2

ESTG1037 – ESTADÍSTICA II

Profesor: Francisco Moreira

Correo: famoreir@espol.edu.ec
 3

UNIDAD 6
Estadística No Paramétrica
Contenido:

6.- Estadística no paramétrica

6.1.- Prueba del signo
6.2.- Prueba de rangos con signos de Wilcoxon
6.3.- Prueba de suma de rangos de Wilcoxon, Mann-Whitney
6.4.- Prueba de Kruskal Wallis
6.5.- Prueba de la mediana: Ji-Cuadrada
Estadística no paramétrica
La mayor parte de los procedimientos de prueba de hipótesis que se presentan en
las unidades anteriores se basan en la suposición de que las muestras aleatorias se
seleccionan de poblaciones normales. Afortunadamente, la mayor parte de estas
pruebas aún son confiables cuando experimentamos ligeras desviaciones de la
normalidad, en particular cuando el tamaño de la muestra es grande.
Tradicionalmente, estos procedimientos de prueba se denominan métodos
paramétricos. En esta sección se consideran varios procedimientos de prueba
alternativos, llamados no paramétricos o métodos de distribución libre, que a
menudo no suponen conocimiento de ninguna clase acerca de las distribuciones de
las poblaciones fundamentales, excepto que éstas son continuas.

Fuente: http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap04c.html
Prueba del signo
• La prueba del signo se utiliza para probar la hipótesis sobre la
mediana 𝜇෤ de una distribución continua.

Si 𝐻1 es cierta entonces lo que tenemos es una situación como ésta (por

considerar 𝐻0 como válida):

𝜇෤0
• Otra manera de resolver el problema es con Aproximación normal:
Cuando p=0.5, la distribución binomial esta bien aproximada por la distribución normal
cuando n es al menos 10. Por tanto, dado que la media de la distribución binomial es np
y la varianza es npq, la distribución de R+ es aproximadamente normal con media 0.5n y
varianza 0.25n, cada vez que n es moderadamente grande. Por consiguiente las hipótesis
pueden probarse con el estadístico:
𝑟 + − 0,5𝑛
𝑍= Recordar aprox binomial a
0,5 𝑛 normal y la corrección

¿Datos pareados?
¿Qué ocurre cuando la
resta da 0?
Prueba de rangos con signos de Wilcoxon
• Se aplica en distribuciones continuas simétricas.
𝐻0 : 𝜇 = 𝜇0
1. Se calcula la diferencia 𝑥𝑖 − 𝜇0
2. Se ordenan las diferencias absolutas en forma ascendente.
3. Se les coloca su signo original a los rangos o posiciones ordenadas.
4. Se calcula 𝑊 + suma de los rango positivos, 𝑊 − suma del valor
absoluto de los rangos negativos, W=min(𝑊 + , 𝑊 − ), dependiendo de
la 𝐻1
5. La tabla muestra los valores críticos 𝑤𝛼∗
Cuando el valor de estos estadísticos es suficientemente pequeño, se
rechaza la hipótesis nula.
Si 𝐻1 : 𝜇 ≠ 𝜇0 entonces el estadístico a calcular es 𝑤

Si 𝐻1 : 𝜇 < 𝜇0 entonces el estadístico a calcular es 𝑤 +

Si 𝐻1 : 𝜇 > 𝜇0 entonces el estadístico a calcular es 𝑤 −

Y se rechaza 𝐻0 a favor de 𝐻1 si el estadístico es lo suficientemente pequeño es decir ≤

𝑤𝛼∗
Resumen:
Ejemplo:
• Un artículo informa cerca de un estudio en el que se modela el motor
de un cohete reuniendo el combustible y la mezcla de encendido
dentro de un contenedor metálico. Una característica importante es
la resistencia al esfuerzo cortante de la unión entre los dos tipos de
sustancias. En la siguiente tabla se muestran los resultados obtenidos
al probar 20 motores seleccionados al azar. Se desea probar la
hipótesis de que la mediana de la resistencia al esfuerzo cortante es
2000 psi, utilizando 𝛼 = 0,05
OBSERVACIÓN RESISTENCIA AL ESFUERZO CORTANTE OBSERVACIÓN RESISTENCIA AL ESFUERZO CORTANTE
1 2158,7 11 2165,2
2 1678,15 12 2399,55
3 2316,0 13 1779,8
4 2061,3 14 2336,75
5 2207,5 15 1765,3
6 1708,3 16 2053,5
7 1784,7 17 2414,4
8 2575,1 18 2200,5
9 2357,9 19 2654,2
10 2256,7 20 1753,7
• ¿Cómo hacemos con observaciones pareadas?
• ¿Qué ocurre si hay empates?
Aproximación para muestras grandes

En alguna otra
literatura puede decir
que una muestra
moderadamente
grande es cuando
n>20
Prueba de suma de rangos de Wilcoxon,
Mann-Whitney
• Suponga:
• Dos poblaciones continuas e independientes con medias 𝜇1 y 𝜇2
• Tienen la misma forma y dispersión, difieren solo (posiblemente) en la
posición.
• La prueba de suma de rangos de Wilcoxon puede usarse para probar
hipótesis de diferencias de medias.
• Se la suele llamar en ocasiones prueba de Mann-Whitney aún cuando
el estadístico de prueba se lo expresa de forma diferente.
• 𝑛1 ≤ 𝑛2
• Se ordenan las 𝑛1 + 𝑛2 observaciones en orden ascendente
(¿empates?).
• 𝑊1 es la suma de los rangos de la muestra menor 𝑊2 es la suma
de los rangos de la otra muestra.

• La suma de los n primeros valores de una sucesión finita viene

dada por la fórmula:
• Y fácilmente calcular:

Si 𝐻1 : 𝜇1 ≠ 𝜇2 entonces el estadístico a considerar puede ser

cualquiera

Si 𝐻1 : 𝜇1 < 𝜇2 entonces el estadístico a considerar es 𝑤1

Si 𝐻1 : 𝜇1 > 𝜇2 entonces el estadístico a considerar es 𝑤2

Y se rechaza 𝐻0 a favor de 𝐻1 si el estadístico es lo suficientemente pequeño es decir ≤

𝑤𝛼
Aproximación con muestras grandes
Cuando tanto n1 y n2 son mayores que 8, una aproximación adecuada
a la distribución de W1 puede ser la distribución normal con media
𝑛1 (𝑛1 +𝑛2 +1)
𝜇𝑊1 =
2
2 𝑛1 𝑛2 (𝑛1 +𝑛2 +1)
y varianza 𝜎𝑊 1
=
12
Mann-Whitney

Y se rechaza 𝐻0 a favor de 𝐻1 si el
estadístico es lo suficientemente
pequeño es decir ≤ que el valor crítico
de la tabla
Prueba de Kruskal Wallis
• La prueba de Kruskal-Wallis, también llamada prueba H de Kruskal-Wallis,
es una generalización de la prueba de la suma de rangos para el caso de k>2.
• Se utiliza para probar la hipótesis nula de que k muestras independientes
provienen de poblaciones idénticas.
• La prueba constituye un procedimiento no paramétrico para probar la
igualdad de las medias, en el análisis de varianza de un factor, cuando el
experimentador desea evitar la suposición de que las muestras se
seleccionaron de poblaciones normales.
Prueba de Kruskal Wallis
Prueba de Kruskal Wallis
Ejercicios:
Prueba de la mediana: Ji-Cuadrada
• K muestras independientes de tamaños 𝑛1 , 𝑛2 , …, 𝑛𝑘 .
𝐻0 : 𝜇෤1 = 𝜇෤2 = ⋯ = 𝜇෤𝑘
con esto decimos que las muestran proceden de la misma población o de poblaciones con medianas
iguales
Las muestras no deben contener observaciones extremas.
1. Se ordena en forma ascendente las n observaciones (𝑛 = 𝑛1 + 𝑛2 +…+𝑛𝑘 ).
2. Se determina la mediana común (Me).
3. Se asignan dos categorías: una si la observación es superior a Me y la otra si es menor o igual a
Me.
4. Tabulamos y calculamos el valor del estadístico de prueba.
5. Tomamos una decisión.
Muestras 𝑛1 𝑛2 … 𝑛𝑘 𝑋𝑖.

𝑂11 𝑂12 𝑂1𝑘

> 𝑀𝑒 … 𝑋1.
𝐸11 𝐸12 𝐸1𝑘

𝑂21 𝑂22 𝑂2𝑘

≤ 𝑀𝑒 … 𝑋2.
𝐸21 𝐸22 𝐸2𝑘

𝑋.𝑗 𝑋.1 𝑋.2 … 𝑋.𝑘

𝑛

2 𝑘 2
(𝑂𝑖𝑗 − 𝐸𝑖𝑗 ) 2
𝜒2 = ෍ ෍ ~ 𝜒((2−1)(𝑘−1))
𝐸𝑖𝑗
𝑖=1 𝑗=1