Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2 Prueba de independencia
La prueba de independencia, nos permite determinar si existe una relación entre
dos variables categóricas. Esta prueba nos indica si existe o no una relación entre
las variables, pero no indica el grado o el tipo de relación; es decir, no indica el
porcentaje de influencia de una variable sobre la otra o la variable que causa la
influencia.
5. Plantear la hipótesis.
H0: Independencia
H1: Dependencia
7. Calcular ji-Cuadrada
Ejemplo:
5. Plantear la hipótesis.
H0= La marca de café que se consume es independiente del sexo de una persona.
H1= La marca de café que se consume depende del sexi de una persona.
6. Construcción de las áreas de aceptación y rechazo
7. Calcular ji-Cuadrada
Ejemplo:
Un dado se lanzó 36 veces, haga una prueba con un nivel de significancia del 5%,
para comprobar si el dado es legal o no. Los resultados obtenidos del ejercicio
fueron los siguientes:
Número de puntos 1 2 3 4 5 6
Frecuencia observada 2 5 8 7 6 7
Frecuencia esperada:
Aceptar H0:
Se encontró evidencia estadística, que un nivel de significancia del 5%, que es dado
es legal.
Ejemplo:
Veces Fo Fe
admitidas
1 165 160
2 79 80
3 50 56
4 44 40
5 32 32
6 20 24
7 10 8
400 400
Una tabla de doble entrada para las variables X e Y con p filas y k columnas:
Distribuciones marginales:
Marginal de Y
Marginal de X
Ejemplo:
H0: PN=PC=PW=PS
68+75+57+79
=
100+120+90+110
279
=270
=0.6643
Obviamente, si el valor 0.6643 estima la proporción de población esperada que
prefieren el método presente de evaluación, entonces 0.3357 (=1 – 0.6643) es la
estimación de la proporción esperada de la población que prefiere el nuevo método
propuesto. Con los valores obtenidos podemos estimar el número de empleados de
la muestra de cada región que podríamos esperar que prefieran cada uno de los
métodos de evaluación.
Costa
Noreste Sureste Central oeste
Número total 100 120 90 110
muestreado
Proporción estimada que
prefiere el método X 0.6643 X 0.6643 X 0.6643 X 0.6643
actual
Número que se espera
prefiera el método 66.43 79.72 59.79 73.07
actual
Número total
muestreado 100 120 90 110
Proporción estimada que
prefiere el nuevo X0.3357 X0.3357 X0.3357 X0.3357
método
Número que se espera
prefiera el nuevo 33.57 40.28 30.21 36.93
método
Para probar la hipótesis nula H0: PN=PC=PW=PS debemos comparar las frecuencias
que se observaron con las frecuencias que esperaríamos si la hipótesis nula fuera
verdadera. Si los conjuntos de frecuencias observadas y esperadas son casi
iguales, podemos razonar de manera intuitiva que la hipótesis nula se acepta. Si
existe una diferencia grande entre frecuencias, podemos rechazar la hipótesis nula
intuitivamente y concluir que existen diferencias significativas en las proporciones
de empleados de las cuatro regiones que prefieren el nuevo método.
4.2 Pruebas no paramétricas
Las hipótesis de una prueba no paramétrica se refieren a algo distinto del valor de
un parámetro de población. Existe un gran número de pruebas de este tipo, pero en
este trabajo solo veremos a fondo las siguientes: prueba de Kolmogorov Smirnov,
prueba de Anderson Darling, prueba de Ryab Joiner y prueba de Shappiro Wilk.
Los métodos no paramétricos tienen ciertas ventajas claras sobre los métodos
paramétricos:
a. Prueba de X2 de Pearson.
b. Prueba binomial.
c. Prueba de Anderson-Darling
d. Prueba de Cochrane
e. Prueba de Cohen Kappa
f. Prueba de Friedman
g. Prueba de Kolmogorov-Smimov
h. Prueba de Kruskal-Wallis
i. Prueba de Siegel-Tukey
j. Prueba de Wald-Wolfowitz
k. Prueba de los signos de Wilcoxon
l. Prueba de Ryan Joiner
m. Prueba de Shapiro Wilk