CAPÍTULO

4
Pruebas Contenido

no paramétricas
4.1 Prueba de signos para datos por pares
4.2 Pruebas de suma de rangos: Prueba U de
Mann-Whitney y prueba K de Kruskal-Wallis
4.3 Prueba de corridas de una sola muestra o
prueba de rachas
4.4 Prueba de correlación de rangos
4.5 Prueba K-S de Kolmogorov-Smirnov
76 CAPÍTULO 4

Hasta ahora se han estudiado pruebas de hipótesis utilizando medias y proporciones de poblacio-
nes, en algunos casos con muestras cuyos tamaños son grandes (mayores de 30 observaciones) y en
otros con muestras pequeñas (menores o iguales de 30). Estas pruebas permiten comparar un valor
hipotético de la población con el valor de la estadística utilizada y dependiendo de esos resultados
nos lleva a aceptar o rechazar una hipótesis nula. Pero no siempre se tratarán pruebas de hipótesis
de este tipo donde hay una clara dependencia de valores hipotéticos de parámetros de población.
La estadística no paramétrica es una rama de la estadística que estudia las pruebas y modelos
estadísticos cuya distribución subyacente no se ajusta a los llamados criterios paramétricos. Las
pruebas no paramétricas o pruebas sin distribución son procedimientos estadísticos utilizados
para probar hipótesis donde no es posible establecer un supuesto sobre parámetros o distribucio-
nes de población. Su utilización es recomendable cuando no se puede asumir que los datos se
ajusten a una distribución normal.
Las principales pruebas no paramétricas son las siguientes:
•• Prueba de signos para datos por pares
•• Prueba de suma de rangos
 Prueba U de Mann-Whitney
 Prueba K de Kruskal-Wallis

•• Prueba de corridas de una sola muestra

•• Prueba de correlación de rangos
•• Prueba K-S de Kolmogorov-Smirnov
En estas pruebas, casi siempre se pierde información, al asignar rangos, signos 1 y 2 a los
datos, o agrupar en diferentes categorías y después contar los datos que caen en cada una de ellas.

4.1  Prueba de signos para datos por pares

La prueba de signos para datos por pares utiliza datos pares coincidentes de una muestra, por
ejemplo, se tienen datos antes y después que se quieren comparar, para ello se calcula la diferencia
de cada una de las parejas de observaciones y se anota el signo algebraico (1 o 2) correspondien-
te; no interesa la magnitud numérica.
Ejercicio. Los datos que se presentan en el cuadro siguiente, corresponden a las tarjetas de
crédito aceptadas y denegadas por una de las Agencias de Bac/Credomatic en Tegucigalpa, duran-
te el mes de agosto de 2015. Usted es analista en la institución y desea determinar si hay diferencia
significativa en la cantidad de tarjetas de crédito aceptadas y denegadas. Use un a 5 5%.
Comenzamos convirtiendo en signos (1, 2 y 0) las evaluaciones entre las tarjetas de crédito
aceptadas y denegadas. Aquí, un signo más significa que hay más aceptadas que denegadas; un
signo menos indica que hay más denegadas que aceptadas y, un cero representa un empate que
indica una cantidad igual de tarjetas aceptadas y denegadas. Ahora contamos los signos y obtene-
mos lo siguiente:
Número de signos 1 5 35
Número de signos 2 5 19
Número de ceros 5 4 
Total de muestra 58 originalmente 54 después de eliminar los ceros.
Tabla 4.1

Colocación de tarjetas de crédito en el mes de agosto de 2015

Código agencia 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117
Aprobadas 4 18 6 8 2 2 3 6 7 3 4 1 1 1 11 11 4 25
Denegadas 5 2 4 6 1 4 1 1 1 3 3 2 1 11 10 6 1 22
Signo de diferencia 2 1 1 1 1 2 1 1 1 2 1 - 0 2 1 1 1 1
 Pruebas no paramétricas 77

118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137
2 15 7 2 2 1 4 10 3 2 1 5 2 1 3 2 1 3 3 4
1 2 1 25 1 22 1 5 2 2 1 4 4 9 1 8 1 7 1 3
1 1 1 2 1 - 1 1 1 0 0 1 2 2 1 - 0 2 1 1

138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157
3 1 8 5 9 8 2 2 5 2 0 4 1 10 3 6 1 3 20 19
2 5 1 2 11 3 1 1 2 14 1 15 22 2 11 2 0 2 22 16
1 2 1 1 2 1 1 1 1 2 2 2 2 1 2 1 1 1 2 1

n1 5 35 signos 1 n2 5 19 signos 2 ceros 5 4

Se intenta probar que no existe diferencia entre los dos conjuntos de datos, si es válida, los signos
+ y 2 son equiprobables, la probabilidad de que aparezca uno de ellos es 0.50 y se esperaría obte-
ner igual cantidad de signos + y 2.
Planteamiento del problema en símbolos:
PH0 5 0.5 Proporción hipotética de la población de tarjetas de crédito aceptadas
QH0 5 0.5 Proporción hipotética de la población de tarjetas de crédito denegadas
(QH0 5 1 2 PH0)
n = 54 Tamaño de muestra
p = 0.648 Proporción de éxitos en la muestra (35/54)
q = 0.352 Proporción de fracasos en la muestra (19/54)

1. Establecimiento de las hipótesis. Se desea probar si la proporción verdadera de la estadística

de muestra utilizada, es mayor o menor que la proporción hipotética de la población, por lo
tanto, es una prueba de dos extremos.
H0: p = 0.5 Hipótesis nula: no hay diferencia entre los dos tipos de datos
H1: p Z 0.5 Hipótesis alternativa: hay diferencia entre los dos tipos de datos
a 5 0.05.

2. Calcular el error estándar de la proporción:

PQ 0.648 * 0.352
sr 5 5 0.065 5 0.065 Error estándar de la proporción
n 54

3. En esta prueba se establecen las hipótesis con proporciones de población, por lo tanto, la dis-
tribución de muestreo apropiada es la distribución binomial, sin embargo si np y nq son cada
una al menos 5, se puede utilizar la distribución normal para aproximar a la binomial; donde
n es el tamaño de la muestra, p es la probabilidad de éxito y q es la probabilidad de fracaso de
la población.
np 5 35 * 0.50 517.5  nq 5 19 * 0.50 5 9.5.
a 5 0.02, entonces el nivel de confianza (n.c.) 5 0.98; Z 5 2.33 según tabla.

4. Ahora usaremos la ecuación para estandarizar la proporción de la muestra:

p 2 PH 0 0.648
Z5 5 5 2.277
sp 0.065
 ⎩
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎨
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎧
⎩⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎨
⎪⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎧
78 CAPÍTULO 4

⎩
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎨
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎧
Área de aceptación
Rechazo                        Rechazo

⎩
⎪
⎪
⎪
⎪
⎪
⎪
⎨
⎪
⎪
⎪
⎪
⎪
⎪
⎧
Z 5 22.33 Z 5 0 Z 5 2.33 según tabla
Z est. 5 5.024

⎩⎪
⎪
⎪
⎪
⎪
⎨
⎪
⎪
⎪
⎪
⎪
⎧
5. Al colocar el valor de Z estandarizado de 2.277, en la escala Z se ve ubicado dentro de la región
de aceptación, por lo tanto, se acepta la hipótesis nula y se concluye que no hay diferencia

⎩
⎪
⎪
⎪
⎨
⎪
⎪
⎪
⎧
significativa entre la cantidad de tarjetas de crédito; es decir, que la cantidad de tarjetas acep-
tadas y denegadas es igual.

⎩⎪
⎪
⎨
⎪
⎪
⎧
EJERCICIOS PROPUESTOS

⎩
⎪
⎨
⎪
⎧
1. El personal de capacitación, taller y seminario desean medir la efectividad de las empleadas y empleados; antes
de entrar a laborar para la institución INJUPEM. Se seleccionan 16 empleadas y 16 empleados que recibieron

⎩
⎨
⎧
diversos cursos, talleres, y seminarios, para que obtuvieran conocimientos en las áreas donde laborarán y en
atención al cliente. Tomando un nivel de significancia de 0.10. ¿La capacitación, seminarios y talleres es igual
entre empleadas y empleados para esta institución gubernamental?

Tabla 4.2 {
Empleadas 11 11 3 5 8 4 10 3 11 11 3 3 9 12 4 8 4
Empleados 11 5 5 5 6 8 5 6 8 9 6 5 6 11 7 6 3
 Pruebas no paramétricas 79

2. La panadería Kiryos, desea investigar si hay diferencia en las horas trabajadas mensualmente entre dos emplea-
dos, con más experiencia en el proceso de producción. Establezca las hipótesis apropiadas. Use un nivel de sig-
nificancia de 2%.

Tabla 4.3

Mes 1 2 3 4 5 6 7 8 9 10 11 12
Empleado 1 (horas/ mes) 65 71 63 63 73 53 70 63 58 71 66 69
Empleado 2( horas/ mes) 69 65 61 71 59 62 68 69 62 69 61 69
80 CAPÍTULO 4

3. La Corporación Dinant presenta la siguiente información de algunos vendedores, con el objetivo de comprobar
si la nueva política de promociones de Jabón Xtra, ha sido efectiva basada en las ventas en miles de unidades
entre marzo y abril de 2014. Los datos recabados de los vendedores de la zona Centro, Sur y Oriente de Hondu-
ras son los siguientes:

Tabla 4.4

Código del Empleado 14/marzo 14/abril Código del empleado 14/marzo 14/abril
D08 16 13 D63 10 14
D18 2 2 D84 5 5
D20 10 11 CHH 1 1
D21 9 8 D10 13 15
E14 8 10 D58 5 7
E15 11 10 SCH 17 13
C10 3 2 D07 8 9
D62 6 6 D72 10 8

Con un nivel de significancia de 5% se puede determinar si el nuevo plan de promociones; incrementó el nivel de
ventas del jabón Xtra.
 Pruebas no paramétricas 81

4. La Corporación Dinant, presenta la siguiente información de algunos vendedores, con el objetivo de comprobar
si la nueva política de promociones del Cloro súper max, ha sido efectiva basada en las ventas en miles de unida-
des entre marzo y abril de 2014. Los datos recabados de los vendedores de la zona Centro, Sur y Oriente de
Honduras son los siguientes:
Tabla 4.5

Código del empleado 14/marzo 14/abril Código del empleado 14/marzo 14/abril
D08 4 10 D63 7 10
D18 1 0 D84 3 2
D20 6 6 CHH 1 1
D21 8 5 D10 8 3
E14 2 6 D58 2 0
E15 8 8 SCH 5 8
C10 2 5 D07 7 8
D62 3 4 D72 11 11

Con un nivel de significancia de 10% se puede determinar si, ¿el nuevo plan de promociones incrementó el nivel
de ventas del cloro súper max?
82 CAPÍTULO 4

5. La ferretería Jehová Jireh ubicada en la colonia Calpules desea utilizar la prueba del signo para verificar si existe
diferencia entre las ventas por la nueva contratación de dos empleados más, para generar mayores ventas y mejo-
rar el servicio al cliente. Utiliza un nivel de significancia de 5%. Las ventas están expresadas en miles de lempiras.

Tabla 4.6

Antes 10 000 6 800 7 500 10 300 9 000 6 900 11 200 10 000

Después 11 000 5 600 9 800 10 500 9 000 7 000 10 500 9 200

4.2 Pruebas de suma de rangos: Prueba U de

Mann-Whitney y prueba K de Kruskal-Wallis
Estas pruebas dependen de las sumas de rangos en cada una de las variables utilizadas. Con todos
los datos usados, se comienza por asignar el rango que le corresponde a cada uno, asignado el
rango 1 al valor mínimo, continuar asignando 2 al siguiente valor, hasta terminar con el rango
máximo al valor máximo; si existen rangos iguales, se suman esos rangos y el resultado se divide
entre el número de rangos repetidos, en otras palabras, se promedian esos rangos y éste será el
valor que se asignará a cada uno. Es importante tomar en cuenta que las muestras no necesaria-
mente tienen que ser del mismo tamaño.
Se usará la prueba “U” si sólo se involucran dos poblaciones y la prueba “K” cuando se involu-
cran más de dos poblaciones.
 Pruebas no paramétricas 83

4.2.1 Prueba U de Mann-Whitney
Ejemplo:

El director del Registro Nacional de las Personas tiene su teoría de que no hay diferencia sig-
nificativa en la cantidad de niños y niñas que nacen en el Departamento de Francisco Mora-
zán, Honduras. Para probar su hipótesis presenta el registro de nacimientos ocurridos en el
mes de enero de 2013. ¿Tiene razón el director del RNP? Use un n.c. 5 95%.

Tabla 4.7

Municipios Niña Rango Niño Rango Repetidos

Distrito Central 785 56 553 54 16 = 3y4 3.5
Alubaren 568 55 327 51 17 = 6y5 5.5
Cedros 39 17 23 9 26 = 12-13-14 13
Curaren 89 39 79 38 45=20-21-22 21
El Porvenir 100 41 132 43 56=27-28 27.5
Guaymaca 130 42 147 45 59=30-31 30.5
La Libertad 180 49 380 53
La Venta 20 8 25 11
Lepaterique 26 13 45 21
Maraita 145 44 160 47
Marale 26 13 19 7
Nueva Armenia 69 34 55 26
Ojojona 11 1 17 5.5
Orica 70 35 75 36
Reitoca 45 21 52 24
Sabanagrande 56 27.5 68 33
San Antonio de Oriente 156 46 53 25
San Buena Aventura 59 30.5 57 29
San Ignacio 13 2 16 3.5
Cantarranas 45 20 49 23
San Miguelito 168 48 40 18
Santa Ana 16 3.5 17 5.5
Santa Lucía 96 40 24 10
Talanga 56 27.5 76 37
Tatumbla 285 50 373 52
Valle de Ángeles 26 13 42 19
Villa de San Francisco 28 15 37 16
Vallecillos 59 30.5 64 32
Totales 821.5 773.5
84 CAPÍTULO 4

Tabla 4.8

Municipios Niña Niño

Distrito Central 785 553
Alubaren 568 327
Cedros 39 23
Curaren 89 79
El Porvenir 100 132
Guaymaca 130 147
La Libertad 180 380
La Venta 20 25
Lepaterique 26 45
Municipios Niña Niño
Maraita 145 160
Marale 26 19
Nueva Armenia 69 55
Ojojona 11 17
Orica 70 75
Reitoca 45 52
Sabanagrande 56 68
San Antonio de Oriente 156 53
San Buena Aventura 59 57
San Ignacio 13 16
Cantarranas 45 49
San Miguelito 168 40
Santa Ana 16 17
Santa Lucía 96 24
Talanga 56 76
Tatumbla 285 373
Valle de Ángeles 26 42
Villa de San Francisco 28 37
Vallecillos 59 64
Totales 3366 3005

Cálculo del estadístico U

Para determinar el estadístico U, se usan n1 y n2 y la suma de rango R1 y R2 de la manera siguiente:

n1 (n1 1 1)
U 5 n1n2 1 2 R1
2
n1 5 tamaño de muestra 1
n2 5 tamaño de muestra 2
R1 5 suma de rango muestra 1
 Pruebas no paramétricas 85

R2 5 suma de rango muestra 2

 (28)(28 1 1) 
5 (28) (28) +   2 821.5 5 784 + 406 – 821.5 5 368.5  d estadístico U
 2 
Se supone que las observaciones fueron tomadas de poblaciones idénticas, entonces el estadístico
U tiene una distribución de muestreo con una:
n1n2 (28)(28)
Media del estadístico U  S  m u 5 5 5 392
2 2

n1n2 (n1 1 n2 1 1)
Y un error estándar del estadístico U  s u 5
12

(28)(28)(28 1 28 1 1) 615 440 ⎧

5 5 5 51286.667 5 226.466
12 12 ⎪
⎧ ⎪
Prueba de las hipótesis ⎪ ⎪
⎧ ⎪
Esta distribución de muestreo puede aproximarse mediante la distribución normal si n1 y n2 son ⎪ ⎪
mayores de 10 elementos. Los tamaños de ambas muestras cumplen esta condición, por lo tanto, ⎧ ⎪ ⎪
⎪ ⎪
puede hacerse esta aproximación y usar la tabla de distribución de probabilidad normal estándar ⎪ ⎪ ⎪
para hacer la prueba. El Director del RNP desea probar su teoría a un a 5 0.10 y que estas⎧ muestras
⎪ ⎪
⎪ En⎪la
fueron extraídas de poblaciones idénticas; ésta es una prueba de hipótesis de dos extremos. ⎪ ⎪
⎧ de significancia
gráfica siguiente se ilustra esta prueba; las áreas sombreadas representan el nivel ⎪ ⎪
⎪ ⎪ ⎪
⎪
de 0.10, lo cualquiere decir que el nivel de confianza es de 0.90 y al buscar en⎪la tabla Z de la dis-
⎪ ⎪
tribución normal, el valor apropiado es 1.64. ⎧ ⎪ ⎪ ⎪
⎧ ⎪ ⎪ ⎪ ⎪
⎪ ⎪ ⎪ ⎪⎪
H0: m1 5 m2  d  Hipótesis nula ⎧ ⎪ ⎪ ⎪ ⎪ ⎪
H1: m1 Z m2  d  Hipótesis alternativa { ⎨   Establecimiento
⎨ ⎨ de las⎨hipótesis ⎨ ⎨ ⎨ ⎨ ⎨
a 5 0.05  Nivel de significancia para probar ⎩ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪
⎩ ⎪⎩ original:
⎪ ⎪ ⎪ ⎪ ⎪ ⎪
Determinar los puntos críticos mediante el método escala de la variable
⎪ ⎪ ⎪ ⎪ ⎪ ⎪
m 6s
u u
⎩ ⎪ ⎪ ⎪ ⎪ ⎪
392 + 1.96 (226.466) 5 835.873   Límite superior
⎪⎩ ⎪ ⎪ ⎪ ⎪
392 2 1.96 (226.466) 5 51.873   Límite inferior
⎪ ⎪ ⎪ ⎪
Interpretación y conclusión. Se deben considerar tres factores a saber: la ubicación de la estadísti-
⎩ ⎪ ⎪ ⎪
ca de muestra utilizada, la hipótesis que se acepta o rechaza y, la conclusión.
⎪ ⎪ ⎪
⎩ ⎪ ⎪
⎪⎩ ⎪
⎪
⎩
Z 5 1.96 Z 5 1.96

0.475 0.475
a 5 0.025

51.873 mu392 835.873

U = 368.5  S estadístico U
86 CAPÍTULO 4

Se puede observar en la gráfica, que el estadístico U 5 368.5 se ubica en el área de aceptación, en con-
secuencia se acepta la hipótesis nula y se concluye que no hay ninguna diferencia significativa en la

⎩
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎨
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎧
cantidad de niños y niñas que nacen en el Departamento de Francisco Morazán; es decir, que las canti-
dades de niños y niñas nacidos en enero de 2013, son iguales.
En este procedimiento de utilizó el método de escala de la variable original pero si lo desea

⎩⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎨
⎪⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎧
puede usar el método de escala estandarizada con la siguiente fórmula:

U 2Uu 368.5 2 392

Z5 Z5 5 20.104

⎩
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎨
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎧
su 226.466
Área de aceptación
Rechazo                        Rechazo

⎩
⎪
⎪
⎪
⎪
⎪
⎪
⎨
⎪
⎪
⎪
⎪
⎪
⎪
⎧
Z 5 21.64 Z 5 0 Z 5 1.64 según tabla
Z est. 5 20.104 s/cálculo ⎩⎪
⎪
⎪
⎪
⎪
⎨
⎪
⎪
⎪
⎪
⎪
⎧
La interpretación y conclusión se hará con base en Z estandarizado 5 20.104 en vez de U 5 368.5.
Se pudo observar que en la fórmula para calcular U, se utilizó n1 acompañadas con R1 (el ta-
⎩
⎪
⎪
⎪
⎨
⎪
⎪
⎪
⎧
maño de la muestra 1 y el rango 1), pero se pudo haber usado el valor n2 con R2 (el tamaño de la
muestra 2 y el rango 2), así:
n (n 1 1)
⎩⎪
⎪
⎨
⎪
⎪
⎧
U 5 n1n2 1 1 1 2 R2
2
La conclusión a la que se llega es la misma. Amigo lector debe comprobarlo.
⎩
⎪
⎨
⎪
⎧

EJERCICIOS PROPUESTOS
⎩
⎨
⎧

1. La dueña de la farmacia FC desea probar si existe diferencia en la efectividad y calidad de dos marcas de medica-
{

mentos contra la gripe; las marcas Gripex y Panadol antigripal. Se tomaron los datos de ventas de una semana.
Para un nivel de significancia de 10% plantee las hipótesis apropiadas y concluya.
Tabla 4.9

Día Lunes Martes Miércoles Jueves Viernes sábado

Gripex 34 45 48 37 25 51
Panadol 39 33 28 49 47 42
 Pruebas no paramétricas 87

2. La Industria Papelera Hondureña S.A. (INPAHSA) desea probar la hipótesis de que no hay diferencia entre las
edades de empleados masculinos y femeninos; de su planta de producción, utilice la prueba U de Mann-Whitney
para los siguientes datos de la muestra. Use el nivel de significancia de 0.05.
Tabla 4.10

Hombres 22 34 41 36 27 23 48 29 40 33
Mujeres 30 45 32 26 28 31 49 47 24 39

3. Se tienen los siguientes datos de antiguos pacientes del ala A del Hospital San Felipe, y 4 antiguos pacientes del
ala B. Los pacientes estuvieron el siguiente número de días:
Ala A: 13 4 2 10 6
Ala B: 10 9 7 8
Si realiza una prueba U para determinar si existe una diferencia significativa entre la duración de las estancias en
el hospital para las dos alas. Si la duración se clasifica de menor a mayor, ¿cuál es la clasificación para una estan-
cia de 13 días en el ala A? Use un nivel de significancia de 2% para probar esta hipótesis.
88 CAPÍTULO 4

4. Bac Credomatic de Honduras ofrece una gama de productos y servicios. En la siguiente tabla se presentan las
ventas de seguros de vida y seguros vehiculares, que se ofrecen a los tarjetahabientes en sus agencias. Utilice un
nivel de confianza de 99%.
Tabla 4.11

Precios de los productos en $

Seguro vehicular 350 375 425 450 495
Seguro de vida 495 525 575 595 675

Pruebe la hipótesis de que existe una diferencia significativa entre estos dos seguros ofrecidos a los tarjetahabien-
tes.
 Pruebas no paramétricas 89

5. El gerente de ventas corporativas de El Heraldo presentó recientemente una solicitud a sus analistas, para evaluar
el comportamiento de ventas de cada uno de los colaboradores “vendedores”, responsables de vender sus produc-
tos a los clientes más importantes. Con el fin de aplicar una nueva política de incentivos y sustituir la actual po-
lítica de comisiones la cual se considera elevada en comparación con los resultados obtenidos durante los últimos
periodos, se presenta la siguiente información puntualizando en el número de resultados obtenidos en los cuales
sus vendedores alcanzaron las metas de ventas:

Tabla 4.12

Ejecutivo 1 2 3 4 5 6 7 8 9 10
Antes 2 2 2 7 1 2 1 3 3 3
Después 6 1 6 1 7 6 7 5 5 5

Aplique una prueba U y use un a 5 0.10, para analizar si la nueva política de incentivos mejoró el nivel de ventas
de sus colaboradores.
90 CAPÍTULO 4

6. En un punto de ventas de telefonía celular, el vendedor afirma que el movimiento de ventas de recargas Tigo es
mayor que las de Claro. Para comprobar esta afirmación, recopiló una muestra de las ventas de diez días de am-
bas compañías. Con un nivel de significancia de 5% se puede determinar si; lo que afirma el vendedor es cierto
en ese punto de ventas.

Tabla 4.13

Venta/día 1 2 3 4 5 6 7 8 9 10
CLARO 1,740 3,440 820 650 4,800 2,615 445 1,080 2,785 865
TIGO 3,470 1,135 1,240 1,150 2,825 2,330 315 3,675 920 955
 Pruebas no paramétricas 91

7. La Universidad Nacional Autónoma de Honduras (UNAH), ha cambiado su modelo educativo tradicional por
un modelo educativo por competencias, en la Carrera de Administración de Empresas. Se tomaron dos muestras
de las calificaciones finales de 10 alumnos de la asignatura de Análisis Cuantitativo II de la sección 0700; antes y
después de este cambio.

Tabla 4.14

Periodo 1 2 3 4 5 6 7 8 9 10
III/2014 69 86 74 82 80 76 75 83 69 88
I/2016 71 73 73 77 94 87 61 71 72 65

Aplique una prueba de suma de rangos; y use un a 5 0.05, para analizar si el nuevo modelo educativo mejoró el
rendimiento académico de los alumnos.
92 CAPÍTULO 4

4.2.2 Prueba K de Kruskal-Wallis
Ejemplo:
En el mes de marzo generalmente la Iglesia Católica se encuentra en tiempo cuaresmal1, según
los sacerdotes de la Parroquia Sagrada Familia; durante este periodo el templo suele tener una
mayor asistencia de fieles a misa, bajo el supuesto que las personas se encuentran más suscep-
tibles a las prácticas de penitencia y oración. Se desea saber si existe una diferencia significati-
va que apoye esta afirmación. Probar las hipótesis a un nivel de significancia de 10%.

Tabla 4.15

Asistencia de feligreses diarios/ semana

Semanas
1 2 3 4 5 6 7 Total
1 80 65 60 95 68 125 180 n1 5 7
2 75 63 55 91 55 133 155 n2 5 7
3 82 52 69 82 95 101 195 n3 5 7
n 5 21

1. Asignar a cada valor el rango correspondiente, recordando las reglas apuntadas. Se encon-
traron repetidos los rangos 2 y 3, 11 y 12, 14 y 15; su promedio se ha calculado a continua-
ción:
213 11 1 12 14 1 15
X5 5 2.5 X5 5 11.5 X5 5 14.5
2 2 2

2. Sustituir los valores calculados en el cuadro que sigue y sumar separadamente los rangos.

Tabla 4.16

R1 R2 R3
Día Semana 1 Rango 1 Semana 2 Rango 2 Semana 3 Rango 3
1 80 10 75 9 82 11.5
2 65 6 63 5 52 1
3 60 4 55 2.5 69 8
4 95 14.5 91 13 82 11.5
5 68 7 55 2.5 95 14.5
6 125 17 133 18 101 16
7 180 20 155 19 195 21
78.5 69 83.5

n1 5 7   R1 5 78.5   R12 5 6162.25

n2 5 7   R2 5 69     R22 5 4761

1
Tiempo de Cuaresma: es el tiempo que precede y dispone a la celebración de la Pascua. Tiempo de escucha de la Palabra
de Dios y de conversión, de preparación y de memoria del Bautismo, de reconciliación con Dios y con los hermanos, de
recurso más frecuente a las “armas de la penitencia cristiana”: la oración, el ayuno y la limosna (www.aciprensa.com,
2015).
 Pruebas no paramétricas 93

n3 5 7   R3 5 83.5   R32 5 6972.25

nt 5 21 es el total de observaciones de todas las muestras.

3. Planteamiento de las hipótesis

H0: U1 5 U2 5 U3  no existen diferencias entre las tres poblaciones. Tienen la misma me-
dia
H1: U1, U2 y U3   no todas son iguales, existen diferencias entre las tres poblaciones. Tie-
nen diferentes medias.
a 5 0.10

4. Cálculo del estadístico K mediante la fórmula siguiente:

12 R 2j
K5
n(n 1 1) ∑n j
2 3(n 1 1)

n 5 tamaño de muestra
R 5 suma de rango
j 5 idéntica a cada muestra

12  6162.25 4 761 69 772.25 

K5 1 1  2 3(21 1 1) 5 0.47
21(21 1 1)  7 7 7 

5. Valores críticos. En la tabla de la distribución Ji-cuadrada, se buscan los valores siempre

que los tamaños de todas las muestras sean mayores o iguales a 5. Las muestras de este
ejercicio son de 7 elementos cada una, entonces se busca en dicha tabla, a un a 5 0.10, a
k 5 1 grados de libertad (g.l.), donde k es el número de muestras (3). Resumiendo, se tiene:

Tabla de Ji-cuadrada, a 5 0.10, g.l. 5 2  S  el valor es 4.605

6. Interpretación y conclusión:

Ji2 5 4.605

a 5 0.10

K 5 0.47

El valor del estadístico k se ubica en el área de aceptación, se acepta H0 y se concluye

que la relación que existe en la asistencia observada en las 3 semanas, con respecto a
la asistencia de fieles a misa, es igual, y con base en estos datos no hay una diferencia
significativa que apoye la afirmación de los sacerdotes.
94 CAPÍTULO 4

EJERCICIOS PROPUESTOS

1. La Panetteria tiene tres especialidades de pan que la gente prefiere. Teniendo registro del número de ventas por
cada tipo de pan. La siguiente es la muestra de esos datos. Utilizando la Prueba de Kruskal-Wallis, a un nivel de
significancia de 0.05. ¿Se puede decir si los panes tienen igual promedio de ventas?
Tabla 4.17

Datos de una semana de ventas en bolsas

Tipo de pan Días de la semana
  Lunes Martes Miércoles Jueves Viernes Sábado Domingo
Francés 105 82 91 75 105 96 61
Panettero 98 80 74 75 60 91 75
Mantequilla 110 82 74 73 96 120 68
 Pruebas no paramétricas 95

2. Supermercados La Colonia ofrece a sus clientes no solo una inmensa variedad de productos alimenticios y del hogar,
sino también una promesa única de servicio al cliente. Sus tiendas, ubicadas estratégicamente en zonas de fácil acceso
y comodidad, permiten a los hondureños tener una experiencia única en sus compras. Usando un a 5 0.05 Supermer-
cados La Colonia desea identificar si hay diferencia en las compras realizadas por sus clientes con tarjetas de crédito y
al contado.
Tabla 4.18

Número de clientes por día

Forma de pago
Lunes Martes Miércoles Jueves Viernes
Tarjeta de crédito Visa 37 43 28 30 43
Tarjeta de crédito Credomatic 2 6 2 3 7
Efectivo 194 441 204 190 430
96 CAPÍTULO 4

3. Hace algunos años atrás BANHCAFE, el Banco Hondureño del café, ha estado ofreciendo el servicio de cobro de
la ENEE, SANAA y HONDUTEL. En estos momentos el banco desea realizar una comparación para poder de-
terminar si el cobro de los tres servicios; ha tenido la misma aceptación. Para ello realiza un estudio estadístico y
toma como muestra los cobros de una semana (de lunes a sábado) en una de sus agencias.

Tabla 4.19

Servicio público cobrado por día

Día ENEE SANAA HONDUTEL

Lunes 16 12 25
Martes 18 8 13
Miércoles 21 15 17
Jueves 10 16 23
Viernes 20 11 19
Sábado 6 5

Para llevar a cabo el estudio; el Banco ha decidido que usted realice la prueba K, con un nivel de significancia de
5%. ¿Cuál es su conclusión?
 Pruebas no paramétricas 97

4. El propietario de la ferretería Jehová Jireh ubicada en la colonia Calpules a pedido que se le haga un inventario de
los productos más vendidos en su tienda para hacer una comparación entre los productos japoneses, americanos
y otros. Utilizando un nivel de significancia de 5%, quiere saber si existe diferencia entre las ventas de estos pro-
ductos.
Tabla 4.20

Japoneses 50 48 38 45 60 70 82
Americanos 20 30 40 43 36 63
Otros 10 15 8 12 81
98 CAPÍTULO 4

5. La dueña de la farmacia FC desea probar si existe diferencia en la efectividad y calidad de tres marcas de medi-
camentos contra la gripe; las marcas Gripex, Panadol antigripal y Tabcin. Se tomaron los datos de ventas diarias
de una semana. Para un nivel de significancia de 5% plantee las hipótesis apropiadas y concluya.

Tabla 4.21

Día Lunes Martes Miércoles Jueves Viernes Sábado

Gripex 27 53 56 31
Panadol 47 36 61 44 34 39
Tabcin 33 42 29 49 37 59
 Pruebas no paramétricas 99

6. Licuados y jugos naturales, es una empresa ubicada en la Universidad Nacional Autónoma de Honduras. Se rea-
lizó un estudio para comparar la venta de jugos, licuados y ensaladas de frutas. La empresa ha reunido algunos
datos preliminares acerca de la venta diaria de estos productos por semana. Los datos se resumen en la siguiente
tabla. La empresa desea saber si existe una diferencia entre las ventas promedio de estos productos.
Use un nivel de significancia de 10%.

Tabla 4.22

Ventas diarias de los productos

Licuados Jugos naturales Ensaladas de frutas
72 64 55
68 69 60
65 71 64
74 73 70
76 72 68
100 CAPÍTULO 4

7. En el siguiente cuadro se muestran los datos de 3 tipos de vehículos más robados reportados en Mapfre Hondu-
ras en el último año:

Tabla 4.23

Tipo Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
Turismo 5 6 4 4 9 5 10 11 8 6 7 3
Camioneta 3 4 7 8 4 4 8 10 8 2 3 9
Pick-up 5 6 6 4 8 6 1 6 6 7 6 4

Use un nivel de significancia de 0.02 y pruebe si hay diferencia entre los tres tipos de vehículos robados reporta-
dos por la aseguradora Mapfre.

4.3 Prueba de corridas de una sola muestra

o prueba de rachas
Es muy importante la aleatoriedad en el proceso de muestreo. La aleatoriedad, nos indica que los
eventos suceden de manera al azar, o sea que no hay una causa que provoque la sucesión de un
evento sino que es algo alterno.
La prueba de corrida de una sola muestra, es utilizada para probar la aleatoriedad en el proce-
so de muestreo. Una corrida o racha es una serie ininterrumpida de uno o más valores o símbolos.
 Pruebas no paramétricas 101

Por ejemplo. Suponga que una empresa busca empleados para un programa educativo e inicia
el proceso de reclutamiento sin importar si el candidato es hombre “H” o mujer “M”. La selección
es como sigue:
M, M,  H, H, H,  M, M,  H, H, H

{
{
{
{
1 2 3     4  d  # de corridas o rachas
En este grupo de participantes, se ve que la presentación de candidatos no ha sido en forma alea-
⎧
⎨
⎩
⎧
⎨
⎩⎧
⎨
⎩
⎧
⎨
⎩
toria porque hay dos corridas con la misma cantidad de “H” seguidas por dos corridas con la mis-
ma cantidad de “M”; además en una prueba de corridas de una sola muestra, si hay demasiadas o
muy pocas corridas, se puede decir que los elementos no fueron seleccionados de manera aleato-
⎧
⎪
⎨
⎧⎪
⎩⎪
⎨
⎧⎪
⎪⎩
⎨
⎧⎪
⎩⎪
⎨
⎪
⎩
ria. Veamos el siguiente ejercicio:
En el Libro N° 26 de la Parroquia Sagrada Familia de Comayagüela se mantiene un registro del
número de niñas y niños que son bautizados y en el orden en que se presentan. Se investigó el mes
⎧
⎪
⎪⎧
⎨
⎪⎪
⎪⎪⎩
⎧⎨
⎪⎪
⎪⎧
⎨⎪
⎩⎪⎪
⎪⎪⎩
⎨
⎪
⎪⎩
de enero pasado, para determinar si existe aleatoriedad en la secuencia de ocurrencias en el núme-
ro de bautizados entre niños (A) y niñas (B). Los resultados fueron los siguientes:
A, A,  B, B, B, B,  A,  B, B, B, B, B,  A, A,  B, B, B,  A, A, A,  B, B, B, B, B, B, B,  A,  B, B,  A.
⎧
⎪
⎧⎪
⎪⎪
⎨⎪
⎪⎧
⎪⎪
⎪⎨
⎧⎪⎪
⎪⎩⎪
⎨⎪
⎪⎪
⎪
⎩⎨⎪
⎩⎪
⎪
⎪
⎩

{
A un nivel de significancia de 5%, ¿parece que hay aleatoriedad en los bautismos respecto al orden
de presentación de los niños y niñas? El proceso es el siguiente:
⎧
⎪⎧
⎪⎪
⎪
⎪⎪
⎪⎪
⎧⎨
⎪⎪⎧
{⎪⎪⎪⎪⎨
⎪⎪⎪
⎪⎪⎪
⎨⎪⎩
⎪⎪⎪
⎪⎪
⎪⎨⎪
⎪⎪
⎩⎪
⎪⎩
⎪
⎪
⎪⎩

⎧
⎨
⎩
{

1. Verificación de aleatoriedad:
A, A,  B, B, B, B,  A,  B, B, B, B, B,  A, A,  B, B, B,  A, A, A,  B, B, B, B, B, B, B,  A,  B, B,  A
⎧
⎧⎪
⎪⎪
⎪⎪
⎪
⎪⎪
⎧
⎪⎧⎪⎪
{⎨⎪
⎪
⎧⎪⎪
⎨⎪⎪⎨
⎩⎪⎪
{⎪
⎪
⎪⎨
⎪
⎧⎪⎪⎪
⎨⎩⎪⎪
⎩⎨⎪⎪
⎪
{⎪⎪⎪
⎩⎪⎩
{⎪
⎪
{⎪
⎩

⎧
⎪
⎨
⎪
⎩
{

{
{
  1 2 3 4 5 6 7 8 9 10 11
En este caso, los valores de n1, n2 y r serían:
⎧⎧
⎪
⎪⎪
⎪⎪
⎪⎪
⎪⎧⎪
⎧⎪
⎪
⎧⎪⎪⎪
⎪
⎨⎪⎪⎨
⎧⎩⎪⎪
⎪⎪⎪
⎨⎪⎪⎨
⎪⎪⎪
⎩⎪⎪
⎧⎪⎪⎨⎪
⎪⎪⎪⎪⎪⎪
⎨⎪⎪⎪⎪
⎪⎨⎪⎩⎪⎪
⎩⎧⎪
⎨⎪
⎩⎧⎪⎪
⎪
⎨⎪⎪
⎩⎧⎩⎩⎪
⎨⎪
⎧⎩⎪
⎪⎪
⎪⎩
⎧
⎨
⎩

⎧
⎨
⎩
⎧
⎨
⎩⎧⎨
⎩
⎨
⎪
n1 5 10 Número de niños ⎪⎩
n2 5 21 Número de niñas
⎪⎪
⎪
⎪⎪
⎧⎪⎪⎧
⎪⎪⎪
⎪⎪
⎧⎪⎪⎪
⎪⎪⎪⎪
⎧⎨⎨⎪⎪
⎪⎪
⎪⎩⎪⎪⎪
⎨⎪⎪⎨
⎪⎧⎪⎪
⎧⎪⎩⎪⎨⎪⎪⎪
⎪⎪⎩⎪⎨⎪⎪
⎪⎪⎪⎪
⎨⎪⎪⎪⎪
⎪⎧⎨⎪⎪⎪⎪
⎪⎩⎪⎨⎪⎩⎪
⎧⎪⎪
⎪⎪
⎩⎪
⎨⎧⎪⎪
⎪⎪
⎧⎪⎩⎪⎩⎪
⎨⎩ ⎪⎪
⎪⎪
⎨⎪
⎪⎪⎩
⎪⎪⎩

⎪⎧
⎪
⎨
⎪

⎩⎪⎨
⎩

⎧
⎪
⎪
⎨
⎩
⎪
⎩
⎪

r 5 11 Número de corridas
2. Calcular la media de la distribución muestral del estadístico r:
⎪⎪
⎪
⎧⎪⎪⎧
⎪⎪⎪
⎪⎪⎪
⎪⎪
⎧⎪⎪⎪
⎧⎪⎪⎪⎪
⎪⎪⎨⎪⎪⎪⎨
⎪⎪⎪⎪⎪
⎪⎪⎪⎪⎪
⎧⎨⎩⎪⎪⎨
⎪⎪⎪⎪⎪
⎪⎪⎪⎪⎪
⎪⎪⎨⎪
⎪⎩⎪⎪⎪
⎨⎪⎪⎪⎪⎪
⎪⎧⎪⎨⎪⎪⎪⎪
⎪⎪⎧⎨⎪⎪
⎪⎪⎪⎪⎪⎩⎪
⎩⎧⎪⎪
⎧⎩⎨⎪⎪
⎪⎪⎪⎪⎪
⎪⎨⎩⎪⎪⎪
⎪⎩⎪
⎪⎪⎩
⎨⎪
⎪⎪
⎪⎧⎪
⎪⎩
⎧
⎪
⎪
⎨
⎪
⎪
⎩

⎪⎩

⎧
⎪
⎪
⎨
⎪

⎪⎪⎧⎨
⎪
⎩

⎪⎩⎪⎪⎨
⎪⎩⎩
⎪
⎪
2n1n2 2(10)(21) 420
mr 5 11 mr 5 11 5 1 1 5 14.548
n1 1 n2 10 1 21 31
Error estándar del estadístico r:
⎧
⎧⎪
⎪
⎪⎧⎨
⎪⎪⎪
⎨⎪⎧⎪
⎪⎪⎪⎩
⎪⎪⎪⎨
⎪⎪⎪⎪
⎪⎪⎩⎧
⎨⎪⎩⎪⎧
⎪⎪
⎪⎪⎨⎧⎪
⎧⎪⎪⎪
⎪⎨⎪
⎪⎪
⎩⎩⎪ ⎪⎪
⎪⎨
⎪⎪
⎪⎩⎪
⎨⎪
⎪⎩⎧ ⎧

⎪⎪ ⎪
⎪

⎪⎪⎪
⎪
⎨
⎪
⎪
⎪⎨ ⎧
⎪
⎪
⎩
⎪
⎪
⎨

⎪⎪ ⎪
⎪

⎩⎪⎩
⎪
⎩
⎪

3.

2n1n2 (2n1n2 2 n1 5 n2 ) 2(10)(21)(2 * 10 * 21 2 10 2 21)

sr 5 sr 5 5 2.381
(n1 1 n2 )2 (n1 1 n2 2 1) (10 1 21)2 (10 1 21 2 1)
⎧
⎧⎪

⎪⎪⎨
⎪⎪⎪
⎪⎪
⎪⎨⎧⎪
⎪⎪⎪⎪⎪⎪
⎪⎪⎪⎨⎪
⎪⎪⎧⎩⎪
⎪⎪⎧⎪⎪⎪
⎨⎪⎪⎪⎩
⎪⎪⎪⎧
⎧⎩⎪⎪
⎪⎪⎨
⎪⎪⎪
⎪⎨⎪
⎪⎪⎪
⎪⎪⎨⎩
⎪⎪
⎪⎧
⎨⎪⎩⎪
⎪⎪ ⎧
⎪
⎪
⎪⎪⎩ ⎪
⎪
⎪
⎨
⎪
⎧

⎪⎪⎨
⎪
⎪
⎪
⎪
⎩
⎪
⎨

⎪⎪ ⎪
⎪

⎪⎪⎪
⎪
⎪
⎪
⎩
⎪⎪
⎩⎩
⎪
⎪
⎧⎪

⎪⎩

⎪
⎪

4. Planteamiento de las hipótesis:

H0: Los bautismos entre niños y niñas se dan aleatoriamente.
⎧
⎧⎪
⎪

⎪⎪⎪
⎪⎪
⎪⎪⎨
⎪⎪⎧
⎪⎪
⎨⎪⎪⎪⎪
⎪⎪⎧⎪⎪
⎪⎪⎧⎪⎨⎪
⎪⎪⎪⎪⎪⎪
⎪⎪⎪⎧⎪⎪⎩
⎧⎨⎪⎪⎪⎪⎩⎪
⎪⎪⎪⎪⎪
⎪⎪⎪⎪⎨
⎪⎪
⎪⎨⎪
⎪⎪
⎪⎪⎪⎪
⎪⎪⎪⎨⎪
⎪⎪⎪⎩⎧
⎪⎩⎪⎪
⎨⎪⎧⎪⎪
⎪⎪⎪⎪⎪
⎪⎪⎪⎪⎩⎪⎧
⎪⎪⎨⎪⎪⎪⎪⎪
⎪⎪⎪⎪⎪⎩⎨⎪
⎪⎪⎪⎪⎨⎩
⎪⎪⎪⎪⎪
⎪⎪⎪⎪⎪⎪
⎪⎩⎪
⎪⎪
⎪⎧

⎩⎪

⎪⎩

H1: Los bautismos entre niños y niñas no se dan aleatoriamente.

a 5 0.05 Nivel de significancia para probar estas hipótesis.
⎧
⎧⎪
⎪

⎪⎪
⎪⎪⎨
⎪⎪⎧⎪
⎪⎪⎪⎪
⎪⎨⎧⎪⎧⎪
⎪⎪⎪⎪⎪⎪⎪⎪
⎪⎪⎪⎪⎧⎨⎪⎪⎪
⎧⎪⎪⎪⎪⎪⎪⎪⎪⎪
⎪⎨⎪⎪⎪⎪
⎪⎪⎪⎪⎪⎪⎩⎩
⎪⎪⎪
⎪⎪⎪⎨
⎪⎪⎪⎩⎪
⎪⎪⎨⎪
⎪⎪⎪
⎪⎪⎨
⎪⎪⎧⎪⎪⎪
⎪⎪⎪⎪⎪
⎪⎪⎧⎩⎪
⎨⎪⎪⎪⎪
⎪⎩⎪⎪⎪⎪⎪
⎪⎪⎧⎪⎪⎪⎪
⎪⎪⎨⎪⎪
⎪⎪⎩⎪⎪⎨
⎪⎪⎪⎪⎨⎪⎪
⎪⎪⎪⎪⎩⎩⎪⎪
⎪⎪⎪⎪⎪⎪
⎪⎪⎪⎪⎩
⎪⎪
⎪⎪⎩
⎧⎪
⎪⎪
⎪⎪
⎪

⎪
⎩

5. Valores críticos. En la tabla de la distribución normal (Z), se buscan los valores siempre que el
tamaño de n1 o n2 es mayor que 20. En este ejercicio n2 5 21.
⎪⎪⎪
⎪⎪
⎪⎪⎪
⎪⎪⎧⎧⎨⎪⎧
⎪⎪⎪
⎪⎪⎪
⎨⎪⎪⎧⎪⎪
⎪⎪⎪⎪
⎪⎪⎪⎪⎨
⎪
⎪⎪⎪⎪⎪
⎪⎪⎪⎪⎪⎪⎪
⎨⎪⎪⎪⎪
⎪⎪⎪⎪⎪
⎪⎪⎪⎩⎪⎩
⎪⎪⎪⎨
⎪⎪⎪
⎪⎨⎪
⎩⎪⎪
⎪⎪⎧⎪⎨⎪
⎪⎪⎪
⎪⎪⎪⎧
⎪⎪⎪⎪⎪⎪⎪⎪
⎪⎪⎩⎪⎪
⎪⎧⎪⎪⎪⎪⎪⎪
⎩⎪⎪⎪⎪⎨
⎪⎪⎪⎪⎪⎪⎪
⎪⎨⎪⎪
⎪
⎪
⎪
⎪

⎪⎩⎪⎪⎪⎪
⎪
⎪
⎪
⎨
⎪⎪
⎪⎪⎩⎪⎪
⎪
⎪

⎪⎪⎩⎪
⎪
⎪
⎪⎪⎪
⎪
⎪
⎩

⎪
⎪
⎪
⎪⎩
⎪⎧

⎪⎪

⎪⎪

⎪⎪

n.c. 5 0.95, el valor de Z 5 1.96.

6. Cálculo de Z para estandarizar el estadístico de la muestra r:
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪⎧
⎧⎪⎪⎧
⎨⎪⎪
⎪

⎧⎪⎪⎪⎪⎪
⎪⎪⎪⎪
⎪

⎪⎪⎪
⎪⎪⎪⎪
⎪⎪
⎪⎨⎪⎪⎪
⎪⎪⎪⎪
⎪

⎪⎪⎪
⎪
⎪
⎪
⎪⎪⎪
⎪
⎪⎪⎪⎪
⎪⎪⎪⎩
⎪

⎨⎪⎪
⎪⎩⎪
⎪⎪⎨
⎧⎪⎪
⎪⎪
⎪⎪⎨
⎪⎪
⎪⎪⎪
⎪⎪⎪⎪
⎧
⎪

⎪⎪⎪
⎪

⎪⎪⎪⎧
⎪
⎪⎪⎪⎪⎪
⎪⎪
⎪⎩⎪⎪⎪⎪⎪
⎪

⎪⎪⎪
⎪
⎨
⎪

⎨⎪⎪⎪
⎪

⎪⎪⎪⎪⎪
⎪
⎪
⎨
⎪⎪
⎪⎪⎪⎪⎩
⎪
⎪

⎪⎪⎪⎪
⎪
⎪
⎩

⎪⎪⎪⎪
⎩⎪⎪⎩
⎪

⎪
⎪
⎪
⎪
⎪
⎩

r 2 m r 11 2 14.548
Z5 5 521.4901
sr 2.381
102 CAPÍTULO 4

7. Interpretación y conclusión:

0.025 0.025

m
Z = 1.96 Z = - 1.96
Z = -1.4901

Z estandarizado de 21.4901 se ubica en el área de aceptación, se acepta H0 y se concluye que los

bautismos entre niños y niñas se dan de manera aleatoria.

EJERCICIOS PROPUESTOS

1. La ferretería Jehová Jireh desea verificar si las ventas en libras de clavos (C) y tornillos (T), son aleatorias. El admi-
nistrador debe registrar las ventas realizadas de dichos productos. El registro detalla que las ventas realizadas en
un periodo determinado fueron las siguientes:

C, C, C, T, T, C, T, T, T, C, T, T, C, C, C, T, C, C, C, T, T, C, T, C, T, T, T, C, C, C,
T, T, T, T, T, C, C, T, C, C.

Utilice un nivel de significancia de 10% para probar la aleatoriedad de las ventas de clavos y tornillos.
 Pruebas no paramétricas 103

2. La filial de Plaza Miraflores de la cooperativa Sagrada familia registró el género de los primeros 50 clientes que
los visitaron el viernes 11 de marzo de 2016; con la siguiente notación:
M 5 mujeres
H 5 hombres
M, H, H, H, M, M, M, M, M, H, M, H, H, M, M, M, M, H, H, H, M, H, M, H, M
M, M, H, M, H, M, H, H, M, M, M, M, H, M, M, H, M, M, M, H, M, H, M, M, M
A un nivel de significancia 5% buscaremos comprobar la aleatoriedad de esta secuencia, para saber si existe algo
en la cooperativa que atraiga más a determinado género.

3. La empresa Inversiones La Paz utiliza dos tipos de guión para hacer gestiones de cobranza telefónica para dos
tipos de clientes que la empresa tiene en su cartera; la compañía desea una aleatoriedad de tal manera que los
clientes de la cartera de cobros no reciban el mismo guión. Se decide probar con 50 clientes sucesivos para probar
si el guión se está utilizando adecuadamente. Se usaron las letras a y b para representar los dos tipos de guión
a 5 guión #1 de 5 a 7 días de mora b 5 guión #2 de 25 a 30 días de mora. Pruebe a nivel de significancia de 0.20.
104 CAPÍTULO 4

4. B, A, B, B, B, A, A, A, B, B, A, B, B, B, B, A, A, A, A, B, A, B, A, A, B,
B, B, A, A, B, A, A, A, A, B, B, A, B, B, A, A, A, A, B, B, A, B, B, B, B.

5. En un quiosco de Mall Multiplaza se venden recargas de las dos compañías telefónicas; Tigo (t) y Claro (c). Con
el objetivo de analizar la aleatoriedad en la venta de este servicio, se tomó la siguiente muestra:
t, t, t, c, c, c, c, c, c, c, c, t, c, c, c, t, t, t, t, t, t, c, c, t, t, c, t, t, c, t, t, c, t, t, c, c, c, c, t,
c, c, t, t, t, t, c, c.
Pruebe si hay o no aleatoriedad en las ventas de recargas de este quiosco. Use un nivel de significancia del 0.02.
 Pruebas no paramétricas 105

6. Un grupo de analistas de los servicios de cajeros automáticos recolectaron una muestra en el ATM de banco
Atlántida ubicado en la Universidad Nacional Autónoma de Honduras con el propósito de conocer la aleatorie-
dad entre los hombres y mujeres que hacen uso del cajero automático para realizar sus transacciones, se obser-
varon un total de 70 personas que ingresaron al lugar entre las 12 y la 1 de la tarde del jueves 17 de marzo de 2016.
Se quiere comprobar si hay o no aleatoriedad en la entrada de hombres y mujeres al ATM para lo cual usaremos
un nivel de significancia de 0.05.

H M H H M H H H H M M H M H
M M M M M M H M H M M M H M
M M M H H H M H M M H H H H
M M M H M M M M M H H M H M
M H H H M M H H M H M M M M

7. Pizza Hut mantiene un registro del género de las personas que llegan a comprar y consumir sus productos
frecuentemente. Para un fin de semana reciente, donde M 5 mujeres y H 5 hombres, los datos fueron los
siguientes:
M/HHH/MM/H/MMMM/H/M/HH/MMMMM/HHH/MM/H/MM/HH
Con un nivel de significancia del 0.02, pruebe la aleatoriedad de esta frecuencia.
106 CAPÍTULO 4

4.4  Prueba de correlación de rangos

Desarrollada por Charles Edward Spearman. ¿Quién era él?
(Londres, 1863-1945) Psicólogo británico. Siguió estudios de psicología en Alemania y se doc-
toró en Leipzig. Fue profesor de mente y lógica en el University College de Londres. Desarrolló la
técnica estadística conocida como análisis factorial, como complemento indispensable de su teo-
ría. También aportó el coeficiente de correlación ordinal que lleva su nombre, que permite corre-
lacionar dos variables por rangos en lugar de medir el rendimiento separado en cada una de ellas.
Concepto de correlación: Expresa grado de asociación entre dos variables, según el sentido de la
relación de éstas en términos de aumento o disminución. Se clasifican en:
•• Lineal o curvilínea, según la nube de puntos que se condense en torno a una línea recta o a una
curva.
•• Positiva o directa cuando al aumentar una variable aumenta la otra y viceversa.
•• Negativa o inversa cuando al crecer una variable, la otra decrece y viceversa.
•• Nula cuando no existe ninguna relación y la nube de puntos están distribuidas al azar. Se dice
que no están correlacionadas.
•• Funcional si existe una función tal que todos los valores de la nube de puntos la satisfacen.
COEFICIENTE DE CORRELACIÓN. Estadístico que cuantifica la correlación. Sus valores es-
tán comprendidos entre 21 y 1.
Este coeficiente se emplea cuando una o ambas escalas de medidas de las variables son ordinales,
es decir, cuando una o ambas escalas de medida son posiciones. Ejemplo: Orden de llegada en una
carrera y peso de los atletas.
Se calcula aplicando la siguiente ecuación:
6∑ d2
rs 5 1 2
n(n 2 2 1)
Donde:
rs 5 Coeficiente de correlación por rangos de Spearman
d 5 diferencia entre los rangos (rango 1 2 rango 2)
n 5 número de datos pares.
Los datos hay que ordenarlos en rangos, a los valores más elevados le asignamos el rango 1 al si-
guiente el rango 2 y así sucesivamente. Si se repiten dos o más valores se calculan las medias arit-
méticas de los rangos, sumando los rangos y dividiendo entre el número de rangos repetidos.

Ejemplo 1:
La siguiente tabla muestra el rango u orden obtenido en la primera evaluación (X ) y el rango
o puesto obtenido en la segunda evaluación (Y ) de 8 estudiantes universitarios en la asignatu-
ra de Análisis cuantitativo II. Calcular el coeficiente de correlación por rangos de Spearman.
Tabla 4.24
Estudiante 1ª. Evaluación X 2ª. Evaluación Y
Fany 18 8 88 7
David 25 7 71 8
Hector 26 6 93 4
Brayan 53 5 90 5
Jaime 59 4 94 2
Diana 60 3 90 6
Paola 66 2 93 3
María 73 1 100 1
 Pruebas no paramétricas 107

Solución:
Para calcular el coeficiente de correlación por rangos de Spearman se llena la siguiente tabla:

Tabla 4.25

Estudiante X Y d5X2Y d 2 5 (X 2 Y )2

Jaime 4 2 2 4
Diana 3 5.5 22.5 6.25
Fany 8 7 1 1
Hector 6 3.5 2.5 6.25
Paola 2 3.5 21.5 2.25
David 7 8 21 1
Brayan 5 5.5 20.5 0.25
María 1 1 0 0
2
Sd  5 21

En este ejercicio se encontraron 4 rangos repetidos, el 3 y 4 con calificación de 93% y el 5

y 6 con calificación de 90%. A continuación, se aplica la fórmula:

6∑ d2 6(21)
rs 5 1 2 2
51 2 5 1 2 .253 5 0.747
n(n 2 1) 8(8 2 2 1)

Por lo tanto, existe una fuerte correlación positiva entre la primera y segunda evaluación
de los 8 estudiantes.

Ejemplo 2:

BAC CREDOMATIC, desea conocer el nivel de motivación que tienen los colaboradores del
departamento de cobros, porque de eso depende el nivel de productividad de cada uno de
ellos, con el objetivo de tomar decisiones más acertadas. El nivel de motivación 10 es el más
alto nivel y 1 el más bajo.

Tabla 4.26

Colaboradores Años de experiencia Nivel de motivación

GB 10 9
MA 5 8
PS 11 7
CG 13 4
AH 18 2
GI 21 6
JC 14 5
RC 19 10
KO 15 3
FT 7 6
108 CAPÍTULO 4

Reseña Charles Edward Spearman

(Londres, 1863-1945) Psicólogo británico. Siguió estudios de psicología en Alemania y se doc-
toró en Leipzig. Fue profesor de mente y lógica en el University College de Londres. En un
artículo, publicado en 1904, expuso su teoría bifactorial de la inteligencia, según la cual la
ejecución de cualquier actividad mental depende de dos factores distintos, un factor general
“g”, que es la base común de la inteligencia y que, aunque varía libremente de un individuo a
otro, se mantiene igual para cualquiera de ellos respecto de todas las capacidades correlacio-
nadas, y un factor específico “s”, que son las aptitudes específicas, que no sólo varían de un
individuo a otro, sino también de una capacidad a otra. La noción de un factor general desper-
tó gran interés y mucha controversia. Sperman desarrolló la técnica estadística conocida
como análisis factorial, como complemento indispensable de su teoría. También aportó el
coeficiente de correlación ordinal que lleva su nombre, que permite correlacionar dos varia-
bles por rangos en lugar de medir el rendimiento separado en cada una de ellas. Sus obras más
importantes son The nature of intelligence and the principles of cognition (1923) y The abilities of
man (1927).3

Correlación. Conceptos asociados

Regresión: La regresión es una técnica utilizada para inferir datos a partir de otros y hallar
una respuesta de lo que puede suceder. Se pueden encontrar varios tipos de regresión, por
ejemplo:
•• Regresión lineal simple.
•• Regresión múltiple (varias variables).
•• Regresión logística.

Correlación: Expresa grado de asociación entre dos variables, según el sentido de la relación
de éstas en términos de aumento o disminución. Se clasifican en:
Lineal o curvilínea, según la nube de puntos que se condense en torno a una línea recta o
a una curva.
Positiva o directa cuando al aumentar una variable aumenta la otra y viceversa.
Negativa o inversa cuando al crecer una variable, la otra decrece y viceversa.
Nula cuando no existe ninguna relación y la nube de puntos está distribuida al azar. Se
dice que no están correlacionadas.
Funcional si existe una función tal que todos los valores de la nube de puntos la satisfacen.

Coeficiente de correlación
Estadístico que cuantifica la correlación. Sus valores están comprendidos entre 21 y 1 .
¿La correlación de rangos entre estas dos variables sugiere que el nivel de motivación de
los empleados mejora con los años de experiencia?
Utilice un nivel de significancia del 0.10, para probar esta hipótesis.
 Pruebas no paramétricas 109

Tabla 4.27

Empleado GB MA PS CG AH GI JC RC KO FT Total

Años de exper. xperiencia 10 5 11 13 18 21 14 19 15 7

R1 8 10 7 6 3 1 5 2 4 9
Nivel de motivac. motivación 9 8 7 4 2 6 5 10 3 6
R2 2 3 4 8 10 5.5 7 1 9 5.5
d 2 5 (R1 2 R2)2 36 49 9 4 49 20.25 4 1 25 12.25 209.5

1. Planteamiento de hipótesis
H0: rs 5 0 no existe correlación en los datos clasificados de la población
H1: rs Z 0 existe correlación en los datos clasificados de la población
a 5 0.10
2. Coeficiente de correlación de rangos

6∑ d2 6(209.5)
rs 5 1 2 2
51 2 5 1 2 1.2736 520.2736
n(n 2 1) 10(10 2 2 1)
Encontrar los valores críticos. Para tamaños de muestra menor o igual que 30, se usa la
tabla de valores para la correlación de rango de Spearman. En este ejemplo el tamaño de
las muestras es de 10, el valor de la tabla es 0.5515.
Área de aceptación

0.05 0.05

20.5515 0 0.5515
r2 5 20.2736

Se ubica en el área de aceptación, se acepta la hipótesis nula y se concluye que no hay

correlación en los datos de la población; es decir, que el nivel de motivación no depende
del nivel de productividad de cada uno de ellos.
110 CAPÍTULO 4

EJERCICIOS PROPUESTOS

1. El Espresso Americano brinda un servicio de excelencia en un ambiente agradable para hacer que cada visita a
Espresso americano sea una experiencia única y placentera. Todo esto contribuye para hacer de Espresso Ame-
ricano la mejor taza de café servida en un ambiente relajado, fuera de casa y del trabajo.
Dados los siguientes datos sobre precios y cantidades vendidas, realice una prueba de correlación por medio
del coeficiente de Spearman. Utilice un nivel de significancia de 0.05.

Tabla 4.28

Mes Precio L./unidad Granitas vendidas

Junio 28 425
Julio 35 500
Agosto 28 315
Septiembre 28 505
Octubre 35 550
Noviembre 28 610

Use el código 1 para el menor volumen de ventas, 2 para el siguiente; y así sucesivamente.
Codifique el precio usando el mismo criterio anterior en caso de precios iguales calcule un promedio para
esos meses. ¿Cuál es su conclusión?
 Pruebas no paramétricas 111

2. El dueño y gerente de “Los Taquitos” está preocupado por el comportamiento de las ventas de las tortas y de las
tostadas que se venden en el restaurante. Por lo que para explicar dicho comportamiento cree que el precio es
uno de los principales determinantes. Por lo que reunió algunos datos, mostrados en la siguiente tabla: (codifique
las variables precio y ventas para realizar sus análisis).
Tabla 4.29

Publicidad (número de anuncios) 2 10 6 4 7

Venta de tortas y tostadas 20 105 30 12 14

Calcule el coeficiente de Spearman. Plantee las hipótesis apropiadas y use un nivel de significancia de 0.10; ¿qué
tanta correlación tienen estas variables?; ¿qué le diría al dueño de este negocio?

3. La empresa Marketing de Eventos fue fundada en el mes de diciembre del año 1995 por un ex general retirado.
La coordinación, mercadeo, y promoción hace que la creatividad en cada detalle satisfaga las necesidades de
marketing de eventos en cada celebración de ocasión exclusiva, está claro que su nicho de mercado; se centra en
las distintas entidades que brinda seguridad a la ciudadanía nacional. Dados los siguientes datos recopilados:
Tabla 4.30
Precio L. 2 800 4 900 5 200 8 000 8 900 10 000 15 700
Cantidad de paquetes contratados 18 13 15 11 8 5 7

Use la correlación de rangos y un nivel de confianza de 98% (a 5 0.02), para determinar si existe una correlación
positiva o negativa entre las dos variables. Use los criterios de codificación de las variables.
112 CAPÍTULO 4

4. La propietaria del quiosco solicitó una prueba estadística que resuelva el dilema que tiene entre ella y la agente
de ventas; la cual le sugiere que se debe aumentar las promociones en los descuentos ya que el número de clien-
tes por día es muy bajo y la propietaria piensa que el número de clientes, no tiene relación con los ingresos diarios
que se obtuvieron en diez días del mes de diciembre; presentados a continuación:
Tabla 4.31

Fecha: 1 2 3 4 5 6 7 8 9 10
Número de clientes 10 5 2 12 9 17 3 6 2 9
Ingresos (L.) 3,599 708 90 3,644 2,520 6,709 200 1,200 50 1,333

Use un nivel de significancia del 0.05; ¿la correlación de rangos sugiere una relación fuerte ó débil?; ¿qué le diría
a la dueña de este negocio?

5. Un profesor universitario de la asignatura de estadística de la carrera de Mercadotecnia, está analizando la co-

rrelación que existe entre la calificación de la primera prueba evaluativa y la segunda. Para ello seleccionó una
muestra de 10 alumnos de su clase y presenta a continuación las siguientes calificaciones:
Tabla 4.32

Alumno 1 2 3 4 5 6 7 8 9 10
Prueba # 1 10 10 6 6 4 2 3 4 7 6
Prueba # 2 8 7 4 5 2 8 4 4 4 5

Use la correlación de rangos y un nivel de confianza de 95% (a 5 0.05), para determinar si existe una correlación
significativa entre las dos calificaciones obtenidas por sus alumnos.
 Pruebas no paramétricas 113

6. La distribuidora Istmania presenta la siguiente información acerca de las ventas de las diferentes presentaciones
de la bebida más tradicional que se consume en el territorio nacional y particularmente en la zona central, como
lo es el ron Flor de caña. A continuación, se presentan los rones más añejos para determinar la correlación entre
las ventas de ambas presentaciones:

Tabla 4.33

Flor de Caña feb Mar abr may jun jul ago sep oct nov dic
Centenario 18 años 25 127 68 24 62 69 38 106 66 96 217
Centenario 21 años 8 14 21 5 6 4 3 18 13 7 7

Use un nivel de significancia del 0.01; ¿la correlación de rangos sugiere una relación fuerte?

4.5  Prueba K-S de Kolmogorov-Smirnov

La prueba de Kolmogorov-Smirnov (también prueba K-S) es una prueba no paramétrica que se
utiliza para determinar la bondad de ajuste de dos distribuciones de probabilidad entre sí.
Conviene tener en cuenta que esta prueba es más sensible a los valores cercanos a la mediana
que a los extremos de la distribución.
La prueba de K-S de una muestra es una prueba de bondad de ajuste. Esto es, se interesa en el
grado de acuerdo entre la distribución de un conjunto de valores de la muestra y alguna distribu-
ción teórica específica. Determina si razonablemente puede pensarse que las mediciones muestra-
les provengan de una población que tenga esa distribución teórica. En la prueba se compara la
distribución de frecuencia acumulativa de la distribución teórica con la distribución de frecuencia
acumulativa observada. Se determina el punto en el que estas dos distribuciones muestran la ma-
yor divergencia.
Hipótesis
H0: La distribución observada se ajusta a la distribución teórica. Fo(x) 5 Fe(x) para todo x.
H1: La distribución observada no se ajusta a la distribución teórica. Fo(x) Z Fe(x) para todo x.
114 CAPÍTULO 4

Estadígrafo y distribución muestral

Cuando la prueba Kolmogorov-Smirnov se aplica para contrastar la hipótesis de normalidad de la
población, el estadístico de prueba es la máxima diferencia:

Dn 5 máximo valor de [Fe 2 Fo]

Siendo Fo(x) la función de distribución muestral y Fe(x) la función teórica o correspondiente a la

población normal especificada en la hipótesis nula. Dn es el valor máximo de todas las diferencias
entre frecuencias relativas acumuladas teóricas y observadas para los mismos valores o intervalos
de la variable. Dicho estadístico Dn se comparará con el correspondiente de la tabla del K-S con
base en el nivel de significación establecido y el tamaño muestral; de manera que si Dn de la tabla
. Dn calculado no rechazaremos la hipótesis de que la muestra procede de la hipotética población
con distribución establecida, mientras que si Dn calculado . Dn de la tabla se rechaza dicha hipó-
tesis.
La distribución del estadístico de Kolmogorov-Smirnov es independiente de la distribución
poblacional especificada en la hipótesis nula y los valores críticos de este estadístico están tabula-
dos.
Tabla 4.34

DACPROH S. DE R. L.

Servicios demandados durante los años 2010 a 2015

Servicio demandado Número Juticalpa

Otros 0 0

Entrega de avisos de cobro 1 140

Elaboración declaraciones DEI 2 252

Recomendación Gerentes 3 555

Integración de corte 4 184

Inventario + Programa 5 341

Auditorías 6 336

Consultorías 7 75

Control interno 8 281

Trámites DEI 9 180

Manual de Org. 10 68

Ejemplo ilustrativo

La información que antecede fue presentada por DACPROH, S. de R.L., referente a servicios
prestados a diferentes empresas de la ciudad de Juticalpa, durante los años de 2010 a 2015. Los
datos fueron promediados a servicios prestados por día (2412/5/241 5 2.0), considerando 241
días laborables en el año. El gerente de Dacproh piensa que el patrón de uso sigue una distri-
bución de Poisson con un l 5 2.0 y desea probar esta hipótesis a un a 5 0.01.
 Pruebas no paramétricas 115

Tabla 4.35

Fo Fo. relativa Fe Desviación absoluta

Número Fo acumulada acumulada acumulada | Fe 2 Fo |

0 0 0 0 0.1353 0.1353

1 140 140 0.058 0.4060 0.3480

2 252 392 0.163 0.6767 0.5142

3 555 947 0.393 0.8571 0.4645

4 184 1131 0.469 0.9473 0.4784

5 341 1472 0.610 0.9834 0.3731

6 336 1808 0.750 0.9954 0.2458

7 75 1883 0.781 0.9988 0.2181

8 281 2164 0.897 0.9997 0.1025

9 180 2344 0.972 0.9999 0.0281

10 68 2412 1.0 1.0 0

Descripción del procedimiento:

1. Asignación de números consecutivos, empezando con cero.
2. Copiar los datos de la frecuencia observada.
3. Acumular la frecuencia observada.
4. Calcular la frecuencia relativa acumulada, dividiendo cada frecuencia observada acumu-
lada entre el total de la frecuencia observada.
5. Acumular la frecuencia esperada, utilizando la tabla de Poisson con el valor de l 5 2.0.
6. Calcular el valor absoluto de la diferencia entre fe acumulada y fo relativa acumulada.
7. Planteamiento de hipótesis:

H0: Una distribución de Poisson con l 5 2.0 es buena descripción del patrón de uso
H1: Una distribución de Poisson con l 5 2.0 no es buena descripción del patrón de uso
a 5 0.01

8. Buscar en la tabla K-S para la bondad de ajuste, a 5 0.01 n más de 35 (n 5 2412)

1.63 1.63
5 5 5 0.0332
n 2412

9. Comparar los valores de Dn de la tabla con Dn calculado. Interpretar y concluir.

Dn calculado = máximo valor de | fe 2 fo | 5 0.5142. Donde el Dn tabla 5 0.0332
Dn tabla , Dn calculado, se rechaza la hipótesis nula y se concluye que una distribución
de Poisson con l 5 2.0, no es buena descripción del patrón de uso.
116 CAPÍTULO 4

EJERCICIOS PROPUESTOS

1. Bac Credomatic en su departamento de mercadeo ha recopilado datos sobre el intrafinanciamiento de algunos

de sus clientes, que se muestran a continuación:

Tabla 4.36

Número de colaborador 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Frecuencia observada 0 185 173 170 166 154 151 135 125 122 121 111 105 104 100 97
Número de colaborador 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 o más
Frecuencia observada 97 95 95 88 87 87 85 81 77 76 73 71 69 67 65

Para propósito de ampliación de su cartera de inversiones en intrafinanciamientos de sus clientes; el jefe del de-
partamento de mercadeo, piensa que este proceso puede ser descrito por una distribución de Poisson, con una
media de 15. Use un nivel de significancia de 5%, para comprobar su hipótesis.
 Pruebas no paramétricas 117

2. El departamento de control de calidad de una empresa que fabrica cerillos, tomó una muestra de 40 cajas de este
producto para comprobar las especificaciones del empaque. La tabla siguiente muestra las desviaciones de ceri-
llos con respecto a la media especificada de 40 luces por caja.
Tabla 4.37

# Desviaciones 0 1 2 3 4
Frecuencia 13 14 8 1 4

Puede el gerente del departamento de control de calidad concluir que las especificaciones del proceso de empa-
que están bien descritas por una distribución binomial con p 5 0.88. Asuma un valor de n 5 4 y un nivel de
significancia del 0.01.

3. A continuación, se muestra las desviaciones de las velocidades de autos con respecto a la media de 64 kilómetros
por hora; que circulan por el anillo periférico de la zona sur oriental de la capital.
Tabla 4.38

# Desviaciones 0 1 2 3
Frecuencia 3 25 11 1

La Dirección Nacional de Tránsito puede afirmar que las velocidades de los autos están bien descritas por una
distribución de Poisson con l 5 1.2 (kilómetros/minuto) y n 5 4 posibles resultados. Utilice un nivel de signifi-
cancia de 1%.
118 CAPÍTULO 4

4. A continuación, se muestran las desviaciones de las velocidades de autos con respecto a la media de 64 kilóme-
tros por hora; que circulan por el anillo periférico de la zona sur oriental de la capital.
Tabla 4.39

# Desviaciones 0 1 2 3
Frecuencia 3 25 11 1

La Dirección Nacional de Tránsito puede afirmar que las velocidades de los autos están bien descritas por una
distribución binomial con una p 5 0.40 y n 5 4 posibles resultados. Utilice un nivel de significancia de 1%.

5. A continuación se presentan los precios en dólares, del barril crudo del petróleo durante los meses de abril 2014
a marzo 2015. Para propósitos de planeación, el director de la comisión del petróleo piensa que el patrón de pre-
cios puede ser descrito por una distribución normal con una media de 82.086 dólares y una desviación estándar
de 22.329 dólares. Se desea probar esta hipótesis a un nivel de significancia de 0.10.

43.93 44.80 46.06 48.49 49.25 49.56 49.59 49.95 50.05 52.66
52.99 53.46 55.25 55.96 63.13 68.98 75.64 75.74 77.43 78.77
81.26 82.76 85.73 90.33 91.46 92.64 92.86 94.53 95.39 96.44
97.86 98.09 98.26 99.74 100.43 100.89 101.13 101.73 102.95 103.07
104.05 104.19 104.35 105.09 105.34 105.68 105.95 106.07 106.83 107.52

Tabla 4.40

Clase fo foa Fora fe Feac /fe 2 fo/

#52.92 10 10 0.20 0.0951 0.0951 0.1049
52.93 2 70.92 6 16 0.32 0.2134 0.3085 0.0115
70.93 2 88.92 7 23 0.46 0.3132 0.6217 0.1617
88.93 2 106.92 26 49 0.98 0.2448 0.8665 0.1135
.106.93 1 50 1.00 0.1335 1.0000 0
Total 50 1.0000

El planteamiento de las hipótesis nula y alternativa para este caso serán:

H0: La distribución normal con m 5 82.086 y s 5 22.329, describe el precio promedio del barril de crudo en
ese período de tiempo.
 Pruebas no paramétricas 119

H1: La distribución normal con m 5 82.086 y s 5 22.329, no describe el precio promedio del barril de crudo
en ese período de tiempo.

0.0951 0.2134 0.1915 0.1217 0.2448 0.1335

52.93 70.93 m 5 82.086 88.93 106.93

21.31 20.51 0.31 1.11

Dc 5 0.1725
1.22 Dn 5 0.1617
Dc 5 5 0.1725
50
El valor de D crítico o de la tabla 5 1.22/ n 5 1.22/ 50 5 0.1725 . Dn 5 0.1617; por lo tanto, se acepta la
hipótesis nula; ósea que la distribución normal con m 5 82.086 y s 5 22.329 describe el precio del barril del
petróleo en este período de tiempo.
120 CAPÍTULO 4

6. Al nivel de significancia de 0.05, ¿se puede concluir que los siguientes datos provienen de una distribución de
Poisson con l 5 3?

Tabla 4.41

Número de llegadas por día 0 1 2 3 4 5 6 o más

número de días 6 18 30 24 11 2 9

Después de años de trabajar en una estación de pesado de camiones con tilapia, el encargado cree que el peso por
camión (en miles de libras) se ajusta a una distribución normal con m 5 71 y s 5 15. Para probar esta afirmación
el encargado recopila los siguientes datos y registra el peso de cada camión cargados con tilapias que llega a la
báscula.

85 57 60 81 89 63 52 65 77 64
89 86 90 60 57 61 95 78 66 92
50 56 95 60 82 55 61 81 61 53
63 75 50 98 63 77 50 62 79 69
76 66 97 67 54 93 70 80 67 73

Si el encargado usa la prueba de Kologorov-Smirnov para estos datos, ¿Qué concluye acerca de la distribución del
peso de los camiones? Use un a 5 0.10 y establezca las hipótesis apropiadas. (Sugerencia: use cinco intervalos
igualmente probables.)