OTROS CONTRASTES NO PARAMETRICOS

Bibliografia:
-

Manzano Arrondo, V.; Inferencia estadstica. Aplicaciones con SPSS/PC.

Ra-ma. 1995

Martinez Almecija, Alfredo y otros.. .: "Inferencia estadstica: un enfoque

clasico" ; Pirmide, 1993

INTRODUCCION.Como Uds. saben en el tema anterior vimos lo que eran los rangos y como
trabajamos con las parejas de rangos segn su clasificacin en concordancias,
discordancias y empates (de tres tipos). Ahora vamos a ver lo que son RACHAS.
En una determinada secuencia de sucesos observables la
interaccin entre elementos iguales lo denominaremos
como racha. El n de elementos de una racha se llama
longitud
Por Ejemplo.
Tengamos la secuencia: aaa bb a bb aa aqu existen 5 rachas, de dos
sucesos a y b de longitudes (3) ; (2) ; (1) ; (2); (2)

En muchas ocasiones se esta interesado en la aleatoriedad de una

secuencia de sucesos donde en ocasiones la aparicin, en una muestra, de un
elemento condiciona la aparicin de otro. Si ocurre esto la muestra no es
aleatoria, incumpliendo as una de las hiptesis bsicas de los procedimientos de
inferencia.
El Test de Rachas contrasta la aleatoriedad de una secuencia de
eventos a partir del n de rachas R de la misma.

Variables Dicotmicas

Variables Cuantitativas

Anlisis de Datos en Economa Prof: Salvador Carrasco Arroyo

Variables Dicotmicas:
Tengamos por ejemplo la sucesin de eventos: aaa bb a bb aa

Llamamos R1j al n de rachas del elemento 1 (a) de longitud j

Llamaremos N1 n de veces que aparece el elemento 1 (a) en la muestra
Llamamos R2j al n de rachas del elemento 2 (b) de longitud j
Llamaremos N1 n de veces que aparece el elemento 2 (b) en la muestra
El total de la muestra ser: n = N1+ N2
a El total de rachas ser: Rexp = R1j+ R2j

Segn lo visto, en nuestro ejemplo:

1 (a)
R11 = 1 ; R13 =1 ; R12 = 1 ;
N1 = 1x1+3x1+2x1 =6

R1 =3
N1 =6

2 (b)
R22 = 2 ;
N2 = 2x2 =4

RExp =5
n = 10

R2 =2
N2 =4

Si suponemos que la muestra es aleatoria, el estadstico R que tomara

valores 2 , 3 , ... N1+ N2 tiene una probabilidad P [ R=r ] y la distribucin
asintotica de R es una NORMAL con:
2 N1 N 2 + n
n
2 N 1 N 2 (2 N 1 N 2 n )
Var [R ] =
n 2 (n 1)
E [R ] =

Bajo H0 : Existe aleatoriedad , los valores de R no deben ser excesivamente

pequeos ni grandes, por lo que a nivel de significacin se rechaza la H0 si:

Rexp r /2 Rexp r 1- /2

Anlisis de Datos en Economa Prof: Salvador Carrasco Arroyo

Para valores pequeos de Ni 20 utilizaremos una tabla donde para cada

nivel de significacin vienen dados los valores crticos RI = r /2
RS = r 1- /2 . Si nuestro valor no pertenece a esa regin critica se aceptara la
Hiptesis Nula (Existencia de aleatoriedad)

Para valores de Ni > 20 Rechazaremos la H0 si Zexp Z1- /2 donde Z sigue

una N(0,1) siendo:
Zexp =

Rexp E[R] 0'5

R

EJERCICIO 19.Se supone que obtenemos una muestra de 50 elementos como observacin de
un evento que tiene dos posibilidades a y b. Siendo la sucesin la siguiente:

aaa bb a b aaaaa bbbbbb aa bbb aaaa bbbbb a b a b a

bb aaa bbbb aaa b

1 (a)
R11 = 4 ; R12 =1 ; R13 = 3 ; R14 =1; R15 =1
N1 = 1x4+2x1+3x3 +4x1+5x1=24

R1 =10
N1 =24

2 (b)

RExp =5
n = 50

R21 = 4 ; R22 =2 ; R23 = 1 ; R24 =1; R25 =1; R26 =1 R2 =10

N2 = 1x4+2x2+3x1+4x1+5x1+6x1 =26
N2 =26
Como Ni > 20 Rechazaremos la H0 si Zexp Z1- /2 donde Z sigue una N(0,1)
siendo:
Z exp =

Rexp E [R ] 0 '5
R

Obteniendo:

2 24 26 + 50
= 25'96
50
2 24 26(2 24 26 50)
Var[R ] =
= 12'20493 Rexp = 3'4935
502 (50 1)
E[R] =

Anlisis de Datos en Economa Prof: Salvador Carrasco Arroyo

Luego:

Zexp =

20 25'96 0'5
=1'56
3'4935

Se acepta la Hipotesis nula de existencia de aleatoriedad.

EJERCICIO 20.Una empresa pretende enviar 59 empleados a realizar unos cursillos de
formacin en el extranjero y para ello decide escoger entre sus trabajadores a 59
empleados entre ambos sexos. Siendo la sucesin de sexos la siguiente:
HHHH MM H M H M HH MMM HH MMMM H MMM HH MM H M H M
HHH MMMMM HHHH MM H M HHHHH MMMM
Contrastar si el procedimiento seguido ha sido aleatorio para un nivel del
5%

Variables Cuantitativas:
Cuando los datos son cuantitativos hay que realizar un proceso para llegar
a aplicar el test de rachas:
El proceso es el siguiente:
1. Se calcula la mediana muestral
2. Se obtiene la diferencia entre cada valor y la mediana,
asignndole el signo correspondiente.
3. Se eliminan los valores 0
4. Se procede igual que en el apartado anterior tomando la
sucesin de signos + EJERCICIO 21.-

Anlisis de Datos en Economa Prof: Salvador Carrasco Arroyo

Contrastar si los 10 elementos que constituyen la muestra, pueden considerarse

aleatorios a un nivel de significacin del 10%.

498 490 510 505 495 496 497 501 502 520
(-) (-) (+) (+) (-) (-) (-) (+) (+) (+)
ordenndolos:

490 495 496 497 498 501 502 505 510 520
499'5

1 (-)
R12 = 1 ; R13 =1
N1 = 2x1+3x1=5

R1 =2
N1 =5

2 (+)
R22 =1 ; R23 = 1
N2 = 2x1+3x1 =5

RExp =4
n = 10

R2 =2
N2 =5

Buscando en la tabla a un nivel del 10% y un N1 =5 , N2 =5 obtenemos la regin

critica C = [Rexp 3] [Rexp 9]
Como R =4 no pertenece a la regin critica se acepta la Hiptesis Nula de
existencia de aleatoriedad.

TEST DE KOLMOGOROV-SMIRNOV DE BONDAD DE AJUSTE

Es un Test alternativo a la Chi-cuadrado. Tiene el mismo objetivo:
contrastar la Hiptesis Nula de que X sigue una distribucin especifica F(x) frente
a la Hiptesis Alternativa de que no la siga.
Debe utilizarse si:

Modelo propuesto es de tipo continuo

Tamao muestral es pequeo

El fundamento del contraste radica en comparar la distribucin de las

Frecuencias observadas ( F o) con la distribucin propuesta bajo la Ho: F(x) y si
esta comparacin revela diferencias significativas se rechazara la Ho

Comparar las Fo y las FE bajo la Ho: de que estas ultimas siguen

una determinada distribucin F(x)

Anlisis de Datos en Economa Prof: Salvador Carrasco Arroyo

Fo
FE

F. Acum. Relat.
D. NORMAL
D.UNIFORME
D.POISSON

Ni / N

FE=p(Z)
Z=(x i-x)/
FE=(x-min) / (max - min)
FE=e - i/i!

Si es cierta la Ho las diferencias entre las Fo (x) y las FE (x) para una
muestra suficientemente grande no sern significativas y el Test de K-S a travs
de su estadstico D estudiara las desviaciones verticales entre Fo y las FE

D = max {D 1 ; D 2}
Donde:

D1 = Fo ( xi ) Fe ( xi )

D2 = Fo ( xi 1 ) Fe ( xi )
Una vez definido el estadstico D, construimos el contraste para la Ho: F(x)

Fijado el nivel de significacin buscamos en la tabla los valores crticos (del Test
de K-S ) el valor D que depende de y de N de manera que :

P (D i>D) <

Rechazamos la Ho (las desviaciones entre la muestra

y la poblacin son significativas) Di>D
P (D i>D) >
Aceptamos la Ho (las desviaciones entre la muestra y
la poblacin no son significativas) Di<D
EJERCICIO 23
Realizar un test de K-S para un =0'1para saber si los datos procedentes
de una muestra de tamao 10 siguen una distribucin Normal de media 10'84 y
desviacin 3'5.

{10'5; 8; 15; 12'1; 4'1; 12'1; 8; 10'5; 16; 12'1}

Xi

ni

Ni

Fo

Fe

4'1
8
10'5

1
2
2

1
3
5

0'1
0'3
0'5

0'027
0'209
0'464

Anlisis de Datos en Economa Prof: Salvador Carrasco Arroyo

12'1
15
16

3
1
1
10

8
9
10

0'8
0'9
1

0'641
0'882
0'929

Las frecuencias esperadas se calculan como:

Fe ( x1 ) Z1 =

4'1 10'84
= 1'93 P (z ) 0'027
3'5

Fe ( x6 ) Z 6 =

16 10'84
= 1'47 P( z ) 0'929
3'5

Las diferencias sern:

Fo (xi) - Fe(xi)

D1

Fo (xi-1) - Fe(xi)

D2

0'1 - 0'027
0'3 - 0'209
0'5 - 0'464
0'8 - 0'641
0'9 - 0'882
1 - 0'929

0'073
0'091
0'036
0'159
0'018
0'07

0 - 0'027
0'1 - 0'209
0'3 - 0'464
0'5 - 0'641
0'8 - 0'882
0'9 - 0'929

-0'027
-0'109
-0'164
-0'141
-0'082
-0'029

Max D1 = 0'159
Max D2 = -0'164

El mximo en valor absoluto

es 0'164

D = 0'164

CONTRASTES PARA COMPARAR DOS MUESTRAS INDEPENDIENTES

Vamos a ver dos pruebas no paramtricas similares al contraste t-Student-Fisher
de comparacin de dos distribuciones observadas con datos independientes.
TEST DE RACHAS DE WALD-WOLFOWITZ

Este Test contrasta si dos muestras con datos independientes proceden de

poblaciones de la misma distribucin. Si esto es as lgicamente los parmetros
poblacionales de ambas muestras son los mismos.
Sean dos muestras independientes de tipo continuo que siguen una
determinada distribucion F(x) F(y):

Anlisis de Datos en Economa Prof: Salvador Carrasco Arroyo

x1

x2 xn1

y1

y2

yn 2

Se trata de contrastar la Hipotesis de:

H0: F(x) = F(y)

H1: F(x) F(y )

Prueba de dos colas

Este test se basa en la prueba de rachas. Consiste en ordenar todos los

casos de ambos grupos de forma conjunta, dispuestos en orden, se cuentan las
rachas pertenecientes al mismo grupo. Si existen muy pocas rachas, existe
diferencia entre ambos grupos. Con muchas rachas (posiciones muy
entrelazadas) no existe diferencia entre los grupos.
Ejercicio 26.Se dispone de las siguientes dos muestras de dos poblaciones A y B
independientes.
A
B

6'4
6'5

3'7
3'5

2'0
2'1

4'1
7'1

5'5
4'3

5'0
9'0

7'5

7'2

8'5

3'4

Realizar un test de W-W con un nivel de significacin del 5% , para

contrastar si las poblaciones tienen distribuciones idnticas.
2'0 2'1 3'4 3'5 3'7 4'1 4'3 5'0 5'5 6'4 6'5 7'1 7'2 7'5 8'5 9'0

Una vez ordenado de menor a mayor y sabiendo en ese orden a que muestra
pertenece, procedemos a obtener las rachas.

1 (A)
2(B)

R1 = 3
R2 = 3

N1 = 6
N2 = 10

R=6
N = 16

Como ni N1 N2 son iguales o mayores de 20, procedemos a buscar en la

tabla con un nivel de significacin del 0'05 y N1 =6 N2 = 10 y obtenemos dos
valores RI RS 4 - 13 que constituyen la frontera de la regin critica.
Como R = 6 a la regin critica

Se acepta la hiptesis Nula

Si el valor de N1 N2 son mayores de 20 al igual que haciamos en el test de

rachas lo aplicariamos aqu. El estadstico R que tomara valores 2 , 3 , ... N1+ N2

Anlisis de Datos en Economa Prof: Salvador Carrasco Arroyo

tiene una probabilidad P [ R=r ] y la distribucin asintotica de R es una

NORMAL con:
2 N1 N 2 + n
n
2 N 1 N 2 (2 N 1 N 2 n )
Var [R ] =
n 2 (n 1)
E [R ] =

Bajo H0 : Existe aleatoriedad , los valores de R no deben ser excesivamente

pequeos ni grandes, por lo que a nivel de significacin se rechaza la H0 si:

Rexp r /2 Rexp r 1- /2

Rechazaremos la H0 si Zexp Z1- /2 donde Z sigue una N(0,1) siendo:

Zexp =

Rexp E[R] 0'5

R

PRUEBA U DE MANN-WHITNEY

Esta prueba esta diseada para determinar si dos muestras se han

obtenido de la misma poblacin. Es decir, para encontrar si dos muestras
independientes proceden de poblaciones simtricas que tienen la misma media o
mediana.
La prueba se usa cuando no se puede verificar la suposicin de dos
poblaciones normales con varianzas iguales. Los datos deben estar medidos al
menos en una escala ordinal, haciendo que esta prueba sea til para datos
ordinales o categricos.
La U de M-W trabaja con rangos, en lugar de las puntuaciones originales.
Bsicamente, consiste en comprobar lo superior que es la suma de los rangos de
un grupo frente a la suma de los rangos del otro.
Supongamos que se dispone de dos muestras (x) e (y). La hiptesis nula
ser: La probabilidad de obtener en la primera un resultado de x menor que y es
igual a la probabilidad de obtener un resultado mayor.
Si el p-valor asociado al estadstico de contraste es menor que el nivel de
significacin, se rechazara la hiptesis nula a dicho nivel.
El procedimiento es:

Se establecen los rangos como si los datos de las muestras

pertenecieran a un solo grupo

Anlisis de Datos en Economa Prof: Salvador Carrasco Arroyo

Si las medias de dos poblaciones son iguales, los rangos altos y

bajos deben tener una distribucin bastante pareja en las dos
muestras.
Si las medias no son iguales, una muestra tendera a tener rangos
mas altos o rangos mas bajos que la otra.

El anlisis se concentra en la suma de los rangos de una de las muestras y

la compara con la suma que se esperaria si las medias de la poblacion
fueran iguales.
Ejercicio 27.A
B

5
13

10
6

3
14

2
8

Vamos a contrastar si proporcionan suficiente evidencia, a nivel de

significacin 0'1 que existe diferencia entre las distribuciones.
La muestra conjunta es:
2
A
1

3
A
2

5
A
3

6
B
4

8
B
5

10
A
6

13
B
7

14
B
8

En este caso N1 = N2 = 4 .
Considerando la primera de las dos muestras la suma de los valores de los
rangos R= 1+2+3+6 = 12
Buscando en la tabla para N1 =4 N2 = 4 y 0'1 nivel de significacion obtenemos
que:

12 C =[R<11] [R>25]

Si Ni > 20 se utiliza el estadstico U de M-W que es:

U = N1 N 2 +

N1( N1 + 1)
R1
2

Si las dos muestras son de diferentes tamaos. La muestra 1 debe representar la

que tiene menor n de observaciones.
Como decamos si Ni > 20 la distribucin muestral se aproxima a la distribucin
normal de:

Anlisis de Datos en Economa Prof: Salvador Carrasco Arroyo

N1 N2
2
N1N2 (n + 1)
U =
12
U =

Por lo que tipificando el valor U obtenemos la regin critica de aceptacin o

rechazo a un nivel de significacin dado.
Ejercicio 28.Dos dependientes A y B trabajan en el Departamento de nios de una
tienda. El gerente piensa ampliar el negocio a otros locales y escoger uno de ellos
para dirigir el nuevo local en vista a las ventas realizadas por los dos
dependientes.
La H0: 1 = 2

1 - 2 = 0

F(1) = F(2) 2

Para un nivel de significacin del 5% a cual de los dos dependientes escogemos?

A
B

197
190

194
180

188
175

185
172

182
167

173
166

169
160

169
157

Unificando las dos muestras tenemos:

157 160 166 167 169 169 172 173 175 180 182 185 188 190 194 197
B
B
B
B
A
A
B
A
B
B
A
A
A
B
A
A
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
2'5

2'5

2'5

2'5

5'5

5'5

9'5

9'5

12

12

12

La suma de los rangos de A = 86 y la suma de los rangos de B =50

Anlisis de Datos en Economa Prof: Salvador Carrasco Arroyo

14

15'5

15'5