UNIVERSIDAD NACIONAL DE SAN AGUSTÍN

FACULTAD DE ECONOMÍA
Escuela Profesional de Economía

TÍTULO: PRUEBA NO PARAMETRICA

DOCENTE:

IVY AUGUSTO ALENCASTRE MENDOZA

ASIGNATURA:

ESTADISTICA PARA ECONOMISTAS 3

ALUMNOS:

- QUISCA OCHOCHOQUE, JHEYSON KEVIN

- MENDOZA MERCADO, KEVIN FABIÁN
- CONCHA CHURATA, BERLY ISAAC
- FULLANO MAYTA, RUTH KARINA
- TIPO CCACHO, ANGIE RUBI
- LAZO LIANAJE, LESLIE FABIOLA

AREQUIPA-2022
 PRUEBA NO PARAMETRICA-
KRUSKAL- WALLIS

Kruskal Henry - Wallis

William Henry ("Bill") Kruskal (10 de
octubre de 1919 - 21 de abril de 2005) fue un
matemático y estadístico estadounidense. Es
mejor conocido por haber formulado el
análisis de varianza unidireccional de
Kruskal-Wallis (junto con W. Allen Wallis),
un método estadístico no paramétrico
ampliamente utilizado.
Kruskal nació en una familia judía en la
ciudad de Nueva York en un exitoso
mayorista de pieles. Su madre, Lillian Rose
Vorhaus Kruskal Oppenheimer, se convirtió
en una destacada promotora de Origami
durante la primera era de la televisión. Era el
mayor de cinco hijos, tres de los cuales, incluido él mismo, se convirtieron en
investigadores en matemáticas y física; véase Joseph Kruskal y Martin Kruskal.
Kruskal dejó Antioch College para asistir a la Universidad de Harvard, donde
recibió una licenciatura y una maestría en matemáticas en 1940 y 1941. Obtuvo un
doctorado. Estudió ciencias matemáticas en la Universidad de Colombia,
graduándose en 1955. Durante la Segunda Guerra Mundial, Kruskal sirvió en el
Campo de Pruebas Naval de los EE. UU. en Dahlgren, Virginia. Después de breves
períodos trabajando para su padre y dando conferencias en Colombia, se unió a la
facultad de la Universidad de Chicago como profesor de estadística en 1950.En
1958 fue elegido miembro de la Asociación Estadounidense de Estadística. Editó
“Annals of Mathematical Statistics'' de 1958 a 1961, se desempeñó como
presidente del Instituto de “Estadística Matemática” en 1971 y de la “Asociación
Estadounidense de Estadística” en 1982. Kruskal se jubiló como profesor emérito
en 1990. Murió en Chicago.

Función de la prueba no paramétrica de Kruskal - Wallis

En estadística, la prueba de Kruskal-Wallis (de William Kruskal y W. Allen
Wallis) es un método no paramétrico para probar si un grupo de datos proviene de
la misma población. Intuitivamente, es idéntico al ANOVA con los datos
reemplazados por categorías. Es una extensión de la prueba de la U de Mann-
Whitney para 3 o más grupos.
Ya que es una prueba no paramétrica, la prueba de Kruskal-Wallis no asume
normalidad en los datos, en oposición al tradicional ANOVA. Sí asume, bajo la
hipótesis nula, que los datos vienen de la misma distribución. Una forma común
en que se viola este supuesto es con datos heterocedásticos.
Ventajas y desventajas de la prueba no paramétrica de
Kruskal - Wallis

• ¿Qué es la prueba no paramétrica?

Una prueba estadística no paramétrica está basada en un modelo que
especifica solo condiciones muy generales y ninguna acerca de la forma
específica de la distribución de la cual fue obtenida la muestra. Ciertas
suposiciones están relacionadas con la mayoría de las pruebas no
paramétricas, a saber, que las observaciones son independientes y quizá que
la variable en estudio en continua, pero estás suposiciones son menores y
más débiles que aquéllas asociadas con las pruebas paramétricas.
Los procedimientos no paramétricos prueban diferentes hipótesis acerca de
la población, que los procedimientos paramétricos no hacen.

• Ventajas y desventajas de la prueba no paramétrica.

Ventajas:
• Si el tamaño de la muestra es muy pequeño, puede no haber otra
opción que usar una prueba estadística no paramétrica a menos que
la naturaleza de la distribución de la población se conozca con
exactitud.
• Las pruebas no paramétricas típicamente hacen menos suposiciones
acerca de los datos y pueden ser más relevantes a una situación
particular, Además, las hipótesis probadas por una prueba no
paramétrica pueden ser más adecuadas para la investigación.
• Los métodos no paramétricos están disponibles para tratar datos que
son simplemente clasificatorios o categóricos, es decir, que son
medidos en una escala nominal.
• Existen pruebas estadísticas no paramétricas que son adecuadas para
tratar muestras obtenidas de observaciones de diferentes
poblaciones. Las pruebas paramétricas a menudo no pueden
manipular tales datos sin exigimos hacer suposiciones
aparentemente irreales o requisitos pesados de computación.
• Las pruebas estadísticas no paramétricas típicamente son más fáciles
de aprender y aplicar que las pruebas paramétricas, Además, su
interpretación suele ser más directa que la interpretación de las
pruebas paramétricas.

Desventajas:
 • Una objeción a las pruebas no paramétricas es que no son
sistemáticas, mientras que las pruebas paramétricas han sido
sistematizadas y diferentes pruebas son simplemente variaciones de
un tema central.
• Otra objeción a las pruebas no paramétricas se relaciona con la
conveniencia, esto se debe a que no se tiene una distribución fija para
este tipo de estadística, por lo que en ocasiones puede ser un
problema el elegir la adecuada. Las tablas necesarias para aplicar las
pruebas no paramétricas están muy difundidas y aparecen en
diferentes formatos, lo que podría ocasionar alguna confusión en el
investigador y/o la persona que esté aplicando alguna prueba no
paramétrica.

Método de aplicación

1. El estadístico está dado por:

 EJEMPLO NUMERO 1

La revista Condé Nast Traveler realiza cada año un estudio para

evaluar los 80 principales barcos cruceros del mundo (Condé
Nast Traveler, febrero de 2006). A continuación, se dan las
evaluaciones dadas a los cruceros de una muestra de las líneas
Holland America, Princess y Royal Caribbean; la evaluación
máxima es 100. Use la prueba de Kruskal-Wallis con α =0.05
para determinar si hay diferencia significativa en las
evaluaciones de los barcos de las tres líneas.

BASE DE DATOS
 Para la resolución de este ejercicio se utilizó la prueba
Kruskal-Wallis: Esta prueba no paramétrica es análoga
SOLUCION a la prueba paramétrica ANOVA de una vía. Aquí se
prueba si varias muestras independientes (más de dos
muestras o lo que es lo mismo decir k muestras
independientes) provienen o no de la misma población.
Puede ser considerada como una generalización de la
prueba de la Suma de rangos de Wilcoxon. Asume que
la variable tiene una distribución continua y requiere
que esté medida en una escala ordinal.

1 Formulación de Hipótesis:
H0: Las muestras provienen
de poblaciones idénticas
H1: Las muestras provienen
de poblaciones diferentes

Se introducen los
datos en la Vista de
datos en el
programa SPSS, se
designa por grupos
 En vista de variables, se le asigna una
etiqueta a cada variable, en medida a la
columna 1 se le asigna medida nominal, 3
mientras que a la columna 2 medida
escala, y por último se analiza.

4 Al terminar nos saldrá una hoja

con los resultados requeridos como
se muestra en la imagen
 RESULTADOS

Al realizar la prueba no paramétrica de Kruskal-Wallis nos da como resultado 2

cuadros como se puede observar claramente a continuación:

Rangos
grupo de N Rango
En la tabla titulada
pertenencia promedio
“Rangos” vemos que se
puntaje Holland 5 5,90 analizaron 15 cruceros,
obtenido America cinco en cada grupo. El
Princess 5 6,80 rango promedio mayor
fue para Royal
Royal 5 11,30 Caribbean, en tanto el
Caribbean menor fue para Holland
Total 15 America.

En la tabla titulada “Estadístico de

prueba” se observa el valor del
estadístico H, que para 2 grados de Estadísticos de pruebaa,b
libertad fue de 4,192. Se observa en la puntaje obtenido
fila Sig. asintót. y su valor de 0,123.
Podemos decir que, como el valor de p Chi-cuadrado 4,192
(Sig. asintót.) es mayor que 0,05, gl 2
entonces se acepta la hipótesis nula y se Sig. asintótica 0,123
concluye que con un nivel de a. Prueba de Kruskal Wallis
significación del 5%, no existe
b. Variable de agrupación: grupo de
diferencia significativa en las
pertenencia
evaluaciones de los barcos de las tres
líneas.
Por conclusión como se acepta la Ho,
entonces las muestras provienen de
poblaciones idénticas.
 EJEMPLO NUMERO 2

Se realizó la investigación denominada “Capacidad de dispersión del

barrenador del tallo (Diatraea crambidoides Grote) en el cultivo de caña de
azúcar”.
En donde se empleó el método de marcado, liberación y recaptura utilizando
como atrayentes hembras vírgenes. El mercado de los machos se realizó con
polvos fluorescentes en el estadio de crisálida.
Uno de los objetivos de este trabajo fue el determinar la distancia en que obtenía
la mayor recaptura, para ello se colocaron trampas desde los 50 metros del
punto de la liberación hasta 300 metros.

Número de insectos capturados

Número de insectos capturados

REPETICIÓN 50 100 150 200 250 300

m m m m m m

1 11 1 3 0 1 1

2 10 8 5 0 1 0

3 5 4 3 1 0 0

4 6 3 4 2 1 0

5 1 0 0 1

6 0 1 12 1

7 0 0 4

8 0 0 0

9 0 2

10 0 3

11 0

12 0
 Para la resolución de este ejercicio se utilizó la prueba Kruskal-Wallis: Esta prueba
no paramétrica es análoga a la prueba paramétrica ANOVA de una vía. Aquí se
prueba si varias muestras independientes (más de dos muestras o lo que es lo
mismo decir k muestras independientes) provienen o no de la misma población.

1. Formulación de hipótesis

H0: Las medianas de los grupos son iguales

H1: Al menos un par de grupos tienes medianas diferentes

2. Se introducen los datos en la vista de datos en el programa de stata

3. Luego nos dirigimos a estadísticas, a la parte de análisis de varianza no

paramétrica y seleccionamos Kruskall Wallis. Seleccionamos en variable
“individuos capturados” que está en función del tratamiento
Se solicita el factor de corrección en caso de que se den empates entre 2 o más
observaciones y se selecciona comparación de pares. Luego se abrirá otra pantalla
en donde se selecciona las medianas con un nivel de significancia del 5%.
4. Al terminar nos sale la siguiente hoja como resultados

El valor de H que corresponde al valor de Kruskal Wallis, es de 17.52 y también

se observa que tiene un valor de p de 0.0019

La mayor cantidad de insectos capturados se realizó en las trampas que se

encontraban a una distancia de 50 m

5. Conclusión

Se rechaza la hipótesis nula y se concluye que a lo menos un grupo se separara del

resto de los demás tratamientos