ALUMNA : BAQUERIZO CRUZ SARA RUTH

(Pruebas no paramétricas)

I COMPETENCIA:

➢ Describe como realizar las pruebas no paramétricas.

CUESTIONARIO:

De la lectura responda:

1. ¿Qué son las pruebas no paramétricas?

Los procedimientos estadísticos pueden clasificarse en tres grupos: a) aquellos
que suponen la distribución normal de los datos e incluyen los parámetros en el
cálculo de los estadísticos de prueba (p. ej., las pruebas de t, z, y F), que en
conjunto se reconocen como pruebas paramétricas; b) aquellos que no
consideran la distribución normal de los datos, pero que sí incluyen un
parámetro en el cálculo de probabilidad (el cálculo exacto de probabilidad
mediante las distribuciones binomial y de Poisson), que se identifican como
procedimientos libres de distribución; c) los procedimientos de inferencia que no
se refieren a parámetros de población (chi-cuadrada, prueba exacta de Fisher),
que se conocen como pruebas no paramétricas. Por conveniencia, la mayoría de
los textos de estadística agrupan tanto los procedimientos verdaderamente no
paramétricos como los libres de distribución y los presentan bajo el título de
procedimientos no paramétricos.

2. ¿Cuáles son las ventajas y desventajas de las pruebas no paramétricas?

 Entre las ventajas, que los procedimientos no paramétricos y los de libre
distribución ofrecen se encuentran las siguientes:
1. La mayoría de ellos se basan en un conjunto mínimo de suposiciones.
Con ello se reduce la posibilidad de utilizarlos de manera incorrecta.
2. Para la mayoría de ellos los cálculos aritméticos son sencillos, de tal
manera que quienes no tengan grandes conocimientos matemáticos
pueden realizarlos con facilidad.
3. Son particularmente útiles cuando la medición de las variables consiste
en conteos de frecuencia o en escalas ordinales en lugar de mediciones
cuantitativas.

Por otra parte, los procedimientos no paramétricos también tienen algunas

desventajas, entre las que se encuentran:

1. La desventaja más importante consiste en que los procedimientos no

paramétricos son menos eficientes que los paramétricos. Por ello,
siempre que sea posible ha de utilizarse un procedimiento paramétrico en
lugar de uno no paramétrico.
2. Aunque no demandan un conocimiento muy amplio de las matemáticas
para su aplicación, en ocasiones los cálculos necesarios pueden ser
tediosos y difíciles.

Tomando en cuenta lo anterior, los procedimientos no paramétricos proporcionan

alternativas útiles y en muchas situaciones únicas, como las que se mencionan a
continuación:

1. Cuando no se conoce el parámetro de la población.

2. Cuando las variables estudiadas son nominales u ordinales.
3. Cuando no se cumplen los supuestos definidos por los procedimientos
paramétricos.
3. ¿Qué es la prueba de la mediana para datos no paramétricos?
Vamos a ver algunas de las pruebas noparamétricas, las cuales no
requieren asumir normalidad de la población y que en su mayoría se
basan en el ordenamiento de los datos. Todas las pruebas que veremos
requieren que la población sea continua. El parámetro que se usa para
 hacer las pruebas estadísticas es la Mediana Mediana y no la Media y no
la Media.
Prueba de los Signos Se usa para hacer pruebas de hipótesis acerca de la
mediana de una población. Ho: La Mediana poblacional es igual a un valor dado.
Ha: La mediana es menor (mayor ó distinta) del valor dado. La prueba
estadística está basada en la distribución Binomial con probabilidad de éxito
p=½, puesto que la probabilidad de que un dato sea mayor o menor que la
mediana es ½. Para calcularla se determinan las diferencias de los datos con
respecto al valor dado de la mediana y se cuentan los signos positivos y
negativos.
Si la hipótesis alterna es "menor que" y el número de diferencias positivas es
mayor que el número de diferencias negativas entonces “valor-p ” = P 2 en caso
contrario “valor-p” = P1. Cuando la hipótesis alterna es de dos lados y el número
de diferencias positivas son mayores que el número de diferencias negativas
entonces el “valor-p ” =
2 P 2, si hay menor número de diferencias positivas entonces “valor-p”=2
P1 y si hay igual número de diferencias positivas y negativas entonces,
“valor-p”=1. Si n>20 se puede usar aproximación Normal a una Binomial con p
= q = 0.5, para calcular los “valores-p”.

4. ¿Qué es la prueba de Mann Whitney Wilcoxon?

Al igual que la prueba de la mediana, ésta sustituye a aquellas que consideran la

diferencia de medias entre dos grupos. El procedimiento fue desarrollado en dos
versiones independientes que conducen a la misma conclusión: la de Mann y
Whitney, y la Wilcoxon. Por ello se conoce como prueba de Mann-Whitney-
Wilcoxon. Supuestos: 1) las muestras son aleatorias e independientes y 2) la
escala de medición es ordinal o cuantitativa.
Procedimiento. Incluye los pasos siguientes:
1. Se selecciona una muestra aleatoria simple de cada población en estudio.
2. 2. Se identifica a la muestra más pequeña con la letra X y a la otra con la
letra Y. Si ambas tienen el mismo tamaño, no tiene importancia qué letra
les corresponde.
 3. Se designan las observaciones de la muestra de tamaño n1 obtenida de la
población X con x1, x2, . . ., xi , . . ., xn, y las observaciones de la
muestra de tamaño n2 obtenida. de la población Y con y1, y2, . . .,
yi , . . ., yn.
4. Sin perder su identificación de población (X o Y), las dos muestras se
combinan y se ordenan de menor a mayor, asignando la posición 1 a la
observación con el valor más pequeño y la posición n1 + n2 a la
observación con el valor más grande.
5. Siempre que existan dos o más observaciones con el mismo valor, o
empatadas, se les asigna la media de las posiciones que ocuparían si no
hubiera empates.
Por ejemplo, si dos observaciones tienen el valor 4 y les corresponden las
posiciones 7 y 8, a las dos se les asigna la posición 7.5.
6. 6. Como estadístico de prueba se puede seleccionar una de dos opciones:
U o T. El estadístico T (propuesto por Wilcoxon) es el más fácil de
calcular y corresponde a la suma de los rangos asignados a la muestra
más pequeña, n1, o de cualquiera de las dos si tienen el mismo tamaño.
7. La decisión estadística de rechazar o no H0 depende de la magnitud de T
(o de U) y del nivel de significancia, para una prueba de dos colas,
consultamos el anexo H, donde encontraremos los valores críticos de esta
prueba. Para buscarlos, primero localizamos los tamaños de muestra
correspondientes para cada una de las muestras (designamos como n1 la
más pequeña de las dos); continuamos revisando las columnas de valores
críticos para cada nivel de significancia hasta que encontramos la última
en que no se encuentra el estadístico calculado dentro de los valores que
definen el rango.

1. ¿Qué es la prueba de Kruskal Wallis?

En ocasiones existe interés en comparar tres o más grupos cuyos sujetos han sido
clasificados mediante una escala cuantitativa, pero el universo de valores no
tiene una distribución normal, o bien, se ha utilizado una escala ordinal. En este
caso, se utiliza la prueba de Kruskal-Wallis para probar la hipótesis de que los
grupos estudiados tienen la misma mediana poblacional. Supuestos. Los
siguientes supuestos son necesarios para verificar la hipótesis nula de que las
medias poblacionales son iguales:
1. Cada una de las muestras ha sido tomada al azar de su población.
2. Hay independencia entre las observaciones dentro de cada muestra, así
como entre las muestras.
3. Los datos representan medidas por lo menos en una escala ordinal.

2. ¿Qué es la prueba de los signos?

Esta prueba es una alternativa cuando se tiene interés en comparar dos medias,
pero las muestras han sido pareadas por alguna característica de interés y no se
cumplen los supuestos para realizar una prueba de hipótesis para la diferencia de
medias en comparaciones pareadas (capítulo 18). Supuestos. El uso de esta
prueba se basa en el supuesto de que cada par de sujetos muestreados son
aleatorios. Procedimiento. Para cada par se designa con X a una lectura y con Y
a la otra lectura. Para cada par se comparan los valores de X y Y. Si xi es mayor
que yi , el par se identifica con el signo “+”; en caso contrario, se utiliza “–”. Es
decir, H0: P(+) = P(–) = 0.5. La decisión estadística depende de la distribución
binomial (capítulo 13) para una n igual al número de pares discordantes, p = 0.5
y x corresponde a número de pares “+” o “–” (por comodidad utilizamos el
menor de los dos).