Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sesiojn 6
Sesiojn 6
NO PARAMETRICA
PRUEBAS ESTADISTICAS
1
PRUEBAS PARAMETRICAS, para usarlas deben cumplirse supuestos:
2
DOCIMAS PARA UNA
MUESTRA
3
Consideremos una muestra de tamaño n que ha sido dividida
en dos categorías + y - con n1 y n2 observaciones
cada una.
HHH MM H MMM
4 rachas n1=4
4
Si las observaciones son cantidades numéricas estas pueden
ser divididas en dos categorías o pueden ser clasificados en una
sucesión dicotomica según que cada observación este por
encima o por debajo de algún número fijado; a menudo este
número fijado es la mediana muestral obtenida.
Bilateral:
5
Unilateral (menores):
Unilateral (mayores):
6
5)Se establecen los valores críticos, dependiendo del tamaño de
los grupos n1 y n2 :
ro≤ rmínimo=rn1,n2;(α/2) ó
ro ≥rmáximo = rn1,n2;(1-α/2)
ro≤ rmínimo=rn1,n2;(α)
ro≥ rmáximo=rn1,n2;(1-α)
7
b) Si n1 y n2 son ≥ 20, las tablas A.21-24 no pueden usarse.
con :
ro N ( ro , r2o ) ; y
2n1n2
Media ro 1
n1 n2
2n1n2 (2n1n2 n1 n2 )
Varianza r2o
(n1 n2 ) 2 (n1 n2 1)
ro r
zc , donde zc ~ N (0,1)
r
se rechaza H0, si:
Bilateral: Z c Z o Zc Z
tabla, tabla,
2 2
8
Ejemplo: Los siguientes datos muestran la discrepancia de la
temperatura de área normal registrada en una ciudad.
Deseamos saber, si podemos concluir que el patrón de
discrepancias por encima y por debajo de lo normal, es el
resultado de un proceso aleatorio.
DIA 1 2 3 4 5 6 7 8 9 10 11
DISCREPANCIA
DE LO NORMAL 12 13 12 11 5 2 -1 2 -1 3 2
DIA 12 13 14 15 16 17 18 19 20 21 22 23 24
DISCREPANCIA
DE LO NORMAL -6 -7 -7 -12 -3 6 7 10 6 1 1 3 7
DIA 25 26 27 28 29 30
DISCREPANCIA
DE LO NORMAL -2 -6 -6 -5 -2 -1
9
DIA 1 2 3 4 5 6 7 8 9 10 11
DISCREPANCIA
DE LO NORMAL 12 13 12 11 5 2 -1 2 -1 3 2
1 2 3 4 5
DIA 12 13 14 15 16 17 18 19 20 21 22 23 24
DISCREPANCIA
DE LO NORMAL -6 -7 -7 -12 -3 6 7 10 6 1 1 3 7
6 7
DIA 25 26 27 28 29 30
DISCREPANCIA
DE LO NORMAL -2 -6 -6 -5 -2 -1
8
ro = 8
rmín (α/2=0.025) = 10
rmáx (1-α/2=0.975) = 21
10
Ejemplo 2: Se desea conocer si la colocación de hombres y
mujeres en la cola frente a la taquilla de un cine es ordenado o
azaroso. Los datos se obtuvieron simplemente anotando el sexo de
50 personas en el momento de acercarse a la taquilla.
M F M F M M M F F M F M F
M F M M M M F M F M F M M
F F F M F M F M F M M F
M M F M M M M F M F M M
11
Orden de Hombres (M) y Mujeres (F) formados frente a la taquilla.
M F M F M M M F F M F M F
M F M M M M F M F M F M M
F F F M F M F M F M M F
M M F M M M M F M F M M
ro = 35
(M) n1 = 30 y (F) n2 = 20
(M) n1 = 30 y (F) n2 = 20
2n1n2
ro ( 1)
n1 n2
zc
2n1n2 ( 2n1n2 n1 n2 )
( n1 n2 ) 2 ( n1 n2 1)
2(30)( 20)
35 ( 1)
zc 30 20
2(30)( 20)[ 2(30)( 20) 30 20]
(30 20) 2 (30 20 1)
zc 2.98
ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ
12
zc 2.98
13
Para aplicar la prueba de Ji cuadrado en este tipo de situaciones, debemos
agrupar los datos de la muestra de acuerdo a un esquema para formar una
distribución de frecuencias.
Por ejemplo:
• Al tirar un Dado:
las categorías serán los números de cada una de las caras,
14
Si las observaciones o datos muestrales son compatibles con la
función F0(x) que se encuentra especificada, entonces se
observaría una estrecha coincidencia entre las frecuencias
esperadas y las observadas, siendo la única variación la producida
por la aleatoriedad de la muestra.
Entonces:
15
Hipótesis a contrastar :
Regla de decisión:
k
(oi ei ) 2
c2 con k-1 g.l.
i ei
Si αt ≤ α , se rechaza H0.
Ó Si
16
Caso Frecuencias Esperadas pequeñas:
17
Triunfos logrados en una pista circular de carreras de caballos
desde 8 posiciones de posta
posición de posta
1 2 3 4 5 6 7 8 TOTAL
Triunfos
esperados 18 18 18 18 18 18 18 18
Nº de
29 19 18 25 17 10 15 11 144
triunfos
k
(oi ei ) 2
c2 con 7 g.l.
i ei
(29 18) 2 (19 18) 2 (18 18) 2 (25 18) 2
c2
18 18 18 18
(17 18) 2 (10 18) 2 (15 18) 2 (11 18) 2
18 18 18 18
c2 16.3
18
De la tabla Chi-cuadrado :con 7 g.l. , y α=0.05
tenemos:
Para el caso del valor del estadístico tenemos:
Aplicación 2:
19
hipótesis:
Ho: Se mantuvo el patrón deseado: 60% créditos comerciales,
10% préstamos a personas naturales y 30% son créditos
extranjeros.
Tipo de Frecuencias
Crédito
ni pi Esperadas (ei)
Comercial 62 51
Personal 10 8.5
Extrajero 13 25.5
k
(oi ei ) 2
c2 con 2 g.l.
i ei
20
(62 51) 2 (10 8.5) 2 (13 25.5) 2
2
c
51 8.5 25.5
c2 8.76
Concluimos:
Concluimos:
Por lo tanto con un nivel de significancia del 10%
podemos afirmar que existen diferencias significativas
entre lo que el Vicepresidente observó y lo que esperaba
observar, entonces podemos concluir que no se mantuvo
el patrón de crédito deseado.
21
Aplicación 3:
El Jefe del Departamento de Control de Calidad ha informado a la
Gerencia de cierta Empresa, que el número de defectos en las
tarjetas de circuito impreso sigue una distribución Poisson con
parámetro = 0.75.
A fin de corroborar dicha afirmación, solicita al área de estadística
realice el análisis correspondiente a fin de sustentar o refutar
técnicamente lo informado por el Departamento de Control de
Calidad. Para dicho fin, se reúne una muestra aleatoria de 60
tarjetas de circuito impreso y se observa el número de defectos.
Los resultados obtenidos son los siguientes:
Número de Frecuencia
defectos observada
0 32
1 15
2 9
3 ó más 4
Hipótesis:
Ho: La forma de la distribución de los defectos es Poisson
(=0.75).
e x
f ( x)
x!
ESTADISTICA APLICADA II LIC. RITA GUZMAN LOPEZ
22
Bajo el supuesto de H0 verdadera calculamos las
probabilidades de ocurrencia en cada categoría:
Frecuencia
Número de
observada Pi(Xi=xi) Ei(x)=n*Pi
defectos
Oi
0 32 0.472 28.32
1 15 0.354 21.24
La celda
2 9 0.133 7.98 representa el
3 ó más 4 0.041 2.46 25% de las
celdas con
n= 60 esperado <5
Frecuencia
Número de
observada Pi(Xi=xi) Ei(x)=n*Pi (Oi-Ei)^2 (Oi-Ei)^2 / Ei
defectos
Oi
0 32 0.472 28.32 13.54 0.48
1 15 0.354 21.24 38.94 1.83
2 ó más 13 0.174 10.44 6.55 0.63
n= 60 Xc2= 2.94
c2 2.94
23