta
comparacin revela una diferencia suficientemente grande entre las funciones de
distribucin muestral y propuesta, entonces la hiptesis nula de que la distribucin
es
(), se rechaza.
Considrese la hiptesis nula por
()
(), en donde
() se especifica
en forma completa. Dentese por
()

()
()
a las observaciones ordenadas
de una muestra aleatoria de tamao y defnase la funcin de distribucin
acumulativa muestral como
() {

()

()

()

En otras palabras, para cualquier valor ordenado de la muestra aleatoria,
()
es la proporcin del nmero de valores en la muestra que son iguales o menores a
. Ya que
() se encuentra completamente especificada, es posible evaluar a
() para algn valor deseado de , y entonces compara este ltimo con el valor
correspondiente de
(). Si la hiptesis nula es verdadera, entonces es lgico


Pgina 31

esperar que la diferencia sea relativamente pequea. La estadstica de
Kolmogorov Smirnov se define como
()
()|.
La estadstica
tiene una distribucin que es independiente del modelo

propuesto bajo la hiptesis nula. Por esta razn, se dice
es una estadstica
independiente de la distribucin. Lo anterior da como resultado que la funcin de
distribucin para cualquier
(). En la tabla J del apndice, se proporcionan los

valores cuantiles superiores de

para varios valores de la muestra. El lector debe
notar que los valores asintticos de
que se encuentran en la parte inferior de la

tabla proporcionan una adecuada aproximacin para los valores de mayores de
50.
Para un tamao del error de tipo i, la regin crtica es de la forma
(

)
De acuerdo con lo anterior, la hiptesis

se rechaza si para algn valor
observado del valor
se encuentra dentro de la regin crtica de tamao

Como se hizo anteriormente, la estadstica de Kolmogorov Smirnov es, en
general, superior a la prueba de bondad de ajuste chi cuadrada cuando los datos
involucran una variable aleatoria continua, debido a que no es necesario agrupar
los datos. Adems, la prueba de Kolmogorov Smirnov tiene la atractiva
propiedad de ser aplicable a muestras de tamao pequeo. Por otro lado, la
estadstica se encuentra limitada, ya que el modelo propuesto bajo
debe
especificarse en forma completa. La estadstica de Kolmogorov Smirnov no se
aplica a todos aquellos casos para los que as observaciones no son
inherentemente cuantitativas a consecuencia de las ambigedades que pueden
surgir cuando se ordenan las observaciones.

Pgina 32

4.2.4 PRUEBA DE ANDERSON-DARLING.
Esta prueba compara la funcin de distribucin acumulada emprica de los datos
de su muestra con la distribucin esperada si los datos son normales. Si esta
diferencia observada es suficientemente grande, la prueba rechazar la hiptesis
nula de normalidad en la poblacin.
En estadstica, la prueba de Anderson-Darling es una prueba no paramtrica
sobre si los datos de una muestra provienen de una distribucin especfica. La
frmula para el estadstico A determina si los datos (observar
que los datos se deben ordenar) vienen de una distribucin con funcin
acumulativa F
A
2
= N S
Donde:

El estadstico de la prueba se puede entonces comparar contra las distribuciones
del estadstico de prueba (dependiendo que F se utiliza) para determinar el
P-valor.


Pgina 33

4.2.5 PRUEBA DE RYAN-JOINER
Esta prueba evala la normalidad calculando la correlacin entre sus datos y las
puntuaciones normales de sus datos. Si el coeficiente de correlacin se encuentra
cerca de 1, es probable que la poblacin sea normal.
La estadstica de Ryan-Joiner evala la solidez de esta correlacin; si se
encuentra por debajo del valor crtico apropiado, se rechazar la hiptesis nula
H0
de normalidad en la poblacin. Esta prueba es similar a la prueba de normalidad
de Shapiro-Wilk.


Pgina 34

4.2.6 PRUEBA DE SHAPPIRO WILK
En estadstica, la prueba de ShappiroWilk, se usa para contrastar la normalidad
de un conjunto de datos. Se plantea como hiptesis nula que una muestra X
1
,...,
X
n
proviene de una poblacin normalmente distribuida. Se considera uno de las
pruebas ms potentes para el contraste de normalidad, sobre todo para muestras
pequeas (n<30).
El estadstico de la prueba de Shappiro Wilk es:

Donde:

()
= con el subndice i entre parntesis es el nmero que ocupa la i-sima
posicin en la muestra;
= (x
1
+ ... + x
n
) / n es la media muestral;
Las constantes a
i
se calculan

Donde:

Siendo m
1
,..., m
n
son los valores medios del estadstico ordenado, de variables
aleatorias independientes e idnticamente distribuidas, muestreadas de
distribuciones normales. V es la matriz de covarianzas de ese estadstico de
orden.
La hiptesis nula se rechazar si W es demasiado pequeo.


Pgina 35

CONCLUSION

De esta manera puedo finalizar que es muy substancial tener siempre en cuenta la
escala de medicin que se est utilizando, pues no todos los procedimientos
estadsticos son apropiados para cualquier anlisis.
En general, las variables estadsticas se clasifican en variables continuas o
cuantitativas y variables discretas o cualitativas, segn el nivel de escala en que
estn medidas. Las variables continuas se refieren a magnitudes medidas en
escala de intervalos o de razn, mientras que las variables discretas comprenden
magnitudes medidas en escalas de nivel nominal y ordinal. Por otro lado puedo
concluir que las pruebas no paramtricas se encargan de estudiar las pruebas y
modelos estadsticos cuya distribucin no se ajusta; o sea que no asumen ningn
parmetro de las variables mustrales, por eso es muy importante el conocimiento
de las pruebas no paramtricas, ya que se aplica en la administracin debido a la
prueba de la tabla de contingencia como la de bondad de ajuste analizan datos
nominales u ordinales. Estas pruebas, se usan ampliamente en las aplicaciones
de negocios, lo que demuestra la importancia de la habilidad para manejar datos
categricos o jerarquizados adems de los cuantitativos.

Domnguez Prez Ruth Abigail


Pgina 36

CONCLUSION
Para el desarrollo de esta unidad nuevamente llevamos a cabo la formulacin de
hiptesis, y a partir de ello se realizan diversas pruebas, de las cuales hablare a
continuacin. Como pudimos notar el trabajo anterior trato a cerca de las pruebas
de bondad de ajuste y las pruebas no paramtricas, a partir de ello puedo concluir
que, una prueba de bondad de ajuste mide como su nombre lo indica, el grado o
nivel de ajuste que existe entre una distribucin obtenida a partir de una muestra y
una distribucin terica que se supone debe seguir dicha muestra. Ambas pruebas
estn basadas en la hiptesis nula. Para probar la bondad de ajuste se utiliza un
procedimiento basado en la distribucin ji-cuadrada, y al obtener el valor de ji-
cuadrada, mientras ms cercano a cero est, ms ajustadas estarn las
distribuciones.
Otra de las pruebas es la de independencia, sta trata de la comparacin de dos
situaciones, basndose en datos estadsticos obtenidos de la formulacin de datos
por medio de formulas y tablas, lo cual involucra las denominadas tablas de
contingencia, estas agrupa los datos segn renglones y columnas.
Por otra parte tenemos las pruebas no paramtricas, stas se refieren a aquellas
pruebas que se realizan considerando varios procedimientos alternativos,
llamados no paramtricos y que se encargan de estudiar las pruebas cuya
distribucin no se ajusta a los criterios paramtricos; es decir, que no asumen
ningn parmetro de las variables muestrales.
En resumen, las pruebas de Shappiro- Wilk, la de prueba de Anderson-Darling y la
de Ryan-Joiner se utilizan para contrastar la normalidad de un conjunto de datos.
Por otro lado se encuentra la prueba de Kolmogorov-Smirnov la cual es una de
las pruebas bsicas de bondad de ajuste.
Para finalizar con el trabajo anterior pude notar que la distribucin tiene muchas
aplicaciones en inferencia estadstica, la ms conocida es la denominada prueba
la cual es utilizada como prueba de bondad de ajuste.

Estvez Ortega Abigail


Pgina 37

BIBLIOGRAFA
Probabilidad y estadstica aplicadas a la ingeniera.
2 edicin
Montgomery Runger
Limusa Wiley

Probabilidad y estadstica.
Cuarta edicin
Walpole Myers
Mc Graw Hill

Estadstica
Richard C. Weimer
CECSA

Estadistica U 4

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica U 4

Cargado por

Copyright:

Formatos disponibles

Estadstica Inferencial I Unidad 4

= Valor observado en la i-simo dato.

= Valor esperado en la i-simo dato.

Estadstica Inferencial I Unidad 4

, ms ajustadas estn las distribuciones.

con v = (r-1)(c-1) grados de libertad se rechaza la hiptesis nula

= 11.07 no puede rechazarse

( 0.20. Ahora pueden calcularse las frecuencias esperadas con la

es continuo, es necesario aproximar

() es continua y la muestra aleatoria disponible

() es continua, es la basad en la estadstica de

() se encuentra completamente especificada, es posible evaluar a

(). Si la hiptesis nula es verdadera, entonces es lgico

tiene una distribucin que es independiente del modelo

(). En la tabla J del apndice, se proporcionan los

que se encuentran en la parte inferior de la

se encuentra dentro de la regin crtica de tamao

También podría gustarte