ASIGNATURA : METODOS ESTADISTICOS

CICLO : III
SEMESTRE ACADEMICO : 2021-1
 UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE MEDICINA HUMANA
“Dr. Wilfredo Erwin Gardini Tuesta”

ACREDITADA POR SINEACE

RE ACREDITADAINTERNACIONALMENTE POR RIEV

SESIÓN 10:
PRUEBA DE HIPÓTESIS SOBRE K
MUESTRAS
DOCENTES RESPONSABLES DE LA ASIGNATURA
SEDE CHORRILLOS : ELSI BAZAN RODRIGUEZ
SEDE SAN BORJA : SARA AQUINO DOLORIER
SEDE SAN BORJA : GRISELDA VERA NUÑEZ
FILIAL ICA : JOSE LUIS CORDOVA TELLO
FILIAL CHINCHA : ALLISON PACHAS RAMOS

CONCEPTUAL
Prueba de hipótesis sobre k
muestras, para Muestras
relacionadas y Muestras
independientes.
COMPETENCIAS
PROCEDIMENTAL ACTITUDINAL
Capacidad para realizar prueba de hipótesis
Demuestra la
en el caso de k muestras relacionadas o
receptividad del
Independientes. Realiza e interpreta los tema en el
resultados de la prueba de hipótesis sobre k desarrollo de la
muestras relacionadas o independientes actividad
eligiendo una estadística de prueba
adecuada.
ESTRATEGIAS DIDACTICAS
Exposición dialogada e interactiva de los
temas en formato remoto.
1. PRUEBAS PARA K MUESTRAS RELACIONADAS:

“Dr. Wilfredo Erwin Gardini Tuesta”

ANOVA DE FRIEDMAN.
 PRUEBAS NO PARAMETRICAS. Prueba FRIEDMAN.

• Es una prueba no paramétrica de comparación de tres o más

muestras relacionadas, debe cumplir las siguientes
características:
• Es libre de curva, no necesita una distribución específica
• Nivel ordinal de la variable dependiente
• Se utiliza para comparar más de dos mediciones de rangos
(medianas) y determinar que la diferencia no se deba al azar
(que la diferencia sea estadísticamente significativa).
PRUEBAS NO PARAMETRICAS. Prueba FRIEDMAN.

Donde:
• La hipótesis nula que se contrasta es que las respuestas asociadas
a cada uno de los ''tratamientos'' tienen la misma distribución de
probabilidad o distribuciones con la misma mediana
• La hipótesis alternativa nos dice que por lo menos la distribución de
una de las respuestas difiere de las demás.
Los datos se disponen en una tabla en la que en cada fila se recogen
las respuestas de los k elementos de cada grupo a los k tratamientos.
 PRUEBAS NO PARAMETRICAS. Prueba FRIEDMAN.
EJEMPLO:

OBJETIVO: Con los datos de la encuesta Encinf.sav probar si hay

discrepancia entre la valoración que hacen los alumnos al
mantenimiento (Manten), acceso a las aulas de informática (Aulas) y la
valoración que hacen a los monitores que supervisan las aulas
(Monitor).
PRUEBAS NO PARAMETRICAS. Prueba FRIEDMAN.
• Pasos para probar una hipótesis estadística

• Paso 1.- Planteamiento de hipótesis.

• H0: Las valoraciones asignadas por los alumnos a las características

mantenimiento, acceso y monitores de las aulas no difiere
significativamente a partir de las puntuaciones asignadas por los mismos
individuos

• H1: Las valoraciones asignadas por los alumnos a las características

mantenimiento, acceso y monitores de las aulas difiere significativamente
a partir de las puntuaciones asignadas por los mismos individuos

• Paso 2.- Niveles de significación. (teórico) ””

Se asume un nivel de significancia de 0.05
PRUEBAS NO PARAMETRICAS. Prueba FRIEDMAN.

Paso 3.- Estadístico de prueba.

«Prueba de Friedman»

BASE DE DATOS
Paso 3.- Estadístico de prueba.

PRUEBAS NO PARAMETRICAS. Prueba

FRIEDMAN.
PRUEBAS NO PARAMETRICAS. Prueba FRIEDMAN.
Paso 4.- Formular la regla de decisión

Siendo su estadístico 8.040 y nivel de significación p-valor :

0,018 < 0.05 , se rechaza H0
• Paso 5.- Conclusión:
• Se concluye que hay evidencia para indica que las
valoraciones asignadas por los alumnos a las características
mantenimiento, acceso y monitores de las aulas difiere
significativamente a partir de las puntuaciones asignadas
por los mismos individuos, con un nivel de significación de
0.05.
2. PRUEBAS PARA K MUESTRAS INDEPENDIENTES:

CAMPO PARAMETRICO

“Dr. Wilfredo Erwin Gardini Tuesta”

DIFERENCIA EN MAS DE DOS MEDIAS

POBLACIONALES INDEPENDIENTES
(ANOVA).
  DIFERENCIA EN MAS DE DOS MEDIAS POBLACIONALES
INDEPENDIENTES (ANOVA)
INTRODUCCION
Cuando hay más de dos grupos, no es correcto usar la t de Student, pues esto
supondría hacer varios tests por parejas, incrementándose globalmente la tasa de
error. En estos casos, se debe utilizar el análisis de la varianza de una vía.

Del inglés ANalysis Of VAriance ha quedado la abreviatura ANOVA. Su nombre está

basado en el método que se utiliza y puede desorientar, pero el ANOVA no
compara varianzas, sino medias y es el test indicado cuando se desean comparar
las medias de tres o más grupos independientes.

La t de Student para dos medias independientes es sólo un caso particular del

análisis de la varianza. Si se recurriese al ANOVA para comparar sólo dos grupos, se
obtendrían exactamente los mismos resultados que con la t de Student.
 DIFERENCIA EN MAS DE DOS MEDIAS POBLACIONALES
INDEPENDIENTES (ANOVA)

La situación que vamos a tratar es similar a la del t-test para

muestras independientes:

 La variable a contrastar (dependiente) es cuantitativa.

 La variable de agrupación es cualitativa con más de dos
categorías.

El ANOVA es un método paramétrico y exige el cumplimiento de

unos supuestos, de manera que cuando no se cumplan las
condiciones de aplicación se dispone de una técnica no
paramétrica que es el test de Kruskal-Wallis.
 DIFERENCIA EN MAS DE DOS MEDIAS POBLACIONALES
INDEPENDIENTES (ANOVA)
OBJETIVO: Comparar las medias de una variable
cuantitativa en mas de dos muestras
independientes.
Requisitos y supuestos:

A) TIPOS DE VARIABLES

• La variable dependiente debe ser cuantitativa. La variable

dependiente es la variable que se quiere comparar.

• La variable independiente es el factor o variable de agrupación y

debe ser cualitativa. La variable independiente es el factor que
clasifica las observaciones en distintas muestras.
 DIFERENCIA EN MAS DE DOS MEDIAS POBLACIONALES
INDEPENDIENTES (ANOVA)

Requisitos y supuestos:

B) NORMALIDAD

• La variable dependiente siga una distribución normal, lo

realmente importante es que la distribución de los
residuales (diferencia entre cada valor y la media de su
grupo) se aproxime bien a una normal.

• En SPSS se crea la variable que llamaremos residual y se

comprueba su normalidad mediante el test de
Kolmogorov-Smirnov o Shapiro-Wilks.
 DIFERENCIA EN MAS DE DOS MEDIAS POBLACIONALES
INDEPENDIENTES (ANOVA)

Requisitos y supuestos:

C) HOMOGENEIDAD DE VARIANZAS U HOMOCEDASTICIDAD

Las varianzas de cada grupo deben ser iguales.

Es decir, las dispersiones de los datos no deben diferir

entre los grupos a comparar. Esto se comprueba en SPSS
con el test de Levene
Pasos para probar una hipótesis
estadística
Paso 1.- Planteamiento de hipótesis.
Paso 2.- Niveles de significación. (teórico) ””
Paso 3.- Estadístico de prueba.
«F» de Fisher de Snedecor.

Paso 4.- Formular la regla de decisión

Si el p-valor <  Se rechaza H0
Si el p-valor ≥  No se rechaza H0
Paso 5.- Conclusión:
En este caso se especifica la hipótesis estadística que no ha sido
rechazada indicando el nivel de significancia teórico considerado (α)
EJEMPLO:
OBJETIVO: Determinar si los distintos tipos de dieta influyen
en el cambio de los niveles de colesterol después
de 6 meses de intervención en voluntarios que no
presentan hipercolesterolemia.
Se han asignado 5 voluntarios al grupo control, 5 a una dieta moderada y 4 a
una dieta estricta. Los resultados del cambio de colesterol LDL (mg/dl) se
recogen en la siguiente tabla:
Pasos para probar una hipótesis estadística

Paso 1.- Planteamiento de hipótesis.

H0: El pertenecer a un grupo u otro no influye en el

cambio del colesterol
H1: Al menos dos grupos difieren

Paso 2.- Niveles de significación. (teórico) ””

Se asume un nivel de significancia de 0.05

Paso 3.- Estadístico de prueba.

«F» de Fisher de Snedecor.

CUMPLE CON LOS SUPUESTOS POR

LO QUE SE APLICA EL ANOVA
Paso 3.- Estadístico de prueba.
Cumpliendo con el supuesto de normalidad, aplicamos la prueba «F» de Fisher
mediante el SPSS cuya ruta es: Analizar / Comparar medias / ANOVA DE UN
FACTOR.

Siendo la prueba F= 5,225 su respectiva significancia

p-valor =0,025.
Paso 4.- Formular la regla de decisión

Como p-valor = 0,025 < 0,05 se rechaza H0

Paso 5.- Conclusión:

Se concluye que hay evidencia para indicar que al

menos dos tipos de dietas difieren; es decir, que las
intervenciones sobre dietas es efectiva con un nivel
de significancia de 0.05.
2. PRUEBAS PARA K MUESTRAS INDEPENDIENTES:

CAMPO NO PARAMETRICO

“Dr. Wilfredo Erwin Gardini Tuesta”

KRUSKAL-WALLIS Y PRUEBA CHI-

CUADRADO.
PRUEBAS NO PARAMETRICAS. Prueba KRUSKAL
WALLIS.

OBJETIVO: Comparar mas de dos mediciones

de rangos (medianas) y determinar que la
diferencia no se deba al azar (que la diferencia
sea estadísticamente significativa).
EJEMPLO:
OBJETIVO: Determinar si las cifras que excretan en orina de sodio y
potasio 4 tipos de ratas difieren entre sí.
• para lo cual se hicieron las determinaciones que se expresan a
continuación:
PRUEBAS NO PARAMETRICAS. Prueba KRUSKAL
WALLIS.
• Pasos para probar una hipótesis estadística

• Paso 1.- Planteamiento de hipótesis.

• H0: Med1= Med2=Med3=Med4

• H1: Medi ≠ Medj al menos para un par (i,j)

• Paso 2.- Niveles de significación. (teórico) ””

• Se asume un nivel de significancia de 0.05
Paso 3.- Estadístico de prueba.
«Prueba de KRUSKAL WALLIS»

BASE DE DATOS
Paso 3.- Estadístico de prueba.
«Prueba de KRUSKAL WALLIS»

RUTA
Paso 3.- Estadístico de prueba.
«Prueba de KRUSKAL WALLIS»
• RESULTADOS

Siendo la prueba Z chi cuadrado = 13,699 con 3 grados de

libertad y su respectiva significancia p-valor =0,003.
• Paso 4.- Formular la regla de decisión

Como p-valor =0,003 < 0,05 se rechaza H0

• Paso 5.- Conclusión:
Se concluye que hay evidencia para indica que el nivel de
excreción urinaria de sodio/potasio difiere entre los cuatro tipos
de ratas, con un nivel de significación de 0.05.
PRUEBAS NO PARAMETRICAS. Prueba CHI CUADRADO DE
HOMOGENEIDAD.

OBJETIVO: Se utiliza cuando se tienen varias

muestras independientes de n
individuos que se clasifican
respecto a una variable cualitativa
y se desea conocer a partir de
datos muestrales, si provienen de
la misma población (el objetivo es
comparar diferentes muestras).
 PRUEBAS NO PARAMETRICAS. Prueba CHI CUADRADO DE
HOMOGENEIDAD.

• Es decir, en esta prueba se tienen varias muestras

independientes correspondientes a las categorías de una de
las variables y se clasifican las observaciones respecto a la otra
variable.

• La prueba tiene la finalidad de conocer si la distribución de la

variable estudiada difiere en las “r" poblaciones subyacentes de
las cuales se obtuvieron las muestras
 PRUEBAS NO PARAMETRICAS. Prueba CHI CUADRADO DE
HOMOGENEIDAD.
• Limitaciones de la prueba:

• -Se necesita que más del 20 % de los valores esperados estén por encima de 5 y
que ninguna celda tenga valor esperado menor a 1.

• -Si la tabla es de 2x2, todas las celdas deben tener valores esperados por encima
de 5.

• -En el caso de la tabla de 2x2 si existe una sola celda con valor esperado menor
que 5, esto representaría un 25 % de las celdas con esa condición, por lo que se
utilizaría la Prueba de las Probabilidades exactas de Fisher en lugar de la Prueba
χ2 , ya que en éste caso no es posible agrupar categorías.
PRUEBAS NO PARAMETRICAS. Prueba CHI CUADRADO DE
HOMOGENEIDAD.
• Hipótesis:
• H0: P11 = P12 (hay homogeneidad entre los grupos respecto a l as categorías de la variable
(hay igualdad entre la proporción de elementos de cada grupo que caen en la misma
categoría de la variable).
• H1: P11 ≠ P12 (no hay homogeneidad (la proporción de elementos de cada grupo que caen
en la misma categoría de la variable difieren)

• Puede plantearse otra hipótesis:

• H0: No difiere la distribución de la variable estudiada en las poblaciones de las cuales se

obtuvieron las muestras.
• H1: Difiere la distribución de la variable estudiada en las poblaciones de las cuales se
obtuvieron las muestras.
EJEMPLO:
• OBJETIVO: Determinar si existe homogeneidad entre los
enfermos y no enfermos de cáncer del pulmón respecto a
fumar o no fumar.
• Se seleccionan 2 muestras aleatorias, una de pacientes con
esta enfermedad y l a otra de personas sin esta condición.
 Pasos para probar una hipótesis estadística

• Paso 1.- Planteamiento de hipótesis.

• H0: Hay homogeneidad entre los enfermos y no enfermos de cáncer

del pulmón respecto a fumar o no fumar (la proporción de fumadores
es similar en enfermos y no enfermos)

• H1: No hay homogeneidad (la proporción de fumadores difiere en

enfermos y no enfermos)

• Paso 2.- Niveles de significación. (teórico) ””

Se asume un nivel de significancia de 0.05

 Paso 3.- Estadístico de prueba.
«Prueba CHI CUADRADO DE HOMOGENEIDAD

BASE DE DATOS
 Paso 3.- Estadístico de prueba.
«Prueba CHI CUADRADO DE HOMOGENEIDAD

RUTA
 Paso 3.- Estadístico de prueba.
«Prueba CHI CUADRADO DE HOMOGENEIDAD

• RESULTADOS

Siendo la prueba chi cuadrado = 6,792 con 1 grados de libertad y su

respectiva significancia p-valor =0,009.
• Paso 4.- Formular la regla de decisión

Como p-valor =0,009 < 0,05 se rechaza H0

• Paso 5.- Conclusión:

• Se concluye que hay evidencia para indica que no hay

homogeneidad (la proporción de fumadores difiere en enfermos y
no enfermos), con un nivel de significación de 0.05.

• Es decir, existen diferencias estadísticas significativas entre

enfermos de cáncer del pulmón y libres de la enfermedad en
relación a la distribución de fumadores y no fumadores.
DESARROLLAR
LA PRACTICA 10.
"Para el investigador no existe alegría comparable a
la de un descubrimiento, por pequeño que sea".
Alexander Fleming