Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadistica Noparametrica2007 PDF
Estadistica Noparametrica2007 PDF
2 R.C.
2
1
ESTADSTICA NO PARAMTRICA
APLICADA A GANADERA
PREPARADO POR:
Derechos Reservados:
Diagramacin y Composicin:
Vladimiro Ibaez Quispe
Estadstica No Paramtrica Aplicada a la Ganadera - 3 -
PRESENTACION
El Autor
Abril, 2007
- 4 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Estadstica No Paramtrica Aplicada a la Ganadera - 5 -
INDICE
Pg.
Presentacin .................................................................................... 03
Indice .............................................................................................. 05
1. El caso de una muestra simple ..................................................... 07
1.1. Prueba Binomial .................................................................. 07
1.2. Prueba Ji-cuadrada .............................................................. 13
1.3. Prueba de Kolmogorov-Smirnov de una muestra .................. 22
Pg.
1
EL CASO DE UNA MUESTRA SIMPLE
1.1. PRUEBA BINOMIAL.
Los fenmenos que se distribuyen segn esta ley son dicotmicas, entonces caben
nicamente DOS valores posibles (variable discreta). Este es el caso del lanzamiento
de una moneda, cuyo resultado slo puede ser cara o sello. En general, se aplica a
todas aquellas variables que presenten dos valores, uno de los cuales suele catalogarse
como XITO y el otro como FRACASO. La ley binomial suministra la probabilidad
de que se den X xitos en N observaciones. La funcin de distribucin suministra la
probabilidad de que se observen X o menos xitos de una serie de N mediciones u
observaciones.
Ejemplo:
El sexo de la cra en: ovinos, vacunos, alpacas (Macho y hembra).
Condicin del animal: sano y enfermo
Animales que estn con: Tratamiento y Sin tratamiento.
Supngase que una poblacin consta de slo dos categoras o clases. Entonces,
cada observacin X muestreada de la poblacin puede tomar uno de dos valores,
dependiendo de la categora muestreada. Se puede denotar los posibles valores de la
variable aleatoria usando cualquier par de valores, pero es conveniente denotar cada
resultado como 1 (uno) o 0 (cero). Entonces la probabilidad de muestrear un objeto
de la primera categora es p y la probabilidad de muestrear un objeto de la otra
categora es q = 1 - p.
P X =1 = p y P X = 0 = 1 p = q
- 8 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Adems se supone que cada probabilidad es constante, sin considerar el nmero
de sujetos muestreados u observados.
La distribucin binomial, se usa para determinar las probabilidades de los posibles
resultados que podemos observar al muestrear una poblacin binomial. Si nuestra
hiptesis es H0 : p = p0 , podemos calcular las probabilidades de varios resultados
cuando supones que Ho es cierta. La prueba nos dir si es razonable creer que las
proporciones (o frecuencias) de las dos categoras en nuestra muestra han sido extradas
de una poblacin con los valores hipotticos de p0 y 1- p0 . Al hablar de la distribucin
binomial, denotamos el resultado X = 1 como xito y el resultado X = 0 como
fracaso. Adems, en una serie de observaciones Y = i =1 X i es el nmero de xitos
N
FG N IJ p q
HkK
N k
PY=k = k
, k = 0,1,K , N
Donde:
p = La proporcin de observaciones esperadas cuando X = 1.
q = La proporcin de observaciones esperadas cuando X = 0, y
FG N IJ = N !
H k K k !( N k )!
La tabla de la distribucin binomial (Anexo, E), proporciona los valores de
P[Y = k] para diferentes valores de N y p.
Ahora bien cuando probamos hiptesis, la cuestin no es generalmente cul
es la probabilidad de obtener exactamente los valores que fueron observados?, sino
que ms bien, por lo regular preguntamos cul es la probabilidad de obtener valores
tan extremos o ms extremos que los valores observados, cuando suponemos que los
datos son generados por un proceso particular?. Para responder a preguntas de este
tipo, la probabilidad deseada es:
P Y k = i = k
FG N IJ p q P X x = i = 0
FG N IJ p q
HiK H xK
N i N i x x N
o
MTODO: Estos son los pasos para usar la prueba binomial con Ho: p = 1/2.
Muestra pequea:
Si N 35 , la Tabla de probabilidad asociadas con valores tan pequeos (o ms
pequeos) que los valores observados k en la prueba binomial (Anexo, D),
proporciona las probabilidades de una cola segn Ho: de diferentes valores
tan pequeos como una Y observada. Especificar Ha: y determinar si la prueba
debe ser uni o bidireccional.
Muestra Grande:
Si N > 35 , entonces la informacin tiende a una distribucin normal distribuida
con media cero (0) y desviacin estndar uno (1), en este caso, se debe probar
Ho: usando la ecuacin:
(Y 0.5) - Np
z=
Npq
Donde:
Y + 0.5, se usa cuando Y < Np
Y - 0.5, se usa cuando Y > Np
EJEMPLO:
En un experimento, se aplic a 18 vacunos enfermos con fiebre aftosa usando
un medicamento nuevo y se obtuvieron los siguientes resultados.
vacunos vacunados
sanaron no sanaron Total
Frecuencia 2 16 18
SOLUCIN:
N o de vacunos sanos 2 1
La proporcin de vacunos sanos (xitos) es: p= = =
N o total de vacunos 18 9
1 8
La proporcin de vacunos que no sanaron (Fracasos) es: q = 1 p = 1 =
9 9
1. Hiptesis nula: Ho: p = q = 1/2
Ho: La proporcin de vacunos que sanen con el medicamento nuevo es igual
a la proporcin de vacunos que no sanaron con el mismo medicamento.
Ho: p -q = 0 o Ho: p = q
Ha: La proporcin de vacunos que sanaron con el nuevo medicamento es
mayor que la proporcin de vacunos que no sanaron con el mismo
medicamento (Ha: p > q).
2. Prueba estadstica. Se elige la prueba binomial debido a que los datos estn
en dos categoras discretas y el tamao de muestra es pequeo.
3. Nivel de significacin: Sea = 0.01, y N = 18
4. Distribucin muestral. La distribucin muestral est proporcionada por la
siguiente frmula:
P X x = i = 0
FG N IJ p q
H xK
x x N x
P X 2 =
H 0 KH 9K H 9K H 1 KH 9K H 9K H 2 KH 9K H 9K = 0000656
.
Estadstica No Paramtrica Aplicada a la Ganadera - 11 -
Usando la Tabla binomial (Anexo, D) es ms fcil encontrar el valor numrico
con los siguientes datos: N = 18, x = 2 y p = q = 1/2 = 0.5, con estos datos
buscamos en la tabla binomial acumulada para P X 2 = 0.0007
NOTA: i) P X 2 = 1 P X < 2 = P X 1 ,
ii) P X > 2 = 1 P X 2
7. Decisin:
Como P X 2 = 0.0007 = 0.01 , entonces se rechaza la hiptesis Ho:, es
decir existe evidencia de que la proporcin de vacunos que sanaron con el
nuevo medicamento es mayor que la proporcin de vacunos que no sanaron.
EJEMPLO:
En un proyecto de innovacin de la enseanza en la primaria con nuevo mtodos
didcticos se evalo a 20 estudiantes que se les enseo una materia con el mtodo
tradicional y luego se implement un mtodo nuevo. La suposicin es de que los
alumnos respondan mejor con el mtodo antiguo.
M TODO
Tradicional Nuevo Total
Frecuencia 15 5 20
SOLUCIN:
1. Hiptesis Estadstica: Ho: p = q = 1/2
Ho: La proporcin de alumnos que se les enseo un tpico especfico con el
mtodo tradicional y luego con el mtodo nuevo respondieron a la
evaluacin en forma igual a la proporcin de alumnos con ambos mtodos.
2. Prueba estadstica. Se elige la prueba binomial debido a que los datos estn
en dos categoras discretas y el tamao de muestra es pequeo, adems:
x : Es la variable aleatoria que se distribuye como B(20, 1/2), que representa
el nmero de alumnos que responden a la evaluacin con el mtodo nuevo.
p: Proporcin de casos favorables con el mtodo nuevo (xitos)
q. Proporcin de casos desfavorables con el mtodo tradicional (fracasos)
- 12 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
P X x = i = 0
FG N IJ p q
H xK
x x N x
P X 5 =
5
FG 20IJ p q
H xK
N x
x
= 0.021
x =0
7. Decisin:
Como P X 5 = 0.0207 = 0.05 , entonces se rechaza la hiptesis Ho:, es
decir existe diferencia significativa entre ambos mtodos de enseanza en el
proceso de aprendizaje de los alumnos de educacin primaria.
EJERCICIOS.
1.- Cul es la probabilidad de que una familia de Puno que quiera tener 4 hijos,
uno de ellos sea mujercita?.
b)
= 4( 0.5 )( 0125
. )
= 0.23 25%.
2. La probabilidad de que un alumno de Veterinaria se gradue normalmente es
30% (de cada 10 alumnos 3 se graduarn). Cul es la probabilidad de que de
20 estudiantes nuevos, 3 se graduen?.
Estadstica No Paramtrica Aplicada a la Ganadera - 13 -
a) = 30% = 0.30, n = 20, y=3
CASOS
Positivos Negativos Total
Vacas en estudio 103 697 800
Probar la probabilidad de casos positivos es igual a la probabilidad de casos
negativos?
2
c =
k
b e g i i
2
~ (2k 1 )
i =1 ei
Donde:
i = el nmero observado de casos en la categora isima.
ei = el nmero esperado de casos en la categora isima cuando Ho: es
verdadera.
k = el nmero de categoras
PROCEDIMIENTO:
1. Prueba estadstica (Planteamiento de la hiptesis respectiva).
2. Nivel de significacin: , y el nmero total = N
3. Prueba Estadstica: Cuando los datos estn en frecuencias, en categoras dis-
cretas (nominales o categricos y, en ocasiones, ordinales), se puede utilizar la
prueba Ji-cuadrada para evaluar la significacin de las diferencias entre los
grupos independientes.
4. Distribucin muestral. Esta dada por la frmula siguiente:
2c =
k
b e g
i i
2
~ (2k 1 )
i =1 ei
5. Regin de rechazo y aceptacin:
Si c ( k 1 ), se acepta la Hiptesis Nula (Ho).
2 2
EJEMPLO:
Un profesor de Medicina Veterinaria y Zootecnia, analiza el aprendizaje de sus
alumnos en una seccin y los clasifica en cuatro categoras de acuerdo a las
calificaciones obtenidas en un semestre. Tal como se presenta a continuacin:
Nmero de Estudiantes
Muy buenos Buenos Regulares Malos Total
9 12 19 10 50
SOLUCIN:
1. Hiptesis Nula (Ho:). La proporcin de alumnos en cada uno de las categoras
es indiferente.
Hiptesis alterna (Ha:). La proporcin de alumnos es diferente en cada uno de
las categoras en estudio.
2. Nivel de significacin: = 0.05 = 0.01, n = 50.
3. Prueba Estadstica: Se elige la prueba estadstica de Ji-cuadrado, ya que los
datos estn dados por lo menos en escala ordinaria, adems presenta categoras
k = 4.
4. Distribucin muestral.
2
c =
k
b e g
i i
2
~ (2k 1 )
i =1 ei
5. Clculo de Prueba Estadstica: Por informacin se tiene que:
n = 50 alumnos, k = 4 categoras
n 50
ei = = = 12.5
k 4
(9 -12.5) 2 (12 -12.5) 2 (19 -12.5) 2 (10 -12.5) 2
2c = + + +
12.5 12.5 12.5 12.5
= 4.88
6. Regin de rechazo y aceptacin:
Si 2c = 4.88 23 ,0 ,05 = 7 .82 , se acepta la Hiptesis Nula (Ho).
Estadstica No Paramtrica Aplicada a la Ganadera - 17 -
MTODO AUTOMATIZADO
Para ejecutar el programa, se solicita en el men principal, la opcin RUN > ALL
y clic, es decir ejecutar el programa y seleccionar toda las sentencias.
- 18 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
V1
Observed
Category N Expected N Residual
1 1.00 9 12.5 -3.5
2 2.00 12 12.5 -.5
3 3.00 19 12.5 6.5
4 4.00 10 12.5 -2.5
Total 50
Test Statistics
V1
Chi-Square a 4.880
df 3
Asymp. Sig. .181
a. 0 cells (.0%) have expected frequencies less than
5. The minimum expected cell frequency is 12.5.
EJEMPLO.
Supngase que se separan al azar 80 vacas adultas de un total de 450, para ver
si estn preadas o no, cuyos resultados se presentan a continuacin:
Condicin Preada Vaca
Frecuencia 31 49
1. Hiptesis Estadstica:
H0: La seleccin es al azar o imparcial.
Ha: La seleccin no ha sido al azar o parcializado.
2. Nivel de significacin: = 0.05, n = 80.
3. Prueba Estadstica: Se elige la prueba estadstica de Ji-cuadrada, porque los
datos presentan frecuencias que por lo menos estn en escala ordinal, adems
presenta dos categoras.
4. Distribucin Muestral: Se aplicar la siguiente frmula de la Ji-cuadrada:
Estadstica No Paramtrica Aplicada a la Ganadera - 19 -
2c =
k
b e g
i i
2
~ (2k 1 )
i =1 ei
bO e g bO e e g
Valores Valores 2
2
Categora observados esperados Oi ei i i
i i
Oi ei = n i
Preada 31 40 -9 81 2.025
Vacas 49 40 9 81 2.025
Oi =80 ei =80 b
Oi ei g2
ei =4.050
2c = 4.050
Luego: 2c = 4 .050
EJERCICIOS:
1. Supongamos que se desea comparar el efecto de dos frmacos A y B para un miso
sntoma. Para ello, se introduce el frmaco A en 50 sobres, el frmaco B en otros
50 y un placebo en otros 50. Una vez mezclados y numerados, se introduce los
sobres en una caja con la intecin de suministrarlos aleatoriamente a 150 pacientes.
Al cierre del estudio nicamente se conoce el resultado del tratamiento en 103
pacientes. Previo al anlisis del efecto de los frmacos, se desea comprobar que la
muestra de 103 pacientes es representativa de la poblacin objeto de estudio, en
el sentido de que la proporcin de pacientes tratados con el frmaco A es igual a
la proporcin de pacientes tratados con el frmaco B e igual a la proporcin de
pacientes tratados con el placebo. Para ello, la prueba que se aplicar es la Ji-
cuadrada para una muestra. La informacin se presenta a continuacin.
- 20 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Existe diferencia en cada uno de los mtodos indicados en los cuadros anterio-
res. Calcule la prueba Ji-cuadrado por separado para cada uno de los mtodos e
interprete los resultados. Use = 0.05.
Calcule la prueba Ji-cuadrado por separado para cada uno de los mtodos e inter-
prete los resultados. Use = 0.05.
- 22 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
1.3. PRUEBA DE KOLMOGOROV-SMIRNOV DE UNA MUESTRA.
CONDICIONES:
- Es una prueba de bondad de ajuste, que est interesada en el grado de acuerdo
entre la distribucin de un conjunto de valores muestreados (puntuaciones
observadas) y alguna distribucin terica especfica.
- La variable en estudio se distribuye en escala de variable continua.
- La prueba es adecuada para probar la bondad de ajuste para variables que son
medidas en al menos una escala ordinal.
- Prueba si un conjunto de datos tienen una distribucin terica especfica.
DISTRIBUCIN MUESTRAL:
La prueba de Kolmogorov-Smirnov (K-S), se enfoca sobre las condiciones ms
grandes. El valor absoluto ms grande de F0 (X i ) S n (X i ) se llama mxima desviacin
de D.
D = mx F0 (X i ) S n (X i ) , i = 1,2,3, ...., n
- Si n > 35, los valores crticos de D, pueden ser determinados en la ltima fila
de la tabla de Kolmogorov-Smirnov (Anexo, F).
MTODO
1. Hiptesis Estadstica:
a) H 0 :F(X) = F0 (X) Versus H a :F(X) F0 (X)
b) H 0 : F(X) F0 (X) Versus H a : F(X) < F0 (X)
c) H 0 :F(X) F0 (X) Versus H a : F(X) > F0 (X)
2. Nivel de significacin: y determinar n
3. Prueba Estadstica. Fundamentar la utilizacin de la prueba de Kolmogorov-
Estadstica No Paramtrica Aplicada a la Ganadera - 23 -
Smirnov, en este caso se trata de probar la normalidad de los datos si proviene
de una misma poblacin o de diferente poblacin.
4. Distribucin Muestral: Fijado el nmero de muestras n, se puede encontrar
el valor crtico D, que estn dadas en la Tabla de K-S (Anexo, F), para una
muestra de acuerdo a la hiptesis planteadas Dn, = Valor crtico.
EJEMPLO 1:
En un experimento de ganancias de pesos vivos (kg) en cerdos, luego de un
tratamiento se desea probar la normalidad de los datos obtenidos (n = 23):
9 9 16 11 13 13 16 17 11 28 10
10 19 8 11 21 15 24 12 13 14 15 22
SOLUCIN:
Ho: Las ganancias de peso vivo (kg) en cerdos siguen una distribucin normal.
Ha: Las ganancias de peso vivo (kg) en cerdos no siguen una distribucin
normal.
2. Nivel de significacin: = 0.05
ni Yi2 Yi ' Y
0 i Sn(X)
Y'i-1 - Y'i ni Ni Yi niYi Sn (Xi ) Zi = F(X) F(X)
S 0 i i
EJEMPLO 2:
Se realiz un estudio para conocer cunto tiempo en segundos tardan los
estudiantes del ltimo nivel de veterinaria en identificar los diferentes tipos de parsitos
en el microscopio, usando las habilidades motoras bsicas. La informacin se presenta
a continuacin:
17 21 25 16 19 22 24 18 19 22 23 20 21
25 24 25 21 22 28 19 16 27 23 21 30 28 n=3
30 32 17 20 25 18 20 16 21 23 18 25 21
SOLUCIN:
1.- Hiptesis Estadstica:
Ho: La identificacin de los parsitos en el microscopio sigue una distribucin
uniforme.
Ha: La identificacin de los parsitos en el microscopio no sigue una
distribucin normal.
0 i S(X)
nY 2
Sn(X) Yi' Y
Y'i-1 - Y'i ni Ni Yi niYi i i i Zi =
S
F(X)
0 i F(X) n i
EJERCICIOS:
1. Los siguientes datos corresponden al peso vivo (kg) de las borregas criollas de 4
aos de edad en el Centro de Investigacin y Produccin Chuquibambilla de la
UNA-Puno, (1998).
37 42 35 37 35 35 29 34 29 38
43 34 34 38 36 33 34 34 41 28
28 39 35 32 38 34 36 42 33 41
40 35 36 37 40 36 32 26 38 34
37 32 31 31 39 31 29 32 42 31 n = 70
33 32 37 31 30 30 38 34 33 33
35 28 36 43 30 32 38 40 42 30
2. Los siguientes datos corresponden a las vicuas hembras adultas que han sido
esquilados en el criadero de vicuas del Comit Comunal de Manejo de Vicuas
de Cala - Cala, (1998), y las variables registradas son: Peso vivo (kg), Peso velln
(kg) y dimetro de fibra (micras).
- 26 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
2
El Caso de una muestra medida dos veces y obtenida por
medio pares replicados
2.1. La Prueba de cambio de McNEMAR
CONDICIONES:
- Se usa para la significacin de los cambios y se aplica a los diseos antes-
despus y se estudia al mismo sujeto.
- Cada pareja de datos (X,Y) es el sujeto antes y despus del tratamiento.
- Las mediciones se realizan, ya sea en escala nominal u ordinal.
MTODO:
1. Se ordenan los datos en una tabla de frecuencias de 2x2, de la siguiente
manera:
DESPUS
- +
ANTES
+ A B
- C D
Donde:
2
=
c A D 1h 2
, con gl = 1
A+ D
c
EJEMPLO:
La informacin que se presenta en seguida corresponde a los pesos (kg) de 20
novillos registrados en dos momentos diferentes, antes de entrar al experimento de
alimentacin se tomaron los pesos iniciales (antes) y a los 3 meses de alimentacin
se registr el peso final (despus). La informacin se presenta a continuacin:
Novillo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Antes 240 255 250 250 235 297 240 230 267 277 262 303 250 248 240 207 204 250 255 297
Despues 256 277 279 268 233 293 239 239 256 304 206 303 248 204 240 217 204 259 247 297
Diferencia -16 -22 -29 -18 2 4 1 -9 11 -27 56 0 2 44 0 -10 0 -9 8 0
SOLUCIN:
1. Se ordenan los datos en una tabla de frecuencias de 2x2, de la siguiente
manera:
DESPUS
- +
A NTES
+ 8=A 2=B
- 2=C 8=D
Nota: Contar (-)(-) debajo de la mediana.
Contar (+)(+) encima de la mediana.
2
=
c A D 1h 2
, con gl = 1
A+ D
(1)
H 0 : (1)
2
> 1,0.05
2
= 3841
. , entonces se rechaza la Ho:
- 32 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
6. Clculo de la Ji-cuadrado
(A + D) 8 + 8
E= = = 8 E , entonces usar la prueba McNemar:
2 2
2
=
c 8 8 1h 2
=
1
= 0.0625
8+8
(1)
16
7. Decisin: Como 2(1) = 0.0625 1,0.05
2
= 3.841 , entonces se acepta la Ho:, es
decir que los pesos registrados antes del experimento en novillos es igual al
incremento de los pesos finales (despus) en novillos.
EJEMPLO:
Se ensay un experimento para determinar la ganancia de peso vivo en carnerillos
de 11 meses de edad de la raza criollo del CIP-Chuquibambilla, para tal efecto se
registraron los pesos iniciales (antes) y ganancia de peso final (despus), sometidos a
las mismas condiciones de edad, alimentacin y tiempo con una duracin de 70 das
aproximadamente, iniciando en octubre del 2003 y terminando en Diciembre del
mismo ao. La informacin se presenta a continuacin:
Carnerillo A ntes Des pus Diferencia Carnerillo A ntes Des pus Diferencia
1 39 42 -2 21 35 41 -6
2 42 51 -8 22 35 42 -6
3 47 46 1 23 42 44 -1
4 41 46 -6 24 37 41 -4
5 37 44 -8 25 36 40 -4
6 37 42 -5 26 41 41 0
7 39 42 -3 27 35 41 -6
8 39 42 -4 28 37 41 -3
9 40 39 1 29 42 42 0
10 39 43 -4 30 39 41 -2
11 40 40 0 31 32 38 -6
12 31 38 -6 32 37 40 -3
13 44 46 -2 33 37 39 -1
14 43 46 -3 34 35 35 0
15 36 36 0 35 37 41 -4
16 35 43 -8 36 39 42 -3
17 41 40 1 37 39 38 1
18 38 46 -8 38 36 42 -6
19 40 45 -5 39 34 39 -5
20 40 46 -6 40 36 41 -5
Estadstica No Paramtrica Aplicada a la Ganadera - 33 -
SOLUCIN:
- +
A N T ES
+ 31 = A 3 = B
- 2 = C 4 = D
2(1) =
c A D 1h 2
, con gl = 1
A+ D
5. Regin de rechazo y aceptacin:
H 0 : (1)
2
1,0.05
2
= 3841
. , entonces se acepta la Ho:
H 0 : (1)
2
> 1,0.05
2
= 3841
. , entonces se rechaza la Ho:
6. Clculo de la Ji-cuadrado
(A + D) 31+4
E= = = 175
. E , entonces usar la prueba McNemar:
2 2
2
=
c 31 4 1h 2
=
676
= 19.314
31+ 4
(1)
35
7. Decisin: Como 2(1) = 19.314 1,0.05
2
= 3841
. , entonces se rechaza la Ho: y se
acepta la Ha:, es decir que los pesos registrados de (-) a (+) es menor al cambio
de (+) a (-) en el incremento de peso vivo en carnerillos de la raza criollo.
- 34 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
EJERCICIO:
CONDICIONES:
- Esta basada en la direccin de las diferencias entre dos mediciones que estn
en medidas cuantitativas y es aplicable a investigaciones en las cuales las
mediciones cuantitativas son imposibles o no son viables, pero que s se puede
determinar, para cada par de observaciones, cul es la ms grande en algn
sentido.
- La prueba de los signos es aplicable al caso de dos muestras relacionadas
cuando el investigador desea establecer que dos condiciones son diferentes.
- La variable estudiada tiene una distribucin continua y no hace suposiciones
acerca de la forma de la distribucin y tampoco supone que los sujetos pertenecen
a la misma poblacin.
- Los diferentes pares de observaciones pueden pertenecer a diferentes
poblaciones.
- Cada dato Ai y Bi pertenecen a dos condiciones A y la condicin B.
- No se supone la distribucin de la diferencia di = Ai Bi .
- Cada pareja de datos (Ai , Bi ) y (Aj , Bj ) , pueden provenir cada una de ellas de
diferentes poblaciones.
- Cada sujeto i puede ser su propio control o dentro de cada pareja, el
investigador haya igualado respecto a las variables extraas relevantes.
MTODO:
1. Se realizan las siguientes comparaciones:
S Ai > Bi , entonces se asigna el signo +.
S Ai < Bi , entonces se asigna el signo -
S Ai = Bi , entonces se asigna un cero y no se toma en cuenta.
Estadstica No Paramtrica Aplicada a la Ganadera - 35 -
5. Prueba Estadstica:
MUESTRAS PEQUEAS:
S N 35, entonces se puede determinarse recurriendo a la distribucin
binomial con p = q = 1/2, donde N es el nmero de pares.
La prueba de signo puede ser unidireccional como bidireccional. En la prueba
unidireccional, la hiptesis alterna (Ha:) plantea que un signo + o - ocurrir
ms frecuentemente. En cambio en la prueba bidireccional, la prediccin es
simplemente que las frecuencias de los signos diferirn significativamente (los
valores de probabilidad de la Tabla de aproximacin a la distribucin normal
(Anexo) debern duplicarse.
EMPATES:
Para la prueba de los signos ocurre un empate cuando no es posible discriminar
entre los valores de un par igualado o ambos valores son iguales. Todo los
casos que presentan como empates son excluidos del anlisis en la prueba de
los signos y entonces la N se decrementa el mismo nmero de empates que
existan. N es el nmero de pares igualados para quienes la diferencia tiene un
signo + o -.
MUESTRAS GRANDES:
Si N > 35, se puede utilizarse la aproximacin normal a la distribucin
binomial. En este se realiza mejor empleando la correccin por continuidad.
Esta correccin se efecta reduciendo la diferencia entre el nmero observado
de signos postivos (o negativos ) y el nmero esperado (la media) cuando Ho:
es verdadera al 0.5. As la correccin de la continuidad queda:
(x 0.5) - N 2
Z=
0.5 N
- 36 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Donde: x + 0.5, se utiliza cuando x < N/2, y x - 0.5 cuando x > N/2.
2x 1 - N
Z=
N
Donde: +1 cuando x <N/2, y -1 cuando x > N/2. El valor obtenido de Z
mediante la ecuacin anterior, puede considerarse normalmente distribuida
con media igual a cero y varianza igual a uno. En el Anexo, se proporciona los
valores de probabilidad (unidireccional) asociada con la ocurrencia cuando
Ho: es verdadera, con valores extremos observados de x. Para la prueba
bidireccional, el valor de probabilidad obtenido en la tabla del Anexo, debe
duplicarse.
6. Decisin: Si la probabilidad mostrada por la prueba es menor o igual a ,
rechazamos la Ho: ( p ).
EJEMPLO:
SOLUCIN:
1. Hiptesis Estadstica:
Ho: La proporcin de los cerdos con el peso inicial antes del tratamiento es
igual a la proporcin de pesos con el tratamiento concentrado (despus).
p = q = 1/2
Ha: La proporcin de los cerdos con el peso inicial es mayor que el peso de los
cerdos despus del tratamiento con el concentrado.
GH
10
F 2 5IJ p q
xK
n x
P (X x ) = x
x=0
P X 10 =
5
FG25IJFG 1IJ FG 1IJ
x 25x
7. Decisin:
Como P X 10 = 0.2122 > = 0.05 , entonces se acepta la hiptesis Ho:, es
decir que no existe diferencia significativa en el aumento y en la disminucin
de pesos en cerdos despus del tratamiento con el concentrado.
Estadstica No Paramtrica Aplicada a la Ganadera - 39 -
EJERCICIOS:
CONDICIONES:
- La prueba t de Wilcoxon, es la alternativa ms potente a la prueba paramtrica
t-Student Fisher para grupos relacionados o apareados, al utilizar no solo los
signos, sino tambin las cuantias ordinales de las diferencias.
- El mtodo de anlisis que sigue Wilcoxon es similar a la prueba de signos.
- La prueba de rangos asignados de Wilcoxon adjudica mayor peso a los pares
que muestran mayores diferencias entre las dos condiciones, ms que a los
pares cuy diferencia es pequea.
- La prueba de Wilcoxon, se aplica con bastante xito en las ciencias de la
conducta.
- Cada par (Xi, Yi) corresponden a dos condiciones diferentes.
- Los puntajes deben ser medidos en forma cuantitativamente.
- Se encuentra la distribucin de las diferencias: d i = X i Yi
- 40 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
- Se debe utilizar para probar la hiptesis la mediana de las diferencias es igual
a una cierta cantidad.
MTODO:
- Calcular las diferencias entre las puntuaciones del par en los tratamientos (X,
Y) como di = Xi Yi .
- Asignar un rango sin tomar en cuenta el signo a las diferencias di, adjudicando
el rango 1 a la di ms pequea, el rango 2 a la siguiente, etc.
- Cuando se presentan el caso de los valores absolutos de las diferencias son
iguales al valor absoluto de cualquier otra diferencia.
X i Yi = X j Yj =L = X k Yk , di = d j =L = d k
El rango promedio se obtiene de la siguiente forma:
EMPATES:
S X i Yi = d i = 0 , entonces queda excludo del anlisis y el tamao de N se
reduce, respectivamente.
Estadstica No Paramtrica Aplicada a la Ganadera - 41 -
MUESTRAS PEQUEAS:
Si N 15 (Anexo, H), se trabaja con la prueba de Wilcoxon que nos proporciona
la probabilidad asociada a los valores de T+. Si la probabilidad es menor o
igual que en nivel de significacin seleccionado, rechace la Ho:
MUESTRAS GRANDES:
Si N > 15, entonces se aproxima a la distribucin normal, T+: la suma de los
rangos, se distribuye aproximadamente en forma normal.
FG N ( N + 1)IJ
Z=
T+
H 4 K
N ( N + 1 )( 2 N + 1 )
24
RANGOS EMPATADOS Y MUESTRAS GRANDES:
- Si existieran rangos con empates, es necesario ajustar la prueba estadstica
para considerar el decremento en la variabilidad de T. La correccin requiere
contar los empates y reducir la varianza, respectivamente. En caso de existir
rangos empatados, entonces:
2
T+
=
N ( N + 1 )( 2 N + 1 ) 1 g
24
tj tj 1 tj +1
2 j =1
d id i
Donde: g = Nmero de agrupamiento de diferentes rangos empatados.
tj = Nmero de rangos empatados agrupados en j.
DECISIN:
- Si T+ > Ttabla, entonces aceptar la Ho:
- T+ Ttabla, entonces rechazar la Ho:
- En trminos de probabilidad p , entonces rechace la Ho:
EJEMPLO:
A un grupo de 10 estudiantes del curso de Fisiologa ensean dos profesores uno
despus de otro, durante un semestre, en este caso asumimos que el segundo
profesor tena mejor mtodo de enseanza y por consiguiente los estudiantes han
mejorado en el rendimiento. Las calificaciones de los estudiantes con los dos
- 42 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
profesores fueron los siguientes:
Nota-1 Nota-2
Estudiante Prof. 1 (Xi) Prof. 2 (Yi) di =Xi - Yi Rango Rango (+) Rango (-)
1 15 14 1 3 2
2 11 17 -6 9 -9.5
3 8 13 -5 8 -8
4 9 10 -1 1 -2
5 17 13 4 7 6.5
6 11 13 -2 4 -4
7 11 17 -6 10 -9.5
8 18 19 -1 2 -2
9 14 18 -4 6 -6.5
10 12 9 3 5 5
+ -
TOTAL T =13.5 T =41.5
SOLUCIN:
1. Hiptesis Estadstica:
Ho: La mediana de las calificaciones de los estudiantes obtenidas por el primer
profesor es igual a la mediana de calificaciones obtenidos por el segundo
profesor.
Ha: La mediana de las calificaciones de los estudiantes obtenidas por el primer
profesor es menor a la mediana de calificaciones obtenidas por el segundo
profesor.
6. Regin de Rechazo:
La tabla de Wilcoxon proporciona el valor tabular (Anexo, H) de T 10, 0.01 = 51
con N = 10 y = 0.01 es decir 51>13.5, entonces se acepta la hiptesis Ha: o
tambin p=0.0068 = 0.01.
7. Decisin: Los rendimientos de los estudiantes con dos profesores en la enseanza
del curso de fisiologa es diferente, es decir la mediana de las calificaciones de
los estudiantes por el primer profesor es menor a los obtenidos por el segundo
profesor.
EJEMPLO:
Se realiza un estudio en una Universidad para medir el efecto del cambio ambiental
en los estudiantes extranjeros. Uno de los temas de este estudio es una comparacin
del peso de los alumnos al llegar a la universidad, con su peso un ao ms tarde. Se
plantea la hiptesis de que los alimentos, ms nutritivos que se ingieren en la capital,
provocan incremento de peso. Para esto se seleccion en forma aleatoria a 17
estudiantes extranjeros para el estudio. Use = 0.05
Nro. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Peso al Llegar 124 157 98 190 103 135 149 176 200 180 256 110 109 137 125 160 99
Peso 1ao despus 142 157 96 212 116 134 150 184 209 180 269 179 143 135 137 172 98
SOLUCIN:
1. Hiptesis Estadstica:
Ho: No existe aumento de peso en los estudiantes extranjeros al final del ao.
Ha: Existe incremento de peso en los estudiantes extranjeros al final del ao.
2. Nivel de Significacin: = 0.05, N = 15, ya que se elimin di = 0.
3. Prueba Estadstica: Se tom la prueba de Rangos sealados de Wilcoxon, debido
a la presencia de puntajes de diferencia de dos muestras relacionadas, es decir
se tom a cada sujeto el peso y al final del ao al mismo sujeto se registr el
peso.
4. Distribucin muestra: Conforme la Ho:, los valoes de Z se calcula con la
siguiente ecuacin:
- 44 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
N ( N + 1)
T T T
Z= = 4 ~ N ( 0,1 )
T N ( N + 1 )( 2 N + 1 )
24
La tabla de valores crticos (Anexo, A), nos entrega la probabilidad asociada
con la ocurrencia conforme a Ho: de valores tan extremos como cierto valor
obtenido de Z.
5. Clculo de la prueba estadstica: Como N>15, entonces se realiza la
aproximacin a la distribucin normal de Z
i) Ordenar los datos de menor a mayor (por pareja).
ii) Asignar los rangos a los datos ordenados anteriormente, en el paso i).
iii) En caso de empate, asignar el rango promedio a cada par de datos. Tal
como se muestra en el siguiente cuadro.
De este T, se debe usar el que tiene menor suma, en este caso T = 13,
reemplazando a la frmula de la ecuacin se tiene:
N ( N + 1) 15x16
T 13
47
Z= 4 = 4 = = 2.669
N ( N + 1 )( 2 N + 1 ) 15x16( 2 x15 + 1 ) 310
24 24
Como se han presentado observaciones empatadas en ambas parejas de datos,
entonces se realiza la correccin con la siguiente ecuacin:
Estadstica No Paramtrica Aplicada a la Ganadera - 45 -
Agrupacin d i = Xi - Yi
Rango
tj t j (t j 1)(t j + 1)
Promedio
1 1 2 3 24
2 2 4.5 2 6
3 12 8.5 2 6
4 13 10.5 2 6
1 4
t j (t j 1)(t j + 1) = 21
2 j =1
N( N +1)
T 47
Z= 4 = = 276
.
N( N +1)( 2N +1) 1 4
310 21
t j (t j 1)(t j +1)
24 2 j =1
6. Regin de rechazo o aceptacin: La regin de rechazo consiste en todo los
valores de Z (obtenido de T), tan extremos como la probabilidad asociada
cuando Ho: es verdadera, cuyo valor es igual o menor que (p ).
7. Decisin: Se encontr una Z = -2.76, este valor se busca en la tabla de la
distribucin normal P( z 2.76 ) = 0.0029 p = 0.0029 =0.05, entonces se
rechaza la Ho:, y se acepta la Ha: Para dos colas 2x0.0029=0.0058 =0.05,
entonces se rechaza la Ho:, es decir existe suficiente evidencia para afirmar
que los pesos de los estudiantes extranjeros han incrementado al final del ao.
EJERCICIO:
1. Se reunieron los siguientes datos acerca del funcionamiento pulmonar en nios
con distrofia muscular, antes y despus de un perodo de terapia respiratoria.
Los resultados se expresan como porcentajes de los valores normales
pronosticados por estatura, peso y medida de la superficie corporal.
Capacidad pulmonar forzada (litros)
Antes 74 65 84 89 84 65 78 86 83 82
Depus 79 78 100 92 104 70 81 84 85 90
a) Utilizar la prueba de los signos para determinar si la terapia es efectiva.
b) Desarrollar con la prueba de Wilcoxon para determinar si la terapia es efectiva.
c) Comparar las dos pruebas desarrolladas e interpretar.
Usar = 0.05. Cul es el valor de p?.
- 46 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
2. Un maestro quiere determinar si el ingreso temprano a la escuela podra afectar
el IQ. El mentor consigue la ayuda de los padres de 17 parejas de gemelos
idnticos en edad pre-escolar; los tutores estn de acuerdo en que sus hijos
participen en el experimento. Un miembro de cada pareja de gemelos entra a
pre-escolar, a la edad de 2 aos, mientras que el otro miembro de la pareja
permanece en casa. Al final de los 2 aos, se mide el IQ de todos los nios, para
obtener la siguiente tabla.
Pareja 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Gemelo en la Escuela 110 121 107 117 115 112 130 116 111 120 117 106 120 128 119 123 108
IQ
Gemelo en la casa 114 118 103 112 117 106 125 113 109 122 116 104 107 123 115 117 104
3
DOS MUESTRAS INDEPENDIENTES
3.1. Prueba Exacta de Fisher para tablas de 2x2
CONDICIONES:
- Se utiliza para dos muestras independientes y menores o iguales a 15 (N 15).
- Se usa para dos muestras independientes al azar que caen dentro de una de dos
clases mutuamente excluyentes.
- La prueba de la probabilidad exacta de Fisher para tablas de 2x2 es un tcnica
para analizar datos discretos (tanto nominales como ordinales) cuando dos
muestras independientes son pequeas.
- No es necesario que ambas muestras sean del mismo tamao. Se asume N como
el total de datos indpendientes.
- La prueba determina si los dos grupos difieren en las proporciones en donde
caen dentro de cualquiera de las clasificaciones.
MTODO:
- Se ordenan los datos en una tabla de 2x2.
- Se calculan los totales marginales de la tabla de contingencia.
GRUPO
Variable I II Combinacin
+ A B A+B
- C D C+D
Total A+C B+D N
- 48 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
El clculo de la probabilidad (p) es:
En resumen, estos son los pasos para utilizar la tabla del Anexo.
1. Determine los totales por rengln y columna. Denote el valor total de columna
o rengln como S1. Denote el total que le siga (en forma ascendente) como S2.
La tabla siguiente, puede ayudarnos en la visualizacin del procedimiento. El
lector notar que si S1 es un total de rengln, S2 ser un total de columna.
X - S1 Frecuencia ms pequea
- -
S2 N
EJEMPLO:
1. Hiptesis Estadstica:
Ho: El nmero de vacas preadas de la Raza Brown swiss es igual nmero de
vacas preadas de la Raza Holsten.
Ha: El nmero de vacas preadas de la Raza Holsten es mayor al nmero de
vacas preadas de la Brown swiss .
2. Prueba Estadstica: Se seleccion la prueba exacta de Fisher para realizar el
anlisis de los datos.
3. Nivel de Significacin: = 0.05 y N = 18
4. Distribucin muestral: Se calcular con la siguiente frmula:
7. Decisin: Existe evidencia suficiente para afirmar que las vacas preadas de
la raza Holsten son superiores al nmero de vacas preadas de Brown swiss.
- 50 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
3.2. PRUEBA JI-CUADRADO PARA DOS MUESTRAS INDEPENDIENTES
Si un investigador encuentra que tales supuestos son inapropiados para los datos
derivados del problema de investigacin, puede utilizarse una de las pruebas
estadsticas no paramtricas para k presentadas. La eleccin de una prueba en
particular depende de la naturaleza de los datos y de las suposiciones que debe hacer
el investigador. Algunas de las pruebas descritas en esta parte pueden aplicarse con
datos que son necesariamente categoras (datos en escala nominal) y algunas otras lo
hacen con rangos (datos en escala ordinal).
PROCEDIMIENTO:
1. Hiptesis Estadstica (Planteamiento de la hiptesis respectiva).
2. Nivel de significacin , N
3. Prueba Estadstica: Se elige la prueba de Ji-cuadrada observada, ya que los
datos presentan por lo menos en escala ordinal, y presentan categoras.
4. Distribucin muestral: La frmula de Ji-cuadrada se presenta a continuacin:
2c
r
=
d k
ij eij i 2
~ (2r 1 )( k 1 ) , ....... a)
i =1 j = 1 eij
i . . j
eij =
..
r k ij2
=
2
c N ~ (2r 1 )( k 1 ) ................... b)
i =1 j =1 eij
Donde:
i. =Es el total observado por la i-sima fila.
La Ji-cuadrada requiere que las frecuencias esperadas eij en cada celdilla no sean
demasiado pequeas. Cuando son demasiado pequeas, la prueba puede, no ser la
ms apropiada. Cochran (1954) y otros autores hacen algunas recomendaciones al
respecto.
Cuando r es mayor que 2 (y, por tanto gl > 1), puede utilizarse la prueba Ji-
cuadrado si menos del 20% de celdillas tienen una frecuencia esperada menor que
cinco y si no hay celdillas con frecuencia esperada menor que uno. Si estos requisitos
no son cubiertos por los datos en la forma en que originalmente fueron recolectados,
el investigador deber combinar categoras adyacentes para incrementar las frecuencias
esperadas en las celdillas de que se trate. Slo despus de combinar categoras para
cubrir los requisitos anteriores, los valores de tabla para la distribucin de la Ji-
cuadrada pueden ser lo suficientemente cercanos a la distribucin muestral de la Ji-
cuadrada.
Cuando gl > 1, las pruebas Ji-cuadradas son insensibles a los efectos del orden, y
as, cuando una hiptesis tiene en cuenta el orden, la Ji-cuadrada puede no ser la
mejor prueba.
EJEMPLO:
Se tiene los datos de 816 vacas en edad reproductiva, manejado bajo tres sistemas
de alimentacin, en la que se les ha inseminado artificialmente con semen probado,
al estado fisiolgico de celo. Los resultados obtenidos en este estudio sobre dinmica
reproductiva son:
Estadstica No Paramtrica Aplicada a la Ganadera - 53 -
Tipo de alimentacin
Condicin de la vaca Alfalfa Pasto Natural Conc. + Pasto natural Total
Gestantes Probadas 52 119 174 345
Gestantes sospechosas 47 46 56 149
Vacas probadas 240 47 35 322
Total 339 212 265 816
Hay alguna asociacin entre tipo de alimentacin y fertilidad de las vacas?
1. Hiptesis Estadstica:
Ho: No existe asociacin entre el tipo de alimentacin y fertilidad de las vacas.
Ha: Existe asociacin entre el tipo de alimentacin y fertilidad de las vacas.
2. Nivel de significacin: = 0.01, N = 816
3. Prueba Estadstica: Se elige la prueba estadstica de Ji-cuadrada, ya la
informacin est por lo menos en escala ordinal, y adems presenta en
categoras de tipo de alimentacin y condicin de la vaca.
4. Distribucin muestral: Est dada por la ecuacin siguiente:
2c =
d
r k
ij eij i 2
~ (2r 1 )( k 1 )
i =1 j =1 eij
5. Clculo de la prueba estadstica:
- Para resolver ste problema, en primer lugar procedemos a estimar los
valores esperados.
339( 345 ) 265( 345 )
e11 = = 143.33 e31 = = 112 .04
816 816
339( 149 ) 265( 149 )
e12 = = 61.90 e32 = = 48.39
816 816
339( 322 ) 265( 322 )
e13 = = 133.77 e33 = = 104.57
816 816
212( 345 ) 212( 149 )
e21 = = 89 .63 e22 = = 38.71
816 816
212( 322 )
e23 = = 83.66 ,
816
Los grados de libertad a estimarse para muestras es:
G.L. = (r-1)(k-1) donde, r = Nmero de filas y k = Nmero de columnas.
- 54 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
A continuacin se forma una matriz con los valores esperados:
Tipo de alimentacin
Condicin de la vaca Alfalfa Pasto Natural Conc. + Pasto natural Total
Gestantes Probadas 143.33 89.63 112.04 345.00
Gestantes sospechosas 61.90 38.71 48.39 149.00
Vacas probadas 133.77 83.66 104.57 322.00
Total 339.00 212.00 265.00 816.00
3
2c =
4
d e i = (52-144.33) + (119-89.63) +L+ (35-104.57)
ij ij
2
2 2 2
= 2549496
.
i =1 j =1 eij 144.33 89.63 104.57
EJEMPLO:
A una muestra al azar de 500 electores registrados (200 residentes urbanos, 200
suburbanos y 100 rurales) se les pidi su opinin acerca de la legislacin propuesta
por el gobernador. Esta muestra evidencia respaldo a la hiptesis que los electores
dentro de los diferentes grupos de residencia tienen opiniones diferentes acerca de la
propuesta del gobernador?. Para este problema use a = 0.05
Estadstica No Paramtrica Aplicada a la Ganadera - 55 -
Una vez ejecutado el programa, los datos se trasladan a la hoja del SPSS, en esta
hoja, se puede proceder en forma habitual, siguiendo los pasos anteriores. A
continuacin presentamos la pantalla tpica del SPSS con sus partes, en el cual
observamos la informacin disponible para realizar los anlisis estadsticos, segn
sea el caso.
- 56 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
V1 * V2 Crosstabulation
Count
V2
1 2 Total
V1 1 143 57 200
2 98 102 200
3 13 87 100
Total 254 246 500
- 58 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Chi-Square Tests
Asymp.
Sig.
Value df (2-sided)
Pearson Chi-Square 91.715a 2 .000
Likelihood Ratio 99.517 2 .000
Linear-by-Linear
89.453 1 .000
Association
N of Valid Cases 500
a. 0 cells (.0%) have expected count less than 5. The
minimum expected count is 49.20.
EJERCICIOS:
1. Un investigador quiere probar la hiptesis de que el partido en el poder, en una
determinada comunidad resulta decisivo a la hora de la seleccin de personas
para puestos de la administracin. Para poner a prueba esta posibilidad,
considera las variables PARTIDO DE PERTENENCIA con las categoras
MISMO QUE EL PODER, DIFERENTE O NINGUNO, y TIPO EMPRESA,
con las categoras ADMINISTRACION PUBLICA y EMPRESA PRIVADA.
El investigador recogi una muestra de 360 trabajadores de su comunidad. La
tabla que debe construirse con estas dos variables, debe poseer 2x3 = 6 casillas.
Tal como se presenta a continuacin:
Partido de pertenencia
EMPRESA Mismo Diferente Ninguno Total
Pblica 80 65 40 185
Privada 20 75 80 175
Total 100 140 120 360
2c = 49.8083
Sntomas NIVELDEEXPOSICIN
presentes Alto Limitado Sin exposicin conocidta Total
SI 185 33 17 235
NO 120 73 72 265
Total 305 106 89 500
Proporcionan estos datos la evidencia suficiente para indicar que, en un nivel de
significacin de 0.1, existe una relacin entre el grado de exposicin y la presencia
de los sntomas de las alteraciones respiratorias?.
=
2
c
c
N AD BC N 2 h 2
, gl = 1 ................ (3.4a)
(A + B)(C + D)(A + C)(B + D)
Esta ecuacin es ms fcil de aplicar, en vista de que slo se requiere una divisin
en todo el clculo. Adems tiene la ventaja adicional de incorporar una correccin
para la continuidad, la cual mejora notablemente la aproximacin de la distribucin
muestra de la calculada a la distribucin de la Ji-cuadrada.
2
- 60 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
EJEMPLO:
Un criador de vacunos de diferentes razas, afirma que la raza Brown swiss tiene
mejor porcentaje de fertilidad a la Inseminacin artificial en altura que la raza
Simmenthal. Un investigador quiere probar lo dicho de s los vacunos se fertilizan o
no a la inseminacin artificial es independiente de la raza:
Valores observados
Caractersticas Brown swiss Criollo Total
Fertilizados 97 69 166
No fertilizados 42 83 125
Total 139 152 291
SOLUCIN:
1. Hiptesis Estadstica:
Ho: La probabilidad de conseguir fertilizar, vacas por medio de la Inseminacin
artificial es independiente de la raza del vacuno.
Ha: La probabilidad de conseguir fertilizar, vacas por medio de la Inseminacin
artificial es dependiente de la raza del vacuno.
2. Nivel de significacin: = 0.05. Para esto el investigador examina los rcords
de 3 aos atrs de las dos razas y clasifica los resultados, obtenindose los
siguientes resultados:
3. Prueba Estadstica: Se usar la prueba Ji-cuadrada con correccin por
continuidad, y adems la informacin se encuentra en una tabla de contingencia
de 2x2.
4. Distribucin Muestral: Se utiliza la siguiente ecuacin:
=
2
c
c
N AD BC N 2 h 2
, gl = 1
(A + B)(C + D)(A + C)(B + D)
FG O e 1IJ 2
H 2K
r c ij ij
que es equivalente a: =
2
c
i=1 j=1 eij
5. Clculo de la prueba estadstica:
( yi. )( y. j )
Calculando los valores esperados: eij = y..
( 139 )( 166 ) ( 139 )( 125 )
e11 = = 79.29 , e12 = = 59.71 y as sucesivamente,
291 291
siendo e21 = 86.71 y e22 = 65.29
Caracterstica Oi ei ei
Fertilizadas en Brown swiss 97 79.29 3.7354
No fertilizadas en Brown swiss 42 59.71 4.9604
Fertilizadas en Simmenthal 69 86.71 3.4158
No fertilizadas en Simmenthal 83 65.29 4.5364
Oi = 291 ei = 291.00 = 16.648
2
c
=
2
c
c
291 97x83 69x42 291 2 h = 16644
2
.
(166)(125)(139)(152)
6. Regin de rechazo y aceptacin: H0: gl = = (r-1)(k-1) = , donde r = 2 y k = 2.
EL CASO DE 2x2
EJERCICIOS:
1. Se tiene la informacin sobre el consumo de carne de alpaca en la ciudad de
Puno, segn el lugar de procedencia (zona alpaquera y no alpacquera), se
entrevisto a 154 adultos de ambos sexos. La informacin se presenta c
continuacin:
Consumo de Lugar de Procedencia
carne de alpaca Zona alpaquera Zona no alpaquera TOTAL
SI 31 63 94
NO 8 52 60
TOTAL 39 115 154
Pruebe si existe dependencia entre los dos variables. Use la confiabilidad al
95% de seguridad.
Proporcionan estos datos la evidencia suficiente para indicar que las dos
condiciones no son independientes?. Use = 0.05, (Rpta. 10.78)
CONDICIONES:
- Es un procedimiento para evaluar si dos grupos independientes difieren en
sus tendencias culturales.
- Proporciona informacin acerca de qu tan probable es que dos grupos inde-
pendientes (no ncesariamente del mismo tamao) hayan sido extrados de la
misma poblacin con la misma mediana.
- La hiptesis nula plantea que los dos grupos son de la misma poblacin y
tienen la misma mediana.
- La hiptesis alterna puede plantear que la mediana de una poblacin es dife-
rente de la otra poblacin (si es prueba bidireccional) o que la mediana de una
poblacin es superior que la de la otra poblacin (si es prueba unidireccional).
- La prueba puede utilizarse cuando las puntuaciones de los dos grupos se mi-
den en al menos una escala ordinal.
- Puede no existir una prueba alterna a la prueba de la mediana, an para datos
en escala de intervalo. Esto ocurre cuando una o ms de las observaciones
estn fuera de la escala y truncadas hacia el mximo (o mnimo) de las
observaciones previamente asignadas.
- 64 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
MTODO:
- Determinar primero las puntuaciones de la mediana para el grupo combinado
(es decir, la mediana para todas las puntuaciones en ambas muestras).
- Dicotomizar (dividir) ambos conjuntos de puntuaciones a partir de la media-
na combinada y presentar estos datos en una tabla de 2x2, de la siguiente
manera:
Prueba de la mediana: Formato para los datos.
GRUPO
I II Combinados
Nmero de puntuaciones combinadas por debajo de la mediana A B A+B
Nmero de puntuaciones combinadas por arriba de la mediana C D C+D
TOTAL m n N= m+ n
- Los grupos I y II son muestras de poblaciones cuyas medianas son las mismas,
esperaramos que alrededor de la mitad de las puntuaciones de cada grupo
estuviera por arriba de la mediana combinada y que la otra mitad estuviera
por debajo, es decir tanto las frecuencias A y C como B y D fueran iguales.
- Si el nmero total de casos en ambos grupos (m = n) es pequeo, se puede
utilizar la prueba exacta de Fisher para probar la Ho:
- Si el nmero total de casos es suficientemente grande, se puede utilizar la
prueba Ji-cuadrada con gl = 1 para evaluar la Ho:
- Para analizar datos divididos por la mediana, el investigador debe guiarse por
las siguientes consideraciones, a fin de realizar una buena eleccin entre la
prueba exacta de Fisher y la Ji-cuadrada para tablas de 2x2.
i) Cuando N = m + n es mayor que 20, utilice la corregida para la conti-
2
= 2
c
c
N AD BC N 2 h 2
SOLUCIN:
1. Hiptesis estadstica: H 0 : MU = M R versus H a : MU M R
2. Nivel de significacion: = 0.05
3. Estadstica de prueba: Como se muestra en el siguiente anlisis, la estadstica
de prueba es , y se calcula con la frmula anterior para una tabla de contin-
2
gencia de 2x2.
4. Distribucin de la prueba estadstica: Cuando Ho: es verdadera y las suposicio-
nes se cumplen, sigue una distribucin semejante a la de Ji-cuadrada con
2
1 grado de libertad.
5. Regin de Aceptacin y Rechazo: Se rechaza Ho: si el valor de 3.841.
2
2c =
c
N AD BC N 2 h 2
=
c
28 6x4 8 x10 28 2 h 2
= 1.3125
(A + B)(C + D)(A + C)(B + D) (14)(14)(16)(12)
7. Decisin: Puesto que c = 1.3125 < 3.841, el valor crtico de Ji-cuadrada con
2
EJERCICIOS:
1. Se revisaron 15 expedientes de pacientes de dos hospitales y se asign una califi-
cacin diseada para estimar el nivel de atencin recibida. Las calificaciones fue-
ron los siguientes:
Hospital A 99 85 73 98 83 88 99 80 74 91 80 94 94 98 80
Hospital B 78 74 69 79 57 78 79 68 59 91 89 55 60 55 79
Es posible concluir, a un nivel de significacin de 0.05, que las medianas de las
dos poblaciones son diferentes?. Determine el valor de p.
CONDICIONES:
- La prueba de U de Mann-Whitney, se utiliza para probar si dos grupos indepen-
dientes han sido tomados de la misma poblacin.
- Las variables en estudio deben ser en al menos, escala ordinal.
- Es una de las pruebas no paramtricas ms poderosas y constituye la alternativa
ms til ante la prueba paramtrica t - Student-Fisher cuando el investigador
desea evitar los supuestos de la prueba t o cuando las mediciones de la inves-
tigacin se encuentran en una escala inferior a la de intervalo.
- Al igual que todos los ndices que vimos en las medidas de asociacin para
variables ordinales, la U de Mann-Whitney trabaja con rangos, en lugar de las
Estadstica No Paramtrica Aplicada a la Ganadera - 67 -
puntuaciones originales. Bsicamente, consiste con comprobar lo superior que
es la suma de los rangos de un grupo frente a la suma de los rangos del otro.
- Las dos muestras no son necesariamente de igual tamao.
MTODO:
1. Para aplicar la prueba de U de Mann - Whitney, se empieza por combinar las
observaciones o puntajes de ambos grupos, para clasificar de menor a mayor.
2. Se ordenan los datos de menor a mayor, sin que pierdan su identidad, es decir a
que muestra pertenecen.
3. Sea n1 tamao de muestra del ms pequeo de los dos grupos independientes, y
n2 tamao de muestra ms grande.
4. Se ordenan juntos los puntajes de ambos grupos, asignando el rango de 1 al
puntaje que sea algebraicamente ms bajo. Los rangos van desde 1 hasta N =
n1 + n2 .
5. Si en caso se presentar las observaciones empatadas, se asigna el rango prome-
dio de los rangos ligados.
6. Se determina el valor U, segn sea el caso en las dos formas siguientes:
n1 ( n1 + 1 ) n ( n + 1)
U = n1n2 + R1 U = n1n2 + 2 2 R2
2 2
Donde:
R1 : Es la suma de rangos asignados al grupo, cuyo tamao muestral es n1 .
n1n2 n n ( n + n + 1)
Media = U = , desviacin estndar = U = 1 2 1 2
2 12
n1n2
U
U U 2
Z= = ~ N ( 0,1 )
U n1n2 ( n1 + n2 + 1 )
12
Esta Z, se distribuye en forma normal aproximadamente con N(0,1). Para una
prueba de dos colas, se suplica la p que aparece en la tabla Z (Anexo, A). Si la
proporcin de rangos promedio o rangos ligados es muy grande si la probabilidad
p obtenida, se aproxima mucho a , o tiende hacia , entonces hay que corregir
los puntajes que tienen rango promedio mediante la siguiente frmula Z.
n1n2
U
Z= 2
FG n n IJ FG N N t t IJ
~ N ( 0,1 )
3 g 3
H N ( N 1)K H 12 12 K
1 2 j j
j =1
Donde:
t : Nmero de puntajes correspondiente a un rango promedio, N = n1 + n2
7. Si el valor observado de U tiene probabilidad asociada igual o menor que , se
Estadstica No Paramtrica Aplicada a la Ganadera - 69 -
EJEMPLO:
Un cientfico social piensa que los profesores universitarios de Teologa tienen
una orientacin poltica ms conservadora que sus colegas de Psicologa. Una mues-
tra aleatoria de 11 maestros del departamento de Teologa y 14 del departamento de
Psicologa de una universidad local reciben un cuestionario de 50 puntos, que mide
el grado de conservadurismo poltico. Se obtuvieron los siguientes datos. Los puntajes
mayores indican un mayor conservadurismo. Use = 0.05.
Profesores: 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Teologa 36 42 22 48 31 35 47 38 40 43 32
Psicologa 13 25 40 29 10 26 43 17 12 32 27 32 42 35
SOLUCIN:
1. Hiptesis Estadstica:
Ho: Los profesores Universitarios de Teologa tienen la misma orientacin
que los profesores de Psicologa sobre el grado de conservadurismo polti-
co.
Ha: Los profesores Universitarios de Teologa tienen una orientacin poltica
diferente que los profesores de Psicologa sobre el grado de conservaduris-
mo poltico.
2. Nivel de significacin: = 0.05, n1 = 11, n2 = 14; N = n1 + n2 = 11 + 14 = 25
3. Prueba Estadstica: Los dos grupos de profesores constituyen dos grupos in-
dependientes, y los puntajes constituyen una medicin de escala ordinal. Por
estas razones la prueba de U de Mann - Whitney es la apropiada para analizar
los datos.
4. Distribucin Muestral: Como n1 > 10 n2 >10, entonces se usa la siguiente
ecuacin:
n1n2
U
Z= 2
n1n2 ( n1 + n2 + 1 )
12
La probabilidad asociada con la ocurrencia de Ho: de valores tan extremos
como una Z observada, puede determinarse utilizando la tabla de valores
crticos de la distribucin normal (Anexo, A).
5. Regin de rechazo: Si el valor observado de U tiene una probabilidad asocia-
- 70 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Rango
Agrupacin Valor tj (t 3j t j ) 12
Promedio
1 32 12 3 2
2 35 14.5 2 0.5
3 40 18.5 2 0.5
4 42 20.5 2 0.5
5 43 22.5 2 0.5
5 t 3j t j
j =1 12
=4
U n1n2 2 42
Z= =
FG n n IJFG N N t t IJ LM OP =
.
23028
3 5 3
11x14 253 25
H N( N 1)KH 12 12 K N 4
Q
1 2 j j
j =1
25x24 12
MTODO:
- Dar el valor de m y n. El nmero de casos en el grupo ms pequeo (denomina-
do X) es m; y los casos del grupo mayor (denominado Y) es n.
- Ordene por rangos las puntuaciones de ambos grupos, asignando el rango 1 a la
puntuacin menor. Los rangos variarn de 1 a N = m + n. Asigne a las observa-
ciones empatadas el promedio de los rangos empatados.
- 72 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
b) MUESTRAS GRANDES:
Si m > 10 o n >10, la probabilidad asociada con un valor tan extremo como
un valor de WX puede determinarse calculando la aproximacin normal
mediante la siguiente ecuacin:
m( N + 1 ) mn( N + 1
Media = WX = y Varianza = 2WX =
2 12
WX 0.5 WX WX 0.5 m( N + 1 ) / 2
Z= =
WX mn( N + 1 ) / 12
NOTA: El valor (+0.5) es agregado si deseamos encontrar las probabilidades
en el lado izquierdo de la distribucin y (-0.5) es agregado si deseamos en-
contrar las probabilidades en el lado derecho de la distribucin.
j =1
N = m+n
g: El nmero de los distintos grupos de rangos empatados, y
t : Es el nmero de rangos empatados en el j-simo grupo.
N de alpacas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Peso Destete Control 25.5 20.5 25.5 22.5 26.5 24.0 21.0 25.0 24.5 21.5 26.0 24.5 27.5 24.0 26.0
Peso Destete Exptal. 29.5 32.0 25.0 26.0 26.5 27.5 27.0 26.5 27.5 32.0 24.0 24.0
SOLUCIN:
1. Hiptesis Estadstica:
Ho: No existe incremento de peso al destete en alpacas suplementadas con
heno frente a las alpacas del grupo control mantenidas en pastos natura-
les.
Ha: Existe el incremento de peso al destete en alpacas suplementadas con
heno frente a las alpacas del grupo control que son mantenidas en pastos
naturales.
2. Nivel de significacin: = 0.05, m = 12, n = 15, N = 12 + 15 = 27
3. Prueba Estadstica: Los dos grupos de alpacas al destete, constituyen dos gru-
pos independientes, y los puntajes constituyen una medicin de escala ordinal.
Por estas razones la prueba Wilcoxon-Mann - Whitney es la apropiada para
analizar los datos.
- 74 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
4. Distribucin Muestral: Como m >10 n>10, entonces se usa la siguiente
ecuacin:
WX 0.5 m ( N + 1 ) 2
Z=
mn( N + 1 )
12
5. Regin de rechazo: Al recurrir a la tabla de distribucin normal, encontramos
que la probabilidad asociada para aceptar o rechazar Ho:, es decir (p ).
6. Clculo de la prueba estadstica:
i) Se ordenan los datos de menor a mayor (ascendente).
ii) Se asignan los rangos de 1 hasta N = m + n=121 + 15 = 27. En caso de
empate, asignar el rango promedio.
m( N + 1 ) 12( 27 + 1 )
WX = = = 168
2 2
mn( N + 1 ) 12x15(27 +1)
W2 X = = = 420
12 12
WX 0.5 WX . + 0.5 168
2235 56
Z= = = = 2.73
WX 420 20.4939
Al recurrir a la tabla de distribucin normal, sta revela que P(Z 2.73)=0.0032,
o de otra forma, la probabilidad unidireccional es p = 0.0032 = 0.05, entonces
se acepta la Ha: y se rechaza la Ho:. Para dos colas 2x0.0032 = 0.0064 = 0.05, en
forma similar tambin se rechaza la Ho:
Sin embargo, existen rangos promedios en ambos grupos independientes enton-
ces, se realiza la correccin, de la siguiente forma:
WX 05
. m( N +1) 2 . +05
2235 . 12(28) 2 56
Z= = = = 274
FG mn IJFG N N t t IJ LM OP
.
3 8 3
12x15 27 27
3 180
H N( N 1)KH 12 12 K 13 (1625)
N Q
j j
27x26 12 702
j=1
Para dos colas 2x0.0031 = 0.0062 = 0.05, entonces existe suficiente evi-
dencia para afirmar que los incrementos de pesos al destete son diferentes en
alpacas suplementadas con heno frente a las mantenidas en pastos naturales.
H N( N 1)KH 12 12 K N 13
Q
1 2 j j
j=1
27x26 12
EJEMPLO:
En una prueba intercultural de algunas hiptesis de teora de la conducta adapta-
das de la teora psicoanaltica. Whiting y Child estudiaron la relacin entre la prc-
tica de la crianza de los nios y las costumbres vinculadas con las enfermedades en
varias culturas analfabetas. Una hiptesis de su estudio, derivada de la nocin de la
fijacin negativa, era sus explicaciones orales de la enfermedad: la enfermedad re-
sulta de ingerir veneno, de beber ciertos lquidos y de ciertas frmulas verbales y
encantamientos ejecutados por otros. Los juicios de la tpica socializacin oral de la
ansiedad en cualquier sociedad estuvieron fundamentados en la rapidez y severidad
de la socializacin oral, la frecuencia del castigo tpico en la socializacin oral y la
severidad del conflicto emocional evidenciado por los nios durante el perodo de
socializacin oral. Se utilizaron extractos de los informes etnolgicos de las culturas
analfabetas para recabar los datos necesarios. Utilizando slo los resmenes concer-
nientes a las costumbres relacionados a la enfermedad, los jueces calificaron a las
sociedades en dos grupos: aquellas con explicaciones orales de la enfermedad y aquellas
con ausencia de explicaciones orales de la enfermedad. Otros jueces, empleando los
extractos concernientes a la prctica de crianza de los nios, adjudicaron puntuacio-
nes a cada sociedad en cuanto al grado de la socializacin oral tpica de sus nios.
Las puntuaciones de las 39 sociedades en las cuales fue posible emitir un juicio de
ausencia o presencia de explicaciones orales, varan de 6 a 17. La informacin se
presenta a continuacin:
. m( N +1)/ 2 200+05
WX 05 . 16(39 +1)/ 2
z= = =341
.
mn( N 1)/ 12 16x23(391)/ 12
EMPATES:
La prueba de Wilcoxon-Mann-Whitney supone que las puntuaciones se han
muestreado de una distribucin que es contnua. Con una medicin precisa de una
variable continua, la probabilidad de un empate es cero. Sin embargo, con la medi-
ciones relativamente crudas, las cuales tpicamente empleamos en investigacin en
las ciencias de la conducta, pueden ocurrir empates. Suponemos que las dos observa-
ciones (o ms) que resulten empatadas son realmente diferentes, slo que esa dife-
rencia es muy refinada o diminuta para ser detectada por nuestras mediciones. Cuan-
do ocurren empates, damos a cada observacin empatada el promedio de los rangos
que tendran si no hubieran ocurrido los empates.
Estadstica No Paramtrica Aplicada a la Ganadera - 79 -
Si los empates ocurren entre dos o ms observaciones del mismo grupo, el valor
de R 1 no se ve afectado. Pero si los empates ocurren entre dos o ms observaciones
en las cuales se impliquen puntuaciones de los dos grupos, se afecta el valor tanto de
R 1 como R 2 . Aunque el efecto generalmente es despreciable, tenemos disponible
una correccin y puede utilizarse cada vez que empleemos la aproximacin para
muestra grande a la distribucin muestral de R 1 . El efecto de los empatados es cam-
biar la variabilidad del conjunto de rangos.
m + n = 16 + 23 = 39 = N
Nosotros observamos los siguientes grupos de empates:
9 t 3j t j 2 3 2 53 5 4 3 4 33 3
j =1 12
=
12
+
12
+
12
+L+
12
= 0.5+10.0+5.0+28.0+ ....+ 2.0 = 70.5
WX m( N +1) / 2 200 + 05
. 16( 39 +1)/ 2
Z= = =
LM mn OPFG ( N N ) t t IJ LM 16x23 OPFG (39 39) 705. IJ
344
.
3 g 3 3
j=1
CONCLUSIN:
El valor de Z cuando se realiz la correccin para los empates es un tanto mayor
que el que se encontr anteriormente cuando no se utiliz la correccin. La diferen-
cia entre Z -3.41 y Z -3.44 es despreciable, tanto es as que la probabilidad pro-
porcionada es la misma. En ambos casos, p<0.0003 (en una prueba unidireccional).
Como se demuestra en este ejemplo, los empates slo tienen un pequesimo efecto.
Una vez presionado el botn izquierdo, aparece el siguiente caja de dilogo, tal
como se puede ver a continuacin:
Estadstica No Paramtrica Aplicada a la Ganadera - 81 -
EJERCICIOS:
1. En una granja avcola se pone a prueba un nuevo concentrado para alimentar a
los animales. se desea establecer si este nuevo alimento es mejor que el que con-
suman anteriormente. Para ello, se suministr a un grupo de aves el nuevo ali-
mento. Al trmino de 6 semanas se seleccion un grupo de aves de las que siguie-
ron con el alimento acostumbrado, para compararlo con el grupo experimental.
A continuacin se presentan los pesos de ambos grupos:
Alimento Peso (lb)
Antiguo 3.50 4.00 4.25 3.00 3.75 3.75 4.10 4.05 3.80 3.20
Nuevo 4.30 3.70 3.40 3.90 4.15 4.70 5.00 3.40 3.75 3.25 4.00
Pruebe la hiptesis de que el nuevo concentrado ayuda a aumentar el peso de las
aves. Use un nivel 5%.
2. Los siguientes datos dan el aumento de peso de 20 conejos de los cuales la mitad
recibi su protena crudo y la otra mitad de man tostado. Probar si el tostado de
- 82 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
man ha tenido un menor efecto en el aumento de peso de los conejos. Los au-
mentos de peso estn registrados en gramos. Use = 0.05.
Alimento Peso (gr)
Crudo 61 60 56 63 56 63 59 56 44 61
Tostado 55 54 47 59 51 61 57 54 62 58
3. Los siguientes datos son los valores de respuesta del sistema de inmunizacin de
personas que recibieron una dosis de refuerzo de uno de dos tipos de vacunas
contra la rabia.
Tipo 1 (X) 1.25 5.30 1.70 1.00 8.50 3.75 8.10 2.25 5.60 7.85
Tipo 2 (Y) 0.57 3.90 8.20 1.20 1.70 1.00 4.55 5.20 2.16 1.90 4.60
Es posible concluir, con base en estos datos, que los dos tipos de vacuna difieren
en cuanto a sus efectos?. Sea = 0.05.
4. Los siguientes valores son los tiempos (en minutos) de permanencia en la sala de
operaciones de 20 personas sometidas al mismo procedimiento quirrgico. Once
de las personas fueron pacientes del hospital A y 9 lo fueron del hospital B.
Hospital A 35 30 33 39 41 29 30 36 45 40 31
Hospital B 45 38 42 50 48 51 32 37 46
Con base en estos datos, es posible concluir que, para el mismo procedimiento
quirrgico, los pacientes del hospital B tienden a permanecer ms tiempo en la
sala de operaciones que los pacientes del hospital A?. Sea = 0.01.
5. Se obtuvieron los siguientes pesos (kg) a partir de una muestra de nios estudian-
tes de 12 aos de edad, en un pas en vas de desarrollado. Los nios residen en
dos reas geogrficas diferentes.
rea A 54.1 33.8 56.2 32.0 33.7 58.6 58.9 45.7 55.3 50.8 35.2
rea B 36.3 31.4 51.9 51.8 46.4 36.2 26.8 25.1 29.8 26.1
Es posible concluir a partir de estos datos que el peso promedio de los nios del
rea A es diferente del de los nios del rea B?. Sea = 0.05.
Estadstica No Paramtrica Aplicada a la Ganadera - 83 -
CONDICIONES:
- El test de Kolmogorov-Smirnov (K-S), permite establecer si dos muestras pro-
ceden de la misma poblacin, o si dos poblaciones difieren en algn parmetro
de posicin y/o de dispersin.
- Las funciones de distribucin son continuas. Las dos muestras son indepen-
dientes entre s.
- La prueba para dos muestras centra su inters en el acuerdo entre dos distribu-
ciones acumulativas.
- La medida de los puntajes deben ser de tipo contnuo.
- Si las distribuciones acumulativas de las dos muestras estn demasiado lejanas
en cualquier punto, esto sugiere que las muestras provienen de poblaciones
distinas.
- De cada poblacin se toma una muestra aleatoria simple.
- Se debe determinar la distribucin de la frecuencia acumulada para cada mues-
tra de observaciones, utilizando los mismos intervalos para ambas distribucio-
nes.
USOS:
- La prueba de K-S para dos muestras, es una prueba de s dos muestras indepen-
dientes se ha extrado de la misma (o de dos poblaciones con la misma distribu-
cin).
- Se usa la prueba de dos colas (bidireccionales) para probar la sensibilidad de las
distribuciones de las dos muestras con respecto a cualquier tipo de definicin
que sea de tendencia central, dispersin o variacin de oblicuidad.
- La prueba de una cola (unidireccional), se usa para decidir, si los valores de la
poblacin de la que se extrajo una de las muestras son aleatoriamente mayores o
menores que los de la poblacin de la otra muestra, es decir en este caso se
prueba si ambas muestras provienen de la misma poblacin.
PROCEDIMIENTO:
- Se disponen los datos en una tabla de distribucin de frecuencias con los mis-
mos intervalos de clase para ambas muestras, adems se debe tomar en cuenta
por lo general el mayor nmero de intervalos posibles para que la informacin
inherente a los datos no se pierda.
- Se calcula las distribuciones acumuladas para cada muestra. Usando las si-
guientes notaciones:
- 84 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
k
S m (X) = (Frecuencia acumulada para la primera muestra)
m
k
S n (X) = (Frecuencia acumulada para la segunda muestra)
n
- Luego se calcula las diferencias Sm(X)-Sn (X) para cada intervalo. Determi-
nndose la mxima diferencia observada, tal como se muestra:
D m,n = max Sm ( X ) Sn ( X ) (Prueba de una cola unidireccional).
MUESTRAS PEQUEAS:
- Si las muestras son pequeas, entonces m y n son menores o iguales a 25 (m y n
25), la tabla de valores crticos de Kolmogorov-Smirnov para dos muestras
independientes proporcionan el valor crtico que est (Anexo, L-1). Kobs. Kcrtico ,
se rechazar la Ho:, donde k es el numerador de D.
Raza Corriedale (Peso final en kg) Raza Criolla (Peso final en kg)
45 43 44 43 44 46 43 48 47 43
42 45 43 41 43 54 45 46 46 41
41 43 44 40 43 50 44 46 46 46
42 49 43 45 42 51 42 45 46 47
45 40 44 44 43 46 49 42 45 43
43 42 41 41 42 47 49 45 46 45
48 36 40 42 44 46 46 45 42 42
38 42 47 42 41 47 42 45 45 44
SOLUCIN:
1. Hiptesis estadstica:
Ho: La ganancia de peso vivo en carnerillos de la raza corriedale es igual a la
ganancia de peso vivo en carnerillos de la raza criolla.
Ha: La ganancia de peso vivo en carnerillos de la raza corriedale es inferior a
la ganancia de peso vivo en carnerillos de la raza criollo.
X = Incremento de peso vivo en kg. en carnerillos de la raza corriedale.
Y = Incremento de peso vivo en kg. en carnerillos de la raza criolla.
m+n 80
D m,n ,a = 136
. = 136
. = 0.304 (valor crtico)
mn 1600
Prueba para una cola (unidireccional), cuando m y n > 25, se usa la frmula
siguiente:
4 Dm2 ,n m n 4(0.55) 2 40 x40
2 = = = 24 .20 con gl. = 2
m+n 80
culados con la frmula anterior, los cuales son tan grandes que la probabilidad
asociada con su ocurrencia cuando Ho: es igual o menor que = 0.05
7. Decisin: Como 2 = 24.20 > 2 ,0.05 = 599
2
. , entonces se rechaza la Ho:, es decir
existe evidencia suficiente para afirmar que los incrementos de peso vivo en
carnerillos criollos es superior a los incrementos de los carnerillos de la raza
Corriedale.
EJERCICIOS:
Raza Corriedale (Peso final en kg) Raza Merino (Peso final en kg)
45 43 44 43 44 46 43 43 38 43
42 45 43 41 43 43 41 46 40 44
41 43 44 40 43 41 39 37 45 41
42 49 43 45 42 42 42 42 42 42
45 40 44 44 43 41 46 47 38 41
43 42 41 41 42 47 42 39 48 53
48 36 40 42 44 45 40 40 38 40
38 42 47 42 - 42 40 38 44 -
26 34 27 38 38
Cala - Cala 40 31 36 30 34
34 42 40 43 36
36 24 24 33 32
33 38 32 36 35
Pampa Galeras 35 35 34 37 33
35 35 35 37 35
34 38 37 36 37
RAZAHUACAYA: HEMOGLOBINA
13.09 13.83 12.38 14.21 13.83 13.45 12.04 13.83 13.83
13.45 13.45 13.27 13.45 13.27 14.21 13.27 12.73 13.45
14.60 15.42 14.21 13.83 14.60 12.38 13.83 12.04 13.09
RAZASURI: HEMOGLOBINA
13.09 14.60 14.60 13.83 13.09 13.09 12.73 13.45 14.60 13.45
12.91 12.56 13.27 10.60 12.21 14.60 14.21 13.09 13.27 13.45
12.91 15.01 15.63 14.02 14.60 13.45 11.88 13.27 11.22 13.09
RESTRICCIONES:
- La variable en estudio debe tener una distribucin continua y su medida debe
darse por lo menos en una escala de orden.
- Los datos deben provenir de dos poblaciones independientes n1 y n2 .
- Se utiliza para probar la hiptesis nula (Ho:) que afirma que ambas muestras
provienen de la misma poblacin frente a una hiptesis altera que afirma que
ambas muestras tienen una diferencia total entre ellas, esto es porque tienen
medidas diferentes, dispersin diferentes, oblicuidad, etc.
- No es necesario que ambos tamaos de muestra sean iguales, es decir, se puede
presentar n1 = n2 o n1 n2 .
- Se utiliza para afirmar que una diferencia entre ambas muestras no especifica-
da.
MTODO:
- Se ordenan los datos combinados de ambas muestras de menor a mayor (< a >),
sin que se pierda la identificacin de cada dato.
- Se determina el nmero de rachas.
- S la hiptesis nula (Ho:) es falsa, el nmero de rachas ser pequea y s la
Hiptesis nula (Ho:) es verdadera el nmero de rachas ser grande.
- Se determina la significacin del valor observado de r, de acuerdo al tamao
n1 y n2 , de la siguiente forma:
MUESTRAS PEQUEAS:
- Si n1 y n2 son menores o iguales que 20 ( n1 y n2 20 ), los valores crticos
de r, se podrn encontrar en la Tabla (valores crticos de r en la prueba de
series), para prueba de rachas (Anexo, G).
MUESTRAS GRANDES
- n1 n2 >20, entonces la distribucin muestral de r, tiende a la aproxima-
cin normal con r y r , cuya expresin es la siguientes:
1. Hiptesis Estadstica:
Ho: El incremento de peso vivo final del grupo Control es similar al incrmento
de peso vivo final del grupo experimental en alpacas de la raza Huacaya.
Ha: Existe diferencia entre el incremento de peso vivo final del grupo control
y del grupo experimental en alpacas de la raza Huacaya.
2. Nivel de Significacin: = 0.05 y n1 = 11 y n2 = 11 ambos son menores a
20.
3. Prueba Estadstica: Se seleccion la prueba Wald-Wolfowitz, porque las dos
poblaciones en estudio n1 y n2 son independientes uno del otro.
4. Distribucin muestral: Se tiene que: n1 = 11y n2 =11. Usando la tabla del
Anexo, se encuentra los dos valores inferior y superior.
5. Clculo de la prueba estadstica:
40.0 44.0 44.5 45.5 46.5 47.0 47.5 48.0 49.0 49.5 50.0 50.0
E C C E E E E E E C E E
1 2 3 4 5
50.5 51.0 52.0 53.0 53.5 54.5 56.0 57.5 60.0 67.5
C E C E C C C C C C
6 7 8 9 10
EJERCICIO:
Se tiene los pesos finales de los terneros de la raza Brown Swiss que pertenecen
al grupo experimental, y los terneros del Grupo Control, que se han registrado los
pesos vivos desde el nacmiento hasta el 17avo semana. Los pesos finales se
presentan a continuacin:
Grupo Exptal. 110 106 107 100 107 108 106 109 103 108
Grupo Control 98 69 69 99 83 98 100 68 96 80
CONDICIONES:
- Esta prueba supone que las variables X y Y se obtuvieron de una misma distri-
bucin continua.
- Las variables deben estar medidas en (al menos) una escala ordinal.
- La forma de plantear la hiptesis nula es: H 0 : x = y . es decir la mediana de la
distribucin X es igual a la mediana de la distribucin Y.
- Cuando las distribuciones son las mismas, entonces la variabilidad o las varianzas
de las distribuciones son iguales.
- La hiptesis alterna slo especifica que existe diferencia entre las medianas y,
las hiptesis nula, supone que las variabilidades de las distribuciones son las
mismas.
- El investigador tiene razn para creer que las distribuciones subyacentes a X y
Y no son iguales, pero an desea evaluar la Ho: En tales casos, la prueba de
Wilcoxon no es apropiada.
MTODO:
- El nmero de casos de la muestra del grupo X es m.
- El nmero de casos de la muestra del grupo Y es n.
- Para aplicar la prueba poderosa de rangos ordenados, primero debemos combi-
nar las observaciones o puntuaciones de ambos grupos y ordenar los rangos por
tamaos, de manera ascendente.
- 92 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
- En este ordenamiento, el tamao algebraico es el considerado, es decir, los
rangos inferiores son asignados a los valores negativos mayores, si los hubiera.
- Para cada Xi contamos el nmero de observaciones de Y con un rango inferior.
Este nmero representa la ubicacin de las puntuaciones X y se denominar
U(YXi ) .
m
U ( YX i )
- Se encuentra la media de U(YXi ) : U ( YX ) =
i =1 m
- De manera similar, encontramos las ubicaciones de cada Y. As tambin U( XYj ) ,
el nmero de observaciones de X que precede a cada Yj.
n
U ( XY j )
- Se encuentra la media de U( XYj ): U ( XY ) =
j =1 n
n
VY = U ( XYj ) U ( XY )
2
j =1
MUESTRAS GRANDES:
- Si m y n son mayores que 12 (m y n > 12), la probabilidad asociada con un valor
tan extremo como el valor observado U& , puede determinarse haciendo uso de
la tabla de probabilidades asociadas de la distribucin normal (Anexo, A) que,
para m y n grandes, la distribucin muestral de U& es aproximadamente normal.
- Si el valor observado U& , tiene una probabilidad asociada igual o menor que ,
rechace Ho: en favor de Ha:
EJEMPLO:
Se registr el peso vivo (kg) de vacas Brown Swiss que estn en la produccin de
leche con una suplementacin de Mikrofos ADE (X) y otro grupo de vacas crio-
llas (control) sin la suplementacin, al final del experimento, se tomarn los
pesos finales en ambos grupos. La informacin se presenta en seguida:
Mikrofos ADE 453 449 505 490 523 505
Grupo Control 553 619 575 445 452 423
Probar si existen diferencias entre los dos grupos de vacas Experimental y Con-
trol en el incremento de peso vivo (kg) con la prueba poderosa de rangos ordena-
dos:
SOLUCIN.
1. Hiptesis Estadstica:
Ho: El peso vivo (kg) de las vacas Brown Swiss suplementados con Mikrofos
ADE es la misma que los pesos vivos de las vacas Criollas (control) en la
produccin de leche.
Ha: El peso vivo (kg) de las vacas suplementadas con Mikrofos ADE es superior
a las vacas criollas (Control) en la produccin de leche.
2. Prueba Estadstica: Se seleccion la prueba poderosa de rangos ordenados,
porque abarcan a muestras independientes y utiliza mediciones que estan dados
en una escala ordinal. Adems los dos grupos pueden diferir en los pesos vivos.
3. Nivel de Significacin: = 0.05 y m = vacas con el tratamiento Mikrofos
- 94 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
ADE y n = Vacas del grupo control.
4. Distribucin muestral: Las probabilidades asociadas con la ocurrencia, cuando
Ho: es verdadera, de valores tan grandes como U, pueden determinarse por
medio de la distribucin normal que se encuentra en el Anexo.
5. Regin de rechazo y aceptacin: Esta dado para bidireccional, ya que no
plantea una direccin para la diferencia de pesos vivos en la produccin de
leche.
6. Clculos Estadsticos:
Puntuacin: 423 445 449 452 453 490 505 505 523 553 575 619
GRUPO: Y Y X Y X X X X X Y Y Y
Xi U(YXi) Yj U(XYj)
449 2 423 0
453 3 445 0
490 3 452 1
505 3 553 6
505 3 575 6
523 3 619 6
6
VY = U( XYj )U( XY ) = (0-3.17)2 +(0-3.17)2 +(1-3.17)2 +(6-3.17)2 +(6-3.17)2 +(6-3.17)2 =48.83
2
j=1
CONDICIONES:
- Los investigadores desean saber acerca de las diferencias en la tendencia central,
las diferencias en la escala pueden tener importancia terica y valor prctico.
- La de Siegel-Tukey es una prueba que tiene xito al comparar diferencias en la
escala o variabilidad.
- El uso de la prueba requiere que las medianas de los dos grupos sean las mismas
o conocidas.
- La prueba de rangos de Moses es vlida en casos en los cuales las medianas son
desconocidas o bien, no puede suponerse que sean iguales.
- La prueba de rangos de Moses supone que las observaciones corresponden a
mediciones en, al menos, escala de intervalo.
- La hiptesis, puede plantearse como: H 0 : 2X = Y2 versus H a : 2X Y2 .
- Para la hiptesis unidireccionales, se plantean como: H a : 2X > Y2 .
- Cuando se desea probar una hiptesis alterna unidireccional en el cual la variable
X es mayor que la variable Y, entonces la Ha: H a : 2X < Y2
MTODO:
- Primeramente dividir las observaciones de los dos grupos en subconjuntos del
mismo tamao.
- Cada subconjunto debe contener al menos dos observaciones.
- Si la divisin es tal que hay observaciones que no pueden colocarse en ningn
subconjunto, stas se descartan del anlisis.
- Es muy importante dividir los datos en subconjuntos al azar; es decir usar la
tabla de nmeros aleatorios.
- Para cada subconjunto, se calcula la sumatoria de las diferencias al cuadrado de
cada dato respecto a la media de cada subconjunto (a cada dato se le resta la
media del subconjunto al que pertenece, la diferencia se eleva al cuadrado y
todas estas diferencias elevadas al cuadrado se suman para cada subconjunto).
- El procedimiento es sencillo, pero requiere muchas operaciones.
- Se usar un doble subndice para identificar los subconjuntos individualmente.
- Primero, k es el nmero de observaciones en cada subconjunto, m es el nmero
de subconjunto de X y n es el nmero de subconjunto de Y.
X
d i
k ji
D( X j ) = X ji X j ,
2
j = 12
, ,L,m' donde: X j = i=1
i =1 k
Es la media de las observaciones es el j-simo subconjunto de X.
En forma similar, se calcula para los subconjuntos de Y, el ndice de dispersin
D( Yj ) :
Y
d i
k ji
D(Yj ) = Yji Yj ,
2
j = 12
, ,L,n' donde: Yj = i=1
i =1 k
Es la media de las observaciones en el j-simo subconjunto de Y.
- Si la Ho: de igual variabilidad para los grupos X y Y es verdadera, entonces
esperamos que los valores de D( X ) y D( Yj ) estuvieran tan bien mezclados en
j
las medidas de dispersin para los subconjuntos, que ambas seran muy similares.
- En cambio, si la Ha: es verdadera, entonces esperamos que los valores de D( X ) j
EMPATES:
- No hay problema en la aplicacin de la prueba de rangos de Moses con los
empates en los datos originales, s hay que realizar un ajuste si existen empates
en las D( X ) y en las y D( Yj ) . Se debe utilizar la correccin usual de la prueba de
j
Wilcoxon.
MUESTRAS GRANDES:
- Cuando el tamao de la muestra es grande, se debe emplear la aproximacin
para muestra grande de la prueba de Wilcoxon.
Estadstica No Paramtrica Aplicada a la Ganadera - 97 -
EJEMPLO:
Se ensay un experimento para mejorar en las pocas crticas, la crianza de alpacas
hembras de la raza Huacaya en las diferentes fases productivas y reproductivas,
haciendo uso estratgico de heno y ensilado durante los 90 das de experimentacin
(2001). Se han considerado dos grupos de alpacas hembras: Experimental (heno) y
Control (testigo). La informacin se presenta a continuacin:
Grupo Control 33.0 27.0 34.0 27.5 31.5 29.5 29.5 30.0 30.0 28.0 35.0 32.0
G.Exp.- Heno 37.5 40.5 34.5 31.0 32.0 35.0 33.5 33.5 35.5 36.5 30.5 31.5
Pruebe con la prueba de Moses.
1. Hiptesis Estadstica:
Ho: Las alpacas hembras del grupo control y las alpacas suplementadas en la
poca de estiaje con heno muestran igual variabilidad en el incremento de
peso vivo.
Ha: Las alpacas del grupo experimental muestran una mayor variabilidad en
el incremento de peso vivo que las alpacas del grupo control.
2. Nivel de Significacin: = 0.05 y m = 12 y n = 12
3. Prueba Estadstica: La hiptesis se interesa en las distribuciones de escalas de
parmetros, y que se supone que las medianas de las distribuciones no son
iguales, ya que las distribuciones adyacentes no se distribuyen normalmente, la
prueba de rangos de Moses es la apropiada.
4. Distribucin muestral: Los estadsticos asociados con la prueba de rangos de
Moses es la misma que la de la prueba de Wilcoxon. Por tanto, la lgica de la
prueba de Wilcoxon puede aplicarse a los estadsticos derivados.
5. Clculo de la prueba estadstica:
Datos de las alpacas del Grupo CONTROL
4
Conjunto Pesos Finales Y
i=1 ji
Y ji D(X)
j
4
Conjunto Pesos Finales i=1
Y ji
Y ji D(Y)
j
WX = 2+3+5 = 10 y
WY = 1+4+6 = 11
Puesto que la hiptesis alterna (Ha:) es que las alpacas alimentadas con heno
que es el grupo experimental (grupo Y) deberan mostrar una mayor variabilidad
en peso vivo, entonces la hiptesis alterna es: H a : 2X < Y2 , por tanto, debemos
rechazar la Ho:, si la probabilidad asociada con una Wx. Ver la tabla (Anexo, J)
de probabilidades de los lados inferior para Wx, el estadstico de la suma de
rangos de Wilcoxon-Mann-Whitney).
EJERCICIOS:
2. La informacin corresponde a los pesos vivos (gr) por camada en cuyes prime-
rizas de dos grupos: experimental (CEM) y control (testigo). La informacin se
presenta en el siguiente cuadro:
Grupo Control 290 144 336 260 358 354 300 350 242 326 358 242 370
G.Exp.- CEM 308 612 368 374 416 338 312 410 450 436 232 342 360
Existir variabilidad en los pesos vivos por camada en cuyes primerizas de am-
bos grupos?. Probar con la prueba de Moses. Use =0.05.
- 100 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
4
EL CASO DE K-MUESTRAS RELACIONADAS
4.1. Prueba de Q de COCHRAN
USOS Y RESTRICCIONES:
- La prueba de Q de Cochran para k muestras relacionadas, provee un mtodo
para evaluar si tres o ms conjuntos igualados de frecuencias o proporciones
difieren significativamente entre ellos mismos.
- La igualacin debe fundamentarse en las caractersticas relevantes de los dife-
rentes sujetos o en el hecho de que los mismos sujetos sean utilizados en las
diferentes condiciones.
- La prueba Q de Cochran es particularmente aplicable a datos de tipo categrico
(en escala nominal) u observaciones ordinales (o de intervalo) dicotmicas.
- Es una prueba paralela a la prueba paramtrica F de Anlisis de Varianza de dos
vas o se conoce con el nombre de diseo bloque aleatorios.
- Prueba si k muestras relacionadas provienen de la misma poblacin; si las k-
muestras exiben diferencias significativas entre s.
MTODO:
- A los datos dicotmicos se les asigna la puntuacin 1 por cada xito y el valor
0 por cada fracaso.
- Los datos se presentan en una tabla de Nxk, siendo N = renglones y k = colum-
nas. N es el nmero de casos en cada uno de los k grupos o condiciones.
- El valor de Q, se determina utilizando la siguiente ecuacin:
Estadstica No Paramtrica Aplicada a la Ganadera - 101 -
L F IO
( k 1 )M k G G G J P
2
d i
k k k
k( k 1) Gj G
MN H K PQ
2 2
j j
j =1 j =1 j=1
Q= N N
Q= N N
k Li L 2
i
kLi L2i
i =1 i =1 i =1 i=1
G = Promedio de G j .
L i = Nmero total de xitos en el i-simo rengln.
EJEMPLO:
Se realiz un experimento en la elaboracin de quesos y probar la aceptabilidad
en quesos semiduros, para lo cual se usaron tres tipos de cuajos: cuajo de alpaca
fresca (CAF), cuajo comercial (CC) y cuajo de alpaca + fermento (CA+F). Para
probar la aceptabilidad se realiz a 15 personas quines debern calificar los tres
tipos de quesos elaborados con diferentes cuajos. Para realizar esta calificacin se
dicotomiz de la siguiente forma: 1 = Aceptable y 0 = No aceptable.
SOLUCIN.
1. Hiptesis Estadstica:
Ho: La probabilidad de un s es la misma para los 3 tipos de calificacin de
quesos.
Ha: La probabilidad de un s difiere dependiendo a la forma de probar los
quesos semiduros.
2. Nivel de Significacin: = 0.05
3. Prueba Estadstica: Se elige la prueba de Q de Cochran porque los datos
pertenecen a ms de dos grupos relacionados (k = 3) y son respuestas dicotmicas
(s y no).
- 102 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
4. Distribucin muestral: Cuando la hiptesis nula es verdadera, entonces se usar
la siguiente ecuacin:
LM F G I 2
OP
GH JK
k k
( k 1 ) k G 2j
Q=
MN j =1 j =1
j
PQ , y se distribuye aproximadamente
N N
k Li L 2
i
i =1 i =1
15 15
TOTAL G1 = 5 G2 = 8 G3 = 9 i=1
Li = 22 i=1
L2i = 40
L
3
G j = G1 + G2 + G3 = 5 + 8 + 9 = 22 , observe que: i =1
i = 22 , entonces Q es.
j=1
LM F G I OP 2
GH JK P (31) 3(5 +8 + 9 ) 22
k k
( k 1) kG2j
Q=
MN j =1
Q=
j =1
j
2 2 2 2
=
52
= 20
.
N N
3(22) 40
k Li L 2 26
i
i =1 i =1
Estadstica No Paramtrica Aplicada a la Ganadera - 103 -
Se busca en la tabla de valores crticos de la distribucin Ji-cuadrada con
gl = k - 1 = 3 - 1 = 2, (Anexo, C) entonces tenemos que Q 2, tiene una
probabilidad de ocurrencia cuando Ho: es verdadera, es decir p = 0.5.
6. Regin de rechazo y aceptacin: La regin de recazo consiste en todo los valo-
res de Q que sean tan grandes que la probabilidad asociada con su ocurrencia
cuando Ho: es verdadera, sea igual o menor que = 0.05.
7. Decisin: Como p = 0.5 > = 0.05, entonces se acepta la Ho:, es decir que la
probabilidad de un s es la misma para los tres tipos de quesos elaborados
con diferentes cuajos.
Para la prueba de Friedman, los datos deben presentarse en una tabla de doble
entrada conteniendo N renglones (sujetos o conjuntos de sujetos igualados) y k
columnas (las distintas condiciones). Los datos que emplea esta prueba son ran-
gos, las puntuaciones en cada rengln se ordenan por rangos separadamente,
estudiando k condiciones, los rangos de cualquier rengln varan de 1 a k.
F 12 I
GH Nk ( k + 1) R JK 3N ( k + 1)
k
Fr = 2
j
j =1
Donde:
N = Nmero de renglones (sujetos)
k = Nmero de columnas (variables o condiciones)
(R ) = Suma de los rangos en la j-sima columna (suma de los rangos para varia-
j
ble j-sima)
k
o
Fc > FglNumerador
error ,
, entonces se rechaza la Ho:
Fc FglNumerador
error ,
, entonces se acepta la Ho:
EJEMPLO:
Un fisioterapeuta condujo un estudio para comparar tres modelos diferentes de
generadores de ondas de bajo voltaje. A nueve fisioterapeutas se les pidi que
clasificaran en orden de preferencias a esos tres generadores. Un rango de 1
indica la primera preferencia. Los resultados se muestran en seguida. Se pretende
saber si es posible concluir que los modelos no tienen igualdad de preferencia.
1. Hiptesis:
Ho: Todos los tratamientos tienen efectos idnticos.
Ha: Al menos uno de los tratamientos tiende a proporcionar observaciones
ms grandes que, almenos, uno de los tratamientos.
2. Nivel de significancia: = 0.05 = 0.01
3. Estadstica de prueba: Por medio de la prueba de Friedman es posible determi-
nar si es razonable suponer que las columnas de rango fueron extradas de la
misma poblacin.
4. Distribucin Muestral:
k
12
Fr = R2j 3N( k + 1) ,
Nk ( k + 1) j =1 con gl. = k - 1
o
Fc > FglNumerador
error ,
, entonces se rechaza la Ho:
Fc FglNumerador
error ,
, entonces se acepta la Ho:
6. Clculo de la estadstica de prueba: Mediante el uso de datos de la tabla ante-
rior, se obtiene:
Fr =
12 k 2
Nk(k +1) j=1
Rj 3N(k +1) =
12
c
9x3(3+1)
h
152 +252 +142 3x9(3+1)=8.222
Una vez presionado el botn izquierdo, aparece el siguiente caja de dilogo, tal
como se puede ver a continuacin:
Estadstica No Paramtrica Aplicada a la Ganadera - 107 -
Al presionar en la ficha OK, procede a realizar los clculos y muestra la salida en
la pantalla de OUTPUT, tal como se puede ver a continuacin:
EJEMPLO:
Se ensay un experimento para analizar el efecto de dos fermentos lcticos y un
testigo en la elaboracin del queso tipo Chuquibambilla (Queso 1: Fermento lc-
tico lento, Queso 2: Fermento lctico rpido y queso 3: testigo), las variables de
respuesta fueron: Sabor, olor, color, textura y corteza, para esto se us la siguiente
escala ordinal para calificar:
Muy bueno = 1 punto;
Bueno = 2 puntos;
Regular = 3 puntos;
Malo = 4 puntos;
Muy mal = 5 puntos.
c h
k
12 12
Fr =
Nk ( k + 1) j =1
R 2j 3N ( k + 1 ) =
8x3(3+1)
162 + 222 + 102 3x8(3+1)
12
Fr = ( 840 ) 96 = 9.0
96
DECISIN:
Como Fr = 9.0 > 22 ,0.01 = 9.21 , entonces se rechaza la Ho:, encontrndose una
diferencia estadstica altamente significativa entre los tres tipos de quesos, que se
han experimentado.
Nk ( k + 1 )
Ru Rv Z k ( k 1 )
6
Para rangos promedios dentro de cada condicin:
k ( k + 1)
Ru Rv Z k ( k 1 )
6N
Primero debemos determinar las diferencias entre las condiciones. Por
conveniencia, emplearemos los subndices. R1 = 16, R2 = 22 y R3 = 10 y las
diferencias son:
R1 R2 = 16 22 = 6
R1 R 3 = 1 6 1 0 = 6
R 2 R 3 = 22 10 = 12
EJERCICIOS:
1.- La siguiente tabla indica las calificaciones obtenidas por nueve estudiantes de
Medicina Veterinaria y Zootecnia, seleccionadas al azar en los exmenes finales
de tres materias distintas. Probar la hiptesis nula segn la cual los estudiantes de
MVZ que constituyen la poblacin de la cual se extrajo la muestra tienen un
aprovechamiento igual en las tres materias, contra la hiptesis alternativa de que
su aprovechamiento es mejor por lo menos en una de las materias. Sea = 0.05.
MATERIA
Estudiante Fundamentos Fisiologa Anatoma
1 98 95 77
2 95 71 79
3 76 80 91
4 95 81 84
5 83 77 80
6 99 70 93
7 82 80 87
8 75 72 81
9 88 81 83
2.- A quince estudiantes de fisioterapia seleccionados al azar se les dieron las si-
guientes instrucciones: suponga que se van a casar con un persona que tiene
alguna de las siguientes incapacidades (se clasificaron las incapacidades de 1 a
10, de acuerdo con su primera, segunda, tercera (y as sucesivamente) eleccin de
la incapacidad que aceptaran en su cnyuge. Los resultados se muestran en la
siguiente tabla.
- 110 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
N de INCAPACIDAD
estudiante A B C D E F G H I J
1 1 3 5 9 8 2 4 6 7 10
2 1 4 5 7 8 2 3 6 9 10
3 2 3 7 8 9 1 4 6 5 10
4 1 4 7 8 9 2 3 6 5 10
5 1 4 7 8 10 2 3 6 5 9
6 2 3 7 9 8 1 4 5 6 10
7 2 4 6 9 8 1 3 7 5 10
8 1 5 7 9 10 2 3 4 6 8
9 1 4 5 7 8 2 3 6 9 10
10 2 3 6 8 9 1 4 7 5 10
11 2 4 5 8 9 1 3 7 6 10
12 2 3 6 8 10 1 4 5 7 9
13 3 2 6 9 8 1 4 7 5 10
14 2 5 7 8 9 1 3 4 6 10
15 2 3 6 7 8 1 5 4 9 10
MTODOS
Hospital A B C
1 7.56 9.68 11.65
2 9.98 9.69 10.69
3 7.23 10.49 11.77
4 8.22 8.55 10.72
5 7.59 8.30 12.36
Despus de eliminar los efectos propios del hospital, sugieren estos datos una
diferencia entre los mtodos en el tiempo medio empleado para servir la comida?
Sea = 0.05. Calcula de prueba de Friedman.
Peso RGIMEN
inicial (libras) A B C D
150 a 174 12 26 24 23
175 a 199 15 29 23 25
200 a 225 15 27 25 24
Ms de 225 18 38 33 31
Despus de eliminar las diferencias debidas al peso inicial, estos datos propor-
cionan suficiente evidencia para indicar una diferencia en los efectos de la dieta?
Sea = 0.05. Calcula de prueba de Friedman.
FUNCIN:
- La prueba de Page para alternativas ordenadas, evala la hiptesis de que los
grupos (o las medidas) son los mismos contra la hiptesis alterna de que los
grupos (o las medidas) estn ordenados en una secuencia especfica.
- Las hiptesis nula y alterna de manera ms explcita es = mediana de la
poblacin para el j-simo grupo o medida.
- Se plantea la hiptesis nula de que las medianas son las mismas como:
H 0 : 1 = 2 =L = k
- La hiptesis alterna debe plantearse de la siguiente manera:
H a : 1 2 L k
Estadstica No Paramtrica Aplicada a la Ganadera - 113 -
- Las medianas se encuentran ordenadas por magnitud.
- Si la hiptesis alterna es verdadera, al menos una de las diferencias es una
desigualdad estricta (<).
- El investigador debe ser capaz de especificar el orden de los grupos (medidas o
condiciones) a priori.
- Para aplicar la prueba de Page, los datos de las k muestras o medidas deben
encontrarse al menos en escala ordinal.
- Existen N casos o conjuntos de observaciones. Como en el anlisis de varianza
bifactorial por rangos de Friedman, si las k muestras son igualadas, la igua-
lacin se logra al obtener N conjuntos de k sujetos igualados y asignar
aleatoriamente a cada uno de los sujetos en cada una de las k condiciones.
MTODO:
- Para aplicar la prueba de Page para alternativas ordenadas, el investigador debe
especificar primero el ordenamiento, a priori, de los grupos.
- Los datos se colocan en una tabla de doble entrada con N renglones (sujetos) y
k columnas (condiciones o variables).
- Los renglones representan los sujetos o conjuntos de sujetos igualdos, y las
columnas representan las k condiciones (grupos o medidas).
- Los datos para la prueba de Page son rangos.
- Las puntuaciones en cada rengln se ordenan por separado y varan de 1 a k.
- La hiptesis nula consiste en que el rango promedio en cada una de las colum-
nas es el mismo.
- La hiptesis alterna es que el rango se incrementa a lo largo de los grupos del 1
al k.
- Se utilizan los rangos totales R j para los j-grupos. Para realizar la prueba, se
calcula el etadstico L.:
k
L = jR j = R1 + 2 R2 + 3R3 +L+ kRk
j =1
MUESTRAS PEQUEAS:
- La tabla de valores crticos del estadstico L de la prueba de Page (Anexo, N),
nos proporciona los valores crticos de L seleccionados para N 20 cuando k =
3, y N 12 cando 4 k 10. Si el valor observado de L es mayor que el valor
- 114 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
contenido en las tablas en el nivel de significacin escogido, se debe rechazar la
hiptesis Ho: a favor de la hiptesis alterna Ha:
MUESTRAS GRANDES.
- Si el nmero de observaciones y/o variables excluye el uso de la tabla de valores
crticos de la estadstica L, se utiliza una aproximacin para muestras grandes
en la evaluacin de la hiptesis mediante el estadstico L de la prueba de Page.
Para valores grandes de N y k, la distribucin muestral de L se distribuye de
manera aproximadamente normal con:
Nk ( k + 1 )2 Nk 2 ( k 2 1 )2
L = , 2L =
4 144( k 1 )
As, para evaluar la hiptesis Ho: de que las medianas son iguales, contra la
hiptesis de que las medianas estn ordenadas, debemos calcular el estadstico
ZL :
12 L 3 Nk ( k + 1 )2 k 1
ZL =
k ( k 2 1) N
Para N grande, el estadstico z L est distribudo aproximadamente demanera
normal, con media igual a cero y desviacin estndar igual a uno. La significa-
cin de z L y de L puede ser determinada mediante cualquier tabla de distribu-
cin normal estndar (Anexo, A). Debido a que las alternativas estn ordenadas,
la prueba de Page es unidireccional.
EJEMPLO:
Se tiene la informacin referente al uso estratgico del ensilado de cebada en la
poca de seca, para suplementar a las alpacas de la raza Huacaya, se han registra-
do 6 alpacas para realizar el seguimiento de los pesos vivos (kg), tomndose
nueve pesos desde inicio hasta el final. La informacin se presenta a continua-
cin:
Seguidamente calculamos L:
9
L = jRj = 26+ 2(21) + 3(14) + 4(19) +5( 29) + 6( 31) + 7(40) +8(50) + 9( 40) = 1557
j=1
- 116 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
En la tabla de valores crticos de la estadstica de L de Page (Anexo, N), se
muestra que para el valor crtico de L, para =0.05, N = 6 y k = 9, es 1436.
7. Decisin: Como L6 ,9 ,0.05 = 1436 es menor L(1557), entonces el experimentador
rechaza la hiptesis Ho: y concluye que existe la variabilidad de pesos en cada
sujeto en la experimentacin.
Estadstica No Paramtrica Aplicada a la Ganadera - 117 -
5
EL CASO DE K-MUESTRAS INDEPENDIENTES
5.1. PRUEBA JI-CUADRADA PARA K-MUESTRAS INDEPENDIENTES.
MTODO:
- Para aplicar la prueba Ji-cuadrada, primero debemos presentar los datos (fre-
cuencias) en una tabla rxk, donde los datos en cada columna corresponden a las
frecuencias en cada una de las r categoras de respuesta para cada uno de los
k grupos o muestras diferentes.
- Determine la frecuencia esperada segn Ho: para cada celdilla encontrando el
producto de los totales marginales comunes a la celdilla y dividiendo este pro-
ducto entre N. Es decir, encuentre las frecuencias esperadas eij = i j N (N es
la sumatoria de cada uno de los totales marginales y representa el nmero total
de observaciones independientes. Cuando se inflan los valores de N debido a
mltiples observaciones de cada sujeto, esto invalida la prueba). Si las frecuen-
cias esperadas son pequeas, combine categoras.
- 118 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
=
2
c
d e i
r k
ij ij
2
r k ij2
=
2
c N ~ (2r 1 )( k 1 )
i =1 j =1 eij
Donde:
i. =Es el total observado por la i-sima fila.
EJEMPLO:
Un grupo de investigadores, al estudiar la relacin entre el tipo sanguneo y la
severidad de una afeccin en la poblacin, reuni los datos de 1500 personas, los
cuales se presentan en la tabla de contingencia. Los investigadores desean saber si
estos datos son compatibles con la hiptesis de que el grado de la afeccin y el tipo
sanguneo son independientes. La informacin se presenta a continuacin:
2c =
r
d k
ij eij i 2
~ (2r 1 )( k 1 )
i =1 j =1 eij
5. Clculo de la prueba estadstica:
(543- 541.2) 2 (211- 212.96) 2 (31- 26.90) 2
2c = + + L+
5412
. 212.96 26.90
= 0.005987+0.018039+ .........+0.624907
= 5.12
6. Regin de rechazo y aceptacin:
Si 2c = 5.12 26 ,0 ,05 = 12.592 , se acepta la Hiptesis Nula (Ho).
Para ejecutar el programa, se solicita en el men principal la opcin RUN > ALL
y clic, es decir ejecutar el programa y seleccionar toda las sentencias.
- 122 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Los resultados se presentan en la pantalla de OUTPUT (pantalla de de resultados),
tal como se puede apreciar a continuacin:
Count
Tipo de sangre
A B AB O Total
SEVERIDAD Ausente 543 211 90 476 1320
Moderada 44 22 8 31 105
Severa 28 9 7 31 75
Total 615 242 105 538 1500
Chi-Square Tests
Asymp.
Sig.
Value df (2-sided)
Pearson Chi-Square 5.116a 6 .529
Likelihood Ratio 5.060 6 .536
Linear-by-Linear
.216 1 .642
Association
N of Valid Cases 1500
a. 0 cells (.0%) have expected count less than 5. The
minimum expected count is 5.25.
EJERCICIOS:
1. En estudio de asociacin entre color de ojos y de cabello se obtuvieron los
siguientes datos:
Color de cabello
Color de ojos Rubio Castao Negro Rojo Total
Azules 60 40 60 40 200
Grieses 20 50 20 10 100
Castaos 10 50 10 30 100
Avellanos 10 160 10 20 200
TOTAL 100 300 100 100 600
2c = 8 .7 3
Zona de la ESPECIALIDAD
comundad A B C D Total
Norte 20 18 12 17 67
Sur 6 22 15 13 56
Este 4 6 14 11 35
Oeste 10 19 23 40 92
Total 40 65 64 81 250
CONDICIONES:
- La extensin de la prueba de la mediana determina si k grupos independien-
tes (no necesariamente del mismo tamao) se han extrado de la misma pobla-
cin o de poblaciones distintas, pero son medianas iguales.
- Esta prueba es til y apropiada cuando la variable en estudio ha sido medida en,
al menos escala ordinal.
- Es adecuado cuando, por alguna razn, no ha sido posible observar el valor
exacto de las puntuaciones extremas, es decir, cuando algunos de los datos ob-
servados se encuentran por arriba del punto de corte.
- 124 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
MTODO:
- Para aplicar la extensin de la prueba de la mediana, primero debemos determi-
nar el valor de la mediana para las puntuaciones de las k muestras combina-
das, encontramos la mediana comn para todas las puntuaciones en los k
grupos.
- Asigne signos de ms (+) a todas las puntuaciones que se encuentren por enci-
ma de la mediana y signos de menos (-) a todas aquellas que se encuentren por
debajo de la mediana (puede suceder que una o ms puntuaciones coincidan con
el valor de la mediana; entonces, se deben dicotomizar las puntuaciones, es
decir, se asigna un ms (+) si la puntuacin es mayor que la mediana o un
menos (-) si la puntuacin es igual o menor que la mediana), por ello, cada uno
de los grupos de puntuaciones se dividi en dos categoras (las anteriores).
- Presentar los conjuntos de puntuaciones resultantes en una tabla de contingen-
cia de 2xk, con los nmeros en el cuerpo de la tabla representando las frecuen-
cias de signos de ms (+) (puntuaciones por arriba de la mediana) y signos de
menos (-) (puntuaciones por debajo de la mediana) en cada uno de los k
grupos.
GRUPOS
1 2 .... k
Observaciones por arriba de la mediana n11 n12 .... n1k
Observaciones por abajo de la mediana n21 n22 .... n2k
2
c
2
=
d k
ij eij i 2
con gl . = k 1 , =
2
c e
2 k ij2
N
i =1 j =1 eij i =1 j =1 ij
Donde:
ij =Nmero de casos observados que fueron categorizados en el i-simo
rengln de la j-sima columna.
e ij = Nmero de casos esperados en el i-simo rengln de la j-sima
columna cuando Ho: es verdadera.
r = Nmero de filas = 2; k = nmero de columnas y gl. = k -1
- Determine la significacin del valor observado de 2c , utilizando la tabla de
valores crticos de la distribucin Ji-cuadrado (Anexo, C). Si la probabilidad
Estadstica No Paramtrica Aplicada a la Ganadera - 125 -
asociada dada por los valores tan grandes como la 2c observada es igual o
menor que , rechace la Ho: en favor de la Ha: El procedimiento de clculo
para esta prueba es exactamente el mismo que para la Ji-cuadrada para k-mues-
tras independientes, que se se desarrolla en temas anteriores.
EJEMPLO:
Se realiz en el CIP-Chuquibambilla durante los meses de octubre 1991 a agosto
de 1992, la induccin de celo, para lo cual se us los agentes estimuladores en
borregas: con cras (G1) tratados con Acetato de Melengestrol (MGA), sin cra
(G2) tratados con Acetato de Melengestrol, con cra (G3) con retajo y con cra
(G4) sin recibir ningn estmulo (control), todo los grupos tenan pesos vivos
homogneos. La informacin corresponde a los pesos vivos (kg) de borregas que
estn en celo en los diferentes grupos en estudio.
SOLUCIN:
1. Hiptesis estadstica:
Ho: No existe diferencia de peso vivo (kg) en borregas que han presentado celo
con el agente estimulador en los cuatro grupos.
Ha: La frecuencia de borregas en los cuatro grupos difieren en los pesos vivo
(kg) inducidos con el agente estimulador.
2. Nivel de Significacin: = 0.05 y N es el nmero de borregas que pertenecen
a los cuatro grupos (N = 42).
3. Prueba Estadstica: La informacin que se presenta es a borregas con distintos
pesos vivos y grupos independientes. Se utilizan varios grupos, entonces es
recomendable usar una prueba para k-muestras o grupos independientes, adems
los datos estn al menos en escala ordinal.
- 126 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
2
c
2
=
dk
ij eij i 2
con gl . = k 1
i =1 j =1 eij
que se distribuye aproximadamente como Ji-cuadrada con gl. = k - 1 cuando
r = 2. La probabilidad asociada con la ocurrencia de valores tan grandes como
un 2c observada cuando Ho: es verdadera nos proporciona la tabla de valores
crticos de la distribucin Ji-cuadrada (Anexo, C).
Pesos Vivos (kg) orden ados por cada grupo en form ascen den te.
N de Borrega G1 G2 G3 G4
1 24 - 25 - 24 - 24 -
2 24 - 28 - 26 - 25 -
3 25 - 29 + 26 - 25 -
4 25 - 29 + 27 - 26 -
5 26 - 30 + 28 - 27 -
6 28 - 30 + 28 - 28 -
7 28 - 31 + 29 + 28 -
8 28 - 32 + 31 + 30 +
9 29 + 32 + 32 + 30 +
10 30 + 34 + 30 +
11 33 +
12 38 +
13 40 +
Estadstica No Paramtrica Aplicada a la Ganadera - 127 -
En tercer lugar, presentar en una tabla de contingencia de 2x4, con los nmeros
en el cuerpo de la tabla representando las frecuencias de signos de ms (+)
(puntuaciones por arriba de la mediana) y signos de menos (-) (puntuaciones
por debajo de la mediana) en cada uno de los 4 grupos, de la siguiente forma:
GRUPOS
G1 eij G2 eij G3 eij G4 eij TOTAL
Pesos vivos > que mediana (+) 5 5.88 8 4.52 3 4.07 3 4.52 19
Pesos vivos <= mediana (-) 8 7.12 2 5.48 6 4.93 7 5.48 23
TOTAL 13 10 9 10 42
2
2c =
4
d e i = (5-5.88) + (8-4.52) + (3-4.07) +L+(7-5.48) = 6576
ij ij
2
2 2
.
2 2
2
2c =
3
d e i = (5-5.88) +(8-4.52) +(6-8.60) +L+(13-10.4) =6567
ij ij
2
2 2
.
2 2
GRUPO
1 2 3 .... k
Y11 Y12 Y13 .... Y1K
Y21 Y22 Y23 .... Y2K
Y31 Y32 Y33 .... Y3K
.... .... .... .... ....
.... .... .... .... ....
.... .... .... .... ....
Yn1 Yn2 Yn3 .... Ynk
1. Hiptesis: H0 : 1 = 2 =L = g
Ha : g g' g g'
2. Nivel de significancia: = 005
. = 001 .
3. Estadstica de prueba (Porque usar la prueba de Kruskal-Wallis)
4. Distribucin Muestral:
L 12 n R OP 3( N +1)
KW = M
k k
R2j k
n = nj Rj2
N N( N +1) Q
2
j , j
j=1 j =1 j j =1
Fc FglNumerador
error ,
, entonces se acepta la Ho:
Cuando las poblaciones de las cuales se extraen las muestras no siguen una dis-
tribucin normal con varianzas iguales o cuando los datos para el anlisis son nica-
mente rangos, es posible utilizar una alternativa no paramtrica para el anlisis uni-
lateral de varianza y probar la hiptesis de parmetros de localizacin iguales.
EJEMPLO:
Se estudi el efecto de dos medicamentos en el tiempo de reaccin ante cierto
estmulo de 3 grupos de animales experimentales. El grupo III sirvi de control,
mientras que a los animales del grupo I se les aplic el medicamente A y a los del
grupo II el medicamento B antes de la aplicacin del estmulo. La informacin que
se presenta a continuacin muestra el tiempo de reaccin, en segundos de los 13
animales.
GRUPO GRUPO(Rangos)
I II III I II III
17 8 2 9 6.5 1
20 7 5 10 5 4
40 9 4 13 8 3
31 8 3 11 6.5 2
35 12
nj 5 4 4 Rj R1 =55 R2 =26 R3 = 10
nj 5 4 4 N= 13
SOLUCIN:
1: Hiptesis: Ho: Las distribuciones de las poblaciones son idnticas.
Ha: Al menos una de las poblaciones tiende a mostrar valores ma-
yores que, cuando menos, una de las otras poblaciones.
2. Nivel de significancia: = 0.05
3. Estadstica de prueba (La escala de medicin a utilizarse es, al menos ordinal).
Las muestras son aleatorias e independientes, y fueron extradas de sus res-
pectivas poblaciones.
Estadstica No Paramtrica Aplicada a la Ganadera - 131 -
4. Distribucin Muestral:
LM 12 n R OP 3( N +1) = 12 L55 + 26 + 10 O 3(14)
13(14 ) MN 5 4 PQ
k 2 2 2
N N( N +1) Q
KW = j
2
j ,
j =1 4
= 10.68131868
(t i
3
ti )
1 i =1
N3 N
En nuestro ejemplo, se tiene un grupo (Grupo II) y existen dos puntuaciones con
6.5 y 6.5, entonces g = 1.
23 2 6
1 = 1 = 0.9972527
13 13
3
2184
KW 1068
.
KWcorr. = = = 10709
. ~ 10.71
6 09972527
.
1
2184
Es significativo al nivel de 0.01. Como es significativo al nivel dado, entonces no
es necesario ajustarla.
k R 2
12
= KW =
2
c j
N ( N + 1 ) j =1 n j
3( N + 1 )
123
k
nj Rj
2
j =1
Mean
GRUPO N Rank
TIEMPO
TIEMPO 1 5 11.00 Chi-Square 10.711
2 4 6.50 df 2
3 4 2.50 Asymp. Sig. .005
Total 13
a. Kruskal Wallis Test
b. Grouping Variable: GRUPO
SOLUCIN:
1. Hiptesis estadstica:
Ho: No hay diferencia en los pesos de nacimiento promedio de cerdos de
diferentes tamaos de camada.
Ha: Los pesos de nacimiento promedio de cerdos de diferentes tamapos de
camada no son todos iguales.
2. Nivel de significacin: = 0.05 y N = 56, el nmero total de cerdos recin
nacidos en estudio.
3. Prueba Estadstica: Puesto que las ocho camadas son idenpendies, es apropia-
da una prueba estadstica para k muestras independientes. Aunque la medi-
da de peso en libras est en una escala de proporcin, escogemos el anlisis de
varianza de una clasificacin no paramtrica en vez de la prueba paramtrica
equivalente a fin de evitar hacer la suposiciones concernientes a la normali-
dad y homogeneidad de la varianza asociadas con la prueba paramtrica F e
incrementar la generalidad de nuestras hallazgos.
4. Distribucin muestras: Calculada con la siguiente ecuacin:
k R 2
12
2c = KW = j
N ( N + 1 ) j =1 n j
3( N + 1 )
123
k
nj Rj
2
j =1
Con los datos de la tabla anterior, podemos calcular el valor de KW sin corregir
el efecto de las ligas con la ecucin siguiente:
2c = KW =
12
k R2
j
3( N +1) =
12 LM
(317)2 (216.5)2
+ +L+
(72)2 OP
3(56+1) =18.464
N( N +1) j=1 nj 56(56+1) 10 N 8 4 Q
La referencia de la Tabla de valores crticos de Ji-cuadrada (Anexo), indica que
KW >18.464 con gl = k - 1 = 7, tiene una probabilidad de ocurrencia conforme a
Ho: de p 0.02.
Para corregir el efecto de las ligas empezaremos por determinar cuntos grupos
ligados ocurrieron y cuntos puntajes estaban ligados en cada grupo. La primera
liga ocurri entre los dos cerdos en la camada 7 (que pesaron 1.2 libras). a ambos
se les asign el rango de 2.5. Aqu, t es el nmero de observaciones ligadas, =
2. Para este suceso,
T = t3 - t = 8 - 2 = 6
La siguiente liga ocurri entre cuatro cerdos a los que se asign el rango ligado
de 8.5. Aqu, t = 4 y T = t3 - t = 64 - 4 = 60. Prosiguiendo de esta manera a travs
de los datos de la tabla de rangos efectuados, encontraremos que ocurrieron 13
grupos ligados. Al contar el nmero de observaciones en cada grupo ligado, se
determinan los diferentes valores de t, y calculamos el valor de T = t3 - t en
cada caso. Nuestro conteo arrojar los resultados siguiente:
t 2 4 2 2 4 5 4 4 3 7 6 2 2
T 6 60 6 6 60 120 60 60 24 336 210 6 6
Obsrvese que para cualquier valor particular de t, el valor de T es una cons-
tante. Ahora, usando la frmula siguiente, podemos calcular la correccin total
por ligas (empates):
- 136 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Total Ligas = 1-
T = 1
(6 + 60 + 6 + 6 + 60+L+6 + 6)
= 0.9945
N N
3
( 56 )3 56
Este valor viene a ser el denominador de la frmula siguiente, y el valor que
2
k
12 Rj
ya hemos calculado con la frmula: KW = 3( N + 1) ,
N ( N + 1 ) j =1 n j
es el numera-
dor. De este modo, necesitamos solamente hacer una operacin adicional para
obtener el valor KW, corregido el efecto de las ligas (empates) es:
k 2
12 Rj
N ( N + 1 ) j =1 n j
3( N + 1 )
18.464
KW = = = 18.566
1
T 0.9945
N3 N
La tabla de valores crticos de la Ji-cuadrada (Anexo, C), muestra que la
probabilidad asociada con la ocurrencia conforme a Ho: de un valor tan gran-
de como KW = 18.566, gl = 7, es p 0.01. Ya que esta probabilidad es menor
que el nivel de significacin previamente fijado = 0.05 , nuestra decisin es
rechazar la Ho:.
6. Regin de rechazo: La regin de rechazo consiste en todos los valores KW tan
grandes que la probabilidad asociada con su ocurrencia conforme a Ho: para
gl = k - 1 = 7 es igual a o menor que = 0.05 .
7. Decisin: Los pesos de nacimiento de los 56 cerdos pertenecientes a las 8
camadas, reflejan que el peso del nacimiento de los cerdos vara
significativamente de acuerdo con el tamao de la camada.
EJERCICIOS:
1.- Se inyectan tres grupos de ratas con una nueva droga tranquilizante. Al grupo A
se le inyectan 0.5 mg; al B, 1.0 mg; y al C, 1.2 mg. En el siguiente cuadro
aparecen los tiempos que tardaron en dormirse.
Grupo Tiempo (min)
A 11 13 9 14 15 13
B 9 11 10 8 12
C 10 5 8 6 10 6
Probar que las diferencias en las dosificaciones tienen efecto real en los tiempos
medios necesarios para dormirse en las poblaciones de donde proceden. Use un
nivel de significacin de 0.05.
Estadstica No Paramtrica Aplicada a la Ganadera - 137 -
2.- La siguiente tabla indica los niveles del residuo de plaguicida (ppb) en muestras
de sangre extradas de cuatro grupos de personas. Utilizar la prueba de Kruskal-
Wallis para probar, a un nivel de significacin de 0.05, la hiptesis nula de que
no existe diferencia entre los grupos con respecto al nivel medio de residuos de
plaguicidas.
A 10 37 12 31 11 9 44 12 15 42 23
B 4 35 32 19 33 18 11 7 32 17 8
Poblacin
C 15 5 10 12 6 6 9 11 9 14 15
D 7 11 10 8 2 5 4 5 2 6 3
3.- Los siguientes valores corresponden a los gastos diarios promedio de pacientes hospitali-
zados por intervencin quirrgica. Estos gastos se obtuvieron en muestras de hospitales
localizados en tres diferentes partes del pas.
ESTIMULANTE
T1 T2 T3 T4 T5
1.53 3.15 3.89 8.18 5.86
1.61 3.96 3.68 5.64 5.46
3.75 3.59 5.70 7.36 5.69
2.89 1.89 5.62 5.33 6.49
3.26 1.45 5.79 8.82 7.81
1.56 5.33 5.26 9.03
7.10 7.49
8.98
TOTAL 13.04 15.60 30.01 47.69 56.81
5.- Se desea saber si cuatro tratamientos para la inflamacin de coyunturas difieren en cuanto
a efectividad. Cuatro grupos de pacientes se sometieron a los diferentes tratamientos. Al
final de un periodo determinado, cada grupo fue sometido a una prueba para cuantificar la
efectividad del tratamiento. Se obtuvieron los siguientes puntajes:
- 138 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Tratamiento
1 2 3 4
64 76 58 95
88 70 74 90
72 90 66 80
80 80 60 87
79 75 82 88
71 82 75 85
Mtodo de empaque
A B C
14.29 20.06 20.04
19.10 20.64 26.23
19.09 18.00 22.74
16.25 19.56 24.04
15.09 19.47 23.37
16.61 19.07 25.02
19.63 18.38 23.27
I 16 14 14 13 13 12 12 17 17 17 19 14 15 20
II 6 7 7 8 4 8 9 6 8 6 4 9 5 5
III 8 10 9 10 6 7 10 9 11 11 9 10 9 5
Proporcionan estos datos la suficiente evidencia paar indicar una diferencia real entre
las medias de las poblaciones?. Aplicar la prueba de Kruskal-Wallis al nivel de significacin
= 0.05.
8. Tres mdicos desean comparar el tiempo de convalescencia de sus pacientes hospitalizados
despus de una intervencin quirrgica menor sin complicaciones. Se eligi una muestra
de ocho registros de los archivos de cada mdido y se observaron los siguientes tiempos de
convalescencia.
Estadstica No Paramtrica Aplicada a la Ganadera - 139 -
A 4 5 5 4 6 6 4 5
B 4 5 4 3 4 5 3 3
C 5 3 3 3 3 3 4 5
Sugieren estos datos una diferencia en el tiempo promedio de convalescencia de los
pacientes de cada mdico?. Sea = 0.05. Aplicar la prueba de Kruskal-Wallis.
9. En cada uno de 4 experimentos sobre el uso de tetracloruro de carbono como veneno para
lombrices, se infestaron 10 ratas con larvas. Ocho das ms tarde se administr tetracloruro
de carbono a 5 ratas; las 5 restantes se consideraron controles. Al cabo de 2 das se
sacrificaron las ratas y se cont el nmero de lombrices adultas. Se consider til examinar
la signifcacin de las diferencias entre las medias de los cuatro grupos control. Si fuera
posible establecer diferencias significativas, stas podran estar relacionadas con cambios
definibles de las condiciones de los experimentos, y se debera pretender una reduccin
de la variacin en futuros trabajos. En la tabla siguiente, se muestran los resultados del
experimento. Aplicar la prueba de Kruskal-Wallis. Sea = 0.05.
Experimento
1 2 3 4
279 378 172 381
338 275 335 346
334 412 335 340
198 265 282 471
303 286 250 318
10. Un grupo de investigadores desea comparar cuatro programas de aptitud fsica diseados
para directivos. A cada miembro de un conjunto de treinta directos se le asign
aleatoriamente uno de los cuatro programas. La siguiente tabla muestra la diferencia entre
las puntuaciones de la condicin fsica obtenidas por cada uno de los directivos, antes y
despus de participar en el programa.
P R O GR A M A S
A B C D
13 11 12 22
24 13 19 26
19 20 9 22
18 14 14 22
9 11 21 26
21 21 7 19
17 14 6
22 8
24
6
MEDIDAS DE ASOCIACIN Y SUS PRUEBAS DE
SIGNIFICACIN
FUNCIN:
- El coeficiente C de Cramr es una medida del grado de asociacin o relacin
entre dos series de atributos o variables.
- Se usa nicamente cuando tenemos slo informacin categrica (escala nomi-
nal) acerca de uno o de ambos conjuntos de atributos o variables.
- Se emplea cuando la informacin acerca de los atributos consiste en una serie
no ordenada de categoras.
- Para el uso del coeficiente de Cramr, no es necesario suponer continuidad
subyacente para las diferentes categoras usadas al medir uno o ambos conjun-
tos de atributos.
- No se necesita siquiera ser capaces de ordenar las categoras en alguna forma
particular.
- El coeficiente de Cramr, al ser calculado de una tabla de contingencia, propor-
ciona los mismos valores sin considerar cmo fueron ordenadas las categoras
en las filas y columnas.
MTODO:
- Arregle las frecuencias observadas en una tabla de contingencia de rxh, donde
r es el nmero de categoras en las cuales se clasifica una variable y k es el
nmero de categoras en las cuales se clasifica la otra variable.
- Determine la frecuencia esperada segn Ho: para cada celda, al multiplicar los
Estadstica No Paramtrica Aplicada a la Ganadera - 141 -
datos totales marginales comunes a esa celda y dividiendo despus este produc-
to por el nmero total de casos N. Es decir, para cada celda en la tabla de
contingencia calcule: eij = i j N . Si ms de cerca del 20% de las celdas
tienen frecuencias esperadas menores que cinco o si cualquiera de las celdas
tiene una frecuencia esperada menor que uno combine las categoras (ya sea
filas o columnas) para incrementar las frecuencias esperadas que sean deficien-
tes.
- Mediante la siguiente ecuacin, calcule el valor de 2c para los datos.
2
c
r
=
dk
ij eij i 2
r k ij2
= N ~ (2r1)( k1)
2
c
i =1 j =1 eij i=1 j=1 eij
2c
C=
N (L - 1)
Donde: L : Es el mnimo del nmero de filas o columnas en la tabla de contingencia.
El grado de asociacin entre dos conjuntos de atributos al medirse por medio
del coeficiente de Cramr, aunque sean o no ordenables e independientemente
de la naturaleza de la variable (puede ser continua o discreta) y de la distribucin
subyacente del atributo (la distribucin poblacional pueder ser normal o de
cualquier forma), puede encontrarse en una tabla de contingencia de
observaciones.
Debe notarse que, como la correlacin producto-momento de Pearson, el
coeficiente de Cramr tiene un valor mximo de uno y C ser igual a cero
cuando las variables o los atributos sean independientes. A diferencia de la
correlacin producto-momento de Pearson, el coeficiente de Cramr no puede
ser negativo. Esto es de esperar, ya que el estadstico mide la relacin entre
variables categricas que no poseen ningn orden inherente.
- Para probar si el valor observado de C indica que existe una asociacin
significativa entre las dos variables en la poblacin muestreada, determine la
probabilidad asociada segn Ho: de un valor tan grande como el observado 2c
con gl = (r - 1)(k - 1), consultando la tabla de valores crticos de la Ji-cuadrada
(Anexo, C). Si esa probabilidad es igual o menor que (p ), la hiptesis
nula (Ho.) es rechazada en ese nivel de significacin, aceptndose la Ha:
- 142 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Ejemplo:
Se tiene los datos de 816 vacas en edad reproductiva, manejado bajo tres sistemas
de alimentacin, en la que se les ha inseminado artificialmente con semen probado,
al estado fisiolgico de celo. Los resultados obtenidos en este estudio sobre dinmica
reproductiva son:
Tipo de alimentacin
Condicin de la vaca Alfalfa Pasto Natural Conc. + Pasto natural Total
Gestantes Probadas 52 119 174 345
Gestantes sospechosas 47 46 56 149
Vacas probadas 240 47 35 322
Total 339 212 265 816
- Hay alguna asociacin entre tipo de alimentacin y fertilidad de las vacas?
a. Para resolver ste problema, en primer lugar procedemos e estimar los valores
esperados.
339( 345 ) 265( 345 )
e11 = = 143.33 e31 = = 112.04
816 816
339( 149 ) 265( 149 )
e12 = = 61.90 e32 = = 48.39
816 816
339( 322 ) 265( 322 )
e13 = = 133.77 e33 = = 104.57
816 816
212( 345 ) 212( 149 )
e21 = = 89 .63 e22 = = 38.71
816 816
212( 322 )
e23 = = 83.66 ,
816
Los grados de libertad a estimarse para muestras es:
gl. = (r-1)(k-1) donde, r = Nmero de filas y k = Nmero de columnas.
Tipo de alimentacin
Condicin de la vaca Alfalfa Pasto Natural Conc. + Pasto natural Total
Gestantes Probadas 143.33 89.63 112.04 345.00
Gestantes sospechosas 61.90 38.71 48.39 149.00
Vacas probadas 133.77 83.66 104.57 322.00
Total 339.00 212.00 265.00 816.00
Estadstica No Paramtrica Aplicada a la Ganadera - 143 -
b. Estimacin de chi cuadrado: Para facilitar el clculo se prepara una matriz
como:
2c 2c 254.9496
C= C= = = 0.395
N (L - 1) N( L 1 816( 3 1 )
A medida que las discrepancias o diferencias entre los valores esperados y los
observados se incremente, mayor ser la relacin o asociacin entre las dos
variables, luego mayor tambin ser el valor de C
d. Decisin: Hay una ligera asociacin, es decir a mejor calidad alimenticia menor
fertilidad en vacas y viceversa. Nota: aparentemente en ste ejemplo la calidad
del alimento induce a una menor fertilidad; sin embargo sera necesario analizar
cul es el alimento de mejor calidad, en ste caso es la alfalfa, y como es sabido
la alfalfa en su constitucin tiene fitoestrgenos que inhiben la concepcin,
motivo por el cual para empadrar vacas pastoreados en alfalfa es necesario
quitarles del alfalfar un mes antes de realizar el empadre, para no tener ste
problema de infertilidad. Si la 2c para el estadstico de la muestra es
significativo, entonces podemos concluir que en la poblacin la asociacin entre
las dos series de atributos no es cero, esto es, que los atributos o las variables no
son independientes.
- 144 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
6.2. COEFICIENTE DE CORRELACIN r de Spearman de Rangos Ordena-
s
dos
FUNCIN:
- Es una medida de asociacin entre dos variables que requiere que ambas estn
medidas en al menos en una escala ordinal, de manera tal que los objetos o
individuos en estudio puedan ser colocados en rangos en dos series ordenadas.
- Al calcular un coeficiente de correlacin podra haber problemas o inconvenientes
para usar directamente las d i. Una dificultad es que las di negativas podran cancelar
a las positivas cuando tratamos de determinar la magnitud total de la discrepancia
entre los rangos, aun pensando que es la magnitud, ms que el signo de la
discrepancia, la que representa un ndice de la disparidad de los rangos. Sin
embargo si se emplea d i2 en lugar de d i esta dificultad se elimina. Queda claro
que mientras ms grandes sean las diferencias d i , ms grande ser el valor de
d i
2
, que es la suma del cuadrado de las diferencias para N pares de datos.
- La derivacin de la frmula calculada para rs es bastante sencilla. Se hace
simplificando la frmula del coeficiente de correlacin producto-momento r de
Pearson cuando los datos estn compuestos por rangos. Proporcionaremos dos
expresiones alternativas para rs . Una de estas formas alternativas es til en el
clculo del coeficiente y la otra se usar posteriormente cuando encontremos
necesario corregir el coeficiente, cuando se presenten puntuaciones empatadas en
los datos. Six = X X , donde X es la media de las puntuaciones en la variable
X, y si y = Y Y , donde Y es la media de las puntuaciones en la variable Y,
entonces una expresin general para el coeficiente de correlacin producto-
momento de Pearson es:
xy
r =
x2 y2
en el cual las sumas estn sobre los valores de N en la muestra. Ahora cuando las
X y las Y son rangos, r = r. Conociendo que los datos que estn en rangos,
podemos simplificar la ecuacin anterior para obtener la expresin siguiente para
el coeficiente de correlacin de Spearman de rangos ordenados:
x 2 + y 2 di2
rs = , y
2 x2 y2
Estadstica No Paramtrica Aplicada a la Ganadera - 145 -
n
6 di2
rs = 1 i =1
N3 N
Recurdese que di = Xi Yi , la diferencia en rangos en las dos variables. la
x 2 + y 2 di2
simplificacin de la ecuacin rs = a la forma proporcionada
2 x2 y2
n
6 di2
en la ecuacin rs = 1
i =1
es posible notando que cuando los datos estn en
N3 N
rangos y no existen empates en los datos, x2 = y2 = (N3 - N) 12 . Debe notarse
que si existen empates, el uso de las ecuaciones anteriores proporcionar el valor
correcto de rs; mas tarde se proporcionar una correccin para los empates para la
ecuacin rs. Este coeficiente se usa para medir el grado de relacin entre dos
variables medidas a nivel ordinal preferentemente (ordenar) y en algunos casos
para datos medidos a nivel de intervalo o de razn.
MTODO:
- Para calcular rs haga una lista de los N sujetos u observaciones.
- Asigne rangos a los sujetos (observaciones) en la variable X desde 1 hasta N.
Asigne rangos a las observaciones de la variable Y desde 1 hasta N. Para X
empates (o Y), asigne a cada una el valor promedio de los rangos asociados.
- Haga una lista de los N sujetos. Coloque el rango de cada sujeto en la variable X
y la variable Y.
- Determine el valor de d i para cada sujeto sustrayendo el rango de Y del
correspondiente rango de X. Eleve al cuadrado este valor para determinar d i2 .
Sume los d i2 para los N casos para determinar d i2 .
- si la proporcin de empates en cualquiera de las observaciones de X o Y es
grande, use la ecuacin siguiente para calcular rs:
(N 3 - N) - 6 d 2 (Tx + Ty ) 2
rs =
(N 3 - N) 2 - (Tx + Ty )(N 3 - N) + Tx Ty
- 146 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
N
6 d i2
En otros casos, use la siguiente ecuacin: rs = 1
i =1
N3 N
OBSERVACIONES EMPATADAS:
- A veces ocurre que dos o ms sujetos reciben la misma puntuacin en la misma
variable. Cuando ocurren puntuaciones empatadas, a cada una de ellas se le asigna
el promedio de los rangos que habran sido asignados si no hubieran ocurrido los
empates, lo cual es nuestro procedimiento usual para asignar rangos a
observaciones empatadas.
- Si la proporcin de las observaciones empatadas no es grande, su efecto sobre rs
es significante y la ecuacin siguiente:
N
6 di2
rs = 1 i =1
N3 N
puede an usarse para su clculo. Sin embargo, si la proporcin de empates es
grande, entonces debe incorporarse un factor de correccin en el clculo de rs .
El efecto de los rangos empatados en la variable X es reducir la suma de
cuadrados x 2 abajo del valor de (N 3 - N) 12 , esto es, cuando existen empates,
Estadstica No Paramtrica Aplicada a la Ganadera - 147 -
N3 N
x 2
<
12
. Por tanto, es necesario corregir la suma de cuadrados, teniendo en
cuenta los empates (los rangos empatados no surten efecto en la media o x lo
cual es siempre = 0). El factor de correccin es:
g
Tx = (t 3i - t i )
i =1
PRUEBA DE SIGNIFICACIN DE rs
Si los sujetos cuyas puntuaciones se emplean para calcular rs fueron elegidos
aleatoriamente de una poblacin, podemos usar esas puntuaciones para determinar
si las dos variables estn asociadas en la poblacin. Esto es, podemos probar la
hiptesis nula de que las dos variables en estudio no estn asociadas (esto es, son
independientes) en la poblacin y el valor observado de rs difiere de cero slo al
azar. As, podemos probar la hiptesis Ho: no existe asociacin entre X y Y,
contra la hiptesis Ha: existe asociacin entre X y Y (una prueba bidireccional) o
Ha: existe una asociacin positiva (o negativa) entre X y Y (una prueba
unidireccional). Puede notarse notarse que no hemos especificado las dos hiptesis
como Ho: s = 0 contra Ha: s 0 debido a que no es probable el caso en el cual
las variables estn normalmente distribuidas, s = 0 no necesariamente significa
que las variables son independientes, mientras que si son independientes, entonces
s = 0. Como resultado, debemos tener cuidado al interpretar la significacin de
rs .
- 148 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
EJEMPLO:
Se quiere saber si hay relacin en fertilidad de ovinos durante los aos 1975 y
1976, para lo cual estudia la perfomance de 16 rebaos del fundo buena Vista,
cuyos resultados son: N 3 N = ( N 2 1 ) N .
1975(X) 1976(Y)
OBSERV. Orden OBSERV. Orden
1 71 1 72 1
2 70 2 70 2
3 68 3 68 3
4 65 4 66 5 U|
5 64 5 66 5 x= V|4+5+6
=5
6 62 7U| 66 5 W
3
7 62 V|
7 x=
6+7+8
=7 65 UV
7.5 x = 7+8 =75
W W
3 .
8 62 7 65 7.5 2
9 60 UV
9.5 9+10
x= =95
62 9.5
x=
UV
9+10
= 95
10 60 9.5 W 2
.
62 9.5 W
2
.
11 59 11 60 12 U|
12 58 UV
12.5 x =12+13=125. 60 12 x= V|
11+12+13
=12
13 58 12.5W 2 60 12 W3
14 55 UV
14.5 14+15
x= =145
58 14
W
.
15 55 14.5 2 57 15
16 46 16 55 16
El valor rs = 0.53603 , indica que hay una ligera relacin entre el rango de
fertilidad de 1975 y el de 1976; es decir que majadas o rebaos que tenan
porcentajes ms o menos altos de fert6ilidad en el ao 1975, tambin alcanzan
porcentajes ms o menos altos en 1976, mientras que los rebaos que tuvieron
porcentajes bajos, han mantenido su valor en el ao 1976.
Nota: Cuando en las variables hay muchas observaciones con valores iguales,
la frmula para estimar el coeficiente de correlacin por rangos de Spearman
es:
R| X = N N T
2
3
X 2 + Y 2 di2 , donde S
x
12
rs =
2 X 2 Y2 || Y = N N T
3
T
2
y
12
T = Es el nmero de empates o valores iguales en cada variable.
En el ejemplo se tiene: En X con 4 empates = Tx = 4 , Ty = 4 y
di2 = 325.5
(16)2 16
X2 = 4 = 336
12
(16) 16
2 336+3363155
. 3565
.
Y2 = 4 = 336 , luego rs = = =053051
.
12 ( ) 672
2 336336
El valor encontrado aqu, es casi similar al encontrado anteriormente
( rs = 0.53051 ), la diferencia es por milsimos.
Estadstica No Paramtrica Aplicada a la Ganadera - 151 -
EJEMPLO:
Se tiene la informacin de 15 pesos al nacimiento de lechones y sus respectivos
pesos al destete (kg):
Nacimiento (X) 0.8 1.2 1.5 0.5 0.7 1 1.3 1.4 1.1 0.9 0.8 1.2 1 1.2 1.4
Destete (Y) 6 8 10.2 7.5 9.2 10 9.5 10.5 9 9 6.5 10 9 8.6 10.6
Valores P P
A la derecha de 7.5 hay 12 observaciones con valores mayores a 7.5 = 12
A la derecha de 9.2 hay 6 observaciones con valores mayores a 9.2 = 6
A la derecha de 6 hay 12 observaciones con valores mayores a 6.0 = 12
A la derecha de 6.5 hay 11 observaciones con valores mayores a 6.5 = 11
A la derecha de 9 hay 6 observaciones con valores mayores a 9.0 = 6
A la derecha de 10 hay 4 observaciones con valores mayores a 10 = 4
A la derecha de 9 hay 5 observaciones con valores mayores a 9.0 = 5
A la derecha de 9 hay 5 observaciones con valores mayores a 9 = 5
A la derecha de 8 hay 6 observaciones con valores mayores a 8 = 6
A la derecha de 10.1 hay 3 observaciones con valores mayores a 10.1 = 3
A la derecha de 8.6 hay 4 observaciones con valores mayores a 8.6 = 4
A la derecha de 9.5 hay 3 observaciones con valores mayores a 9.5 = 3
A la derecha de 10.5 hay 1 observacin con valor mayor a 10.5 = 1
A la derecha de 10.6 hay 0 observacin con valor mayor a 10.6 = 0
P = 78 P= 78
2( 55 ) 110
= = = 05238
.
15(15 1) 210
Este resultado de = 0.5238, nos indica que hay una relacin moderada positiva
entre peso al nacimiento de lechones (X) y el peso al destete de los mismos (Y).
El coeficiente de correlacin simple (r ) es un nmero el cual cuantifica el
grado de asociacin entre dos variables. As en chanchos a gran porcentaje de
jamn y lomo hay menor porcentaje de grasa en la espalda y viceversa. Los
valores de del coeficiente son: r = +1 = perfecta correlacin positiva (las dos
variables suben), r =-1 = perfecta correlacin negativa (una variable sube y la
otra baja o viceversa), s r = 0 = No hay correlacin o sea no hay grado alguno
de asociacin.
Una correlacin fenotpica entre dos rasgos puede ser til para un criador,
luego si se conoce que dos rasgos estn fuertemente asociados, midiendo
solamente uno de los rasgos se puede conocer el fenotipo para el otro rasgo. La
misma cosa o principio se aplica para estimar la semejanza gentica entre
parientes, donde entre parientes cercanos la correlacin entre genotipos es grande
que para parientes lejanos.
La frmula computacional de r es:
n XY X i Yi
r=
n X ( X )2 n Y 2 ( Y )2
2
( X )( Y )
XY
r= n
LM X2
( X )2
OPLM
Y2
( Y )2 OP
N n QN n Q
EJEMPLO:
Cul es el coeficiente de correlacin entre las variables peso al nacer (X) y peso
al destete (Y) en corderos de 4 meses de edad? con n = 12.
Estadstica No Paramtrica Aplicada a la Ganadera - 155 -
12(680.06) (42.8)(188.5)
r= = 05343
.
12(158.94)-(42.8)2 12(2994.43)-(188.50)2
6 0.676 0.872 1.24 1.64 2.20 3.45 5.35 7.84 10.60 12.60 14.40 16.80 18
7 0.989 1.24 1.69 2.17 2.83 4.25 6.35 9.04 12.00 14.10 16.00 18.50 20
8 1.34 1.65 2.18 2.73 3.49 5.07 7.34 10.20 13.40 15.50 17.50 20.10 22
9 1.73 2.09 2.70 3.33 4.17 5.90 8.34 11.40 14.70 16.90 19.00 21.70 23
10 2.16 2.56 3.25 3.94 4.87 6.74 9.34 12.50 16.00 18.30 20.50 23.20 25
11 2.60 3.05 3.82 4.57 5.582 7.58 10.30 13.70 17.30 19.70 21.90 24.70 26
12 3.07 3.57 4.40 5.23 6.30 8.44 11.30 14.80 18.50 21.00 23.30 26.20 28
13 3.57 4.11 5.01 5.89 7.04 9.30 12.30 16.00 19.80 22.40 24.70 27.70 29
14 4.07 4.66 5.63 6.57 7.79 10.20 13.30 17.10 21.10 23.70 26.10 29.10 31
15 4.60 5.23 6.26 7.26 8.55 11.00 14.30 18.20 22.30 25.00 27.50 30.60 32
16 5.14 5.81 6.91 7.96 9.31 11.90 15.30 19.40 23.50 26.30 28.80 32.00 34
17 5.70 6.41 7.56 8.67 10.10 12.80 16.30 20.50 24.80 27.60 30.20 33.40 35
18 6.26 7.01 8.23 9.39 10.90 13.70 17.30 21.60 26.00 28.90 31.50 34.80 37
19 6.84 7.63 8.91 10.10 11.70 14.60 18.30 22.70 27.20 30.10 32.90 36.20 38
20 7.43 8.26 9.59 10.90 12.40 15.50 19.30 23.80 28.40 31.40 34.20 37.60 40
21 8.03 8.90 10.30 11.60 13.20 16.30 20.30 24.90 29.60 32.70 35.50 38.90 41
22 8.64 9.54 11.00 12.30 14.00 17.20 21.30 26.00 30.80 33.90 36.80 40.30 42
23 9.26 10.20 11.70 13.10 14.80 18.10 22.30 27.10 32.00 35.20 38.10 41.50 44
24 9.89 10.90 12.40 13.80 15.70 19.00 23.30 28.20 33.20 36.40 39.40 43.00 45
25 10.50 11.50 13.10 14.60 16.50 19.90 24.30 29.30 34.40 37.70 40.60 44.30 46
26 11.20 12.20 13.80 15.40 17.30 20.80 25.30 30.40 35.60 38.90 41.90 45.60 48
27 11.80 12.90 14.60 16.20 18.10 21.70 26.30 31.50 36.70 40.10 43.20 47.00 49
28 1250 1360 1530 1690 1890 2270 2730 3260 3790 4130 4450 4830 51
a n
TABLA D: Distribucin BINOMIAL: Trminos acumulativos P[ X a ] = x px q n x , cuando p=q =1/2
x= 0
N 0 1 2 3 4 5 6 7 8 9 10 1
2 0.2500 0.7500 1
3 0.1250 0.5000 0.8750 1
4 0.0625 0.3125 0.6875 0.9375 1
5 0.0313 0.1875 0.5000 0.8125 0.9688 1
11 0.0005 0.0059 0.0327 0.1133 0.2744 0.5000 0.7256 0.8867 0.9673 0.9941 0.9995 1
12 0.0002 0.0032 0.0193 0.073 0.1938 0.3872 0.6128 0.8062 0.927 0.9807 0.9968 0.9
13 0.0001 0.0017 0.0112 0.0461 0.1334 0.2905 0.5000 0.7095 0.8666 0.9539 0.9888 0.9
14 0.0001 0.0009 0.0065 0.0287 0.0898 0.2120 0.3953 0.6047 0.7880 0.9102 0.9713 0.9
15 0.0005 0.0037 0.0176 0.0592 0.1509 0.3036 0.5000 0.6964 0.8491 0.9408 0.9
16 0.0003 0.0021 0.0106 0.0384 0.1051 0.2272 0.4018 0.5982 0.7728 0.8949 0.9
17 0.0001 0.0012 0.0064 0.0245 0.0717 0.1662 0.3145 0.5000 0.6855 0.8338 0.9
18 0.0001 0.0007 0.0038 0.0154 0.0481 0.1189 0.2403 0.4073 0.5927 0.7597 0.8
19 0.0004 0.0022 0.0096 0.0318 0.0835 0.1796 0.3238 0.5000 0.6762 0.8
20 0.0002 0.0013 0.0059 0.0207 0.0577 0.1316 0.2517 0.4119 0.5881 0.7
21 0.0001 0.0007 0.0036 0.0133 0.0392 0.0946 0.1917 0.3318 0.5000 0.6
22 0.0001 0.0004 0.0022 0.0085 0.0262 0.0669 0.1431 0.2617 0.4159 0.5
23 0.0002 0.0013 0.0053 0.0173 0.0466 0.1050 0.2024 0.3388 0.5
24 0.0001 0.0008 0.0033 0.0113 0.0320 0.0758 0.1537 0.2706 0.4
25 0.0001 0.0005 0.0020 0.0073 0.0216 0.0539 0.1148 0.2122 0.3
26 0.0010 0.0050 0.0140 0.0380 0.0840 0.1630 0.2
27 0.0010 0.0030 0.0100 0.0260 0.0610 0.1240 0.2
28 0.0020 0.0060 0.0180 0.0440 0.0920 0.1
29 0.0010 0.0040 0.0120 0.0310 0.0680 0.1
30 0.0010 0.0030 0.0080 0.0210 0.0490 0.1
FG N IJ p (1 p )
H KK
N k
TABLA E: La distribucin Binomial. P Y = K =
k
Los puntos decimales se han omitido. Todas las entradas deben leerse como 0.nnnn.
Para valores de p 0.5, sese la fila superior para p y la columna izquierda para k.
Para valores de p>0.5, sese la fila inferior para p y la columna derecha para k.
p
N k 0.01 0.05 0.10 0.15 0.20 0.25 0.30 1/3 0.40 0.45 0.50
2 0 9801 9025 8100 7225 6400 5625 4900 4444 3600 3025 2500 2 2
1 198 950 1800 2550 3200 3750 4200 4444 4800 4950 5000 1
2 1 25 100 225 400 625 900 1111 1600 2025 2500 0
3 0 9703 8574 7290 6141 5120 4219 3430 2963 2160 1664 1250 3 3
1 294 1354 2430 3251 3840 4219 4410 4444 4320 4084 3750 2
2 3 71 270 574 960 1406 1890 2222 2880 3341 3750 1
3 0 1 10 34 80 156 270 370 640 911 1250 0
4 0 9606 8145 6561 5220 4096 3164 2401 1975 1296 915 625 4 4
1 388 1715 2916 3685 4096 4219 4116 3951 3456 2995 2500 3
2 6 135 486 975 1536 2109 2646 2963 3456 3675 3750 2
3 0 5 36 115 256 469 756 988 1536 2005 2500 1
4 0 0 1 5 16 39 81 123 256 410 625 0
5 0 9510 7738 5905 4437 3277 2373 1681 1317 778 503 312 5 5
1 480 2036 3280 3915 4096 3955 3602 3292 2592 2059 1562 4
2 10 214 729 1382 2048 2637 3087 3292 3456 3369 3125 3
3 0 11 81 244 512 879 1323 1646 2304 2757 3125 2
4 0 0 4 22 64 146 283 412 768 1125 1562 1
5 0 0 0 1 3 10 24 41 102 185 312 0
6 0 9415 7351 5314 3771 2621 1780 1176 878 467 277 156 6 6
1 571 2321 3543 3993 3932 3560 3025 2634 1866 1359 938 5
2 14 305 984 1762 2458 2966 3241 3292 3110 2780 2344 4
3 0 21 146 415 819 1318 1852 2195 2765 3032 3125 3
4 0 1 12 55 154 330 595 823 1382 1861 2344 2
5 0 0 1 4 15 44 102 165 369 609 938 1
6 0 0 0 0 1 2 7 14 41 83 156 0
7 0 9321 6983 4783 3206 2097 1335 824 585 280 152 78 7 7
1 659 2573 3720 3960 3670 3115 2471 2048 1306 872 547 6
2 20 406 1240 2097 2753 3115 3177 3073 2613 2140 1641 5
3 0 36 230 617 1147 1730 2269 2561 2903 2918 2734 4
4 0 2 26 109 287 577 972 1280 1935 2388 2734 3
5 0 0 2 12 43 115 250 384 774 1172 1641 2
6 0 0 0 1 4 13 36 64 172 320 547 1
7 0 0 0 0 0 1 2 5 16 37 78 0
0.99 0.95 0.90 0.85 0.80 0.75 0.70 2/3 0.60 0.55 0.50 k N
p
Estadstica No Paramtrica Aplicada a la Ganadera - 165 -
TABLA E: (continuacin)
p
N k 0.01 0.05 0.10 0.15 0.20 0.25 0.30 1/3 0.40 0.45 0.50
8 0 9227 6634 4305 2725 1678 1001 576 390 168 84 39 8 8
1 746 2793 3826 3847 3355 2670 1977 1561 896 548 312 7
2 26 515 1488 2376 2936 3115 2965 2731 2090 1569 1094 6
3 1 54 331 839 1468 2076 2541 2731 2787 2568 2188 5
4 0 4 46 185 459 865 1361 1707 2322 2627 2734 4
5 0 0 4 26 92 231 467 683 1239 1719 2188 3
6 0 0 0 2 11 38 100 171 413 703 1094 2
7 0 0 0 0 1 4 12 24 79 164 312 1
8 0 0 0 0 0 0 1 2 7 17 39 0
9 0 9135 6302 3874 2316 1342 751 404 260 101 46 20 9 9
1 830 2985 3874 3679 3020 2253 1556 1171 605 339 176 8
2 34 629 1722 2597 3020 3003 2668 2341 1612 1110 703 7
3 1 77 446 1069 1762 2336 2668 2731 2508 2119 1641 6
4 0 6 74 283 661 1168 1715 2048 2508 2600 2461 5
5 0 0 8 50 165 389 735 1024 1672 2128 2461 4
6 0 0 1 6 28 87 210 341 743 1160 1641 3
7 0 0 0 0 3 12 39 73 212 407 703 2
8 0 0 0 0 0 1 4 9 35 83 176 1
9 0 0 0 0 0 0 0 1 3 8 20 0
10 0 9044 5987 3487 1969 1074 563 282 173 60 25 10 10 10
1 914 3151 3874 3474 2684 1877 1211 867 403 207 98 9
2 42 746 1937 2759 3020 2816 2335 1951 1209 763 439 8
3 1 105 574 1298 2013 2503 2668 2601 2150 1665 1172 7
4 0 10 112 401 881 1460 2001 2276 2508 2384 2051 6
5 0 1 15 85 264 584 1029 1366 2007 2340 2461 5
6 0 0 1 12 55 162 368 569 1115 1596 2051 4
7 0 0 0 1 8 31 90 163 425 746 1172 3
8 0 0 0 0 1 4 14 30 106 229 439 2
9 0 0 0 0 0 0 1 3 16 42 98 1
10 0 0 0 0 0 0 0 0 1 3 10 0
15 0 8601 4633 2059 874 352 134 47 23 5 1 0 15 15
1 1303 3658 3432 2312 1319 668 305 171 47 16 5 14
2 92 1348 2669 2856 2309 1559 916 599 219 90 32 13
3 4 307 1285 2184 2501 2252 1700 1299 634 318 139 12
4 0 49 428 1156 1876 2252 2186 1948 1268 780 417 11
5 0 6 105 449 1032 1651 2061 2143 1859 1404 916 10
6 0 0 19 132 430 917 1472 1786 2066 1914 1527 9
7 0 0 3 30 138 393 811 1148 1771 2013 1964 8
8 0 0 0 5 35 131 348 574 1181 1647 164 7
9 0 0 0 1 7 34 116 223 612 1048 1527 6
- 166 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
TABLA E: (continuacin)
p
N k 0.01 0.05 0.10 0.15 0.20 0.25 0.30 1/3 0.40 0.45 0.50
20 0 8179 3585 1216 388 115 32 8 3 0 0 0 20 20
1 1652 3474 2702 1368 576 211 68 30 5 1 0 19
2 159 1887 2852 2293 1369 669 278 143 31 8 2 18
3 0 596 1901 2428 2054 1339 716 429 123 40 11 17
4 0 133 898 1821 2182 1897 1304 911 350 139 46 16
5 0 22 319 1028 1746 2023 1789 1457 746 365 148 15
6 0 3 89 454 1091 1686 1916 1821 1244 746 370 14
7 0 0 20 160 545 1124 1643 1821 1659 1221 739 13
8 0 0 4 46 222 609 1144 1480 1797 1623 1201 12
9 0 0 1 11 74 271 654 987 1597 1771 1602 11
10 0 0 0 2 20 99 308 543 1171 1593 1762 10
11 0 0 0 0 5 30 120 247 710 1185 1602 9
12 0 0 0 0 1 8 39 92 355 727 1201 8
13 0 0 0 0 0 2 10 28 146 366 739 7
14 0 0 0 0 0 0 2 7 49 150 370 6
15 0 0 0 0 0 0 0 1 13 49 148 5
16 0 0 0 0 0 0 0 0 3 13 46 4
17 0 0 0 0 0 0 0 0 0 2 11 3
18 0 0 0 0 0 0 0 0 0 0 2 2
19 0 0 0 0 0 0 0 0 0 0 0 1
20 0 0 0 0 0 0 0 0 0 0 0 0
25 0 7778 2774 718 172 38 8 1 0 0 0 0 25 25
1 1964 3650 1994 759 236 63 14 5 0 0 0 24
2 238 2305 2659 1607 708 251 74 30 4 1 0 23
3 18 930 2265 2174 1358 641 243 114 19 4 1 22
4 1 269 1384 2110 1867 1175 572 313 71 18 4 21
5 0 60 646 1564 1960 1645 1030 658 199 63 16 20
6 0 10 239 920 1633 1828 1472 1096 442 172 53 19
7 0 1 72 441 1108 1654 1712 1487 800 381 143 18
8 0 0 18 175 623 1241 1651 1673 1200 701 322 17
9 0 0 4 58 294 781 1336 1580 1511 1084 609 16
10 0 0 1 16 118 417 916 1264 1612 1419 974 15
11 0 0 0 4 40 189 536 862 1465 1583 1328 14
12 0 0 0 1 12 74 268 503 1140 1511 1550 13
13 0 0 0 0 3 25 115 251 760 1236 1550 12
14 0 0 0 0 1 7 42 108 434 867 1328 11
15 0 0 0 0 0 2 13 40 212 520 974 10
16 0 0 0 0 0 0 4 12 88 266 609 9
17 0 0 0 0 0 0 1 3 31 115 322 8
18 0 0 0 0 0 0 0 1 9 42 143 7
19 0 0 0 0 0 0 0 0 2 13 53 6
Estadstica No Paramtrica Aplicada a la Ganadera - 167 -
TABLA E: (continuacin)
p
N k 0.01 0.05 0.10 0.15 0.20 0.25 0.30 1/3 0.40 0.45 0.50
30 0 7397 2146 424 76 12 2 0 0 0 0 0 30 30
1 2242 3389 1413 404 93 18 3 1 0 0 0 29
2 328 2586 2277 1034 337 86 18 6 0 0 0 28
3 31 1270 2361 1703 785 269 72 26 3 0 0 27
4 2 451 1771 2028 1325 604 208 89 12 2 0 26
5 0 124 1023 1861 1723 1047 464 232 41 8 1 25
6 7 27 474 1368 1795 1455 829 484 115 29 6 24
7 0 5 180 828 1538 1662 1219 829 263 81 19 23
8 0 1 58 420 1106 1593 1501 1192 505 191 55 22
9 0 0 16 181 676 1298 1573 1457 823 382 133 21
10 0 0 4 67 355 909 1416 1530 1152 656 280 20
11 0 0 1 22 161 551 1103 1391 1396 976 509 19
12 0 0 0 6 64 291 749 1101 1474 1265 805 18
13 0 0 0 1 22 134 444 762 1360 1433 1115 17
14 0 0 0 0 7 54 231 463 1101 1424 1354 16
15 0 0 0 0 2 19 106 247 783 1242 1445 15
16 0 0 0 0 0 6 42 116 489 953 1354 14
17 0 0 0 0 0 2 15 48 269 642 1115 13
18 0 0 0 0 0 0 5 17 129 379 805 12
19 0 0 0 0 0 0 1 5 54 196 509 11
20 0 0 0 0 0 0 0 1 20 88 280 10
21 0 0 0 0 0 0 0 0 6 34 133 9
22 0 0 0 0 0 0 0 0 1 12 55 8
23 0 0 0 0 0 0 0 0 0 3 19 7
24 0 0 0 0 0 0 0 0 0 1 6 6
25 0 0 0 0 0 0 0 0 0 0 1 5
26 0 0 0 0 0 0 0 0 0 0 0 4
27 0 0 0 0 0 0 0 0 0 0 0 3
28 0 0 0 0 0 0 0 0 0 0 0 2
29 0 0 0 0 0 0 0 0 0 0 0 1
30 0 0 0 0 0 0 0 0 0 0 0 0
0.99 0.95 0.90 0.85 0.80 0.75 0.70 2/3 0.60 0.55 0.50 k N
p
Reproducida de Hammond, K.R. Householder, J.E. Y Castellan, N.J. Jr. Introduction to the
statistical method, 2a. Ed.,A.A Knopf. Nueva york, 1970, con autorizacin de los autores y edit.
- 168 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
ms de 35
107
. 114
. 122
. 136
. 163
.
N N N N N
Adaptada de Massey FJ Jr "The Kolmogorov-Smirnov test for goodness of
Estadstica No Paramtrica Aplicada a la Ganadera - 169 -
TABLA G: Valores crticos de r en la prueba de Series
Los diferentes valores crticos de r estn proporcionados en las tablas para valores de
m y n menores o iguales a 20. Para la prueba de series de una muestra, cualquier
valor observado de r que sea menor o igual al valor ms pequeo, o que sea mayor o
igual al valor ms grande en un par, es significativo en el nivel = 0.05.
m n 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
2 2 2 2 2 2 2 2 2 2
-- -- -- -- -- -- -- -- --
3 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3
-- -- -- -- -- -- -- -- -- -- -- -- -- -- --
4 2 2 2 3 3 3 3 3 3 3 3 4 4 4 4 4
9 9 -- -- -- -- -- -- -- -- -- -- -- -- -- --
5 2 2 3 3 3 3 3 4 4 4 4 4 4 4 5 5 5
9 10 10 11 11 -- -- -- -- -- -- -- -- -- -- -- --
6 2 2 3 3 3 3 4 4 4 4 5 5 5 5 5 5 6 6
-- 9 10 11 12 12 13 13 13 13 -- -- -- -- -- -- -- --
7 2 2 3 3 3 4 4 5 5 5 5 5 6 6 6 6 6 6
-- -- 11 12 13 13 14 14 14 14 15 15 15 -- -- -- -- --
8 2 3 3 3 4 4 5 5 5 6 6 6 6 6 7 7 7 7
-- -- 11 12 13 14 14 15 15 16 16 16 16 17 17 17 17 17
9 2 3 3 4 4 5 5 5 6 6 6 7 7 7 7 8 8 8
-- -- -- 13 14 14 15 16 16 16 17 17 18 18 18 18 18 18
10 2 3 3 4 5 5 5 6 6 7 7 7 7 8 8 8 8 9
-- -- -- 13 14 15 16 16 17 17 18 18 18 19 19 19 20 20
11 2 3 4 4 5 5 6 6 7 7 7 8 8 8 9 9 9 9
-- -- -- 13 14 15 16 17 17 18 19 19 19 20 20 20 21 21
12 2 2 3 4 4 5 6 6 7 7 7 8 8 8 9 9 9 10 10
-- -- -- -- 13 14 16 16 17 18 19 19 20 20 21 21 21 22 22
13 2 2 3 4 5 5 6 6 7 7 8 8 9 9 9 10 10 10 10
-- -- -- -- -- 15 16 17 18 19 19 20 20 21 21 22 22 23 23
14 2 2 3 4 5 5 6 7 7 8 8 9 9 9 10 10 10 11 11
-- -- -- -- -- 15 16 17 18 19 20 20 21 22 22 23 23 23 24
15 2 3 3 4 5 6 6 7 7 8 8 9 9 10 10 11 11 11 12
-- -- -- -- -- 15 16 18 18 19 20 21 22 22 23 23 24 24 25
16 2 3 4 4 5 6 6 7 8 8 9 9 10 10 11 11 11 12 12
-- -- -- -- -- -- 17 18 19 20 21 21 22 23 23 24 25 25 25
17 2 3 4 4 5 6 7 7 8 9 9 10 10 11 11 11 12 12 13
-- -- -- -- -- -- 17 18 19 20 21 22 23 23 24 25 25 26 26
18 2 3 4 5 5 6 7 8 8 9 9 10 10 11 11 12 12 13 13
-- -- -- -- -- -- 17 18 19 20 21 22 23 24 25 25 26 26 27
19 2 3 4 5 6 6 7 8 8 9 10 10 11 11 12 12 13 13 13
-- -- -- -- -- -- 17 18 20 21 22 23 23 24 25 26 26 27 27
20 2 3 4 5 6 6 7 8 9 9 10 10 11 12 12 13 13 13 14
-- -- -- -- -- -- 17 18 20 21 22 23 24 25 25 26 27 27 28
Adaptado de Swed y Eisenhart, C., "Tables for testing randomness of grouping in a sequence
ofalternatives" EnAnnals ofMathematicalStatistics N14 1943
- 170 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
+
Tabla H: Valores crticos de T para la prueba de rangos asignados de Wilcoxon.
+ +
Las entradas de la tabla para una N dada es P[T >=c], la probabilidad de que T
sea mayor o igual a la suma de c.
N
c 3 4 5 6 7 8 9
3 0.6250
4 0.3750
5 0.2500 0.5625
6 0.1250 0.4375
7 0.3125
8 0.1875 0.5000
9 0.1250 0.4063
10 0.0625 0.3125
11 0.2188 0.5000
12 0.1563 0.4219
13 0.0938 0.3438
14 0.0625 0.2813 0.5313
15 0.0313 0.2188 0.4688
16 0.1563 0.4063
17 0.1094 0.3438
18 0.0781 0.2891 0.5273
19 0.0469 0.2344 0.4727
20 0.0313 0.1875 0.4219
21 0.0156 0.1484 0.3711
22 0.1094 0.3203
23 0.0781 0.2734 0.5000
24 0.0547 0.2305 0.4551
25 0.0391 0.1914 0.4102
26 0.0234 0.1563 0.3672
27 0.0156 0.1250 0.3262
28 0.0078 0.0977 0.2852
29 0.0742 0.2480
30 0.0547 0.2129
31 0.0391 0.1797
32 0.0273 0.1504
33 0.0195 0.1250
34 0.0117 0.1016
35 0.0078 0.0820
36 0.0039 0.0645
37 0.0488
38 0.0371
39 00273
Estadstica No Paramtrica Aplicada a la Ganadera - 171 -
Continuacin....
N
c 10 11 12 13 14 15
28 0,5000
29 0,4609
30 0,4229
31 0,3848
32 0,3477
33 0,3125 0,5171
34 0,2783 0,4829
35 0,2461 0,4492
36 0,2158 0,4155
37 0,1875 0,3823
38 0,1611 0,3501
39 0,1377 0,3188 0,5151
40 0,1162 0,2886 0,4849
41 0,0967 0,2598 0,4548
42 0,0801 0,2324 0,4250
43 0,0654 0,2065 0,3955
44 0,0527 0,1826 0,3667
45 0,0420 0,1602 0,3386
46 0,0322 0,1392 0,3110 0,5000
47 0,0244 0,1201 0,2847 0,4730
48 0,0186 0,1030 0,2593 0,4463
49 0,0137 0,0874 0,2349 0,4197
50 0,0098 0,0737 0,2119 0,3934
51 0,0068 0,0615 0,1902 0,3677
52 0,0049 0,0508 0,1697 0,3424
53 0,0029 0,0415 0,1506 0,3177 0,5000
54 0,0020 0,0337 0,1331 0,2939 0,4758
55 0,0010 0,0269 0,1167 0,2709 0,4516
56 0,0210 0,1018 0,2487 0,4276
57 0,0161 0,0881 0,2274 0,4039
58 0,0122 0,0757 0,2072 0,3804
59 0,0093 0,0647 0,1879 0,3574
60 0,0068 0,0549 0,1698 0,3349 0,5110
61 0,0049 0,0461 0,1527 0,3129 0,4890
62 0,0034 0,0386 0,1367 0,2915 0,4670
63 0,0024 0,0320 0,1219 0,2708 0,4452
64 0,0015 0,0261 0,1082 0,2508 0,4235
65 0,0010 0,0212 0,0955 0,2316 0,4020
66 0,0005 0,0171 0,0839 0,2131 0,3808
67 0,0134 0,0732 0,1955 0,3599
68 0,0105 0,0636 0,1788 0,3394
69 0,0081 0,0549 0,1629 0,3193
70 0,0061 0,0471 0,1479 0,2997
71 0,0046 0,0402 0,1338 0,2807
72 0 0034 0 0341 0 1206 0 2622
- 172 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
C o ntinu ac i n ...
N
c 13 14 15
79 0,0085 0,0520 0,1514
80 0,0067 0,0453 0,1384
81 0,0052 0,0392 0,1262
82 0,0040 0,0338 0,1147
83 0,0031 0,0290 0,1039
84 0,0023 0,0247 0,0938
85 0,0017 0,0209 0,0844
86 0,0012 0,0176 0,0757
87 0,0009 0,0148 0,0677
88 0,0006 0,0123 0,0603
89 0,0004 0,0101 0,0535
90 0,0002 0,0083 0,0473
91 0,0001 0,0067 0,0416
92 0,0054 0,0365
93 0,0043 0,0319
94 0,0034 0,0277
95 0,0026 0,0240
96 0,0020 0,0206
97 0,0015 0,0177
98 0,0012 0,0151
99 0,0009 0,0128
100 0,0006 0,0108
101 0,0004 0,0090
102 0,0003 0,0075
103 0,0002 0,0062
104 0,0001 0,0051
105 0,0001 0,0042
106 0,0034
107 0,0027
108 0,0021
109 0,0017
110 0,0013
111 0,0010
112 0,0008
113 0,0006
114 0,0004
115 0,0003
116 0,0002
117 0 0002
Estadstica No Paramtrica Aplicada a la Ganadera - 173 -
TABLAI: (continuacin)
Probabilidad Probabilidad Probabilidad
N S1 S2 X Obs. Otra Totales N S1 S2 X Obs. Otra Totales N S1 S2 X Obs. Otra Totales
15 3 5 0 0.264 0.242 0.506 2 0.538 0.462 1.000 4 0.100 0.019 0.119
1 0.758 0.758 1.516 3 0.143 0.092 0.235 5 0.007 0.000 0.007
2 0.242 0.264 0.506 4 0.011 0.000 0.011 15 6 6 0 0.017 0.011 0.028
3 0.022 0.000 0.022 15 4 7 0 0.051 0.026 0.077 1 0.168 0.119 0.287
15 3 6 0 0.185 0.044 0.229 1 0.338 0.231 0.569 2 0.545 0.455 1.000
1 0.659 0.341 1.000 2 0.662 0.338 1.000 3 0.455 0.168 0.623
2 0.341 0.185 0.526 3 0.231 0.051 0.282 4 0.119 0.017 0.136
3 0.044 0.000 0.044 4 0.026 0.000 0.026 5 0.011 0.000 0.011
15 3 7 0 0.123 0.077 0.200 15 5 5 0 0.084 0.017 0.101 6 0.000 0.000 0.000
1 0.554 0.446 1.000 1 0.434 0.167 0.601 15 6 7 0 0.006 0.001 0.007
2 0.446 0.123 0.569 2 0.566 0.434 1.000 1 0.084 0.035 0.119
3 0.077 0.000 0.077 3 0.167 0.084 0.251 2 0.378 0.231 0.609
15 4 4 0 0.242 0.033 0.275 4 0.017 0.000 0.017 3 0.622 0.378 1.000
1 0.725 0.275 1.000 5 0.000 0.000 0.000 4 0.231 0.084 0.315
2 0.275 0.242 0.517 15 5 6 0 0.042 0.047 0.089 5 0.035 0.006 0.041
3 0.033 0.000 0.033 1 0.294 0.287 0.581 6 0.001 0.000 0.001
4 0.001 0.000 0.001 2 0.713 0.713 1.426 15 7 7 0 0.001 0.000 0.001
15 4 5 0 0.154 0.077 0.231 3 0.287 0.294 0.581 1 0.032 0.009 0.041
1 0.593 0.407 1.000 4 0.047 0.042 0.089 2 0.214 0.100 0.314
2 0.407 0.154 0.561 5 0.002 0.000 0.002 3 0.595 0.405 1.000
3 0.077 0.000 0.077 15 5 7 0 0.019 0.007 0.026 4 0.405 0.214 0.619
4 0.004 0.000 0.004 1 0.182 0.100 0.282 5 0.100 0.032 0.132
15 4 6 0 0.092 0.011 0.103 2 0.573 0.427 1.000 6 0.009 0.001 0.010
1 0.462 0.143 0.605 3 0.427 0.182 0.609 7 0.000 0.000 0.000
TABLA J: Probabilidades de los lados inferior y superior para Wx, el estadstico de la suma de rangos de W
Las entradas son P W X C L y P WX CU es
.WlaX suma de rangos para el grupo ms pequeo.
m= 3
CL n = 3 CU n = 4 CU n = 5 CU n = 6 CU n = 7 CU n = 8 CU n = 9 CU n = 1
6 0.0500 15 0.0286 18 0.0179 21 0.0119 24 0.0083 27 0.0061 30 0.0045 33 0.003
7 0.1000 14 0.0571 17 0.0357 20 0.0238 23 0.0167 26 0.0121 29 0.0091 32 0.007
8 0.2000 13 0.1143 16 0.0714 19 0.0476 22 0.0333 25 0.0242 28 0.0182 31 0.014
9 0.3500 12 0.2000 15 0.1250 18 0.0833 21 0.0583 24 0.0424 27 0.0318 30 0.024
10 0.5000 11 0.3143 14 0.1964 17 0.1310 20 0.0917 23 0.0667 26 0.0500 29 0.038
11 0.6500 10 0.4286 13 0.2857 16 0.1905 19 0.1333 22 0.0970 25 0.0727 28 0.055
12 0.8000 9 0.5714 12 0.3929 15 0.2738 18 0.1917 21 0.1394 24 0.1045 27 0.080
13 0.9000 8 0.6857 11 0.5000 14 4.3571 17 0.2583 20 0.1879 23 0.1409 26 0.108
14 0.9500 7 0.8000 10 0.6071 13 0.4524 16 0.3333 19 0.2485 22 0.1864 25 0.143
15 1.0000 6 0.8857 9 0.7143 12 0.5476 15 0.4167 18 0.3152 21 0.2409 24 0.185
16 0.9429 8 0.8036 11 0.6429 14 0.5000 17 0.3879 20 0.3000 23 0.234
17 0.9714 7 0.8750 10 0.7262 13 0.5833 16 0.4606 19 0.3636 22 0.286
18 1.0000 6 0.9286 9 0.8095 12 0.6667 15 0.5394 18 0.4318 21 0.346
19 0.9643 8 0.8690 11 0.7417 14 0.6121 17 0.5000 20 0.405
20 0.9821 7 0.9167 10 0.8083 13 0.6848 16 0.5682 19 0.468
21 1.0000 6 0.9524 9 0.8667 12 0.7515 15 0.6364 18 0.53
22 0.9762 8 0.9083 11 0.8121 14 0.7000 17 0.594
23 0.9881 7 0.9417 10 0.8606 13 0.7591 16 0.653
24 1.0000 6 0.9667 9 0.9030 12 0.8136 15 0.713
Estadstica No Paramtrica Aplicada a la Ganadera - 177 -
- 178 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
m= 4
CL n = 4 CU n = 5 CU n = 6 CU n = 7 CU n = 8 CU n = 9 CU n = 10 CU
10 0,0143 26 0,0079 30 0,0048 34 0,0030 38 0,0020 42 0,0014 46 0,0010 50
11 0,0286 25 0,0159 29 0,0095 33 0,0061 37 0,0040 41 0,0028 45 0,0020 49
12 0,0571 24 0,0317 28 0,0190 32 0,0121 36 0,0081 40 0,0056 44 0,0040 48
13 0,1000 23 0,0556 27 0,0333 31 0,0212 35 0,0141 39 0,0098 43 0,0070 47
14 0,1714 22 0,0952 26 0,0571 30 0,0364 34 0,0242 38 0,0168 42 0,0120 46
15 0,2429 21 0,1429 25 0,0857 29 0,0545 33 0,0364 37 0,0252 41 0,0180 45
16 0,3429 20 0,2063 24 0,1286 28 0,0818 32 0,0545 36 0,0378 40 0,0270 44
17 0,4429 19 0,2778 23 0,1762 27 0,1152 31 0,0768 35 0,0531 39 0,0380 43
18 0,5571 18 0,3651 22 0,2381 26 0,1576 30 0,1071 34 0,0741 38 0,0529 42
19 0,6571 17 0,4524 21 0,3048 25 0,2061 29 0,1414 33 0,0993 37 0,0709 41
20 0,7571 16 0,5476 20 0,3810 24 0,2636 28 0,1838 32 0,1301 36 0,0939 40
21 0,8286 15 0,6349 19 0,4571 23 0,3242 27 0,2303 31 0,1650 35 0,1199 39
22 0,9000 14 0,7222 18 0,5429 22 0,3939 26 0,2848 30 0,2070 34 0,1518 38
23 0,9429 13 0,7937 17 0,6190 21 0,4636 25 0,3414 29 0,2517 33 0,1868 37
24 0,9714 12 0,8571 16 0,6952 20 0,5364 24 0,4040 28 0,3021 32 0,2268 36
25 0,9857 11 0,9048 15 0,7619 19 0,6061 23 0,4667 27 0,3552 31 0,2697 35
26 1,0000 10 0,9444 14 0,8238 18 0,6758 22 0,5333 26 0,4126 30 0,3177 34
27 0,9683 13 0,8714 17 0,7364 21 0,5960 25 0,4699 29 0,3666 33
28 0,9841 12 0,9143 16 0,7939 20 0,6586 24 0,5301 28 0,4196 32
29 0,9921 11 0,9429 15 0,8424 19 0,7152 23 0,5874 27 0,4725 31
30 1,0000 10 0,9667 14 0,8848 18 0,7697 22 0,6448 26 0,5275 30
31 0,9810 13 0,9182 17 0,8162 21 0,6979 25 0,5804 29
32 0,9905 12 0,9455 16 0,8586 20 0,7483 24 0,6334 28
33 0,9952 11 0,9636 15 0,8929 19 0,7930 23 0,6823 27
34 1,0000 10 0,9788 14 0,9232 18 0,8350 22 0,7303 26
m=5
CL n=5 CU n=6 CU n=7 CU n=8 CU n
15 0,0040 40 0,0022 45 0,0013 50 0,0008 55 0,
16 0,0079 39 0,0043 44 0,0025 49 0,0016 54 0,
17 0,0159 38 0,0087 43 0,0051 48 0,0031 53 0,
18 0,0278 37 0,0152 42 0,0088 47 0,0054 52 0,
19 0,0476 36 0,0260 41 0,0152 46 0,0093 51 0,
20 0,0754 35 0,0411 40 0,0240 45 0,0148 50 0,
21 0,1111 34 0,0628 39 0,0366 44 0,0225 49 0,
22 0,1548 33 0,0887 38 0,0530 43 0,0326 48 0,
23 0,2103 32 0,1234 37 0,0745 42 0,0466 47 0,
24 0,2738 31 0,1645 36 0,1010 41 0,0637 46 0,
25 0,3452 30 0,2143 35 0,1338 40 0,0855 45 0,
26 0,4206 29 0,2684 34 0,1717 39 0,1111 44 0,
27 0,5000 28 0,3312 33 0,2159 38 0,1422 43 0,
28 0,5794 27 0,3961 32 0,2652 37 0,1772 42 0,
29 0,6548 26 0,4654 31 0,3194 36 0,2176 41 0,
30 0,7262 25 0,5346 30 0,3775 35 0,2618 40 0,
31 0,7897 24 0,6039 29 0,4381 34 0,3108 39 0,
32 0,8452 23 0,6688 28 0,5000 33 0,3621 38 0,
33 0,8889 22 0,7316 27 0,5619 32 0,4165 37 0,
34 0,9246 21 0,7857 26 0,6225 31 0,4716 36 0,
35 0,9524 20 0,8355 25 0,6806 30 0,5284 35 0,
36 0,9722 19 0,8766 24 0,7348 29 0,5835 34 0,
37 0,9841 18 0,9113 23 0,7841 28 0,6379 33 0,
38 0,9921 17 0,9372 22 0,8283 27 0,6892 32 0,
39 0,9960 16 0,9589 21 0,8662 26 0,7382 31 0,
40 1,0000 15 0,9740 20 0,8990 25 0,7824 30 0,
Estadstica No Paramtrica Aplicada a la Ganadera - 179 -
- 180 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Tabla J: (Continuacin).
m= 6
CL n=6 CU n=7 CU n=8 CU n = 9 CU n = 10 CU
21 0.0010 57 0.0006 63 0.0003 69 0.0002 75 0.0001 81
22 0.0022 56 0.0012 62 0.0007 68 0.0004 74 0.0002 80
23 0.0043 55 0.0023 61 0.0013 67 0.0008 73 0.0005 79
24 0.0076 54 0.0041 60 0.0023 66 0.0014 72 0.0009 78
25 0.0130 53 0.0070 59 0.0040 65 0.0024 71 0.0015 77
26 0.0206 52 0.0111 58 0.0063 64 0.0038 70 0.0024 76
27 0.0325 51 0.0175 57 0.0100 63 0.0060 69 0.0037 75
28 0.0465 50 0.0256 56 0.0147 62 0.0088 68 0.0055 74
29 0.0660 49 0.0367 55 0.0213 61 0.0128 67 0.0080 73
30 0.0898 48 0.0507 54 0.0296 60 0.0180 66 0.0112 72
31 0.1201 47 0.0688 53 0.0406 59 0.0248 65 0.0156 71
32 0.1548 46 0.0903 52 0.0539 58 0.0332 64 0.0210 70
33 0.1970 45 0.1171 51 0.0709 57 0.0440 63 0.0280 69
34 0.2424 44 0.1474 50 0.0906 56 0.0567 62 0.0363 68
35 0.2944 43 0.1830 49 0.1142 55 0.0723 61 0.0467 67
36 0.3496 42 0.2226 48 0.1412 54 0.0905 60 0.0589 66
37 0.4091 41 0.2669 47 0.1725 53 0.1119 59 0.0736 65
38 0.4686 40 0.3141 46 0.2068 52 0.1361 58 0.0903 64
39 0.5314 39 0.3654 45 0.2454 51 0.1638 57 0.1099 63
40 0.5909 38 0.4178 44 0.2864 50 0.1942 56 0.1317 62
41 0.6504 37 0.4726 43 0.3310 49 0.2280 55 0.1566 61
42 0.7056 36 0.5274 42 0.3773 48 0.2643 54 0.1838 60
43 0.7576 35 0.5822 41 0.4259 47 0.3035 53 0.2139 59
44 0.8030 34 0.6346 40 0.4749 46 0.3445 52 0.2461 58
45 0.8452 33 0.6859 39 0.5251 45 0.3878 51 0.2811 57
46 0.8799 32 0.7331 38 0.5741 44 0.4320 50 0.3177 56
47 0.9102 31 0.7774 37 0.6227 43 0.4773 49 0.3564 55
48 0.9340 30 0.8170 36 0.6690 42 0.5227 48 0.3962 54
49 0.9535 29 0.8526 35 0.7136 41 0.5680 47 0.4374 53
50 0.9675 28 0.8829 34 0.7546 40 0.6122 46 0.4789 52
51 0.9794 27 0.9097 33 0.7932 39 0.6555 45 0.5211 51
Estadstica No Paramtrica Aplicada a la Ganadera - 181 -
m= 7
CL n=7 CU n=8 CU n=9 CU n = 10 CU
28 0,0003 77 0,0002 84 0,0001 91 0,0001 98
29 0,0006 76 0,0003 83 0,0002 90 0,0001 97
30 0,0012 75 0,0006 82 0,0003 89 0,0002 96
31 0,0020 74 0,0011 81 0,0006 88 0,0004 95
32 0,0035 73 0,0019 80 0,0010 87 0,0006 94
33 0,0055 72 0,0030 79 0,0017 86 0,0010 93
34 0,0087 71 0,0047 78 0,0026 85 0,0015 92
35 0,0131 70 0,0070 77 0,0039 84 0,0023 91
36 0,0189 69 0,0103 76 0,0058 83 0,0034 90
37 0,0265 68 0,0145 75 0,0082 82 0,0048 89
38 0,0364 67 0,0200 74 0,0115 81 0,0068 88
39 0,0487 66 0,0270 73 0,0156 80 0,0093 87
40 0,0641 65 0,0361 72 0,0209 79 0,0125 86
41 0,0825 64 0,0469 71 0,0274 78 0,0165 85
42 0,1043 63 0,0603 70 0,0356 77 0,0215 84
43 0,1297 62 0,0760 69 0,0454 76 0,0277 83
44 0,1588 61 0,0946 68 0,0571 75 0,0351 82
45 0,1914 60 0,1159 67 0,0708 74 0,0439 81
46 0,2279 59 0,1405 66 0,0869 73 0,0544 80
47 0,2675 58 0,1678 65 0,1052 72 0,0665 79
48 0,3100 57 0,1984 64 0,1261 71 0,0806 78
49 0,3552 56 0,2317 63 0,1496 70 0,0966 77
50 0,4024 55 0,2679 62 0,1755 69 0,1148 76
51 0,4508 54 0,3063 61 0,2039 68 0,1349 75
52 0,5000 53 0,3472 60 0,2349 67 0,1574 74
53 0,5492 52 0,3894 59 0,2680 66 0,1819 73
54 0,5976 51 0,4333 58 0,3032 65 0,2087 72
55 0,6448 50 0,4775 57 0,3403 64 0,2374 71
56 0,6900 49 0,5225 56 0,3788 63 0,2681 70
57 0,7325 48 0,5667 55 0,4185 62 0,3004 69
58 0,7721 47 0,6106 54 0,4591 61 0,3345 68
59 0,8086 46 0,6528 53 0,5000 60 0,3698 67
60 0,8412 45 0,6937 52 0,5409 59 0,4063 66
61 0,8703 44 0,7321 51 0,5815 58 0,4434 65
62 0,8957 43 0,7683 50 0,6212 57 0,4811 64
63 0,9175 42 0,8016 49 0,6597 56 0,5189 63
- 182 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
m=8
CL n=8 CU n=9 CU n = 10 CU
36 0,0001 100 0,0000 108 0,0000 116
37 0,0002 99 0,0001 107 0,0000 115
38 0,0003 98 0,0002 106 0,0001 114
39 0,0005 97 0,0003 105 0,0002 113
40 0,0009 96 0,0005 104 0,0003 112
41 0,0015 95 0,0008 103 0,0004 111
42 0,0023 94 0,0012 102 0,0007 110
43 0,0035 93 0,0019 101 0,0010 109
44 0,0052 92 0,0028 100 0,0015 108
45 0,0074 91 0,0039 99 0,0022 107
46 0,0103 90 0,0056 98 0,0031 106
47 0,0141 89 0,0076 97 0,0043 105
48 0,0190 88 0,0103 96 0,0058 104
49 0,0249 87 0,0137 95 0,0078 103
50 0,0325 86 0,0180 94 0,0103 102
51 0,0415 85 0,0232 93 0,0133 101
52 0,0524 84 0,0296 92 0,0171 100
53 0,0652 83 0,0372 91 0,0217 99
54 0,0803 82 0,0464 90 0,0273 98
55 0,0974 81 0,0570 89 0,0338 97
56 0,1172 80 0,0694 88 0,0416 96
57 0,1393 79 0,0836 87 0,0506 95
58 0,1641 78 0,0998 86 0,0610 94
59 0,1911 77 0,1179 85 0,0729 93
60 0,2209 76 0,1383 84 0,0864 92
61 0,2527 75 0,1606 83 0,1015 91
62 0,2869 74 0,1852 82 0,1185 90
63 0,3227 73 0,2117 81 0,1371 89
64 0,3605 72 0,2404 80 0,1577 88
65 0,3992 71 0,2707 79 0,1800 87
66 0,4392 70 0,3029 78 0,2041 86
67 0,4796 69 0,3365 77 0,2299 85
68 0,5204 68 0,3715 76 0,2574 84
69 0,5608 67 0,4074 75 0,2863 83
70 0,6008 66 0,4442 74 0,3167 82
71 0,6395 65 0,4813 73 0,3482 81
72 0,6773 64 0,5187 72 0,3809 80
73 0,7131 63 0,5558 71 0,4143 79
74 0,7473 62 0,5926 70 0,4484 78
75 0,7791 61 0,6285 69 0,4827 77
76 0,8089 60 0,6635 68 0,5173 76
Estadstica No Paramtrica Aplicada a la Ganadera - 183 -
m= 9
CL n=9 CU n = 10 CU CL n=9 CU n = 10 CU
45 0,0000 126 0,0000 135 68 0,0680 103 0,0394 112
46 0,0000 125 0,0000 134 69 0,0807 102 0,0474 111
47 0,0001 124 0,0000 133 70 0,0951 101 0,0564 110
48 0,0001 123 0,0001 132 71 0,1112 100 0,0667 109
49 0,0002 122 0,0001 131 72 0,1290 99 0,0782 108
50 0,0004 121 0,0002 130 73 0,1487 98 0,0912 107
51 0,0006 120 0,0003 129 74 0,1701 97 0,1055 106
52 0,0009 119 0,0005 128 75 0,1933 96 0,1214 105
53 0,0014 118 0,0007 127 76 0,2181 95 0,1388 104
54 0,0020 117 0,0011 126 77 0,2447 94 0,1577 103
55 0,0028 116 0,0015 125 78 0,2729 93 0,1781 102
56 0,0039 115 0,0021 124 79 0,3024 92 0,2001 101
57 0,0053 114 0,0028 123 80 0,3332 91 0,2235 100
58 0,0071 113 0,0038 122 81 0,3652 90 0,2483 99
59 0,0094 112 0,0051 121 82 0,3981 89 0,2745 98
60 0,0122 111 0,0066 120 83 0,4317 88 0,3019 97
61 0,0157 110 0,0086 119 84 0,4657 87 0,3304 96
62 0,0200 109 0,0110 118 85 0,5000 86 0,3598 95
63 0,0252 108 0,0140 117 86 0,5343 85 0,3901 94
64 0,0313 107 0,0175 116 87 0,5683 84 0,4211 93
65 0,0385 106 0,0217 115 88 0,6019 83 0,4524 92
66 0,0470 105 0,0267 114 89 0,6348 82 0,4841 91
67 0,0567 104 0,0326 113 90 0,6668 81 0,5159 90
- 184 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
m = 10
CL n = 10 CU CL n = 10 CU
55 0,0000 155 81 0,0376 129
56 0,0000 154 82 0,0446 128
57 0,0000 153 83 0,0526 127
58 0,0000 152 84 0,0615 126
59 0,0001 151 85 0,0716 125
60 0,0001 150 86 0,0827 124
61 0,0002 149 87 0,0952 123
62 0,0002 148 88 0,1088 122
63 0,0004 147 89 0,1237 121
64 0,0005 146 90 0,1399 120
65 0,0008 145 91 0,1575 119
66 0,0010 144 92 0,1763 118
67 0,0014 143 93 0,1965 117
68 0,0019 142 94 0,2179 116
69 0,0026 141 95 0,2406 115
70 0,0034 140 96 0,2644 114
71 0,0045 139 97 0,2894 113
72 0,0057 138 98 0,3153 112
73 0,0073 137 99 0,3421 111
74 0,0093 136 100 0,3697 110
75 0,0116 135 101 0,3980 109
76 0,0144 134 102 0,4267 108
77 0,0177 133 103 0,4559 107
78 0,0216 132 104 0,4853 106
79 0,0262 131 105 0,5147 105
80 0,0315 130
Estadstica No Paramtrica Aplicada a la Ganadera - 185 -
n
3 4 5 6 7 8 9 10 11 12 m
0.10 2.347 1.732 1.632 1.897 1.644 1.500 1.575 1.611 1.638 1.616
0.05 * 3.273 2.324 2.912 2.605 2.777 2.353 2.553 2.369 2.449
0.025 * 4.195 5.116 6.037 4.082 3.566 3.651 3.503 3.406 3
0.01 * * * 6.957 7.876 8.795 5.831 5.000
1.586 1.500 1.434 1.428 1.371 1.434 1.466 1.448 1.455
2.502 2.160 2.247 2.104 2.162 2.057 2.000 2.067 2.096
4.483 3.265 3.021 3.295 2.868 2.683 2.951 2.776 2.847 4
* * 6.899 4.786 4.252 4.423 4.276 4.017 3.904
1.447 1.362 1.308 1.378 1.361 1.361 1.340 1.369
2.063 1.936 1.954 1.919 1.893 1.900 1.891 1.923
2.859 2.622 2.465 2.556 2.536 2.496 2.497 2.479 5
7.187 3.913 4.246 3.730 3.388 3.443 3.435 3.444
1.335 1.326 1.327 1.338 1.339 1.320 1.330
1.860 1.816 1.796 1.845 1.829 1.833 1.835
2.502 2.500 2.443 2.349 2.339 2.337 2.349 6
3.712 3.519 3.230 3.224 3.164 3.161 3.151
1.333 1.310 1.320 1.313 1.302 1.318
1.804 1.807 1.790 1.776 1.796 1.787
2.331 2.263 2.287 2.248 2.240 2.239 7
3.195 3.088 2.967 3.002 2.979 2.929
1.295 1.283 1.284 1.290 1.293
1.766 1.765 1.756 1.746 1.759
2.251 2.236 2.209 2.205 2.198 8
2.954 2.925 2.880 2.856 2.845
1.294 1.304 1.288 1.299
1.744 1.742 1.744 1.737
2.206 2.181 2.172 2.172 9
2.857 2.802 2.798 2.770
Los valores tabulados se encuentran en renglones 1.295 1.284 1.284
sucesivos para =0.10, 0.05, 0.025, 0.01 para 1.723 1.726 1.720
distintos valores de my n 2.161 2.152 2.144 10
Nota: para esta prueba, mes la muestra de menor 2.770 2.733 2.718
tamao y n es la de mayor tamao. 1.289 1.290
* El mayor tamao de U se utiliza cuando Vx y Vy es 1.716 1.708
igual a cero, o cuando U no est definida. 2.138 2.127 11
2.705 2.683
1.283
1.708
2.117 12
- 186 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Tabla L-1: Prueba de Kolmogorov-Smirnov para dos muestra*.
Valores crticos para la regin de rechazo unidireccional de mnDm,n c. Los valores super
indican c0.10, c0.05 y c0.01 para cada entrada (m,n).
m
n 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
3 9 10 11 15 15 16 21 19 22 24 25 26 30 30 32 36 36 37
9 10 13 15 16 19 21 22 25 27 28 31 33 34 35 39 40 41
** ** ** ** 19 22 27 28 31 33 34 37 42 43 43 48 49 52
4 10 16 13 16 18 24 21 24 26 32 29 32 34 40 37 40 41 48
10 16 16 18 21 24 25 28 29 36 33 38 38 44 44 46 49 52
** ** 17 22 25 32 29 34 37 40 41 46 46 52 53 56 57 64
5 11 13 20 19 21 23 26 30 30 32 35 37 45 41 44 46 47 55
13 16 20 21 24 26 28 35 35 36 40 42 50 46 49 51 56 60
** 17 25 26 29 33 36 40 41 46 48 51 60 56 61 63 67 75
6 15 16 19 24 24 26 30 32 33 42 37 42 45 48 49 54 54 56
15 18 21 30 25 30 33 36 38 48 43 48 51 54 56 66 61 66
** 22 26 36 31 38 42 44 49 54 54 60 63 66 68 78 77 80
7 15 18 21 24 35 28 32 34 38 40 44 49 48 51 54 56 59 61
16 21 24 25 35 34 36 40 43 45 50 56 56 58 61 64 68 72
19 25 29 31 42 42 46 50 53 57 59 70 70 71 75 81 85 87
8 16 24 23 26 28 40 33 40 41 48 47 50 52 64 57 62 64 72
19 24 26 30 34 40 40 44 48 52 53 58 60 72 65 72 73 80
22 32 33 38 42 48 49 56 59 64 66 72 75 88 81 88 91 100
Continuacin....
9 21 21 26 30 32 33 45 43 45 51 51 54 60 61 65 72 70 73
21 25 28 33 36 40 54 46 51 57 57 63 69 68 74 81 80 83
27 29 36 42 46 49 63 61 62 69 73 77 84 86 92 99 99 10
10 19 24 30 32 34 40 43 50 48 52 55 60 65 66 69 72 74 90
22 28 35 36 40 44 46 60 57 60 62 68 75 76 77 82 85 10
28 34 40 44 50 56 61 70 69 74 78 84 90 94 97 104 104 12
11 22 26 30 33 38 41 45 48 66 54 59 63 66 69 72 76 79 84
25 29 35 38 43 48 51 57 66 64 67 72 76 80 83 87 92 95
31 37 41 49 53 59 62 69 88 77 85 89 95 100 104 108 114 11
12 24 32 32 42 40 48 51 52 54 72 61 68 72 76 77 84 85 92
27 36 36 48 45 52 57 60 64 72 71 78 84 88 89 96 98 10
33 40 46 54 57 64 69 74 77 96 92 94 102 108 111 120 121 12
13 25 29 35 37 44 47 51 55 59 61 78 72 75 79 81 87 89 95
28 33 40 43 50 53 57 62 67 71 91 78 86 90 94 98 102 10
34 41 48 54 59 66 73 78 85 92 104 102 106 112 118 121 127 13
14 26 32 37 42 49 50 54 60 63 68 72 84 80 84 87 92 94 10
31 38 42 48 56 58 63 68 72 78 78 98 92 96 99 104 108 11
37 46 51 60 70 72 77 84 89 94 102 112 111 120 124 130 135 14
15 30 34 45 45 48 52 60 65 66 72 75 80 90 87 91 99 100 11
33 38 50 51 56 60 69 75 76 84 86 92 105 101 105 111 113 12
42 46 60 63 70 75 84 90 95 102 106 111 135 120 130 138 142 15
63 76 82 96 103 120 123 130 138 156 154 164 174 184 187 198 204 212
25 46 53 65 67 74 81 88 100 100 106 111 119 130 130 137 142 148 155
52 61 75 78 85 95 101 110 116 120 131 136 145 148 156 161 168 180
64 73 90 96 106 118 124 140 143 153 160 169 180 185 192 201 211 220
A d aptad a d e Gail, M .H. Y Green S.B. " Critical v alu es fo r th e on e-s ided two -s ample Ko lmo g o rov -S
* * Es tad s ticas q ue n o alcan zan es te n iv el de s ig n ificacin .
Tabla L-2: Prueba de Ko lmogo rov-Smirnov p ara do s mues tras *.
Valores crticos para la regin d e rechazo bidireccional de mnDm,n c. Los valores s u
indican c 0 .1 0 , c 0 .0 5 y c 0 .0 1 para cad a entrad a (m,n).
m
n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
1
2 10 12 14 16 18 18 20 22 24 24 26 28 30 32
16 18 20 22 24 26 26 28 30 32 34
3 9 12 15 15 18 21 21 24 27 27 30 33 33 36 36 39
15 18 21 21 24 27 30 30 33 36 36 39 42 45
27 30 33 36 39 42 42 45 48 51
4 12 16 16 18 21 24 27 28 29 36 35 38 40 44 44 46
16 20 20 24 28 28 30 33 36 39 42 44 48 48 50
24 28 32 36 36 40 44 48 48 52 56 60 60
5 10 15 16 20 24 25 27 30 35 35 36 40 42 50 48 50 52
15 20 25 24 28 30 35 40 39 43 45 46 55 54 55 60
25 30 35 35 40 45 45 50 52 56 60 64 68 70
6 12 15 18 24 30 28 30 33 36 38 48 46 48 51 54 56 66
18 20 24 30 30 34 39 40 43 48 52 54 57 60 62 72
24 30 36 36 40 45 48 54 60 60 64 69 72 73 84
7 14 18 21 25 28 35 34 36 40 44 46 50 56 56 59 61 65
21 24 28 30 42 40 42 46 48 53 56 63 62 64 68 72
28 35 36 42 48 49 53 59 60 65 77 75 77 84 87
Estadstica No Paramtrica Aplicada a la Ganadera - 189 -
Continuacin...
m
n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 2
8 16 21 24 27 30 34 40 40 44 48 52 54 58 60 72 68 72 74 8
16 21 28 30 34 40 48 46 48 53 60 62 64 67 80 77 80 82 8
32 35 40 48 56 55 60 64 68 72 76 81 88 88 94 98 1
9 18 21 27 30 33 36 40 54 50 52 57 59 63 69 69 74 81 80 8
18 24 28 35 39 42 46 54 53 59 63 65 70 75 78 82 90 89 9
27 36 40 45 49 55 63 63 70 75 78 84 90 94 99 108 107 1
10 18 24 28 35 36 40 44 50 60 57 60 64 68 75 76 79 82 85 10
20 27 30 40 40 46 48 53 70 60 66 70 74 80 84 89 92 94 1
30 36 45 48 53 60 63 80 77 80 84 90 100 100 106 108 113 1
11 20 27 29 35 38 44 48 52 57 66 64 67 73 76 80 85 88 92 9
22 30 33 39 43 48 53 59 60 77 72 75 82 84 89 93 97 102 1
33 40 45 54 59 64 70 77 88 86 91 96 102 106 110 118 122 1
12 22 27 36 36 48 46 52 57 60 64 72 71 78 84 88 90 96 99 10
24 30 36 43 48 53 60 63 66 72 84 81 86 93 96 100 108 108 1
36 44 50 60 60 68 75 80 86 96 95 104 108 116 119 126 130 1
13 24 30 35 40 46 50 54 59 64 67 71 91 78 87 91 96 99 104 10
26 33 39 45 52 56 62 65 70 75 81 91 89 96 101 105 110 114 1
39 48 52 60 65 72 78 84 91 95 117 104 115 121 127 131 138 1
- 190 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
0,10 m+n
1.22
mn
0,05 m+n
1.36
mn
m+n
0,025 1.48
mn
0,01 m+n
1.63
mn
0,005 m+n
1.73
mn
m+n
0,001 1.95
mn
Adaptado de Smirnov, N., "Tables for estimating the goodness of fit of empirical
distributions". Annals of Mathematical Statistics, 1948.
Estadstica No Paramtrica Aplicada a la Ganadera - 193 -
k N 010
. 0.05 0.01
3 3 6,00 6,00 --
4 6,00 6,50 8,00
5 5,20 6,40 8,40
6 5,33 7,00 9,00
7 5,43 7,14 8,86
8 5,25 6,25 9,00
9 5,56 6,22 8,67
10 5,00 6,20 9,60
11 4,91 6,54 8,91
12 5,17 6,17 8,67
13 4,77 6,00 9,39
Continuacin...
Tamao de las
muestras 0,10 0,05 0,01 0,005
3 3 5 28 30 33 35
3 3 6 32 34 38 40
3 3 7 36 38 42 44
3 3 8 40 42 47 49
3 4 4 29 31 34 36
3 4 5 33 35 39 41
3 4 6 38 40 44 46
3 4 7 42 45 49 52
3 4 8 47 50 55 57
3 5 5 38 41 45 47
3 5 6 43 46 51 53
3 5 7 48 51 57 59
3 5 8 53 57 63 65
3 6 6 49 52 57 60
3 6 7 54 58 64 67
3 6 8 60 64 70 73
3 7 7 61 64 71 74
3 7 8 67 71 78 81
3 8 8 74 78 86 89
4 4 4 34 36 40 42
4 4 5 39 41 45 48
4 4 6 44 47 51 54
4 4 7 49 52 57 60
4 4 8 54 57 63 66
4 5 5 44 47 52 55
4 5 6 50 53 58 61
4 5 7 56 59 65 68
4 5 8 61 65 71 75
4 6 6 56 60 66 69
4 6 7 62 66 73 76
4 6 8 68 73 80 83
4 7 7 69 73 81 84
4 7 8 76 80 88 92
4 8 8 83 88 97 100
- 198 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Continuacin...
Tamaos de las
muestras 0,10 0,05 0,01 0,005
555 50 54 59 62
556 57 60 66 69
557 63 67 73 76
558 69 73 80 84
566 63 67 74 77
567 70 74 82 85
568 77 81 89 93
577 77 82 90 94
578 85 89 98 102
588 92 98 107 111
666 71 75 82 86
667 78 82 91 94
668 85 90 99 103
677 86 91 100 103
678 94 99 109 113
688 102 108 118 122
777 94 99 109 113
778 102 108 119 123
788 111 117 129 133
888 121 127 139 144
2222 18 19 21 22
22222 28 30 33 34
222222 40 43 46 49
3333 37 39 43 45
33333 58 62 68 70
333333 85 89 97 101
4444 63 66 72 76
44444 100 105 115 119
444444 146 153 166 171
5555 95 100 109 113
55555 152 159 173 178
555555 223 233 251 258
6666 134 140 153 158
66666 215 225 243 250
666666 316 329 353 362
Adaptado de Odeh, R.E. "On Jonckheere's k-sample test against
ordered alternatives". En Technometrics, 1971.
Estadstica No Paramtrica Aplicada a la Ganadera - 199 -
0.25 0.10 0.05 0.025 0.01 0.005 0.0025 0.001 0.0005 unidireccional
N 0.50 0.20 0.10 0.05 0.02 0.01 0.005 0.002 0.001 bidireccional
4 0.600 1.000 1.000
5 0.500 0.800 0.900 1.000 1.000
6 0.371 0.657 0.829 0.886 0.943 1.000 1.000
7 0.321 0.571 0.714 0.786 0.893 0.929 0.964 1.000 1.000
8 0.310 0.524 0.643 0.738 0.833 0.881 0.905 0.952 0.976
9 0.267 0.483 0.600 0.700 0.783 0.833 0.867 0.917 0.933
10 0.248 0.455 0.564 0.648 0.745 0.794 0.830 0.879 0.903
11 0.236 0.427 0.536 0.618 0.709 0.755 0.800 0.845 0.873
12 0.224 0.406 0.503 0.587 0.671 0.727 0.776 0.825 0.860
13 0.209 0.385 0.484 0.560 0.648 0.703 0.747 0.802 0.835
14 0.200 0.367 0.464 0.538 0.622 0.675 0.723 0.776 0.811
15 0.189 0.354 0.443 0.521 0.604 0.654 0.700 0.754 0.786
16 0.182 0.341 0.429 0.503 0.582 0.635 0.679 0.732 0.765
17 0.176 0.328 0.414 0.485 0.566 0.615 0.662 0.713 0.748
18 0.170 0.317 0.401 0.472 0.550 0.600 0.643 0.695 0.728
19 0.165 0.309 0.391 0.460 0.535 0.584 0.628 0.677 0.712
20 0.161 0.299 0.380 0.447 0.520 0.570 0.612 0.662 0.696
21 0.156 0.292 0.370 0.435 0.508 0.556 0.599 0.648 0.681
22 0.152 0.284 0.361 0.425 0.496 0.544 0.586 0.634 0.667
23 0.148 0.278 0.353 0.415 0.486 0.532 0.573 0.622 0.654
24 0.144 0.271 0.344 0.406 0.476 0.521 0.562 0.610 0.642
25 0.142 0.265 0.337 0.398 0.466 0.511 0.551 0.598 0.630
26 0.138 0.259 0.331 0.390 0.457 0.501 0.541 0.587 0.619
27 0.136 0.255 0.324 0.382 0.448 0.491 0.531 0.577 0.608
28 0.133 0.250 0.317 0.375 0.440 0.483 0.522 0.567 0.598
29 0.130 0.245 0.312 0.368 0.433 0.475 0.513 0.558 0.589
30 0.128 0.240 0.306 0.362 0.425 0.467 0.504 0.549 0.580
31 0.126 0.236 0.301 0.356 0.418 0.459 0.496 0.541 0.571
32 0.124 0.232 0.296 0.350 0.412 0.452 0.489 0.533 0.563
33 0.121 0.229 0.291 0.345 0.405 0.446 0.482 0.525 0.554
34 0.120 0.225 0.287 0.340 0.399 0.439 0.475 0.517 0.547
35 0.118 0.222 0.283 0.335 0.394 0.433 0.468 0.510 0.539
36 0.116 0.219 0.279 0.330 0.388 0.427 0.462 0.504 0.533
37 0.114 0.216 0.275 0.325 0.383 0.421 0.456 0.497 0.526
38 0.113 0.212 0.271 0.321 0.378 0.415 0.450 0.491 0.519
39 0.111 0.210 0.267 0.317 0.373 0.410 0.444 0.485 0.513
40 0.110 0.207 0.264 0.313 0.368 0.405 0.439 0.479 0.507
41 0.108 0.204 0.261 0.309 0.364 0.400 0.433 0.473 0.501
42 0.107 0.202 0.257 0.305 0.359 0.395 0.428 0.468 0.495
43 0.105 0.199 0.254 0.301 0.355 0.391 0.423 0.463 0.490
44 0.104 0.197 0.251 0.298 0.351 0.386 0.419 0.458 0.484
45 0.103 0.194 0.248 0.294 0.347 0.382 0.414 0.453 0.479
46 0.102 0.192 0.246 0.291 0.343 0.378 0.410 0.448 0.474
47 0.101 0.190 0.243 0.288 0.340 0.374 0.405 0.443 0.469
48 0.100 0.188 0.240 0.285 0.336 0.370 0.401 0.439 0.465
49 0.098 0.186 0.238 0.282 0.333 0.366 0.397 0.434 0.460
50 0.097 0.184 0.235 0.279 0.329 0.363 0.393 0.430 0.456
Adaptada por zar, J.H. "Significance testing of the Spearman rank correlations coefficiente"., 1972.
- 200 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Tabla R-1: Probabilidades del lado superior para T, del coeficiente de correlacin de
Kendall de rangos ordenados (N 10).
Las entradas son p = P T valor de la tabla .
N T P N T P N T P N T P
4 0.000 0.625 7 0.048 0.500 9 0.000 0.540 10 0.022 0.500
0.333 0.375 0.143 0.386 0.056 0.460 0.067 0.431
0.667 0.167 0.238 0.281 0.111 0.381 0.111 0.364
1.000 0.042 0.333 0.191 0.167 0.306 0.156 0.300
0.429 0.119 0.222 0.238 0.200 0.242
5 0.000 0.592 0.524 0.068 0.278 0.179 0.244 0.190
0.200 0.408 0.619 0.035 0.333 0.130 0.289 0.146
0.400 0.242 0.714 0.015 0.389 0.090 0.333 0.108
0.600 0.117 0.810 0.005 0.444 0.060 0.378 0.078
0.800 0.042 0.905 0.001 0.500 0.038 0.422 0.054
1.000 0.008 1.000 0.000 0.556 0.022 0.467 0.036
0.611 0.012 0.511 0.023
6 0.670 0.500 8 0.000 0.548 0.667 0.006 0.556 0.014
0.200 0.360 0.071 0.452 0.722 0.003 0.600 0.008
0.333 0.235 0.143 0.360 0.778 0.001 0.644 0.005
0.467 0.136 0.214 0.274 0.833 0.000 0.689 0.002
0.600 0.068 0.286 0.199 0.889 0.000 0.733 0.001
0.733 0.028 0.357 0.138 0.944 0.000 0.778 0.000
0.867 0.008 0.429 0.089 1.000 0.000 0.822 0.000
1.001 0.001 0.500 0.054 0.867 0.000
0.571 0.031 0.911 0.000
0.643 0.016 0.956 0.000
0.714 0.007 1.000 0.000
0.786 0.003
0.857 0.001
0.929 0.000
1.000 0.000
Adaptada por Charles Griffin &Co. Ltd. 1970.
Estadstica No Paramtrica Aplicada a la Ganadera - 201 -
Tabla R-2: Valores crticos para T, el coeficiente de correlacin de Kendall de rangos ordenad
Las entradas son valores de T que P T valor de tabla
0.100 0.050 0.025 0.010 0.005 unidirecciona
N 0.200 0.100 0.050 0.020 0.010 bidireccional
11 0.345 0.418 0.491 0.564 0.600
12 0.303 0.394 0.455 0.545 0.576
13 0.308 0.359 0.436 0.513 0.564
14 0.275 0.363 0.407 0.473 0.516
15 0.276 0.333 0.390 0.467 0.505
16 0.250 0.317 0.383 0.433 0.483
17 0.250 0.309 0.368 0.426 0.471
18 0.242 0.294 0.346 0.412 0.451
19 0.228 0.287 0.333 0.392 0.439
20 0.221 0.274 0.326 0.379 0.421
21 0.210 0.267 0.314 0.371 0.410
22 0.195 0.253 0.295 0.344 0.378
23 0.202 0.257 0.296 0.352 0.391
24 0.196 0.246 0.290 0.341 0.377
25 0.193 0.240 0.287 0.333 0.367
26 0.188 0.237 0.280 0.329 0.360
27 0.179 0.231 0.271 0.322 0.356
28 0.180 0.228 0.265 0.312 0.344
29 0.172 0.222 0.261 0.310 0.340
30 0.172 0.218 0.255 0.301 0.333
Adaptada por Charles Griffin & Co. Ltd. 1970.
- 202 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
N= 4 N= 5 N= 6 N= 7
K 0.05 0.01 0.05 0.01 0.05 0.01 0.05 0.01
3 -- -- 0.716 0.840 0.660 0.780 0.624 0.737
4 0.619 0.768 0.552 0.683 0.512 0.629 0.484 0.592
5 0.501 0.644 0.449 0.571 0.417 0.524 0.395 0.491
6 0.421 0.553 0.378 0.489 0.351 0.448 0.333 0.419
8 0.318 0.429 0.287 0.379 0.267 0.347 0.253 0.324
10 0.256 0.351 0.231 0.309 0.215 0.282 0.204 0.263
15 0.171 0.240 0.155 0.211 0.145 0.193 0.137 0.179
20 0.129 0.182 0.117 0.160 0.109 0.146 0.103 0.136
Nota: Para N= 3 y k < 8 no existe valor de W en el lado superior que tenga una
probabilidad de ocurrencia menor que 0.05
Adaptada por Charles Griffin &Co. Ltd., 1970.
- 204 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Continuacin...
K=4 K=4
N S u p N S u p
5 30 0.000 0.5137 7 63 0.000 0.5111
31 0.033 0.4126 64 0.016 0.4413
32 0.067 0.3266 65 0.032 0.7460
33 0.100 0.2491 66 0.048 0.3124
34 0.133 0.1795 67 0.063 0.2562
35 0.167 0.1271 68 0.079 0.2066
36 0.200 0.0903 69 0.095 0.1637
37 0.233 0.0604 70 0.111 0.1275
38 0.267 0.0376 71 0.127 0.0977
39 0.300 0.0242 72 0.143 0.0736
40 0.333 0.0156 73 0.159 0.0545
41 0.367 0.0088 74 0.175 0.0397
42 0.400 0.0048 75 0.190 0.0285
43 0.433 0.0030 76 0.206 0.0201
44 0.467 0.0017 77 0.222 0.0139
45 0.500 0.0007 78 0.238 0.0095
46 0.533 0.0004 79 0.254 0.0064
47 0.567 0.0002 80 0.270 0.0042
48 0.600 0.0001 81 0.286 0.0028
82 0.302 0.0018
6 45 0.000 0.5134 83 0.317 0.0011
46 0.022 0.4310 84 0.333 0.0007
47 0.044 0.3532 85 0.349 0.0004
48 0.067 0.2837 86 0.365 0.0003
49 0.089 0.2231 87 0.381 0.0002
50 0.111 0.1708 88 0.397 0.0001
51 0.133 0.1277 89 0.413 0.0001
52 0.156 0.0939
53 0.178 0.0676 8 84 0.000 0.5098
54 0.200 0.0472 85 0.012 0.4490
55 0.222 0.0324 86 0.024 0.3903
56 0.244 0.0219 87 0.036 0.3348
57 0.267 0.0145 88 0.048 0.2833
58 0.289 0.0092 89 0.060 0.2366
59 0.311 0.0058 90 0.071 0.1949
60 0.333 0.0037 91 0.083 0.1585
61 0.356 0.0022 92 0.095 0.1271
62 0.378 0.0013 93 0.107 0.1006
63 0.400 0.0008 94 0.119 0.0786
64 0.422 0.0004 95 0.131 0.0606
65 0.444 0.0002 96 0.143 0.0461
66 0.467 0.0001
67 0.489 0.0001
- 206 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Continuacin...
K=4 K=5
N S u p N S u p
8 97 0.155 0.1346 5 52 0.040 0.3838
98 0.167 0.0257 54 0.080 0.2544
99 0.179 0.0188 56 0.120 0.1579
100 0.190 0.0136 58 0.160 0.0918
101 0.202 0.0097 60 0.200 0.0500
102 0.214 0.0068 62 0.240 0.0257
103 0.226 0.0048 64 0.280 0.0124
104 0.238 0.0033 66 0.320 0.0057
105 0.250 0.0022 68 0.360 0.0025
106 0.262 0.0015 70 0.400 0.0010
107 0.274 0.0010 72 0.440 0.0004
108 0.286 0.0007 74 0.480 0.0001
109 0.298 0.0004
110 0.310 0.0003 6 76 0.013 0.4663
111 0.321 0.0002 78 0.040 0.3453
112 0.333 0.0001 80 0.067 0.2428
113 0.345 0.0001 82 0.093 0.1623
K=5 84 0.120 0.1034
N S u p 86 0.147 0.0628
2 4 -0.200 1.0000 88 0.173 0.0364
6 0.200 0.3750 90 0.200 0.0202
10 1.000 0.0620 92 0.227 0.0108
94 0.253 0.0055
3 16 0.067 0.3896 96 0.280 0.0027
18 0.200 0.2065 98 0.307 0.0013
20 0.333 0.1025 100 0.333 0.0006
22 0.467 0.0295 102 0.360 0.0002
24 0.600 0.0112 104 0.387 0.0001
26 0.733 0.0039
30 1.000 0.0002 7 106 0.010 0.4718
108 0.029 0.3674
4 30 0.000 0.5381 110 0.048 0.2750
32 0.067 0.3533 112 0.067 0.1980
34 0.133 0.2080 114 0.086 0.1372
36 0.200 0.1074 116 0.105 0.0916
38 0.267 0.0528 118 0.124 0.0589
40 0.333 0.0238 120 0.143 0.0366
42 0.400 0.0093 122 0.162 0.0220
44 0.467 0.0039 124 0.181 0.0128
46 0.533 0.0012 126 0.200 0.0072
48 0.600 0.0004 128 0.219 0.0039
50 0.667 0.0001 130 0.238 0.0021
Estadstica No Paramtrica Aplicada a la Ganadera - 207 -
Continuacin...
K=5 K=6
N S u p N S u p
7 132 0,257 0,0011 3 31 0,378 0,0336
134 0,276 0,0005 32 0,422 0,0226
136 0,295 0,0003 35 0,556 0,0062
138 0,314 0,0001 36 0,600 0,0029
140 0,333 0,0001 37 0,644 0,0020
40 0,778 0,0006
8 140 0,000 0,5233
142 0,014 0,4291 4 45 0,000 0,4656
144 0,029 0,3411 46 0,022 0,4094
146 0,043 0,2629 47 0,044 0,3374
148 0,057 0,1965 48 0,067 0,2569
150 0,071 0,1425 49 0,089 0,2086
152 0,086 0,1003 50 0,111 0,1746
154 0,100 0,0686 51 0,133 0,1332
156 0,114 0,0456 52 0,156 0,0970
158 0,129 0,0294 53 0,178 0,0725
160 0,143 0,0185 54 0,200 0,0566
162 0,157 0,0113 55 0,222 0,0433
164 0,171 0,0068 56 0,244 0,0289
166 0,186 0,0039 57 0,267 0,0198
168 0,200 0,0022 58 0,289 0,0160
170 0,214 0,0012 59 0,311 0,0114
172 0,229 0,0007 60 0,333 0,0072
174 0,243 0,0003 61 0,356 0,0049
176 0,257 0,0002 62 0,378 0,0034
178 0,271 0,0001 63 0,400 0,0025
K=6 64 0,422 0,0016
N S u p 65 0,444 0,0008
2 6 -0,200 1,0000 66 0,467 0,0007
7 -0,067 0,6875 67 0,489 0,0005
10 0,333 0,2188 68 0,511 0,0003
15 1,000 0,0312 69 0,533 0,0002
70 0,556 0,0001
3 23 0,022 0,4682 71 0,578 0,0001
24 0,067 0,3034
26 0,156 0,1798 5 75 0,000 0,4841
27 0,200 0,1469 76 0,013 0,4258
28 0,244 0,0883 77 0,027 0,3665
29 0,289 0,0608 78 0,040 0,3085
30 0,333 0,0402 79 0,053 0,2600
80 0,067 0,2190
81 0,080 0,1800
- 208 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
Continuacin...
K=6 K=6
N S u p N S u p
5 82 0,093 0,1452 6 128 0,138 0,0352
83 0,107 0,1173 129 0,147 0,0280
84 0,120 0,0949 130 0,156 0,0221
85 0,133 0,0753 131 0,164 0,0173
86 0,147 0,0583 132 0,173 0,0135
87 0,160 0,0452 133 0,182 0,0105
88 0,173 0,0355 134 0,191 0,0081
89 0,187 0,0272 135 0,200 0,0062
90 0,200 0,0202 136 0,209 0,0047
91 0,213 0,0151 137 0,218 0,0036
92 0,227 0,0115 138 0,227 0,0027
93 0,240 0,0085 139 0,236 0,0020
94 0,253 0,0062 140 0,244 0,0015
95 0,267 0,0044 141 0,253 0,0011
96 0,280 0,0033 142 0,262 0,0008
97 0,293 0,0024 143 0,271 0,0006
98 0,307 0,0017 144 0,280 0,0004
99 0,320 0,0011 145 0,289 0,0003
100 0,333 0,0008 146 0,298 0,0002
101 0,347 0,0006 147 0,307 0,0002
102 0,360 0,0004 148 0,316 0,0001
103 0,373 0,0003 149 0,324 0,0001
104 0,387 0,0002 150 0,333 0,0001
105 0,400 0,0001
106 0,413 0,0001 7 158 0,003 0,4694
107 0,427 0,0001 159 0,010 0,4258
160 0,016 0,3838
6 113 0,004 0,4640 161 0,022 0,3436
114 0,013 0,4126 162 0,029 0,3057
115 0,022 0,3637 163 0,035 0,2703
116 0,031 0,3186 164 0,041 0,2375
117 0,040 0,2768 165 0,048 0,2074
118 0,049 0,2380 166 0,054 0,1800
119 0,058 0,2030 167 0,060 0,1553
120 0,067 0,1723 168 0,067 0,1332
121 0,076 0,1451 169 0,073 0,1136
122 0,084 0,1209 170 0,079 0,0963
123 0,093 0,1000 171 0,086 0,0812
124 0,102 0,0824 172 0,092 0,0680
125 0,111 0,0674 173 0,098 0,0567
126 0,120 0,0546 174 0,105 0,0470
127 0,129 0,0439 175 0,111 0,0388
Estadstica No Paramtrica Aplicada a la Ganadera - 209 -
Continuacin...
K=6 K=6
N S u p N S u p
7 176 0,117 0,0318 8 226 0,076 0,0742
177 0,124 0,0260 227 0,081 0,0633
178 0,130 0,0211 228 0,086 0,0538
179 0,137 0,0170 229 0,090 0,0455
180 0,143 0,0137 230 0,095 0,0383
181 0,149 0,0110 231 0,100 0,0321
182 0,156 0,0087 232 0,105 0,0268
183 0,162 0,0069 233 0,110 0,0223
184 0,168 0,0054 234 0,114 0,0185
185 0,175 0,0043 235 0,119 0,0152
186 0,181 0,0033 236 0,124 0,0125
187 0,187 0,0026 237 0,129 0,0102
188 0,194 0,0020 238 0,133 0,0083
189 0,200 0,0015 239 0,138 0,0068
190 0,206 0,0012 240 0,143 0,0055
191 0,213 0,0009 241 0,148 0,0044
192 0,219 0,0007 242 0,152 0,0035
193 0,225 0,0005 243 0,157 0,0028
194 0,232 0,0004 244 0,162 0,0022
195 0,238 0,0003 245 0,167 0,0018
196 0,244 0,0002 246 0,171 0,0014
197 0,251 0,0002 247 0,176 0,0011
198 0,257 0,0001 248 0,181 0,0009
199 0,263 0,0001 249 0,186 0,0007
200 0,270 0,0001 250 0,190 0,0005
251 0,195 0,0004
8 210 0,000 0,4930 252 0,200 0,0003
211 0,005 0,4545 253 0,205 0,0002
212 0,010 0,4169 254 0,210 0,0002
213 0,014 0,3805 255 0,214 0,0001
214 0,019 0,3455 256 0,219 0,0001
215 0,024 0,3122 257 0,224 0,0001
216 0,029 0,2807 258 0,229 0,0001
217 0,033 0,2511
218 0,038 0,2235
219 0,043 0,1980
220 0,048 0,1745
221 0,052 0,1531
222 0,057 0,1337
223 0,062 0,1162
224 0,067 0,1005
225 0,071 0,0866
Nota: Los valores presentados corresponden a las probabilidades c>=0.0001. As las
prob. del lado superior para valores grandes de u tienen probabilidades < 0.00005.
- 210 - V. Ibaez Q. - Docente de la FINESI-UNA-Puno
k=2 k=3
N Tc p N Tc p
2 0.000 0.750 2 0.333 0.500
1.000 0.250 1.000 0.125
BIBLIOGRAFA