1) PLANTEAMIENTO DE LA HIPOTESIS ESTADISTICA

HIPOTESIS:
Representa un elemento fundamental en el proceso de investigacion. Luego de
formular un problema, el investigador enuncia la hipotesis, que orientará el
proceso y permitirá llegar a conclusiones concretas del proyecto que recién
comienza.

La hipótesis bien formulada tiene como funcion en causar el trabajo que se

desea llevar al efecto. Hayman (1974) cita: además que aclaran acerca de cuales
son las variables, que han de analizarse y las relaciones que existen entre ellas,
y permiten derivar los objetivos del estudio constituyéndose en la base de los
procedimientos de investigación.

Tamayo (1989), señala que éstas se constituyen en un eslabón imprescindible

entre la teoria y la investigacion necesarios que permitirán llegar a los datos y
resolver el problema planteado. que llevan al descubrimiento de un hecho. Las
razones anteriormente esgrimidas hacen suponer que éstas ocupan un lugar
primordial en la investigación al proporcionar los elementos necesarios que
permitirán llegar a los datos necesrios que permitiran llegar a los datos y resolver
el problema planteado.

DEFINIR HIPOTESIS:
Es una proposición que establece relaciones, entre los hechos; para otros es una
posible solución al problema; otros mas sustentan que la hipótesis no es mas
otra cosa que una relación entre las variables, y por último, hay quienes afirman
que es un mètodo de comprobación.
La hipótesis como proposición que establece relación entre los hechos:
una hipótesis es el establecimiento de un vínculo entre los hechos que el
investigador va aclarando en la medida en que pueda generar explicaciones
lógicas del porqué se produce este vínculo.
Tamayo (1989 – 75): afirma que:
"La hipótesis es una proposición que nos permite establecer relaciones entre los
hechos. Su valor reside en la capacidad para establecer mas relaciones entre
los hechos y explicar el por que se producen".
Arias (1897 – 55) asegura que:
La hipótesis tiene como propósito llegar a la comprensión del porqué entre dos
elementos se establece algún tipo definido de relación y establece que la
hipótesis:
"Es una proposición respecto a alguno elementos empíricos y otros conceptos y
sus relaciones mutuas, que emerge mas allá de los hechos y las experiencias
conocidas, con el propósito de llegar a una mayor comprensión de los mismos".
La hipótesis como una posible solución del problema: la hipótesis no es
solamente la explicación o comprensión del vínculo que se establece entre los
elementos inmersos en un problema, es también el planteamiento de una posible
solución al mismo.
Pardinas (1974 – 132):
"La hipótesis es una proposición anunciada para responder tentativamente a un
problema".
Deben ser sustentada por Van Dalen (1974 – 170) conduce a una definición en
la que se establece que:
"La hipótesis son posibles soluciones del problema que se expresan como
generalizaciones o proposiciones. Se trata de enunciados que constan de
elementos expresados según un sistema ordenado de relaciones, que
pretenden describir o explicar condiciones o sucesos aún no confirmados por los
hechos".
Hipótesis como relación entre variables: Kerlinger (1985 : 12) expresa; una
expresión de las relaciones existentes entre dos o mas variables, la hipótesis se
formula en términos de oración aseverativa por lo tanto:
"Es una expresión conjetural de la relación que existe entre dos o más variables.
Siempre aparece en forma de oración aseverativa y relaciona de manera general
o específica, una variable con otra.
Hipótesis como método de comprobación: para otros investigadores, la
hipótesis es algo mas que el establecimiento de relaciones entre elementos, o la
posible solución a un problema; por lo tanto; afirman que es fundamentalmente
y ante todo, una herramienta de comprobación de los supuestos con la realidad.
Abouhamad (1965:74) sostiene:
"La hipótesis es una proposición, condición o principio que se supone sin certeza
con el fin de derivar sus consecuencias con hechos lógicos y, por este método
comprobar su concordancia con hechos conocidos o que puedan determinarse".

IMPORTANCIA DE LA HIPÓTESIS
Las hipótesis son el punto de enlace entre la teoría y la observacione. Su
importancia en que dan rumbo a la investigación al sugerir los pasos y
procedimientos que deben darse en la búsqueda del cono.
Cuando la hipótesis de investigación ha sido bien elaborada, y en ella se observa
claramente la relación o vínculo entre dos o mas variables, es factible que el
investigador pueda:
 Elaborar el objetivo, o conjunto de objetivos que desea alcanzar en el
desarrollo de la investigación
  Seleccionar el tipo de diseño de investigación factible con el problema
planteado.
 Seleccionar el método, los instrumentos y las tecnicas de investigación
acordes con el problema que se desea resolver, y
 Seleccionar los recursos, tanto humanos como materiales, que se
emplearán para llevar a feliz término la investigación planteada.
ORIGEN DE LA HIPÓTESIS
Selltiz (1974:53) señala:
"Una hipótesis puede estar basada simplemente en una sospecha, en los
resultados de otros estudios y la esperanza de que una relación entre una o mas
variables se den en el estudio en cuestión. O pueden estar basadas en un cuerpo
de teoria que, por un proceso de deduccion lógica, lleva a la predicción de que,
si están presentes ciertas condiciones, se darán determinados resultados.
La elaboración de una buena hipótesis tiene como punto de partida el
conocimiento del área en la que se desea hacer la investigación, sin este
conocimiento previo se corre el riesgo de recorrer caminos ya transitados y
trabajar en temas ya tratados que carecen de interes para la ciencias.
Si la hipótesis se basa u origina de otros estudios, la investigación estará en clara
relación con un cuerpo de conocimientos ya existentes, probados, por lo que el
trabajo será una contribución que permitirá reforzar ese cuerpo de
conocimientos.
Función de la Hipótesis:
Cuando se describe su importancia, se plantean algunas de las funciones que
ellas cumplen, porque además de ser guías en el proceso de investigación,
también pueden servir para indicar que observaciones son pertinentes y cuales
no lo son con respecto al problema planteado.
La hipótesis puede señalar loas relaciones o vínculos existentes entre las
variables y cuales de ellas se deben estudiar, sugieren una explicación en ciertos
hechos y orientan la investigación en otros, sirve para establecer la forma en que
debe organizarse eficientemente el análisis de los datos. Hernández agrega que
entre otras funciones, su objetivo principal, es de aprobar y sugerir teorías.
Formulación de Hipótesis:
Es un planteamiento que elabora el investigador a partir de la observación de
una realidad que tiene explicación en una teoría, por lo tanto se afirma que ellas
representan un punto medio entre la teoría y la realidad.
CLASIFICACIÓN DE LA HIPÓTESIS
La hipótesis puede adoptar diferentes y clasificarles de acuerdo a la convivencia
de cada autor:
 a. Hipótesis general: es cuando trata de responder de forma amplia a las
dudas que el investigador tiene acerca de la relación que existe entre las
variables.
b. Hipótesis específica: es específica aquella hipótesis que se deriva de la
general, estas tratan de concretizar a la hipótesis general y hace explícitas
las orientaciones concebidas para resolver la investigación.
c. Hipótesis estadística: la hipótesis estadísticas es aquella hipótesis que
somete a prueba y expresa a las hipótesis operacionales en forma de
ecuaciones matemáticas.
Requisitos para la elaboración de hipótesis:
La formulación de hipótesis es una tarea que se logra cuando se cumple con
algunos requisitos, entre ellos:
a. Formularse en términos claros, es decir, emplear palabras precisas que
no den lugar a múltiples interpretaciones. La claridad con que se formulen
es fundamental, debido a que constituyen una guía para la investigación.
b. Tener un referente empírico, ello hace que pueda ser comprobable. Una
hipótesis sin referente empírico se transforma en un juicio de valor al no
poder ser comprobable, verificable, carece de validez para la ciencias.
Evaluación de la Hipótesis:
Existe algunos criterios que sirven de guía para determinar si la hipótesis cumple
con algunos requisitos Mc Güigan (1971: 67) afirma:
a. Permite ser comprobada, es decir, establece claramente su referente
empírico.
b. Está en correlación y armonía con el conjunto de las hipótesis del proyecto
de la investigación
c. Responde en términos claros y precisos al problema planteado, es decir,
señala la relación que se espera de las variables.
d. Son susceptibles de ser cuantificadas.
Dificultades en la Elaboración de la Hipótesis:
La hipótesis resulta una tarea ardua, de difícil elaboración, esta dificultad
generalmente proviene de circunstancias tales como:
a. Un planteamiento poco claro del problema a investigar
b. Falta de conocimiento del marco teórico de la investigación como
consecuencia de la poca claridad que se tiene del problema que se desea
resolver.
c. Carencia de habilidad para desarrollar y utilizar el referente teórico –
conceptual.
 d. En general, por el desconocimiento de los procesos de la ciencia y la
investigación, por lo tanto ausencia de criterios para la elaboración de
hipótesis y seleccion de técnicas de investigación adecuadas al problema
que se investiga.

BIBLIOGRAFÍA
MARQUÉZ R. Omar A. El Proceso de la Investigación en las Ciencias Sociales.
Ediciones de la Universidad Ezequiel Zamora colección docencia Universitaria.
Documento cedido por:
JORGE L. CASTILLO T.

2) FORMULACION DEL NIVEL DE SIGNIFICACIÓN

El Diccionario de la Herencia Estadounidense (American Heritage Dictionary)
define el nivel de importancia como "la probabilidad de un falso rechazo de la
hipótesis nula de una prueba estadística". Los estadísticos comparar información
estadística de este umbral para refutar o confirmar una hipótesis. Técnicamente,
el estadístico no calcula esta probabilidad, él elige. Un alto nivel de importancia
significa que hay una gran posibilidad de que el experimento demuestre algo que
no es cierto. Un pequeño nivel de significación del estadístico asegura que hay
poco margen para dudar de los resultados.
Instrucciones:
1)Define la alternativa y la hipótesis nula. La hipótesis alternativa es la relación
que esperas demostrar en un experimento, y la hipótesis nula es la relación que
existe si la hipótesis alternativa es falsa. Por ejemplo, si la hipótesis alternativa
es "el fertilizante hace que la hierba sea verde", entonces la hipótesis nula es
"algo más que el fertilizante hace que la hierba sea verde".
2)Elije un nivel de significación de la prueba. Una opción común es 0,05 o 5%.
En este nivel de significación, hay un 5% de probabilidad de que el experimento
encuentre que la hipótesis alternativa sea viable, cuando en realidad no lo es.
3)Lleva a cabo el experimento y obtén datos. Los experimentos científicamente
sonoros son una tarea complicada que requieren que pruebes ambos grupos de
control y de prueba, cambiando una sola variable entre los dos grupos, y
asegurándote de que otros investigadores puedan reproducir los resultados.
4) Determina el tipo de estadística que vas a usar. Los ejemplos de pruebas
estadísticas de correlación son para medir una relación lineal, una "prueba T"
para medir la asociación entre dos medias y "chi cuadrado" para medir las
proporciones. Tu elección dependerá de tu hipótesis y nivel de significación.
5) Ingresa los datos en un programa de software estadístico. Puedes encontrar
diversos programas en el mercado que te ayudarán a dar sentido a los datos
mediante la ejecución de numerosos cálculos estadísticos complejos.
6) Compara la estadística con el valor crítico. El valor crítico determinado que
vas a utilizar dependerá de tu nivel de significación elegido y del tipo de prueba
estadística de que hayas utilizado. Si la estadística es menor que el valor crítico,
el hallazgo no es significativo y la hipótesis alternativa no es viable. Si la
estadística es más alta, el hallazgo es significativo, y la hipótesis alternativa es
viable.
Referencias
 The Free Dictionary: Level of Significance (The Free Dictionary: nivel de
significación)
 University of Glasgow: Hypothesis Testing (Universidad de Glasgow:
prueba de hipótesis)
 Science Buddies: Experimental Procedure (Science Buddies:
procedimiento experimental)
 University of Pittsburg: Commonly Used Statistics Test (Universidad de
Pittsburg: pruebas estadísticas comúnmente usadas)
 George Mason University: A Guide to Statistical Software (Universidad
George Mason: una guía para software estadístico)
 StatPac: Statistical Significance (StatPac: significación estadística)

SELECCION DEL ESTADISTICO DE PRUEBA

Tema:
INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA.

CRITERIOS PARA SELECCIONAR UNA PRUEBA ESTADÍSTICA

La elección de una prueba en estadística depende: 1) Del tipo de diseño que se
usó en la investigación. 2) De la pregunta o preguntas que se hizo el autor. 3)
Del interés particular de los autores. 4) De la distribución de los datos obtenidos
en uno, dos o más grupos. 5) De la manera como se recopilaron los datos. 6)
Del potencial de sesgo y confusión de los datos obtenidos. En esta contribución
se examina cómo definir los tipos de datos, la comprobación de las hipótesis
planteadas y cómo elegir la prueba estadística más adecuada para plantear una
conclusión.
SELECCIÓN DE UNA PRUEBA ESTADÍSTICA La estadística, como parte de
las matemáticas empleadas, es la secuencia de razonamientos para estudiar los
fenómenos de la naturaleza, y considera que la inferencia estadística es la que
permite obtener conclusiones en función de los resultados obtenidos en una
muestra en estudio representativa; sin embargo, cabe señalar que hay dos tipos
de inferencias: la que se conoce como prueba de hipótesis y la que concierne a
la estimación de intervalos.7 Y en cuanto a las hipótesis en las pruebas
estadísticas, la hipótesis de nulidad (Ho) plantea la ausencia de diferencias
significativas, en tanto que la hipótesis alterna (Hi) afirma que hay diferencias en
las variables de estudio. Es así como las pruebas de significancia estadística
conducen a conocer la magnitud de las diferencias y la significancia de los
resultados, considerando un nivel significativo cuando la p < 0.05, que se
interpreta como rechazo de la hipótesis de nulidad y aceptación de la hipótesis
alterna8 y de no existir diferencias estadísticas, la p ≥ 0.05. Es así como el
método estadístico consiste en una secuencia de procedimientos relacionados
con el manejo de los datos que proporciona una investigación y comprende la
siguiente secuencia:
1) Recolección de datos (medición).
2) Recuento (cómputo).
3) Presentación.
4) Descripción.
5) Análisis.
En la fase inicial de la investigación se recoge información cualitativa y
cuantitativa (variables), lo que se señala desde el diseño del estudio. La segunda
etapa concierne a la revisión, clasificación y cómputo numérico de la información
recogida. En la siguiente fase (presentación) se elaboran los cuadros y figuras
para someter los datos numéricos a un análisis estadístico. En la descripción, la
información
Referencias
1. Gómez GM, Danglot BC, Velásquez JL. Bases para la revisión crítica de
artículos médicos. Rev Mex Pediatr 2001; 68:152-159.
2. Reynaga OJ. Estadística básica en ciencias de la salud. México: Distribuidora
y Editora Mexicana; 1999; 37-52.
3. Daniel WW. Bioestadística. Bases para el análisis de las ciencias de la salud.
México: Editorial Limusa Wiley; 2002.
4. Mejía AJM, Fajardo GA, Gómez DA, Cuevas UML, Hernández HDM, Garduño
EJ et al. El tamaño de muestra: un enfoque práctico en la investigación clínica
pediátrica. Bol Med Hosp Infant Mex 1995; 52: 381-91.
5. Sackett DL. Bias in analytic research. J Chron Dis 1979; 32: 51-63.
6. Alvarez MH, Pérez CE. Causalidad en medicina. Gac Med Mex 2004; 140:
467-472.
7. Armitage P, Berry G. Estadística para la investigación biomédica. 3ª ed.
Madrid: Harcourt Brace; 1997. p. 145-164.
8. Dawson SB, Trapp RG. Bioestadística médica. El Manual Moderno 2002; 3:
335-352.
9. Reynaga OJ. Análisis estadístico en ciencias de la salud. México: Distribuidora
y Editora Mexicana; 2001.
10. Stevens SS. On the theory of scales of measurement. Science 1946; 103:
677-680.
11. Hernández AM, Garrido LF, López MS. Diseño de estudios epidemiológicos.
Salud Pública Méx 2000; 42: 144-154.
12. Velásquez JL, Gómez GM. Valoración de un artículo biomédico. En: Martínez
y Martínez R, editor. Cómo escribir un texto en ciencias de la salud. Anatomía de
un libro. 2ª ed. México: El Manual Moderno; 2002: 93-104.
13. Soyemi K. Choosing the right statistical test. Pediatr Rev 2012; 33(5): 38-44.

4) correlacion de Pearson y Spearman

Correlación lineal simple – coeficientes de asociación. Los coeficientes de
asociación son valores numéricos que permiten cuantificar el grado de ajuste y
de relación lineal entre dos variables. Nos centraremos en dos de ellos: el
coeficiente de correlación de Pearson, y el coeficiente de correlación de
Spearman. El primero es un coeficiente paramétrico, es decir, infiere sus
resultados a la población real, lo que hace necesario que la distribución de
nuestra muestra se asemeje a la distribución real, es decir, que haya normalidad.
Esta es la mayor diferencia entre ambos coeficientes, que el de Pearson es
paramétrico, y requiere que se cumpla el supuesto de normalidad en las
variables, mientras que el de Spearman es no paramétrico, pues la distribución
muestral no se ajusta a una distribución conocida, por lo que los estimadores
muestrales no son representativos de los parámetros poblacionales. A raíz de
esta primera diferencia, se van limitando aún más los usos que se le pueden dar
a cada coeficiente. Como el de Pearson es paramétrico y requiere de normalidad
univariante, sólo podrá calcularse en variables cuantitativas, con niveles de
medición intervalar o de razón. Por otro lado, si nuestras variables cuantitativas
no cumplen con el supuesto de normalidad (no se distribuyen de acuerdo a la
curva normal), o son variables de tipo cualitativo (ordinal), sólo queda usar el
coeficiente de correlación de Spearman. Más adelante se verá cuán similares,
en términos de interpretación, son uno y otro, sólo que es primordial tener
cuidado en el tipo de variables que se busca correlacionar, y si cumplen o no el
supuesto de normalidad univariante. Como ya vimos, para comprobar si existe o
no normalidad univariante existen distintas formas: revisar el gráfico de
histograma, la significación estadística de la prueba K-S y el cálculo del Z de
simetría y Z de curtosis. Para llevar a cabo el posterior análisis de correlaciones
con coeficiente de asociación, tomaremos dos variables de la encuesta CEP de
noviembre-diciembre del 2012. La primera variable es la MBP04 “¿Cómo
calificaría Ud. Su actual situación económica?”, cuyas categorías de respuesta
son: 1=Muy mala 2=Mala 3=Ni buena ni mala 4=Buena 5=Muy buena 8=No sabe
9=No responde Daremos por perdidos los valores 8 y 9. Como es una variable
ordinal de al menos 5 categorías de respuesta, la tomaremos como una variable
cuantitativa ordinal, para así poder calcular normalidad y utilizarla para el
coeficiente de asociación de Pearson. Hay que tener muy en cuenta que el uso
de esta variable es meramente para fines de ejemplificar la comprobación de
supuestos. Si bien hemos establecido que con un mínimo de 5 categorías de
respuesta una variable ordinal (nunca nominal) puede ser tomada como
intervalar, ésta sigue siendo mayoritariamente cualitativa, por lo que hay un gran
sesgo a la hora de calcular normalidad con estas variables (recordar que sólo las
variables cuantitativas pueden tener una distribución normal). Las variables más
idóneas, entonces, para llevar a cabo una correlación con un coeficiente de
Pearson, serán siempre las realmente intervalares o de razón. Si se toman
ordinales como intervalares, hay que asumir el riesgo de que, aun cuando las
pruebas arrojen normalidad, habrá un sesgo por el hecho de que la variable es
cualitativa. La siguiente variable que usaremos esa una recodificación de la
variable DDP03 “¿Cuántos años de estudios aprobados tiene Ud.?”. Esta
variable escalar sólo incluye los valores 0=Nunca estudió y 99=No responde. Al
ver las frecuencias de las respuestas, vemos que, dando por perdido el 99, el
rango es de 0 a 80, siendo éste un valor muy extremo (y casi imposible en la
realidad), que dificultaría mucho el cumplimiento de la normalidad. Es por esto
que se recodificó en 5 categorías de respuesta: 1= Nunca estudió 2=1-8 años de
estudios (Enseñanza Básica) 3=9-12 años de estudios (Enseñanza Media) 4=13-
18 años de estudios (Educación Superior) 5=19 o más años de estudios
(Postgrado) De esta forma, los tramos tienen una justificación en términos de
ciclos de estudio, y, como es ordinal y tiene 5 categorías de respuesta, también
la usaremos como cuantitativa (asumiendo todo lo explicitado anteriormente)
5) prueba ji cuadrado
El estadístico ji-cuadrado (o chi cuadrado), que tiene distribución de probabilidad
del mismo nombre, sirve para someter a prueba hipótesis referidas a
distribuciones de frecuencias. En términos generales, esta prueba contrasta
frecuencias observadas con las frecuencias esperadas de acuerdo con la
hipótesis nula. En este artículo se describe el uso del estadístico ji-cuadrado para
probar la asociación entre dos variables utilizando una situación hipotética y
datos simulados. Luego se describe su uso para evaluar cuán buena puede
resultar una distribución teórica, cuando pretende representar la distribución real
de los datos de una muestra determinada. A esto se le llama evaluar la bondad
de un ajuste. Probar la bondad de un ajuste es ver en qué medida se ajustan los
datos observados a una distribución teórica o esperada. Para esto, se utiliza una
segunda situación hipotética y datos simulados.
Ji- cuadrado como prueba de asociación
Supongamos que un investigador está interesado en evaluar la asociación entre
uso de cinturón de seguridad en vehículos particulares y el nivel socioeconómico
del conductor del vehículo. Con este objeto se toma una muestra de conductores
a quienes se clasifica en una tabla de asociación, encontrando los siguientes
resultados:

Uso de Nivel Nivel Nivel TOTA

cinturó socioeconómic socioeconómic socioeconómic L
n o bajo o medio o alto
SI 8 15 28 51
NO 13 16 14 43
TOTAL 21 31 42 94

Referencia: Serie "Estadística Aplicada a la Investigación en Salud" provienen

del curso Estadística Aplicada a la Investigación en Salud.
6) prueba de u de mann-whitney para muestras independientes
Que es? Prueba no paramétrica de comparación de dos muestras
independientes.
Equivalente no paramétrico de la prueba t de Student.
En estadística la prueba U de Mann-Whitney (también llamada de Mann-
Whitney-Wilcoxon, prueba de suma de rangos Wilcoxon, o prueba de
Wilcoxon-Mann-Whitney) es una prueba no paramétrica aplicada a
dos muestras independientes. Es, de hecho, la versión no paramétrica de la
habitual prueba t de Student.
Fue propuesto inicialmente en 1945 por Frank Wilcoxon para muestras de igual
tamaños y extendido a muestras de tamaño arbitrario como en otros sentidos
por Henry B. Mann y D. R. Whitney en 1947.

Se usa:
 Las observaciones de ambos grupos son independientes.
 Las observaciones son variables ordinales o continuas.
 Recomendable pero no imprescindible que las poblaciones comparadas
tengan el mismo tamaño.
 Se utiliza para comparar dos grupos de rangos (medianas) y
determinar que la diferencia no se deba al azar.
Pasos:
 1. Determinar el tamaño de las muestras (n1 y n2). Si n1 y n2 < 20: muestras
pequeñas; si son > 20: muestras grandes (valor Z).
2. Las observaciones de las dos muestras se deben ordenar en rangos del
menor al mayor.
3. Calcular los valores de U1 y U2, y elegir el más pequeño para comparar
con los valores críticos de U Mann-Whitney de la tabla de probabilidades.
4. Decidir si se acepta o rechaza la hipótesis.
Referencias Bibliográficas
Downie, N. (1973) Métodos estadísticos aplicados. Harper & Row Publisher Inc.
Standard Book Number 06-3100746
Farfán, J. (2013) Apuntes de estadística en investigación educativa. Universidad
Nacional Enrique Guzmán y Valle. Lima. Perú
Farfán, J. (2014) Introducción a la investigación educativa. Universidad Nacional
Federico Villarreal. Lima. Perú.

7) prueba de wilcoxon para dos muestras relacionadas

La prueba de los rangos con signo de Wilcoxon es una prueba no
paramétrica para comparar el rango medio de dos muestras relacionadas y
determinar si existen diferencias entre ellas. Se utiliza como alternativa a
la prueba t de Student cuando no se puede suponer la normalidad de dichas
muestras. Debe su nombre a Frank Wilcoxon, que la publicó en 1945. Es una
prueba no paramétrica de comparación de dos muestras relacionadas y por lo
tanto no necesita una distribución específica. Usa más bien el nivel ordinal de la
variable dependiente. Se utiliza para comparar dos mediciones relacionadas y
determinar si la diferencia entre ellas se debe al azar o no (en este último caso,
que la diferencia sea estadísticamente significativa).
Se utiliza cuando la variable subyacente es continua pero no se presupone
ningún tipo de distribución particular.
Qué es una prueba signada de Wilcoxon
La prueba de Wilcoxon es una prueba no paramétrica que permite comparar dos
muestras relacionadas.
Se han propuesto dos pruebas para los casos en que muestras están
emparejadas: la prueba de los signos y la prueba de rangos signados de
Wilcoxon.
La prueba de los signos se basa en un principio simple: se compara el número
de casos en que la primera muestra es mayor que la segunda muestra con el
número de casos en que la segunda muestra es mayor que la primera muestra.
La desventaja de la prueba de los signos es que no tiene en cuenta el tamaño
de la diferencia entre cada par, dato que a menudo está disponible.
Wilcoxon propuso una prueba que tiene en cuenta el tamaño de la diferencia
dentro de los pares. Esta prueba se llama la prueba de rangos signados de
Wilcoxon, puesto que el signo de las diferencias también está involucrado.
Datos para una prueba de rangos signados de Wilcoxon
Puede descargar una hoja de Excel con los datos y resultados haciendo clic aquí.
Los datos corresponden a un experimento en el que se estudia la depresión. Los
pacientes han sido seguidos en dos momentos diferentes (0: pre-test y 6: 6
meses de seguimiento). La variable a comparar es una puntuación en depresión.
El objetivo de este tutorial es comparar los dos períodos con respecto a la
puntuación de depresión.
Referencias https://help.xlstat.com/customer/es/portal/articles/2062372-prueba-
de-rangos-de-wilcoxon-tutorial-excel?b_id=9283