1

BIOESTADSTICA I. 2013. Prof. Marysabel Bez Hidalgo.

TEMA 9b.

9.2. Pruebas para una muestra

Chi cuadrado
Kolmogorov-Smirnov
Bondad de ajuste
entre frecuencias observadas
y esperadas (como la distribucin normal)
Rachas Aleatoriedad


9.3. Pruebas para dos muestras

Dos muestras independientes Prob. Exacta de Fisher n < 20
Chi cuadrado Frecuencia esperada < 5
Mediana La misma poblacin
U de Mann-Whitney Igual distribucin
Dos muestras relacionadas McNemar antes y despus
Signos + y
Wilcoxon Magnitud de las diferencias


- DOS MUESTRAS INDEPENDIENTES. Prueba U de Mann-Whitney.

CARACTERSTICAS:
Es la prueba alternativa a la t de Student, cuando las muestras son muy pequeas, no se
cumplen las premisas de las pruebas paramtricas ni con transformaciones de escala, o
las variables estn expresadas en rangos. Si los valores de la variable no son de rangos,
se transforman a stos, ya sea de menor a mayor o viceversa, la prueba resulta de igual
manera. Esta caracterstica es de muchas pruebas no paramtricas, por lo cual se pierde
la precisin de la medicin de la variable.

2
HIPTESIS NULA GENERAL:
H
0
: No hay diferencia entre la distribucin, dispersin o variabilidad, de dos grupos de
datos.

EJEMPLO:
H
0
: No hay diferencia entre la altura por sexo de los estudiantes de un curso de un
deporte.

Datos: Variable: Altura (cm) de estudiantes. Grupos: los dos sexos.

Masculino Femenino
193 175
188 173
185 168
183 165
180 163
178
170

Transformacin a rangos (de menor a mayor):

Masculino R
1
Femenino R
2
193 12 175 6
188 11 173 5
185 10 168 3
183 9 165 2
180 8 163 1
178 7
170 4

Totales 61 17

3

Tabla para STATISTICA:

Sexo Altura (cm)
Masculino 193
Masculino 188
Masculino 185
Masculino 183
Masculino 180
Masculino 178
Masculino 170
Femenino 175
Femenino 173
Femenino 168
Femenino 165
Femenino 163


FORMULACIN:



Donde:
U: Estadstico de Mann-Whitney
n
1
y n
2
: Nmero de observaciones en las muestras
R
1
y R
2
: Suma de los rangos en las muestras 1 y 2, respectivamente
U: Calculado si se invirtieran las muestras: la 1 pasar a ser la 2.

- Se utiliza el valor menor, ya sea U o U, y se compara con la Tabla de
probabilidades de U.
- Con muestras grandes (> 20), se utiliza la aproximacin normal y la Tabla de
probabilidades de Z.

R
n n
n n
U
1
1 1
2 1
2
) 1 (

+
+ =
R
n n
n n
U
2
1 1
2 1
2
) 1 (
'
+
+ =
y
4








CONCLUSIN
Se rechaza H
0
pues hay diferencia muy significativa (Z= 2.52*; P< 0.05), entre la altura por
sexo de los estudiantes de un curso de un deporte.






















Mann-Whi tney U Test (DatosEj UMannWhi tney)
By vari abl e Var1
Marked tests are si gni fi cant at p <,05000
vari abl e
Rank Sum
M
Rank Sum
F
U Z p-l evel
Var2 61,0 17,0 2,00 2,52 0,0118
M F
Var1
160
165
170
175
180
185
190
195
V
a
r
2
Medi an 25%-75% Mi n-Max
Z= 2.52* (P< 0.05)
5
- DOS MUESTRAS RELACIONADAS. Prueba de Wilcoxon.

CARACTERSTICAS:
El mtodo es aplicable a muestras pequeas, siempre y cuando los valores sean mayores
que 6 y menores que 25. Las muestras grandes deben ser mayores a 25 y entonces el
estadstico se debe transformar en valor de Z, para conocer la probabilidad de que sea o
no significativo. Para cada caso se calculan los valores absolutos de las diferencias entre
las dos variables y se ordenan de menor a mayor. El estadstico de Wilcoxon se basa en la
suma de los rangos para las diferencias positivas y negativas.




(O al revs T

y T
+
)

Donde:
T: Estadstico, suma de los rangos para las diferencias positivas y negativas
n: tamao de muestra (igual para las dos muestras)




T T
n n
+

+
=
2
) 1 (
6




















IN_SYNC OUT_SYNC
-10
0
10
20
30
40
50
60
70
80
90
100
Mediana 25%-75% Min-Max
7
9.4. Pruebas para ms de dos muestras

K muestras independientes Chi cuadrado Frecuencias esperadas no muy pequeas
Kruskal-Wallis ( DCA) La misma poblacin
K muestras relacionadas Friedman ( DBA) La misma poblacin
Q de Cochran Datos dictomos


- K MUESTRAS INDEPENDIENTES. Prueba de Kruskal-Wallis. (Como el DCA).

CARACTERSTICAS:
Es la prueba alternativa al DCA, cuando las muestras son muy pequeas, no se cumplen
las premisas de las pruebas paramtricas ni con transformaciones de escala, o las
variables estn expresadas en rangos. Si los valores de la variable no son de rangos, se
transforman a stos.

FORMULACIN:



Donde:
H: Estadstico de Kruskal-Wallis
N: Suma de los n
i

R
i
2
: Suma de los rangos de de las n observaciones del grupo i
n
i
: nmero de observaciones del grupo i







) 1 ( 3
) 1 (
12
2
1
+
+
=
E
=
N
N N
H
n
R
i
i
k
i
8




9







- K MUESTRAS RELACIONADAS. Prueba de Friedman.

CARACTERSTICAS:
Es la prueba alternativa al DBA, cuando las muestras son muy pequeas, no se cumplen
las premisas de las pruebas paramtricas ni con transformaciones de escala, o las
variables estn expresadas en rangos. Si los valores de la variable no son de rangos, se
transforman a stos. A los datos de cada bloque se les asignan rangos, ya sea de menor a
mayor o viceversa. Se puede realizar un ANOVA de bloques con los rangos, con lo cual se
obtiene la comparacin entre los tratamientos y entre los bloques.

FORMULACIN:


) 1 ( 3
) 1 (
12 2
1
2
+
+
=
E=
a b
a ba
Ri
a
i
r
_
10
Donde:
X
r
2
: Estadstico de Friedman
a: nmero de tratamientos (columnas o filas)
b: nmero de bloques (filas o columnas)
R
i
2
: Suma de los rangos de de las n observaciones del grupo i
12: constante







11













12







- K MUESTRAS RELACIONADAS. Prueba Q de Cochran
CARACTERSTICAS:
Para datos dictomos: presencia o ausencia, proteccin o no, cura o no, etc. No hay
alternativa en las pruebas paramtricas. Al encontrarse diferencia al menos significativa,
se pueden subdividir los datos para localizar las diferencias. Los datos se pueden expresar
como cero y uno: 0 y 1, y as se aplican el la frmula siguiente.



13
FORMULACIN:










Donde:
Q: Estadstico de Cochran
a: grupos (o columnas)
b: bloques (o filas)
G
i
2
: suma de los 1 (unos) en los grupos i
B
j
: suma de los 1 (unos) en los bloques j




a
a
i
a
i
a
Q
B
B
G
G
j
b
j
j
b
j
i
a
i
2
1
1
2
2
1
1
) 1 (
E
E
|
.
|

\
|
E
E
=
=
=

(
(
(
(
(
(

=
14






Mtodos no paramtricos en STATISTICA:

- 2 x 2 Tables Chi cuadrado
- Observed versus expected Chi cuadrado
- Comparing two independent samples (groups) U de Mann-Whitney
- Comparing multiple indep. samples (groups) Kruskal-Wallis
- Comparing two dependent samples (variables) Wilcoxon
- Comparing multiple dep. samples (variables) Friedman
- Cochran Q test

15

9.5. Regresin no paramtrica

La regresin no paramtrica es una herramienta de modelizacin que forma parte de la
familia de los mtodos de suavizado. El objetivo es modelizar una variable dependiente Y
en funcin de una o varias variables explicativas con el fin de poder prever los valores de
la variable dependiente Y conociendo el valor de las variables explicativas, y los datos
observados en el pasado. Ejemplos de regresin:











Fig. 1. Representacin del modelo de regresin lineal paramtrico, con residuos normales.












Fig. 2. Ejemplo de residuos no normales.
16













Fig. 3. Datos hipotticos con coeficiente de regresin lineal = 0. Los puntos en crculos
son una muestra posible de 5 datos. (Bhujel, 2008).
















Fig. 4. Comparacin de modelos de regresin paramtrico y no paramtrico.

17















Fig. 5. Ejemplo de modelo de regresin no paramtrico con intervalos de confianza.















Fig. 6. Esquema que representa la complejidad de los factores y sus relaciones en un
sistema de acuicultura. (Bhujel, 2008).
18

9.6. Correlacin no paramtrica
Coeficiente de correlacin por rangos de Spearman: r
s

Mide el grado de asociacin entre variables medidas o transformadas en rangos.
STATISTICA:







Hay correlacin positiva (r
s
= 0.82) muy significativa (t= 4.5**, P< 0.01), entre las variables
medidas.