UNIVERSIDAD ESTATAL DE MILAGRO

FACULTAD DE CIENCIAS SOCIALES

EDUCACIÓN COMERCIAL Y DERECHO
CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS

TRABAJO DE INVESTIGACIÓN:
“Métodos no paramétricos: Análisis de datos ordenados"

AUTORES:
Carrillo Quinto Joseline Rosa
Montenegro Villala Elizabeth Steffania
Ortega Bravo Alex Armando
Quezada Utreras Adriana De Las Mercedes
Rosales Navarro Eliana Katiuska
ASIGNATURA:
Estadística Inferencial

DOCENTE:
MSc. José Luis Tenorio Almache

FECHA DE ENTREGA:
15 de febrero del 2022

Noviembre del 2021 – Marzo del 2022

 ÍNDICE

Introducción ...................................................................................................................... 1
Métodos no paramétricos: análisis de datos ordenado ..................................................... 3
Estadísticas en la práctica: West Shell Realtors ............................................................... 3
La prueba de signos ................................................................................................... 3
Prueba de hipótesis de una mediana poblacional ...................................................... 4
Prueba de hipótesis con muestras pareadas ............................................................... 4
Prueba de rangos con signo de Wilcoxon ................................................................. 5
Prueba de Mann-Whitney-Wilcoxon ........................................................................ 5
“Prueba de Kruskal-wallis” ....................................................................................... 7
Correlación de rangos................................................................................................ 8
Resultados......................................................................................................................... 9
Conclusión ...................................................................................................................... 11
Bibliografía ..................................................................................................................... 12
Anexos ............................................................................................................................ 13
Reuniones.................................................................................................................... 13
Preguntas tipo reactivo/test. ........................................................................................ 15

Índice de gráficos
Ilustración 1 Distribución de muestreo binomial para el número de signos positivos
cuando n= 10 y p= 0,50 .................................................................................................... 4
Ilustración 2 Fórmula prueba pareada para variable cuantitativa ..................................... 5
Ilustración 3 Muestras con una misma población ............................................................ 5
Ilustración 4 Muestra procedente de distintas poblaciones .............................................. 6
Ilustración 5 Valores no mayores a los comparados ................................................... 6
Ilustración 6 Estadístico para Kruskal-Wallis .................................................................. 7
Ilustración 7 Fórmula correlación de rangos .................................................................... 8
 Introducción

Las pruebas no paramétricas se las conoce debido a que como su nombre lo dice es una
prueba de hipótesis donde no es obligatorio que la distribución de dicha población
conserve características con ciertos parámetros, por su parte estas pruebas no
paramétricas nunca inician con un supuesto, de tal manera estos son utilizado cuando se
poseen datos considerados no normales y que resistan a transformaciones.

La estadística paramétrica mantiene el supuesto de que todas las muestras presentadas

provienen de distribuciones realizadas de manera específica, mismas que contienen
características de acuerdo a uno o varios parámetros totalmente desconocidos donde se
realizarán inferencias, sin embargo, en el método no paramétrico es todo lo contrario
puesto que aquí se presupone que la distribución de la que proviene dicha muestra no está
especificada y en la mayoría de los casos se hace inferencia en el centro de toda la
distribución.
Existen ciertas desventajas al hacer uso de estas herramientas puesto que se conoce cuál
es la forma original de la población, o también estos puedan transformarse de manera que
ese sea el caso, esto implica que los procesos de distribución libre van a manejar menos
información de la que mantienen disponibles en los datos. En conclusión, el nivel de
eficiencia de los procedimientos no paramétricos es alta cuando se la utiliza en muestras
pequeñas, por otro lado, también es necesario conocer que la eficiencia realmente no es
importante dentro de grandes muestras.
Estos métodos son de gran utilidad cuando no se conserva un pretendido de regularidad
de acuerdo al tamaño de dicha muestra tomada es chica. A pesar de esto no se encuentran
completamente libres de supuestos acerca de estos datos. Estas pruebas mantienen ciertas
limitaciones, una de ellas es que no son tan acertadas como una prueba paramétrica
cuando se mantiene un supuesto de normalidad, asimismo estas pruebas paramétricas
generalmente requieren que se modifiquen las hipótesis.
Empezamos haciendo referencia al caso de la empresa “West Shell Realtors” mismas que
tuvo sus inicios siendo una pequeña oficina, con el pasar del tiempo, la buena
administración y la creación de programas a largo plazo logró patentarse como una de las
mejores empresas dentro de su ciudad, para esta empresa hacer uso de la estadística es
muy importante puesto que en base a informes le permite conocer a los gerentes el
progreso, problemas que mantiene la empresa.

1
En el presente trabajo se presentan diferentes métodos no paramétricos usados para inferir
sobre la población sin la necesidad de tener un supuesto; la prueba del signo en conocer
el signo de una diferencia que se ha realizado en dos observaciones que son
correspondientes, dentro de esta se necesitan muestras relacionadas; la prueba de
hipótesis con respecto a la mediana poblacional se usa la aproximación normal a la
distribución nominal.
Por su parte la prueba de hipótesis con muestras pareadas nos permite dar mayor
relevancia a cada una de las inferencias obtenidas, de manera que se controle o elimine la
influencia de las variables que se presenten de manera desconocida. Por otro lado, la
prueba no paramétrica de Wilcoxon sirve para comparar dos muestras relacionales
mismas que debe permanecer libre de curva, y no es necesario tener una distribución
específica, por otra parte, este compara todas las mediciones de tal forma que la
discrepancia no sea estadísticamente notable.

2
Desarrollo

Métodos no paramétricos: análisis de datos ordenado

Estadísticas en la práctica: West Shell Realtors

West Shell Realtors fue una oficina fundada en el año 1958 misma que en sus inicios
contó con 3 personas como equipos de venta, para el año 1964 se plasmó un programa a
largo plazo de expansión con el cual pudieron abrir nuevas oficinas cada año hasta el
punto de ser uno de los mayores corredores de bienes raíce de Greater Cincinnati.
“Para West Shell realizar un análisis estadístico es de mucha ayuda para monitorear como
van las ventas. Cada mes se realiza un informe respectivo s cada una de las oficinas de
West Shell, así también general de toda la empresa. De esta manera se mantiene
informados a los gerentes de todas las oficinas y a los altos directivos con respecto al
avance y los contratiempos de la organización, por su parte el resumen estadístico que se
realiza sobre la cantidad total de ventas es de suma importancia, las unidades que se
vendan y el precio de las mismas” (Anderson, Sweeney, & Williams, Estadísticas para
negocios y economía , 2012, pág. 856).
Además, los resúmenes que se realizan de manera mensual respecto a sus operaciones la
empresa los usa como consideraciones estadísticas con la finalidad de tener una guía
acerca de sus planes y estrategias corporativas.

La prueba de signos
“Dentro de lo que concierne a investigación de mercado la prueba de los signos es
generalmente usada para muestra de n clientes viables con la finalidad de que reconozcan
el favoritismo dentro de dos marcas diferentes, las n dicciones o datos de preferencia son
considerados como datos nominales, puesto que el consumidor únicamente designa una
predilección” (Anderson, Sweeney, & Williams , Estadística para administración y
economía, 2008, pág. 815).
Dentro de este contexto este método utiliza la distribución nominal con p= 0,50 definida
como la distribución de muestro. En este caso no necesariamente se debe tener un
supuesto de la distribución poblacional.
Además, se utilizan dos aplicaciones de prueba de signos:

❖ Prueba de hipótesis en base a la mediana poblacional.

❖ Así también la prueba de muestras pareadas con base a la discrepancia que se
mantiene entre dos poblaciones.

3
 Prueba de hipótesis de una mediana poblacional
La prueba de signos es generalmente usada dentro de la prueba de hipótesis de una
mediana poblacional, cuando se considera una población que sus datos no exista un valor
igual a la mediana, se dividirá a la población de tal manera que el 50% de los valores sean
mayores a la mediana y por su parte el otro 50% de valores sean menores a la mediana.

Ilustración 1 Distribución de muestreo binomial para el

número de signos positivos cuando n= 10 y p= 0,50

Prueba de hipótesis con muestras pareadas

“Este diseño pareado lo que se busca es brindar un gran valor a las diferencias
encontradas, examinando o a su vez descartando la influencia de todas las variables
distintas al que cuyo resultado ya es delimitado o pensado, y no se anhela que medie en
la disertación actual consiguiendo disimular el efecto del procedimiento o de la variable
que se está estudiando o la que es de su interés” (Molinero , 2003).

❖ Pruebas pareadas para variables cuantitativas

Si el caso fuera comprar el resultado cuantitativo en dos grupos de datos extraídos de
manera aleatoria:

𝑛𝐴 = 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

𝑛𝐵 = Tamaño de la segunda muestra

4
 Ilustración 2 Fórmula prueba pareada para variable cuantitativa

Prueba de rangos con signo de Wilcoxon

Forma parte de la estadística no paramétrica que se manipula para realizar comparaciones
entre la media de dos muestras congruentes y establecer si preexisten discrepancias entre
ellas (Quispe Andía, Calla Vasquez , Yangali Vicente, Rodríguez López, & Pumacayo
Palomino, 2019).
Este es un procedimiento no paramétrico usado para realizar el análisis de datos de un
experimento donde se usen muestras pareadas, dentro de esta prueba se utilizarán datos
cuantitativos, pero no necesariamente tendremos el supuesto que las haga diferente entre
las observaciones pareadas ya se distribuirán normalmente.

Prueba de Mann-Whitney-Wilcoxon
Esta prueba es también llamada “Wilcoxon rank-sum test” o a su vez “u-test”, mismo que
es una prueba de datos no paramétrico que diferencia si las dos muestras tomadas
provienen de poblaciones con las mismas unidades (Joaquín Amat , 2017).
Como idea principal de esta prueba es que si las dos muestras que se compararán
provienen de semejante población al momento de agrupar todas las observaciones
realizadas para por consiguiente ordenarlas de menor a mayor se debería tomar un tiempo
esperar a que todas las indagaciones estén intercaladas de manera aleatoria. Por otro lado,
si alguna de las muestras tomadas le concierne a una población que mantiene valores
elevados o decadentes que la población contraria comparada, se deberán agrupar de
manera que las de una muestra permanezcan por arriba de las de otra.

Ilustración 3 Muestras con una misma población

5
 Ilustración 4 Muestra procedente de distintas poblaciones

De acuerdo con lo presentado acerca de esta prueba es ideal contrastar de que dicha
probabilidad llevada a la observación de una población “X” resalte a una observación
realizada en una población “Y” o viceversa.

Ilustración 5 Valores no mayores a los comparados

De acuerdo con (Sánchez Turcios , 2015) para realizar esta prueba se debe tener en cuenta
condiciones necesarias tales como:
❖ Todos los datos deben ser de manera independiente.
❖ Asimismo, los datos tienen que ser ordinales o a su vez estar ordenados de menor
a mayor.
❖ No necesariamente las muestras deben ser procedentes de poblaciones normales,
sin embargo, para que esta prueba compare medianas, ambas muestras deben
mantener la misma distribución.
❖ Mantener igualdad en la varianza entre grupos.

6
 “Prueba de Kruskal-wallis”

“Para emplear esta prueba primero se debe tener conocimiento acerca del número total de
unidades empíricas (N) y el número de muestras de cada procedimiento (ni), se puede dar
el caso de que cada procedimiento no posea el mismo número de repeticiones” (Núñez
Colín, 2018, pág. 74).

Esta prueba cimenta sus bases en el estudio de todas las muestras expuestas o aleatorias
independientes con respecto a las “k” poblaciones introducidas. A esta prueba por su parte
se le puede realizar tanto con datos de manera ordinales como con datos de manera
cuantitativa, además no es necesario mantener el “supuesto” que nos indica que las
poblaciones deben estar dentro de distribución estándar.

Ilustración 6 Estadístico para Kruskal-Wallis

Por su parte la manera general para la hipótesis nula y alternativa se mantiene de la

siguiente forma:

𝐻𝑂 : se mantiene que todas las poblaciones son parecidas

𝐻𝑎 : dentro de esta no todas las poblaciones son parecidas

Es por esto que si 𝐻𝑂 es rechazada se llegará a la conclusión de que existe una

disconformidad en medio de las poblaciones con una o varias poblaciones estudiadas, que
a su vez darán valores más cortos o extensos haciendo comparaciones con otras
diferentes.

7
 Correlación de rangos

“Parte de la estadística no paramétrica que se encarga de medir la correlación. Posee

valores en intervalos de -1 y 1, por su parte el coeficiente de correlación mide el grado de
agrupación entre dos cantidades, pero no se fija en el nivel de acuerdo o correspondencia.
Si las herramientas de medida calculan metódicamente cantidades diferentes de uno al
otro, la correspondencia puede ser 1 y su correspondencia ser nula o cero” (Martínez
Ortega, Tuya Pendás, & Pérez Abreu, 2009).

“Este coeficiente es una medida de asociación lineal que utiliza los rangos, números de
orden, de cada grupo de sujetos y compara dichos rangos” (Martínez Ortega, Tuya
Pendás, & Pérez Abreu, 2009).

Se mantienen dos métodos para calcularlo:

❖ Por una parte, tenemos al r de Spearman, conocido también como rho.

❖ Por otro lado, tenemos al de Kendall.

Ilustración 7 Fórmula correlación de rangos

8
Resultados

Se realiza el esquema de solución y determinar las variables que se encuentran en estudio.

X = % para la recuperación usando el tratamiento 1
Y = % para la recuperación usando el tratamiento 2
Z = % para la recuperación usando el tratamiento 3
Por consiguiente, se ordenarán los datos

Suma de los rangos:

𝑹𝟏 = 28

𝑹𝟐 = 48

𝑹𝟑 = 29

Para llegar al resultado y dar respuesta a la interrogante planteada corresponde realzar la

“prueba de hipótesis no paramétrica” de “Kruskal Wallis”.

Primero planteamos la hipótesis

𝑯𝟎 = 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑐𝑜𝑛 𝑙𝑜𝑠 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠

𝑯𝟏 = 𝐸𝑥𝑖𝑠𝑡𝑒 𝑐𝑖𝑒𝑟𝑡𝑎 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎

Planteamos el estadístico

9
 2 2 2
12 28 48 29
𝐾0 = + + − 3 ∗ 15 = 2,31
14 ∗ 15 5 5 4

Llegamos a un nivel de significación de 0,05

Con una región rechazada del 𝑯𝟎 𝒗 / 𝑺 𝑯𝑨

Como conclusión no se rechaza 𝑯𝟎 debido al nivel de significancia presentado 0,05; es

decir encontrando el 95% de confidencia no existe discrepancia alguna dentro de las
proporciones para el recobro de dichos procedimientos o tratamientos.

10
Conclusión
En el presente trabajo se hizo mención de variados métodos no paramétricos de
acuerdo a su clasificación, dentro del campo de la estadística todos los diseños no
paramétricos o también llamada de distribución libre se ha ido desarrollando a pasos
agigantados de manera que hoy en día se puede hacer uso dentro de las
investigaciones para generar resultados partiendo de una hipótesis con alternativas
válidas para su estudio, haciendo uso de técnicas de selección manteniendo la
condición de no crear supuesto dentro de la distribución de datos.
Carrillo Quinto Joseline Rosa
Hacer uso de estas herramientas acarrea grandes ventajas puesto que no se crean
supuestos en la distribución de los parámetros poblacionales, por lo general se llevan
a cabo en datos nominales y ordinales, pero también pueden analizarse en datos
continuos siempre y cuando se los transforme a una escala ordinal. Estas usan
recuentos, signos para la diferenciación de aquellas observaciones pareadas, por lo
general son rápidas y de fácil aplicación.
Montenegro Villala Elizabeth Steffania
Por su parte la prueba de los signos mantiene un diseño llamativo debido a que se
puede hacer uso de dos muestras que mantengan relación y a su vez que se definan
dos condiciones diferentes, dentro de esta prueba no se realizan supuesto en relación
a la distribución ni que los sujetos están dentro de la misma población en estudio.
Ortega Bravo Alex Armando
Prueba de rangos asignados de Wilcoxon es manejable en términos de direccionar
dentro de cada uno de los pares analizados, esta se utiliza con mayor frecuencia con
datos basados en la conducta tales como conocer que miembro es más obeso, así
también establece rangos para determinar la diferencia en relación al tamaño o realizar
juicios con respecto a quien es “mayor o menor que”.
Asimismo, la prueba de Wilcoxon-Mann-Whitney es usado para realizar evaluaciones
y conocer si dos grupos han sido extraídos de la misma población, dentro del campo
de la estadística esta es una de las pruebas no paramétricas más exitosas y poderosas
cuando el investigador no desea mantener supuesto dentro de la investigación.
Quezada Utreras Adriana De Las Mercedes

La prueba de Kruskal-Wallis es un método que mantiene relación con la prueba

paramétrica ANOVA que tiene como finalidad diferenciar entre medidas
poblacionales, se debe utilizar este cuando los datos poseen un orden específico de
manera natural, dentro de esta la hipótesis nula crea y asume que todos los datos
presentados pertenecen a la misma población presentada.
Rosales Navarro Eliana Katiuska

11
Bibliografía
Anderson, D. R., Sweeney, D. J., & Williams , T. A. (2008). Estadística para
administración y economía. México: Cengage Learning Editores.
Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2012). Estadísticas para negocios y
economía . México : Cengage Learning.
Joaquín Amat , R. (Julio de 2017). Ciencia de datos . Obtenido de Test de Wilcoxon
Mann Whitney como alternativa al t-test:
https://www.cienciadedatos.net/documentos/17_mann%E2%80%93whitney_u_t
est
Martínez Ortega, R. M., Tuya Pendás, L. C., & Pérez Abreu, A. (2009). EL
COEFICIENTE DE CORRELACION DE LOS RANGOS DE SPEARMAN
CARACTERIZACIÓN. Rev haban cienc méd La Habana.
Molinero , L. M. (2003). Pruebas Pareadas . Asociación de la Sociedad Española de
Hipertensión Liga Española para la lucha contra la Hipertención Arterial.
Núñez Colín, C. A. (2018). Análisis de varianza no paramétrica: un punto de vista a favor
para utilizarla. Dialnet, 69-79.
Quispe Andía, A., Calla Vasquez , K. M., Yangali Vicente, J. S., Rodríguez López, J. L.,
& Pumacayo Palomino, I. I. (2019). Estadística no paramétrica aplicada a la
investigación científica con software SPSS, MINITAB Y EXCEL (Vol. 1).
Colombia : Eidec Editorial.
Sánchez Turcios , R. A. (2015). Prueba de Wilcoxon-Mann-Whitney: mitos y realidades.
REVISTA MEXICANA DE ENDOCRINOLOGÍA, METABOLISMO &
NUTRICIÓN , 18-21.

12
Anexos
Reuniones
Martes 08 de febrero del 2022 – Primera Reunión

Link de la reunión:
https://drive.google.com/file/d/1QIMsEs7POAKapIuK7WW_hYRxjXBWoxlU/view?u
sp=sharing
Jueves 10 de febrero del 2022 – Segunda Reunión

Link de la reunión:
https://drive.google.com/file/d/1TVxjkUgoTN6KjUTPzfgeFD7ogePAak0Q/view?usp=s
haring

13
 Sábado 12 de febrero del 2022 – Tercera Reunión

Link de la reunión:
https://drive.google.com/file/d/17ldqEtMCPBEB2iAENcz7R7WncCN9_RDZ/view?usp
=sharing

14
Preguntas tipo reactivo/test.

1. La Prueba de Kruskal-wallis debe tener conocimiento acerca del número total

de unidades _____________________ (N) y el número de muestras de cada
procedimiento (____________), se puede dar el caso de que cada procedimiento
no posea el mismo número de _________________.
• Empíricas – (n) – repeticiones
• Estadísticas – (ni) – contingencia
• Empíricas – (ni) – repeticiones
• Estadísticas – (n) – contingencia

2. Respecto a la prueba de Kruskal Wallis, indique la afirmación correcta.

a. 𝐻𝑂 : se mantiene que todas las muestras son parecidas

𝐻𝑎 : dentro de esta no todas las muestras son parecidas

b. 𝐻𝑂 : se mantiene que todas las poblaciones son parecidas

𝐻𝑎 : dentro de esta no todas las poblaciones son parecidas

c. 𝐻𝑂 : se mantiene que todas las poblaciones no son parecidas

𝐻𝑎 : dentro de esta todas las poblaciones son parecidas

3. Indique que procedimiento utilizaría para realizar un contraste sobre una

media cuando no se cumplen los supuestos de la prueba T para una
muestra.
a. Prueba binomial.
b. Prueba de Kolmogorov-Smirnov.
c. Prueba de Wilcoxon/Prueba de signos.

4. En un estudio sobre los hábitos de consumo, se ha hecho una encuesta a 50

personas y se les ha pedido que anoten qué gasto hacen durante la mañana y
qué gasto hacen durante la tarde. Con esta información, ¿qué contraste no
paramétrico recomiendas utilizar para analizar si hay diferencias entre el
gasto hecho por la mañana y por la tarde?
a. Test de Mann-Whitney
b. Test de Wilcoxon.
c. Prueba de rachas
d. Ninguno de las anteriores.

15