Documentos de Académico
Documentos de Profesional
Documentos de Cultura
20101da02010220802010402114074 PDF
20101da02010220802010402114074 PDF
Ventajas:
Desventajas:
PRUEBA DE RACHAS
Se llama racha a la interacción entre elementos iguales dentro de una secuencia de sucesos
observables. El número de elementos de una racha se llama longitud.
Esta prueba se utiliza para determinar si la muestra fue extraída de manera aleatoria; es
decir si es aleatorio el orden de aparición de dos valores de una variable.
Hipótesis:
H0 : La muestra es aleatoria.
H1 : La muestra no es aleatoria.
Ejemplo:
El registro de juegos perdidos y ganados por un equipo de fútbol en sus últimos 60 partidos
consecutivos fue el siguiente:
Resultado
G G G G G G P G G G G G G P G G G G
G G G P P P G G P P P P G P P P P G
P P P P G G P P G G G G P G G G G P
G G G G G G
¿Se puede afirmar que los resultados han sido aleatorios?
Hipótesis:
H0 : Los resultados han sido aleatorios.
H1 : Los resultados no han sido aleatorios.
OK
OK
Runs Test: C2
C2
K = 1.3500
The observed number of runs = 19
The expected number of runs = 28.3000
21 Observations above K 39 below
The test is significant at 0.0077
Interpretación: P= 0.0077 entonces se acepta H1 por lo tanto los resultados no han sido
aleatorios.
Se utiliza para probar hipótesis sobre la mediana de un grupo con distribución continua. Es
una alternativa a la prueba t para la media poblacional.
Sobre la base de una muestra aleatoria de tamaño n, se sustituye cada valor de la muestra
mayor que la mediana con el signo positivo (+) y cada valor menor que la mediana con el
signo negativo (-).
Hipótesis:
Se utiliza para probar la hipótesis sobre la mediana con grupos pareados o dependientes. Se
estudia la diferencia para cada par de observaciones pero no se estudian los dos grupos
individualmente como se hacía en las pruebas paramétricas. La prueba del Signo no toma
en cuenta la magnitud de la diferencia.
Hipótesis:
Solución:
Hipótesis:
H0 : La mediana es sup erior o igual a 97
H1 : La mediana es menor que 97
C1
Peso
96.4
96
95.3
97
96.5
96.8
93.2
95.2
etc.
Interpretación:
Como el valor P es mayor que 0.05, entonces con una confianza del 95% concluimos que la
mediana no es menor que 97. Se acepta Ho.
Se desea hacer un estudio para comparar la energía en reposo usada por personas con
cierta enfermedad vs. La energía en reposo usada por personas sanas. Para ello se eligen al
azar pares de personas (pacientes de la misma edad, sexo, estatura y peso) enfermas y
sanas. Los datos son los siguientes:
Solución:
Hipótesis:
H 0 : No hay diferencia entre personas sanas y enfermas.
(La mediana de las diferencias es cero)
H1 : Sí hay diferencia entre personas sanas y enfermas.
C1 C2 C3
enfermos sanos Diferencia
1153 996
1132 1080
1165 1182
1460 1452
1634 1162
1493 1619
1358 1140
1453 1123
1185 1113
1824 1463
1793 1632
1930 1614
2075 1836
Calc – Calculator…
Interpretación:
Como el valor P es menor que 0.05, entonces con una confianza del 95% concluimos que la
mediana no es cero, es decir existen evidencias para afirmar que sí hay diferencias entre
personas sanas y enfermas en cuanto a la energía usada en reposo. Se acepta la hipótesis
alternativa.
PRUEBA DE WILCOXON
Esta prueba se utiliza para probar hipótesis relativas a la mediana con un solo grupo o con
grupos pareados o dependientes en una población simétrica, es decir se utiliza en los
mismos casos que la prueba del signo pero la diferencia radica en que la prueba de
Wilcoxon es un procedimiento que utiliza tanto la dirección (signo) como la magnitud
mientras que la prueba del Signo considera sólo la dirección.
Esta prueba considera que si la hipótesis nula fuera cierta, las diferencias negativas serían
similares en cantidad y tamaño a las diferencias positivas.
Para un grupo:
Hipótesis:
Hipótesis:
Un actuario de una compañía de seguros desea examinar los registros de reclamos por robo
de las personas que tienen póliza contra incendio y robo. En el pasado, la mediana fue de
85 dólares por reclamo. Se toma una muestra aleatoria de 18 reclamos y los resultados,
expresados en dólares, son los siguientes:
Solución:
Hipótesis:
H 0 : La mediana no ha aumentado.
H1 : La mediana ha aumentado. ( Me > 85 )
OK
Interpretación:
Como el valor P es mayor que 0.05, entonces con una confianza del 95% concluimos que la
mediana no es mayor que 85. Se acepta Ho.
Adamson estudió los efectos sobre la salud causados por la exposición diaria a fuertes
ejercicios físicos en unos varones voluntarios. Para ocho de los sujetos la tabla muestra los
niveles nocturnos de plasma corticostiroide observados en controles las noches anteriores y
posteriores a los ejercicios.
¿Se puede afirmar que el nivel nocturno de plasma corticostiroide disminuye con los
ejercicios?
Solución:
Hipótesis:
C1 C2 C3
Antes Después Diferencia
69.9 49.9
46 45.9
63.7 47.5
55.9 57.9
53.9 47.1
72.9 50.3
53.9 36.7
36.5 31.4
Calc – Calculator…
Interpretación:
PRUEBA DE MANN-WHITNEY
Esta prueba se usa cuando se quiere comparar dos poblaciones usando muestras
independientes, es decir es una prueba alterna a la prueba t para comparar dos medias
usando muestras independientes.
Es una prueba no paramétrica que mide las diferencias entre medias, asignando rangos a
cada grupo.
Hipótesis:
Estadística de Prueba:
n1 ( n1 +1 )
U = n1 n2 + − R1
2
Donde:
n1 : Número de elementos en la muestra 1.
n2 : Número de elementos en la muestra 2.
R1 : Suma de los rangos de los elementos en la muestra 1.
R2 : Suma de los rangos de los elementos en la muestra 2.
Ejemplo:
El director de control de calidad de una firma farmacéutica desea saber si dos métodos de
producción de comprimidos proporcionan diferencias entre los espesores medianos. Una
muestra aleatoria de comprimidos es extraída de lotes producidos por los dos métodos,
ofreciendo los siguientes resultados que han sido codificados:
método A:
51 42 45 48 52 44 58 41 52 44 45 52 61 60 41
método B:
40 47 36 39 37 46 43 55 53 56
¿Proporcionan estos datos suficiente evidencia en contra de que las medianas poblacionales
no son las mismas?
Solución:
Hipótesis:
Interpretación:
Como P = 0.2324 es mayor que 0.05 entonces se acepta la hipótesis nula. Es decir, con una
confianza del 95% podemos afirmar que estos datos proporcionan suficiente evidencia en
contra de que las medianas poblacionales no son las mismas.
PRUEBA DE KRUSKAL-WALLIS
Hipótesis:
H0 : La mediana de las k poblaciones consideradas son iguales.
H1 : Al menos una de las k poblaciones tiene mediana distinta a las otras.
Ejemplo:
Se tienen tres restaurantes A, B y C que elaboran los domingos el mismo menú. En cada
uno de ellos se selecciona una muestra de tamaño 9, 7 y 6 respectivamente y se les pide que
puntúen de 0 a 10 el grado de satisfacción y calidad que les ha proporcionado el menú. Los
datos que se obtuvieron fueron:
¿Se puede concluir que no todos los restaurantes presentan la misma mediana poblacional?
Solución:
H = 0.17 DF = 2 P = 0.919
H = 0.17 DF = 2 P = 0.919 (adjusted for ties)
Interpretación:
Como p es mayor que 0.05 entonces se acepta Ho, es decir no existen evidencias como para
afirmar que no todos los restaurantes presentan la misma mediana.
Se utiliza cuando se desea comparar los efectos de k tratamientos y se sabe que hay una
variable que, si bien no es de interés directo, puede interferir la capacidad de detectar
diferencias reales entre los k tratamientos.
Estadística de Prueba:
k 2
⎡ b ( k +1 ) ⎤
S = ∑ ⎢ Ri − 2 ⎥
i =1 ⎣ ⎦
Donde:
k : número de tratamientos.
b : número de bloques.
R i : suma de los rangos asociados con cada uno de los k tratamientos.
Ejemplo:
Camadas (bloques)
Ración 1 2 3 4 5
A 6.7 16.2 13.4 10.8 14.2
B 13.3 15.2 20.2 9.9 19.6
C 8.2 16.3 13.8 15.8 14.4
¿Existen diferencias en el peso ganado por cada ración a un nivel de significación del 1%?
Solución:
OK
S = 2.80 DF = 2 P = 0.247
Est Sum of
Racion N Median Ranks
A 5 13.433 7.0
B 5 18.867 11.0
C 5 13.800 12.0
Interpretación:
Como P=0,247 es mayor que 0,05 entonces se acepta H0 . Es decir con una confianza
del 95% se puede concluir que no existen diferencias en el peso ganado por cada ración.
rS = 1 −
6 ∑ d2i
n ( n2 − 1 )
Donde:
n : número de observaciones pareadas.
d i = rx i − ry i es la diferencia entre los rangos de X e Y.
Hipótesis:
Ejemplo:
Area SupCorp:
0.20 0.25 0.50 0.60 0.70 0.55 0.40 0.55 0.75 0.60
0.30 0.28 0.30 0.40 0.25 0.72 0.70 0.50
Novel Aldost.
22 41 80 50 70 110 32 69 120 30
52 36 100 100 70 22 40 50
¿Proporcionan estos datos evidencia suficiente como para indicar que los niveles de
secreción de aldosterona y los valores del área superficial del cuerpo en los niños no son
independientes?
Solución:
Al presionar OK, aparecen los rangos entonces en la columna C3 se debe escribir Rango de
C1.
Manip – Rank…
Al presionar OK, aparecen los rangos entonces en la columna C4 se debe escribir Rango de
C2.
C1 C2 C3 C4
Area SupCorp Novel Aldost. Rango de C1 Rango de C2
0.2 22 1 1.5
0.25 41 2.5 7
0.5 80 9.5 14
0.6 50 13.5 8.5
0.7 70 15.5 12.5
0.55 110 11.5 17
0.4 32 7.5 4
0.55 69 11.5 11
0.75 120 18 18
0.6 30 13.5 3
0.3 52 5.5 10
0.28 36 4 5
0.3 100 5.5 15.5
0.4 100 7.5 15.5
0.25 70 2.5 12.5
0.72 22 17 1.5
0.7 40 15.5 6
0.5 50 9.5 8.5
Interpretación:
Como p es mayor que 0.05 entonces se acepta Ho, es decir estos datos proporcionan
evidencia suficiente como para indicar que los niveles de secreción de aldosterona y los
valores del área superficial del cuerpo en los niños sí son independientes