CAPITULO V: PRUEBAS NO PARAMETRICAS

5.1 Pruebas no paramétricas

Las pruebas no paramétricas permiten poner a prueba las hipótesis no referidas a

parámetros poblacionales y se limitan a analizar las propiedades nominales u
ordinales de los datos. Estas pruebas no necesitan establecer supuesto sobre las
poblaciones que se extrae la muestra y se analizan por el número de muestras:

 Prueba para una muestra: Chi – cuadrado, Binomial, Rachas.

 Prueba para dos muestras independientes: U de Mann-
Whitney,Reacciones extremas de de Moses y Rachas de Wald-Wolfowitz.
 Prueba para varias muetstras independientes: H de Kruskal-Wallis y
Mediana.
 Pruebas para dos muestras relacionadas: Wilcoxon, Signos y NcNemar.
 Prueba para varias muestras relacionadas: Friedman, W de Kendall y Q de
Cochran.

Esquema para las pruebas no paramétricas

Muestras relacionadas Muestras Prueba de

Una muestra
Variable independientes asociación
(bondad de
dependiente 2 >2 2 muestras >2
ajuste)
muestras muestras muestras
Nominal - Binomial - NcNemar- Cochran Fisher, X2 X2 Coef.phi
- Chi cuadrado para 2 Mantel- Coef.
- Rachas muestras Haenszel Cramer
independie Kappa
ntes
Ordinal/Inte Kolmogorov- - Signos - Friedman - Rachas de - Mediana - Punto
rvalo Smirnov - wilcoxon - Kendall Wald- - Kruskal- biseral
wolfwitz Wallis - Rho de
- U de Mann- - Jonckheer Speraman
Whitney e-Terpstra - Tau de
- Moses kendall
- Mediana
Fuente: Manuel Gómez,CeciliaDanglot,Leopoldo Vega. Sinopsis de pruebas estadísticas no paramétricas. Cuándo
usarlas.Disponibleen :https://www.medigraphic.com/pdfs/pediat/sp-2003/sp032i.pdf

Si se rechaza la normalidad de las observaciones entonces se optará por aplicar pruebas

no paramétricas donde los test se plantean sobre la mediana de la distribución:
 Test de los rangos signos de Wilcoxon para una muestra. Contrasta la mediana
de la muestra con la mediana poblacional. También permite contrastar la
mediana de dos muestras pareadas.

 Test U de Mann- Whitney para muestras independientes.

Independiente U de Mann
Withney

Tipo de datos No normales

Dependiente Wilcoxon
(apareado)

Fuente: USAL MOOC. Test no paramétricos: U de Mann-Whitney. Módulo 6 Disponible en:

https://www.youtube.com/watch?v=dCG3VAfa11Y

5.2 Contraste de posición

5.2.1 Prueba de la Mediana de Mood:.- Esta prueba permite determinar si dos

muestras independientes difieren en relación con sus medianas, es decir
determina si dos muestras independientes provienen de poblaciones con la
misma mediana siempre que la variable éste al menos en escala ordinal.

Es decir, se necesitan dos muestras independientes y la variable de respuesta que

sea cuantitativa continua “datos atípicos” (debe ser medida en escala al menos
ordinal).

Caso aplicativo: Se desea determinar si las medianas de las distribuciones de

los valores de creatinina varían en dos grupos de pacientes sometidos a distintos
tipos de tratamientos. Los valores de creatinina obtenidos fueron los siguientes:

Muestra A Muestra B
1.63 1.65
1.23 1.69
1.59 1.72
1.64 1.91
1.70 1.74
1.58 1.75
1.52 1.55
1.71 1.86
1.57 1.10
1.84 1.88
 1.30
1.15

¿Puede Ud. afirmar con un nivel de significación de 0.05 que las medianas de creatinina
de ambos grupos de pacientes difieren entre sí?.

Armamos la base de datos.

Prueba de normalidad.

Prueba de Normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estatística df Sig. Estatística df Sig.
Grupos .359 22 .000 .637 22 .000
Creatinina .177 22 .071 .898 22 .027
a. Correlação de Significância de Lilliefors

Vamos a analizar pruebas no paramétricas muestras independientes.

Al dar clic saldrá una ventana en donde seleccionamos objetivo y seleccionamos
comparar medias entre grupos.

Ahora hacemos clic en campos y pasamos las variables creatinina y grupos.

Damos ejecutar.

Hipótesis: H0: Me1 = Me2

H1: Me1 ≠ Me2
Decisión: como El P valor es menor que 0.05 se rechaza Ho y acepta Ha.
Conclusión: las medianas de las dos poblaciones son distintas.

Al hacer clic en los resultados nos aparece la siguiente ventana , donde se

observa el diagrama de cajas donde se tiene a mas precisión que las poblaciones
son distintas.

5.2.2 Prueba de Wilcoxon para una muestra

Es la prueba no paramétrica para hacer pruebas acerca de la mediana. No se

hacen suposiciones acerca de la forma específica de la población, excepto que es
simétrica o aproximadamente simétrica. Se supone que los datos son continuos y
tienen una escala de medición de intervalo o de razón.

Tipo de estudio: Longitudinal Ejemplo: Un estudio del 2015 al 2020

Nivel Investigativo: Relacional
Objetivo estadístico: Comparación
Dependiendo del tipo de prueba, las hipótesis nula y alternativa son las siguientes.

Hipótesis Prueba bilateral

Prueba unilateral Prueba unilateral
(Prueba de dos a la derecha a la
colas) (Prueba de cola izquierda(Prueba
derecha) de cola izquierda)
Ho: m=mo m≤mo m≥mo
H1: m≠mo m>mo m<mo
Donde m= es la mediana de la población mo= un valor especifico

Caso aplicativo:
 El ministerio de salud realiza una inspección a niños de la región callao en el
contenido de plomo en la sangre, en tal sentido el ministerio de salud cree el
límite recomendado por los funcionarios de salud de 40 partes por millón (ppm)
de plomo. En respuesta a su afirmación, el departamento de salud obtiene
muestras y analiza la sangre de 11 niños de la región callao. Los resultados son
los niveles residuales en ppm.

Número de Niños 1 2 3 4 5 6 7 8 9 10 11

Contenido de 39 40 40 32,2 38 35 21,2 45.60 22,2 39 40.9

plomo

¿Podemos concluir que el contenido de plomo excede el límite recomendado de

40 partes por millón (ppm)? Use α=0.05.

Para la prueba de wilcoxon para una muestra se realiza la diferencia del valor.
promedio que para nuestro caso es 40 partes por millón.

Para eso Vamos a transformar calcular variable damos clic.

Aparece una ventana donde se realiza la diferencia con el promedio y los valores de la
información dada en el problema.
 Damos aceptar, se observa que aparece una columna con el nombre de la
variable descrita como diferencia.

Probar La
normalidad
de la
diferencia

Calculando la normalidad de la diferencia con los métodos descritos, obteniendo

como resultado.
Prueba de Normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estatística df Sig. Estatística df Sig.
diferencia ,252 11 ,050 ,845 11 ,037
a. Correlação de Significância de Lilliefors

Se arma la base de datos con la información proporcionada.

Realizamos la prueba de wilcoxon, vamos a analizar cuadro de diálogos
antiguos dos muestras relacionadas.

Aparece una ventana.

 Estatísticas de pruebaa
ConcPlomo -
PlomoDetec
Z -1,838b
Significância Sig. (bilateral) ,066
a. Teste de Classificações Assinadas por
Wilcoxon
b. Com base em postos positivos.

Contrastación de las hipótesis

El contenido de plomo excede el límite recomendado de 40 partes por millón

(ppm).

Ho: El contenido de plomo no excede el límite recomendado de 40 partes por

millón (ppm).
Ha: El contenido de plomo excede el límite recomendado de 40 partes por
millón (ppm).
Decisión
Como se observa el P valor es mayor que 0.05 por lo que se acepta Ho y se
rechaza Ha.
Conclusión
El contenido de plomo no excede el límite recomendado de 40 partes por millón
(ppm).
5.2.3 Trabajo de campo con pre y pos prueba- Método de wilcoxon

Se tiene la siguiente base de datos.

Pre test
P0 P0 P0 P0 P0 P0 P0 P0 P0 D P1 P1 P1 P1 P1 P1 P1 P1 P1 D P1 P2 P2 P2 P2 P2 D
Nº
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 2 9 0 1 2 3 4 3
1 0 0 0 1 1 0 0 0 1 3 1 0 1 0 1 0 0 2 0 5 1 0 1 1 1 0 4
1
2 2 2 2 2 2 1 2 1 2 1 1 0 0 1 0 1 1 1 6 0 1 1 2 0 1 5
6
3 1 1 1 1 1 1 1 0 1 8 1 0 1 1 1 0 1 0 1 6 1 1 1 1 0 1 5
1
4 2 2 2 2 2 1 2 1 2 1 1 1 0 0 1 1 1 1 7 1 2 1 2 1 1 8
6
5 2 0 1 0 0 0 1 1 0 5 0 0 0 0 0 1 2 2 2 7 1 0 1 0 1 0 3
1
6 2 1 2 2 1 1 1 0 1 1 1 1 0 0 2 1 1 2 9 1 1 0 0 1 0 3
1
2
7 2 1 0 0 0 1 0 1 1 6 3 3 3 3 2 3 2 2 3 1 1 2 1 0 1 6
4
8 2 1 0 0 0 1 2 1 1 8 1 1 0 0 1 2 1 2 0 8 1 1 0 1 1 0 4
1 1
9 2 1 1 1 1 1 2 1 0 2 2 2 3 3 2 1 2 1 1 1 0 0 1 0 3
0 8
10 1 1 1 1 1 1 1 1 1 9 1 1 1 0 0 1 1 1 1 7 1 0 1 0 0 1 3
1 1
11 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 6
8 8
12 2 2 2 2 2 2 2 2 2 1 2 2 0 0 2 0 0 0 2 8 2 2 1 1 2 2 10
 8
13 0 0 0 0 0 0 0 2 0 2 0 1 0 0 0 0 1 2 2 6 2 1 2 2 2 2 11
Pos test
Q0 Q0 Q0 Q0 Q0 Q0 Q0 Q0 Q0 DD Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 Q1 DD Q1 Q2 Q2 Q2 Q2 Q2 DD
1 2 3 4 5 6 7 8 9 1 0 1 2 3 4 5 6 7 8 2 9 0 1 2 3 4 3
2 2 2 2 2 2 2 2 2 18 4 4 4 3 4 3 4 4 4 34 2 2 2 2 4 4 16
4 3 3 4 3 3 4 3 4 31 4 3 3 4 4 4 4 4 4 34 4 4 3 3 4 4 22
4 2 4 2 3 3 3 3 2 26 4 4 4 4 3 4 3 3 4 33 4 4 3 4 4 4 23
4 4 4 3 4 4 3 4 4 34 4 4 3 3 4 4 4 4 4 34 4 4 2 4 4 4 22
3 2 3 3 3 3 3 3 2 25 3 3 2 4 3 3 3 3 3 27 3 3 4 4 3 3 20
4 4 4 3 3 2 3 4 3 30 3 3 4 4 3 3 3 4 4 31 3 3 3 3 4 3 19
3 3 3 4 3 3 3 4 4 30 3 3 4 3 4 4 4 4 3 32 4 4 3 4 3 3 21
3 3 3 4 2 3 3 3 3 27 4 4 4 3 3 3 3 3 3 30 4 3 3 3 3 2 18
3 3 4 2 3 3 3 3 4 28 2 3 3 3 4 4 3 4 4 30 3 3 4 3 4 3 20
4 4 4 4 3 3 3 4 4 33 4 2 3 3 3 4 4 4 3 30 3 3 4 2 4 4 20
3 3 3 3 3 2 3 3 3 26 2 2 2 2 2 2 2 2 2 18 3 3 3 2 3 3 17
2 2 2 2 2 3 2 2 2 19 2 2 2 2 2 2 2 2 2 18 1 1 1 1 1 2 7
2 2 2 2 2 2 3 2 2 19 3 3 2 3 2 3 3 3 3 25 1 1 1 1 1 3 8

Se desea comparar la efectividad del mantenimiento preventivo antes y después de un

local de mantenimiento de motos.
Mantenimiento Diferencia
Antes Después
Media
Desviación
Estándar
Varianza
Z(k s)
P valor
Significancia estadística
1 Prueba de hipótesis
Ho: No Hay diferencias en la efectividad del mantenimiento preventivo antes y
después.
H1: Hay diferencias en la efectividad del mantenimiento preventivo antes y después
2 Nivel de Significancia
Alfa(α)=0.05
3 Seleccionar el estadístico de prueba
a. U de Mann Whitney
b. Rangos de Wilcoxon
c. Kruskal Wallis
d. Friedman
4 Valor de ….Calculado………………………………
Valor de P= ……………………………………………..
Interpretar
Calculando la diferencia: Transformar calcular variable

Realizando la diferencia de post tes menos pre tes. Aplicación de

un caso real de
tesis

Como son muestras relacionadas analizamos las muestras.

Vamos a analizar estadísticos descriptivos frecuencias.

Determinamos las medidas de tendencia central y de dispersión de los datos

seleccionados.

Damos continuar y luego aceptar.

 Estatísticas
pretest postest Diferencia
N Válido 13 13 13
Omisso 0 0 0
Média 25.38 73.46 48.08
Erro Desvio 9.179 13.824 17.533
Variância 84.256 191.103 307.410

Ver si tiene normalidad.

Vamos a analizar pruebas no parametricas ks de una muestra.

Al hacer clic aparece la siguiente ventana.

Esta diferencia servirá para saber cómo se comportan los datos si estas provienen
de una distribución normal o no normal, para nuestro caso el p valor es menor a
0.05 concluyendo que es una prueba no paramétrica.

Prueba de Normalidad
Kolmogorov-Smirnova Shapiro-Wilk
 Estatística df Sig. Estatística df Sig.
Diferencia .269 13 .011 .802 13 .007
a. Correlação de Significância de Lilliefors

Realizada la prueba de normalidad, determinamos el test de wilcoxon.

Analizar Pruebas no paramétricas cuadros de diálogos.

antiguos dos muestras relacionadas.

Seleccionar las variables de pre tes y post tes.

Estaciones
 Soma de
N Posto Médio Classificações
a
postest - pretest Classificações Negativas 0 .00 .00
b
Classificações Positivas 13 7.00 91.00
Empates 0c
Total 13
a. postest < pretest
b. postest > pretest
c. postest = pretest

Estatísticas de pruebaa
postest - pretest
Z -3.182b
Significância Sig. (bilateral) .001
a. Teste de Classificações Assinadas por
Wilcoxon
b. Com base em postos negativos.

Planteamiento de las hipótesis

Ho: NO Hay diferencias en la efectividad del mantenimiento preventivo antes

y después.
Ha: Hay diferencias en la efectividad del mantenimiento preventivo antes y
después.
Decisión:

Si el P valor es menor a 0.05 se rechaza la hipótesis nula y se acepta la hipótesis

alterna.
Conclusión

Las puntuaciones promedio de la serie de la pre prueba son diferentes de

acuerdo a los resultados obtenidos en las puntuaciones promedio de la Post
prueba.