2019

Nombre: Haro Bendita Freddy Andree

Profesor: Navarrete
Curso. Tesis II
UNMSM U DE MANN DE WHITNEY

Introducción
En el ámbito de las Ciencias Sociales es habitual el uso de pruebas no paramétricas
puesto que existen muchas variables que no siguen las condiciones de parametricidad.
Dichas condiciones se refieren al uso de variables cuantitativas continuas, distribución
normal de las muestras, varianzas similares y tamaño de las muestras, mayor a 30 casos.
Estos criterios se recogen ampliamente en Rubio y Berlanga (2012). En caso de que no
se cumplan estos requisitos, y sobre todo cuando la normalidad de las distribuciones de
la variable en estudio esté en duda y el tamaño de la muestra sea menor a 30 casos, el
empleo de las pruebas no paramétricas o de distribución libre está indicado. Las pruebas
no paramétricas reúnen las siguientes características: 1) son más fáciles de aplicar; 2)
son aplicables a los datos jerarquizados; 3) se pueden usar cuando dos series de
observaciones provienen de distintas poblaciones; 4) son la única alternativa cuando el
tamaño de muestra es pequeño y 5) son útiles a un nivel de significancia previamente
especificado.
Las pruebas no-paramétricas se necesitan cuando no se tienen información sobre la
composición de los datos poblacionales, esto es no se tiene conocimiento sobre su
distribución de probabilidad. Se utilizan cuando no se cumplen las condiciones exigidas
para la aplicación de las paramétricas. También cuando las muestras son pequeñas y
falta información respecto de la densidad de probabilidad.
Dentro de las pruebas no-paramétricas, una muy utilizada es la Prueba de Suma de
Rangos de Wilcoxon o también llamada prueba "U" de Mann-Whitney, la cual es una
alternativa a la paramétrica "t" bimuestral.

1
UNMSM U DE MANN DE WHITNEY

Índice
1. Definición ............................................................................................................................. 3
2. Planteamiento de la prueba ................................................................................................ 3
3. Cálculo del estadístico ......................................................................................................... 3
4. Distribución del estadístico ................................................................................................. 4
5. Pasos para efectuar la prueba ............................................................................................ 4
6. Hipótesis y decisión ............................................................................................................. 5
6.1. Planteamiento de la hipótesis ..................................................................................... 5
6.2. Decisión ........................................................................................................................ 5
7. Ejemplos aplicativos ............................................................................................................. 5
7.1. Ejemplo para muestras pequeñas:............................................................................... 5
7.2. Ejemplo aplicable cuando la muestra es mayor a 25 y donde n1 y n2 pueden ser
iguales o de un tamaño diferente ........................................................................................... 7
7.3. Prueba U de Mann-Whitney en SPSS ....................................................................... 9
7.4. Ejemplo completo ...................................................................................................... 11
8. Pruebas no paramétricas .................................................................................................. 15
8.1. Clasificación de las pruebas no paramétricas ......................................................... 15
9. Aplicación de U de Mann de Whitney en tesis ................................................................ 19
Conclusiones ............................................................................................................................... 23
Referencias Bibliográficas ........................................................................................................... 23

2
UNMSM U DE MANN DE WHITNEY

Prueba U de Mann-Whitney
1. Definición
En estadística la prueba de la 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 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.
2. Planteamiento de la prueba
La prueba de Mann-Whitney se usa para comprobar la heterogeneidad de dos muestras
ordinales. El planteamiento de partida es:
1. Las observaciones de ambos grupos son independientes.
2. Las observaciones son variables ordinales o continuas.
3. Bajo la hipótesis nula, la distribución de partida de ambos grupos es la misma: P (X
> Y) = P (Y > X)
4. Bajo la hipótesis alternativa, los valores de una de las muestras tienden a exceder a
los de la otra: P (X > Y) + 0.5 P(X = Y) > 0.5.
3. Cálculo del estadístico
Para calcular el estadístico U se asigna a cada uno de los valores de las dos muestras su
rango para construir

donde n1 y n2 son los tamaños respectivos de cada muestra; R1 y R2 es la suma de los

rangos de las observaciones de las muestras 1 y 2 respectivamente.
El estadístico U se define como el mínimo de U1 y U2.
Los cálculos tienen que tener en cuenta la presencia de observaciones idénticas a la hora
de ordenarlas. No obstante, si su número es pequeño, se puede ignorar esa circunstancia.

3
UNMSM U DE MANN DE WHITNEY

4. Distribución del estadístico

La prueba calcula el llamado estadístico U, cuya distribución para muestras con más de
20 observaciones se aproxima bastante bien a la distribución normal.
La aproximación a la normal, z, cuando tenemos muestras lo suficientemente grandes
viene dada por la expresión:

Donde mU y σU son la media y la desviación estándar de U si la hipótesis nula es

cierta, y vienen dadas por las siguientes fórmulas:

Cuando N es mayor de 20, debe obtenerse la media y el error estándar de la distribución

U para estandarizar el valor de nuestro estadístico. Además, se necesitará la suma de la
T para ajustar el valor del error estándar de acuerdo a los empates encontrados en los
datos. T viene a ser la suma de todos los empates o ligas (repetidos) o sea la cantidad de
repetidos, que se elevará al cubo, luego se le restará el mismo número y entre 12.

𝑖=𝑛
3
𝑓𝑖 − 𝑓𝑖 𝑇 = ∑(𝑇𝑖 ) 𝑛1 ∗ 𝑛2 𝑁3 − 𝑁
𝑒𝑖 = 𝜎𝑈 = √( )( − 𝑇)
12 𝑖=1 𝑁(𝑁 − 1) 12
Siendo las demás formulas iguales que la anterior, para obtener la normal, z
5. Pasos para efectuar la prueba
 Para efectuar la prueba, se combinan dos muestras en un arreglo ordenado,
identificando los valores muestrales, de acuerdo con el grupo muestral al que
pertenecen.
 Luego se determinar el tamaño de las muestras (n1 y n2). Si n1 y n2 son menores que
20, se consideran muestras pequeñas, pero si son mayores que 20, se consideran
muestras grandes.
 En caso de muestras grandes, calcular el valor Z, pues en estas condiciones se
distribuye normalmente.
 Después se ordenan los valores de menor a mayor, asignando el rango uno al valor
más pequeño.

4
UNMSM U DE MANN DE WHITNEY

 Cuando se encuentran valores iguales (ligas o empates), se le asigna el promedio de

sus rangos.
 Con los valores nuevos ya promediados se les vuelve a separar en los grupos
anteriores y luego se sumarán esos valores de cada grupo dando R1 y R2.
 Luego para hallar la normal se calculo la media mU y la desviación estándar σU
como las formulas anteriores.
 Si se aplica las otras fórmulas anteriores, además, se necesitará la suma de la T para
ajustar el valor del error estándar de acuerdo a los empates encontrados en los datos.
T viene a ser la suma de todos los empates o ligas (repetidos) o sea la cantidad de
repetidos, que se elevará al cubo, luego se le restará el mismo número y entre 12. Y
se aplicara la desviación estándar de acuerdo a la formula anterior.
 Por ultimo se aplicará la formula de Z mencionada anteriormente.
6. Hipótesis y decisión
6.1.Planteamiento de la hipótesis
En el planteamiento de la hipótesis, la hipótesis alternativa muestra que existe
diferencias entre ambos grupos independientes mientras que la hipótesis nula la niega
afirmando que son similares y no hay diferencia significativa.
Ejemplo
Ho= Los ingresos brutos mensuales no es significativamente diferente entre los que
tiene un curso de especialización en NIIF y los que no tiene el curso de especialización
en NIIF.
Ha= Los ingresos brutos mensuales es significativamente diferente entre los que tiene
un curso de especialización en NIIF y los que no tiene el curso de especialización en
NIIF
6.2.Decisión
Se rechaza H0, si p(valor) < 
Se rechaza H0, si z < 1.96
Si el p valor (5%) es mayor a  entonces se afirma
que existe una diferencia significativa entre ambos
grupos, sino seria lo contrario o sea que no hay
diferencia significativa.
7. Ejemplos aplicativos
7.1.Ejemplo para muestras pequeñas:
Un experimentador utiliza dos métodos para enseñar a leer a un grupo de 10 niños de 6
años, quienes ingresan por primera vez a la escuela. El experimentador quiere demostrar
que el procedimiento ideado por él es más efectivo que el tradicional; para ello, mide
el desempeño en la lectura en función de la fluidez, comprensión, análisis y síntesis.
El plan experimental preliminar consiste en elegir al azar tanto una muestra de 10 niños
como el método por utilizar.
Elección de la prueba estadística. El modelo experimental tiene dos muestras
independientes. Las mediciones revelan que no se satisfacen los requisitos para utilizar

5
UNMSM U DE MANN DE WHITNEY

una media aritmética, en razón de que uno de los valores en cada muestra se aleja
demasiado de las demás; por lo tanto, no corresponde a una escala de intervalo, de
manera que se decide usar una escala ordinal.
Planteamiento de la hipótesis
 Hipótesis alterna (Ha). Las calificaciones de ejecución de lectura, según el método
de enseñanza del experimentador son más altas y diferentes que las observadas en el
método tradicional.
 Hipótesis nula (Ho). Las diferencias observadas entre las calificaciones de ejecución
de lectura mediante los dos métodos se deben al azar.
Nivel de significación. Para todo valor de probabilidad igual o menor que 0.05, se
acepta Ha y se rechaza Ho.
Zona de rechazo.Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se
rechaza Ha.
Dos métodos diferentes aplicados en dos grupos de niños.

Aplicación de la prueba estadística.De acuerdo con los paso, las observaciones se

deben ordenar en rangos del menor al mayor.Rangos de lectura de la tabla anterior.

Calculamos la U.

De los dos valores de U calculados, se elge el más pequeño (4) y se comparan con los
valores críticos de U Mann-Whitney.
En caso de que el valor de U calculado no se localice en las tablas correspondientes, se
transformará en la fórmula siguiente:
U = n1n2 - U'
En esta fórmula, U' corresponde al valor más alto.
Decisión.
A la probabilidad del valor U de Mann-Whitney, calculado anteriormente, corresponde
0.048, el cual es más pequeño que el nivel de significancia; por lo tanto, se acepta Ha y
se rechaza Ho.
Interpretación.
Entre las calificaciones de la ejecución de lectura mediante los dos métodos de

6
UNMSM U DE MANN DE WHITNEY

enseñanza existe una diferencia significativa a un nivel de probabilidad de error menor

que 0.05; es decir, aun cuando las muestras son pequeñas, las calificaciones más altas
mediante el método diseñado por el experimentador señalan más efectividad, con la
probabilidad de equivocarse de 0.048 para aceptarlo.
7.2.Ejemplo aplicable cuando la muestra es mayor a 25 y donde n1 y n2 pueden ser
iguales o de un tamaño diferente
El experimentador del ejemplo previo, entusiasmado por las observaciones
preliminares, decide aumentar el tamaño de las muestras. En este estudio tiene 10 niños
con el métodod tradicional y 25 mediante el procedimiento ideado por él. Los datos del
nuevo estudio se muestran en la tabla más adelante.
Elección de la prueba estadística. El diseño experimental tiene dos muestras
independientes. Las mediciones en esta condición quizá no impidan utilizar una prueba
paramétrica, sin mebargo, para fines de aprendizaje, se decide utilizar una escala ordinal
y continuar con la prueba de U de Mann-Whitney.
Planteamiento de la hipótesis.
 Hipótesis alterna (Ha). Las calificaciones aportadas por el método reciente, ideado
por el experimentador, son diferentes y con valores más altos.
 Hipótesis nula (Ho). Las diferencias entre las calificaciones dadas por ambos
métodos se deben al azar.
Nivel de significación.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo. Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se
rechaza Ha.
Población de niños de 6 años a los cuales se les aplicó dos métodos de enseñanza.

Aplicación de la prueba estadística.

Primero ordenamos los rangos de todas las observaciones.
Dirección de las ligas o empates y el tamaño de estas.

7
UNMSM U DE MANN DE WHITNEY

Calculamos la U.

Tomando en cuanta los pasos, nos menciona que cuando la muestra es mayor que 25, se
distribuye normalmente, por lo cual se determina el valor Z para conocer la
probabilidad. Esto se calcula como sigue:

Dónde:
Z = valor estadístico de la curva normal.
U = cualquier valor de U calculado (ya sea U1 o U2).
= valor promedio de U.
sU = desviación estándar de U.

Calculamos el valor promedio de U ():

La desviación estándar de U de determina de la forma siguiente:

Donde:
sU = desviación estándar de U.
n1 y n2 = tamaño de la muestra de los grupos
1 y 2.
N = tamaño total de la muestra (la suma de
n1 y n2).
Li = sumatoria de las ligas o empates.

8
UNMSM U DE MANN DE WHITNEY

El cálculo de Li se realiza de la siguiente manera:

Una vez obtenida la sumatoria de Li, se determina la desviación estándar de U (?U)

mediante la expresión siguiente:

Una vez calculados los parámetros necesarios, se obtiene el valor Z conforme la

siguiente fórmula:

Para obtener la probabilidad del valor Z de 1.95, se debe consultar la tabla de tamaño de
la muestra en función de los valores d y buscar la hilera 1.9, en cuya columna 0.05 se
localiza el número 0.0256, que corresponde a la probabilidad del valor de U con
respecto al promedio. Esto quiere decir que es menor que el nivel de significancia.
Decisión. A la cifra de Z de 1.95 le corresponde una probabilidad menor que 0.05, por
lo cual se acepta Ha y se rechaza Ho (tabla de probabilidades asociadas en valores
extremos como los de 2 en la distribución normal).
Interpretación. El experimentador, al aumentar su muestra, confirma la
investigación preliminar con una muestra pequeña, con lo cual da a entender que los
resultados logrados con el método ideado por él son diferentes de los obtenidos con el
método de enseñanza de lectura tradicional; además, este último revela calificaciones
más bajas y es menos efectivo que el otro.
La efectividad del método ideado por el experimentador se traduce en mayor fluidez de
la lectura, mejor comprensión y análisis y síntesis superior, en razón de que las
calificaciones finales son consecuencia de estas condiciones.
7.3.Prueba U de Mann-Whitney en SPSS
Dentro del SPSS tomamos como ejemplo un estudio orientado a conocer la actitud del
profesorado universitario hacia las TIC (Tecnologías de Información y Comunicación)
en la docencia, a través de una escala tipo Likert.
Objetivo: conocer la influencia de la experiencia docente (<5 años o >5 años) en la
utilidad que el profesorado atribuye a las TIC en la enseñanza.
Ho: la experiencia docente no influye en la utilidad que el profesorado atribuye a las
TIC en la enseñanza.
H1: la experiencia docente influye en la utilidad que el profesorado atribuye a las TIC
en la enseñanza.

9
UNMSM U DE MANN DE WHITNEY

En el programa SPSS luego de introducir los datos, en el menú analizar, luego en

pruebas no paramétricas, luego en cuadros de dialogo antiguo y por último en 2
muestras independientes.

Saldrá la ventana en que se introducirá la variable que tiene los datos numéricos en la
lista de contrastar y en la variable agrupación la otra variable. Luego definir los grupos
donde se pondrán los números que se les asigno a cada uno.

10
UNMSM U DE MANN DE WHITNEY

Como se explicó anteriormente se introduce los números que se les asigno a cada uno.

Resultados
Output de la prueba U de Mann-Whitney

Se acepta la H1, que significa que la experiencia docente influye en la utilidad que el
profesorado atribuye a las TIC en la enseñanza (sig. 0,005<0,05). El profesorado que
tiene menos de 5 años de experiencia las considera más útiles.
7.4.Ejemplo completo
Se realiza un estudio de los sueldos que perciben los contadores influenciado por la
especialización en las NIIF con los no llevaron un curso de especialización, pero si
tienen conocimiento de ella. Se tomo la encuesta a los contadores de grandes empresas
ubicados en el país, todos los encuestados tienen que tener el grado de maestría como

11
UNMSM U DE MANN DE WHITNEY

mínimo. El sueldo se tomarán los ingresos brutos mensuales que perciban los
contadores.
Se encuesto a un total de 40 contadores de empresas dedicadas al minería,
telecomunicaciones e inmobiliarias del total el 45% tenía una especialización en NIIF
aparte de los estudios que llevo en la universidad.
Se tienen los siguientes resultados:
No tiene un curso de Si tiene un curso
especialización en NIIF de especialización en NIIF
N° Soles N° Soles
1 3400 23 7800
2 3500 24 8000
3 3600 25 8200
4 3700 26 9600
5 3800 27 11000
6 5800 28 7800
7 4000 29 8000
8 4100 30 8200
9 4200 31 8600
10 6000 32 8800
11 3400 33 5000
12 3500 34 8400
13 3500 35 8600
14 5000 36 8800
15 3700 37 4200
16 4100 38 4300
17 4200 39 3800
18 4300 40 3900
19 3800
20 3900
21 7800
22 8000

X: Especialización en el curso NIIF

Y: Sueldo brutos mensuales
Las hipótesis son:
Ho= Los ingresos brutos mensuales no es significativamente diferente entre los que
tiene un curso de especialización en NIIF y los que no tiene el curso de especialización
en NIIF.

Ha= Los ingresos brutos mensuales es significativamente diferente entre los que tiene
un curso de especialización en NIIF y los que no tiene el curso de especialización en
NIIF.

12
UNMSM U DE MANN DE WHITNEY

n° Sueldo Ligas Cont T n° Sueldo Ligas Cont T

1 3400 1.5 23 5000 22.5 2 6
2 3400 1.5 2 6 24 5800 24
3 3500 4 25 6000 25
4 3500 4 26 7800 27
5 3500 4 3 24 27 7800 27
6 3600 6 28 7800 27 3 24
7 3700 7.5 29 8000 30
8 3700 7.5 2 6 30 8000 30
9 3800 10 31 8000 30 3 24
10 3800 10 32 8200 32.5
11 3800 10 3 24 33 8200 32.5 2 6
12 3900 12.5 34 8400 34
13 3900 12.5 2 6 35 8600 35.5
14 4000 14 36 8600 35.5 2 6
15 4100 15.5 37 8800 37.5
16 4100 15.5 2 6 38 8800 37.5 2 6
17 4200 18 39 9600 39
18 4200 18 40 11000 40
19 4200 18 3 24
20 4300 20.5 Suma de T 174
21 4300 20.5 2 6 σ= 14.5
22 5000 22.5 Suma de repetidos 33

13
UNMSM U DE MANN DE WHITNEY

Desarrollo

𝑛1 (𝑛1 + 1)
𝑈1 = 𝑛1 ∗ 𝑛2 +
2
22(22 + 1)
− ∑ 𝑅1 = 22𝑥18 + − 298.5 = 350.5
2
𝑛2 (𝑛2 + 1)
𝑈2 = 𝑛1 ∗ 𝑛2 +
2
18(18 + 1)
− ∑ 𝑅2 = 22𝑥18 + − 521.5 = 45.5
2

𝑈2 = 45.5

22𝑥18 403 − 40
𝜎𝑈 = √( )∗( − 14.5) = √0.2538𝑥5315.50 = 36.73
40(40 − 1) 12

22𝑥18
U= = 198
2

45.5 − 198
Z= = −4.1515
36.73

Interpretación: Con un nivel de

confianza del 95% se evidencia que
el nivel de ingresos brutos
mensuales de los contadores
encuestados es significativamente
diferente entre las personas que has
llevado el curso de especialización
de NIIF de los que solo tiene el
conocimiento general de NIIF.

14
UNMSM U DE MANN DE WHITNEY

8. Pruebas no paramétricas
Las pruebas estadísticas pueden ser parametricas y no paramétricas. La primera asume
los parámetros de la distribución de la variable (media y varianza) y un tipo de
distribución normal.
Y la segunda no asumen acerca de los parámetros de distribución ni se preocupa por el
tipo de distribución, sino trabajan con simple ordenación y recuento (asignando
rankings) a los valores de la variable sin importar la distribución.
Para las pruebas no paramétricas se deben usar con:
 Datos de distribución libre (no necesariamente normal).
 Si un grupo tiene distribución normal mientras el otro no.
 Si se trata de datos cuantitativos, ordinales o nominales.
 Con varianza grande, un grupo con varianza 0 y el otro no
 Al trabajar con muestras pequeñas. Pruebas no paramétricas

La ventaja del uso de las pruebas no paramétricas con las paramétricas es que las
pruebas paramétricas tienen más poder de contraste y pueden analizar interacciones
entre variables independientes.

8.1.Clasificación de las pruebas no paramétricas

La revisión de los principales autores que, en nuestro contexto, tratan la clasificación de

las pruebas no paramétricas pone de manifiesto una falta de consenso a la hora de
agrupar dichas pruebas. Ferrán (2002) las agrupa en contrastes para una muestra y el
resto en no paramétricas. Visauta (2007) engloba todas las pruebas en no paramétricas,
mientras que otros autores las clasifican por tipo de muestra. También se aprecia como
cada autor recoge un número diferente de pruebas no paramétricas, así como el uso de
terminología también diferente para nombrarlas. La intención de este artículo ha sido
recoger por primera vez las aportaciones de cada uno de estos autores para ofrecer una
clasificación completa de las pruebas no paramétricas (17 en total). En su clasificación
se han asumido dimensiones relacionadas con el número de muestras y la relación o
independencia entre esas muestras tal y como muestran las tablas 1 y 3. No se han
incluido las correlaciones no paramétricas a pesar de que determinados autores las
incluyen dentro de pruebas no paramétricas (Pérez Juste et al., 2009), con el objetivo de
recopilar solamente los contrastes no paramétricos.

Tabla 1. Resumen de las principales pruebas estadísticas no paramétricas

Una muestra Muestras relacionadas Muestras independientes
Variable
(bondad de >2 2 >2
dependiente 2 muestras
ajuste) muestras muestras muestras
Binomial
Chi-
Nominal McNemar Cochran - -
Cuadrado
Rachas
Rachas de Wald-
Mediana
Wolfowitz U de
Friedman Kruskal-
Ordinal/ Kolmogorov- Signos Mann-Whitney
Kendall Wallis
Intervalo Smirnov Wilcoxon Moses
Jonckheere-
Kolmogorov-
Terpstra
Smirnov

15
UNMSM U DE MANN DE WHITNEY

Tabla 2. Pruebas paramétricas y su alternativa no paramétrica

Muestra Prueba paramétrica Prueba no paramétrica
Muestras relacionadas t-Student Wilcoxon
2 muestras ANOVA Friedman
> 2 muestras
Muestras independientes t-Student U de Mann-Whitney
2 muestras ANOVA Kruskal-Wallis
> 2 muestras

En la tabla se recogen las principales características de las 17 pruebas no paramétricas

halladas.

PRUEBAS NO PARAMÉTRICAS
Pruebas Una muestra Variables
Prueba de Chi- •Es una prueba de bondad de ajuste, que VD: Nominal
permite averiguar si la distribución empírica de
cuadrado de una variable categórica se ajusta o no (se
Pearson parece o no) a una determinada distribución
teórica (uniforme, binomial, multinomial, etc.).
Prueba • Es una prueba de bondad de ajuste, que VD: Nominal
permite averiguar si una variable dicotómica
Binomial sigue o no un determinado modelo de
probabilidad. Permite contrastar la hipótesis de
que la proporción observada de aciertos se
ajusta a la proporción teórica de una
distribución binomial (lo cual se traduce en la
posibilidad de
contrastar hipótesis sobre proporciones y sobre
cuartiles).
Prueba de •Es una prueba de independencia o de VD: Nominal
aleatoriedad que permite
Rachas determinar si el número de rachas (R)
observado en una determinada muestra de
tamaño n es lo suficientemente grande o lo
suficientemente pequeño para poder rechazar
la hipótesis de independencia (o aleatoriedad)
entre las observaciones.
• Una racha es una secuencia de
observaciones de un mismo atributo o
cualidad. Una serie de datos en los que hay
muchas o pocas rachas permite concluir que
estas no han ocurrido por azar
Prueba de •Es una prueba de bondad de ajuste, que sirve VD:
Kolmogorov- para contrastar la
Ordinal/Intervalo
Smirnov (K-S) hipótesis nula de que la distribución de una
variable se ajusta a una determinada
distribución teórica de probabilidad que puede
ser con tendencia a la normal, a la de Poisson o
exponencial.

Pruebas Dos muestras relacionadas Variables

16
UNMSM U DE MANN DE WHITNEY

Prueba de • Sirve para contrastar hipótesis sobre igualdad de VI: Dicotómica

McNemar proporciones. VD: Nominal
• Se usa cuando hay una situación en la que las
medidas de cada sujeto se repiten, por lo que la
respuesta de cada uno de ellos se obtiene dos
veces: una vez antes y otra después de que ocurra
un evento específico.
Prueba de los • Permite contrastar la hipótesis de igualdad entre VI: Dicotómica
Signos dos medianas poblacionales. VD:
• Puede ser usada para saber si una variable tiende Ordinal/Intervalo
a ser mayor que otra. También es útil para probar
la tendencia que sigue una serie
de variables ordinales positivas, o para una
valoración rápida de un estudio exploratorio.
Prueba de • Permite contrastar la hipótesis de igualdad entre VI: Dicotómica
Wilcoxon dos medianas poblacionales. VD:
• Paralela a la prueba paramétrica de contraste t Ordinal/Intervalo
para muestras relacionadas.

Pruebas K-muestras relacionadas Variables

Prueba de • Es una extensión de la prueba de Wilcoxon para VI: Politómica
Friedman incluir datos registrados en más de dos periodos VD:
de tiempo o grupos de tres o más sujetos Ordinal/Intervalo
pareados, con un sujeto de cada grupo que ha sido
asignado aleatoriamente a una de las tres o más
condiciones.
• La prueba examina los rangos de los datos
generados en cada periodo de tiempo para
determinar si las variables comparten la misma
distribución continua de su origen.
Prueba de • Esta prueba es idéntica a la prueba de Friedman, VI: Dicotómica
Cochran pero se aplica cuando todas las respuestas son VD: Nominal
binarias.
• La Q de Cochran prueba la hipótesis de que
varias variables
dicotómicas que están relacionadas entre sí, tienen
el mismo
promedio. En observaciones múltiples las
variables son medidas en el mismo individuo o en
individuos pareados. Tiene la ventaja de examinar
cambios en las variables categóricas.
Coeficiente Tiene las mismas indicaciones que la prueba de VI: Politómica
de Friedman, aunque su uso en investigación ha sido, VD: Ordinal
concordancia principalmente, para conocer la concordancia /Intervalo
de W de entre rangos, más que para probar que existe una
Kendall diferencia entre las medianas.

Pruebas Dos muestras independientes Variables

Prueba U de • Es equivalente a la prueba de suma de rangos de VI: Dicotómica
Mann- Wilcoxon y a la prueba de dos grupos de Kruskal- VD:
Whitney Wallis. Es la alternativa no paramétrica a la Ordinal/Intervalo
comparación de dos promedios independientes a
través de la t de Student.

17
UNMSM U DE MANN DE WHITNEY

Prueba de • Sirve para contrastar la hipótesis de que dos VI: Dicotómica

Kolmogorov- muestras proceden de la misma población. Para VD:
Smirnov ello, compara las funciones de distribución Ordinal/Intervalo
(funciones de probabilidad acumuladas) de ambas
muestras.
Prueba de • Contrasta si dos muestras con datos VI: Dicotómica
Rachas de independientes proceden de poblaciones con la VD:
Wald- misma distribución. Ordinal/Intervalo
Wolfowitz
Prueba de • Sirve para estudiar si existe diferencia en el VI: Dicotómica
reacciones grado de dispersión o variabilidad de dos VD:
extremas de distribuciones. Ordinal/Intervalo
Moses Esta prueba se centra en la distribución del grupo
de control y es una medida para saber cuántos
valores extremos del grupo experimental influyen
en la distribución cuando se combinan con el
grupo de control.

Pruebas K-muestras independientes Variables

Prueba de la • Contrasta diferencias entre dos o más grupos en VI: Politómica
Mediana relación con su mediana, bien porque no cumplen VD:
las condiciones de normalidad para usar el Ordinal/Intervalo
promedio como medida de tendencia central, bien
porque la variable es cuantitativa discreta.
• Es similar a la prueba Chi-cuadrado.
Prueba de • Es más potente que sus homónimas, la prueba de VI: Politómica
Jonckheere- Kruskal-Wallis y la de la mediana, cuando existe VD:
Terpstra una ordenación a priori (ascendente o Ordinal/Intervalo
descendente) de las K poblaciones de las que se
extraen las muestras.
Prueba H de • Es una extensión de la de U de Mann-Whitney y VI: Politómica
Kruskal- representa una excelente alternativa al ANOVA VD:
Wallis de un factor completamente aleatorizado. Ordinal/Intervalo

18
UNMSM U DE MANN DE WHITNEY

9. Aplicación de U de Mann de Whitney en tesis

Calidad en las Empresas del Sector de Seguridad Privada en la Ciudad de Lima
Presentada por: Claudio Leturia Gurreonero, Javier Lagos Morales, Manuel Ruidias
Villalaz (2016)
Resumen ejecutivo
El estudio de investigación es la aproximación que se realizó en el sector de seguridad
privada en la ciudad de Lima, teniendo como objetivo contrastar y determinar las
diferencias existentes entre las empresas del sector, de quienes cuentan con un sistema
de gestión de calidad versus las empresas de este sector que no cuentan con un sistema
de gestión, en tal sentido, se consideró los nueve factores de la gestión de la calidad
considerados en el estudio de la ISO 9001 y la TQM (Total Quality Management)
realizado por Benzaquen (2013).
La investigación es de tipo cuantitativo y transeccional, donde se utilizó como
herramienta de medición la encuesta de calidad, en donde se consideró los nueve
factores de Benzaquen (2013), y se planteó como hipótesis que las empresas del sector
de seguridad privada en la región de Lima que cuentan con un sistema de gestión de
calidad, tienen diferencias significativas en los factores de calidad de aquellas empresas
que no cuentan con un sistema de gestión de calidad (µB), de acuerdo al modelo
propuesto, obteniendo como resultado final que los factores evaluados superan el valor
mínimo para considerar como aceptable y confiable luego de realizar la prueba de Alfa
de Crobanch; finalmente, para analizar la información obtenida se realizaron diferentes
pruebas estadísticas, sin embargo, las pruebas paramétricas nos sirvió para para
determinar la verdadera relación entre las empresas de este sector, obteniendo como
resultado final en que las empresas que presentan un sistema de gestión de calidad
muestran mayores de niveles de calidad en los nueve factores considerados.
Definición del Problema
identificar el nivel de cumplimiento de la calidad entre las empresas que poseen un
sistema de gestión de calidad de las que no cuentan con uno.
Propósito de la Investigación
El propósito de la investigación fue el de lograr determinar si existen diferencias en los
niveles de cumplimiento de la calidad entre las empresas que conforman el sector de la
seguridad privada en la ciudad de Lima, que cuentan con un sistema de gestión de
calidad sobre las que no lo poseen, por medio de la realización de un análisis
cuantitativo, con la finalidad de poder sincerar si la aplicación de los sistemas de gestión
de calidad son realmente efectivos en su uso y que no son solo objeto de marketing o
publicidad para las empresas que los ostentan.
Diseño de la Investigación
Para evaluar la calidad en el sector de seguridad privada se utilizó una técnica
cuantitativa para recabar, mediante preguntas, datos de las empresas de seguridad
privada en la ciudad de Lima, las cuales son un derivado de indicadores de la aplicación
de la calidad, propuestas por Benzaquen (2013).
Estas dos variables:
X: La empresa cuenta con Sistema de Gestión de Calidad (variable independiente)
Y: Evaluación del TQM de los indicadores (variable dependiente)
diseños de investigación transversales, el modelo de encuesta usada para la presente
investigación fue del tipo descriptivo, ya que nos va a permitir representar las
características de una población; asimismo, nuestra investigación por ser la primera en
evaluar la calidad en el sector de seguridad privada, solo describirá el comportamiento
de las variables en un punto en el tiempo.

19
UNMSM U DE MANN DE WHITNEY

Población y Selección de la Muestra

El tamaño de la población se base en la información de la Superintendencia Nacional de
Control de Servicios de Seguridad, Armas, Municiones y Explosivos de Uso Civil
(SUCAMEC), obteniendo la información del número de empresas dedicadas a esta
actividad que se encuentran en la ciudad de Lima, sumando un total de 417 empresas
identificadas.
En base a esta información, se estimó determinar el tamaño de la muestra utilizando el
intervalo de confianza para una proporción, considerando un muestreo sin reemplazo en
una población (Bernoulli de valores 0 y 1) finita de tamaño N.
En esta investigación para calcular el tamaño de la muestra conociendo el tamaño de la
población, se usó un valor de p del 50%, puesto que se desconoce el mismo. Por tanto,
los valores usados son: N: 417 empresas de Seguridad, Z: 1.96, p: 50%, e: 9.33%.
El tamaño de la muestra para el presente trabajo de investigación fue de 96 empresas en
el sector seguridad (ver Apéndice A) a las cuales se les realizó la encuesta de los nueve
factores de calidad de TQM elaborado por Benzaquen (2013), cabe resaltar que sólo
fueron tomadas como válidas las encuestas respondidas al 100%.

De las 96 empresas encuestadas, 26 empresas cuentan con sistema de gestión de

calidad, lo cual nos representa un 27%.

Procedimiento de Recolección de Datos

De las encuestas. Para la recolección de los datos respecto a la calidad en la empresa del
sector seguridad, se empleó una encuesta modificada con tres preguntas adicionales a
las que utilizó Benzaquen (2013) para la evaluar la calidad de las empresas.
Recolección de datos. Para la recolección de los datos de la presente investigación se
procedió a enviar correos electrónicos, entrevistas telefónicas y visitas a las diferentes
empresas que cumplían con las delimitaciones establecidas para el presente estudio, el
número de empresas visitadas durante el trabajo de campo se consideró hasta completar
el número de encuestas válidas (empresas que respondieron todas las preguntas de la
encuesta).
Instrumentos
Como instrumento de recolección de información se utilizó la encuesta de los nueve
factores de Benzaquen (2013), con la adición de tres preguntas, dando un total de 35
preguntas, cada uno de estos factores contiene entre tres a cinco preguntas, las cuales
proporcionan indicadores de desempeño referentes a cada uno de los factores ya
mencionados, para ello se pidió a los encuestados que valoraran cada una de las
preguntas sobre calidad mediante una escala de Likert.
Análisis e Interpretación de Datos
Los datos obtenidos fueron analizados bajo un programa estadístico de las ciencias
sociales SPSS, antes del uso de este software se calculó a través de las tablas de
frecuencia el promedio de nivel de cumplimiento de los factores TQM de las empresas
que cuenten con sistema de gestión de calidad y de las que no cuentan con uno. Luego
se empleó la estadística descriptiva para las pruebas de hipótesis donde se consideró el
p-valor de 5%, el cual nos indicó la significancia estadística y permitió aceptar o
rechazar la hipótesis nula (Ho) de que no existen diferencias en las muestras asociadas.
Los datos obtenidos de la encuesta se analizaron con el software SPSS para validar los
supuestos de la T de Student, por ello se utilizará la prueba de Kolmogorov Smirnov,
para evaluar si los datos obtenidos tienen una distribución normal, luego si los
resultados nos indican que es una distribución normal se continuará con la segunda
condición de homocedasticidad.

20
UNMSM U DE MANN DE WHITNEY

En caso de que las variables no cumplan con la homocedasticidad y normalidad, la

prueba T de Student no podrá ser usada en este caso y se planteará el uso de la Prueba
de UMann de Whitney, el resultado nos dirá si los promedios son distintos, más no, que
grupo tiene mejor promedio.
Validez y Confiabilidad
Para medir la confiabilidad del cuestionario se analizaron las preguntas utilizando el
coeficiente Alfa de Cronbach que asume que los datos calculados, miden una misma
dimensión teórica y que están altamente correlacionados. Las empresas encuestadas
respondieron a las preguntas clasificando su respuesta en una escala Likert de 5 puntos
(1 = Totalmente en desacuerdo; 2 = En desacuerdo; 3 = Neutral; 4 = De Acuerdo; 5 =
Totalmente de Acuerdo). Alfa de ronbach mayor a 0.7 es aceptable y podemos decir que
las preguntas son confiables y están midiendo realmente el factor al que están asociadas.
Prueba de Hipótesis
Utilizando las pruebas no paramétricas, seleccionamos la prueba U de Mann-Whitney
que analiza las variables para una distribución no normal, considerando que el P-Valué
obtenido es menor al nivel de significancia (0,05):
Ho: Los promedios de TQM no son distintos entre los grupos.
H1: Los promedios de TQM son distintos entre los grupos.
Resultados de Evaluación con la Prueba U-Mann de Whitney por Factor de Calidad

Los resultados nos indican que todos los factores presentan un p-value menor al nivel de
significancia (0.05), (ver Tabla 16), por lo que optamos por la hipótesis alterna (H1):
Los promedios de TQM son distintos entre los grupos, es decir, inferimos que los
promedios entre los grupos que poseen S.G.C. y los que no poseen S.G.C. son distintos,
gracias a la estadística inferencial podemos determinar que en los nueve factores de
calidad analizados, las empresas que poseen S.G.C. estadísticamente presentan mayor
puntuación de TQM frente a las empresas que no poseen S.G.C.
Conclusiones
De acuerdo a la prueba de hipótesis realizada podemos determinar que existe una
diferencia importante referente a los promedios del TQM, a favor de las empresas del
sector de seguridad privada que cuentan con un S.G.C., siendo esta diferencia evidente
en el servicio brindado y en los procesos internos de cada una de estas empresas.
De acuerdo a lo citado en la importancia de la investigación y según se muestra en los
resultados obtenidos, las empresas grandes que cuentan con un Sistema de Gestión de
Calidad si ponen en práctica los factores de calidad relacionados a los sistemas que
poseen, es decir que si aplican y poseen una cultura de calidad clara y definida,

21
UNMSM U DE MANN DE WHITNEY

concluyendo que las empresas medianas y pequeñas no brindan un servicio de calidad

ni superior al de las empresas que cuentan con Sistemas de gestión de Calidad.
En referencia al factor Alta Gerencia (X1) el valor de la significancia asintótica de la
prueba bilateral de U de Mann Whitney fue de .000, dicho valor es menor a .05 por
tanto se rechaza la hipótesis nula (Ho), quedándonos con la hipótesis alternativa (H1):
El promedio del valor de TQM de las empresas con S.G.C., referente al factor Alta
Gerencia, es distinto al de las empresas sin S.G.C.. Adicionalmente según la puntuación
de TQM referente a este factor, las empresas con S.G.C. poseen un valor de 3.62 frente
a las empresas sin S.G.C., los cuales presentan una puntuación de 2.49. Se concluye que
con un error de 5% el nivel de calidad de las empresas con S.G.C. es superior al nivel de
calidad de las empresas sin S.G.C., respecto al factor Alta Gerencia.
Recomendaciones
Es necesario que el ente controlador y fiscalizador del sector de seguridad privada a
nivel nacional, el cual es la Superintendencia Nacional de Control de Servicios de
Seguridad, Armas, Municiones y Explosivos de Uso Civil (SUCAMEC), introduzca en
su reglamento los estándares de calidad necesarios a fin de que el sector pueda hacerse
cada vez más eficiente y especializado obteniendo un grado superior de calidad al
actual, teniendo en cuenta la situación y la percepción de inseguridad por la que
atraviesa el país.
Dado el número de empresas medianas y pequeñas de las cuales ya se han analizado los
factores de calidad, de los cuales hemos determinado que no se encuentran alineados a
trabajar en base a estándares y de ser la seguridad una preocupación latente y primordial
del Estado, se debería de crear un paquete de beneficios y ayuda mutua con la finalidad
de que las empresas de este grupo puedan optar por implementar un Sistema de Gestión
de Calidad.

22
UNMSM U DE MANN DE WHITNEY

Conclusiones

El U de Mann de Whitney es una prueba no paramétrica con la cual se identifican

diferencias entre dos poblaciones basadas en el análisis de dos muestras independientes,
cuyos datos han sido medidos al menos en una escala de nivel ordinal o continua.
El planteamiento de partida de que las observaciones de ambos grupos son
independientes, las observaciones son variables ordinales o continuas. Bajo la hipótesis
nula, la distribución de partida de ambos grupos es la misma: P(X > Y) = P(Y > X) y
bajo la hipótesis alternativa, los valores de una de las muestras tienden a exceder a los
de la otra: P(X > Y) + 0.5 P(X = Y) > 0.5.

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.
Mendoza, L. (2015). Pruebas no paramétricas en Spss. Recuperado de:
https://es.slideshare.net/larrymendozac/pruebas-no-parametricas-en-spss
Wikipedia. (2019). Recuperado de: https://es.wikipedia.org/wiki/Prueba_U_de_Mann-
Whitney
Leturia, C.; Lagos, J.Ruidias, M.(2016). Calidad en las Empresas del Sector de
Seguridad Privada en la Ciudad de Lima.
http://tesis.pucp.edu.pe/repositorio/bitstream/handle/20.500.12404/9667/LETURIA_RU
IDIAS_CALIDAD_SEGURIDAD_PRIVADA.pdf?sequence=1&isAllowed=y

23