Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TRABAJO SOCIAL
MATERIA:
DOCENTE AUTOR:
MGTR. XXXXXXXXXXXXXXXXXX
TEMA DE TAREA:
Xxxxxxxxxxxxxxxxxxxxxxxxxxx
ALUMNO:
XXXXXXXXXXXXXXXXXXXXXXXXXXXXX
NIVEL:
XXXXXXXXXXXXXXXXXXXXXXXXXXX
FECHA DE ENTREGA:
06/12/2021
PERIODO LECTIVO
NOVIEMBRE 2021-MARZO
PRUEBAS DE HIPÓTESIS
PRUEBAS PARAMÉTRICAS PRUEBAS NO PARAMÉTRICAS
Las pruebas paramétricas son una Las pruebas no paramétricas, también
herramienta estadística que se utiliza para conocidas como pruebas de distribución
el análisis de los factores de la población. libre, son las que se basan en
Definición Esta muestra debe cumplir ciertos determinadas hipótesis, pero lo datos
requisitos como el tamaño, ya que observados no tienen una organización
mientras más grande sea, más exacto será normal.
el cálculo.
Prueba del valor Z de la Prueba de Chi-cuadrado de
distribución normal Pearson.
Prueba T de Student para datos Prueba Binomial.
relacionados (muestras Prueba de Rachas.
dependientes) Prueba de Kolmogorov-Smirnov.
Prueba T de Student para datos no Prueba de McNemar.
relacionados (muestras Prueba de los signos.
independientes) Prueba de Wilcoxon.
Prueba T de Student-Welch para Prueba de Cochran.
Tipos dos muestras independientes con Coeficiente de concordancia de W
varianzas no homogéneas de Kendall.
Prueba de Ji Cuadrada de Bartlett Prueba U de Mann-Whitney.
para demostrar la homogeneidad Prueba de Rachas de Wald-
de varianzas Wolfowitz.
Prueba F (análisis de varianza o Prueba de reacciones extremas de
ANOVA). Moses.
Prueba de la mediana.
Prueba de Jonckheere-Terpstra.
Prueba H de Kruskal-Wallis.
Limitaciones Se utilizan para muestras grandes. Por lo general son menos potentes
Las hipótesis se basan en datos que la prueba paramétrica
numéricos. correspondiente cuando se cumple
No toma en cuenta los valores el supuesto de normalidad.
perdidos para obtener Suelen requerir que se modifiquen
información. las hipótesis.
Se aplican en variables normales
o de intervalo.
Son una herramienta útil para múltiples Se pueden utilizar sin el tamaño de la
situaciones, cálculo e interpretaciones. muestra o la estimación de cualquier
Son un método muy poderoso si se parámetro relacionado del que no se
Importancia
cumplen las condiciones de su aplicación. tenga información. Dado que las
suposiciones son menores, pueden
aplicarse de múltiples formas.
Independencia de las Independencia de las
observaciones a excepción de observaciones aleatorias a
datos pareados. excepción de datos pareados.
Las observaciones para la variable Pocas asunciones con respecto a
dependiente se han obtenido de la distribución de la población.
manera aleatoria de una población La variable dependiente es
con distribución normal. medida en escala categórica.
La variable dependiente es El punto primario es el
medida al menos en una escala de ordenamiento por rangos o por
Características
intervalo. frecuencias.
Los datos son obtenidos de Las hipótesis se hacen sobre
poblaciones que tienen varianzas rangos, mediana o frecuencias de
iguales (una varianza no debe ser los datos.
el doble o mayor que la otra).
Habitualmente las hipótesis se
hacen sobre valores numéricos,
especialmente el promedio de una
población (µ).
EJERCICIOS
PRUEBAS PARAMÉTRICAS.
1. Un fabricante de perfume asegura que los frascos que produce contienen por
término medio 100 ml. distribuyéndose el contenido de dichos frascos según
una distribución normal. Para corroborar la veracidad de lo expuesto
realizamos un muestreo aleatorio a 17 frascos resultando de media 99 ml con
desviación típica 2. Podemos confiar en lo que dice el fabricante si nos lo
planteamos con nivel de significación del 1%.
Solución:
X−μ 0 99−100
T= √ n−1= √16=−2
s 2
Para un nivel de significación del 1% tendremos que dado que T ∈ R 0 (no rechazo) NO
rechazamos la hipótesis de que la media de contenido en el frasco es 100.
Solución:
^p− p 0 0,28−0,3
T= = =−1,38
√ p0 q0
n √0,3(0,7)
1000
Dado que trabajamos con α =0,05 tendremos que la región de N 0 rechazo R0 será:
[-1,96 ;1,96]
dado que T ∈ R 0No podemos rechazar que el fracaso escolar en la universidad española
sea del 30%.
Solución:
42
^p= =0,75
56
El estadístico será:
^p− p 0 0,75−0,67
T= = =1,27
√ p 0 q0
n √0,67(0,33)
1000
[-1,96 ;1,96]
Solución:
En el ejercicio anterior el valor del estadístico era 1,27 y hemos visto que "caía" en la
zona de No rechazo con alfa=0,05 para que se encontrara en la zona de rechazo el nivel
de significación debiera ser 2 veces la probabilidad de superar dicho valor es decir 2
veces 0,102. Si el nivel de significación fuera menor a dicho valor α =0,204 luego cada
"cola" 0,102 el estadístico T=1,27 empieza a "caer" en la zona de no rechazo.
5. En una muestra de 680 tiendas de ropa se observo un ratio de actividad que
resultó con media 104 y desviación típica 28,79. ¿Podemos afirmar que el
índice o ratio de actividad es similar al estandarizado para toda la población
de comercios que se situó en 100, si trabajamos con nivel de confianza del
99%?
Solución:
X−μ 0 104−100
T= = =3,62
σ 28,79
√n √ 680
Dado que T se distribuye como una N[0,1] y trabajamos con nivel de significación 0,01
la región de aceptación será:
R0 →[−2,576 ;2,576]
PRUEBAS NO PARAMÉTRICAS
Peso en 6 7 7
67 53 74 67 55 62 57
septiembre 4 0 4
6 7 8
Peso en abril 66 52 77 67 60 65 58
8 1 2
Signo de la
+ + - - 0 - - - - -
diferencia
Solución:
La hipótesis nula se rechaza si el numero del signo menos frecuente es menor o igual al
valor critico de la tabla A7.
Resultado:
N=9
X =2
Solución:
Positivos: 71
Z=
()
( x +0,5 )−
n
2 Negativos:
√n 46
2
Total: 117
Resultados:
X =46
Z=−2,2188
Actual Forecast
70 69
82 84
82 82
72 72
74 72
84 87
80 83
76 73
Solución:
Resultados:
T =8.5
N=6
Solución:
Variable Y Y Y X Y X Y X X X Y Y X X X Y Y
Datos 2,3 2,4 3,2 3,6 3,6 3,8 3,8 3,9 3,9 3,9 4 4,2 4,5 4,5 4,5 4,8 4,8
Variable Y Y X X X X Y X X
Datos 4,9 4,9 5,6 5,7 5,9 6 6,5 6,8 8
Rangos 18,5 18,5 20 21 22 23 24 25 26
14 (14+12+1)
μw = =189
2
14 ×12 ×27 14 × 12 [ 4 ( 2 −2 ) +2 ( 3 −3 ) ]
3 3
σ 2= − =376,4492
w 12 12× 26 ×25
Solución:
Variable X X X Z Y Y Z Z X Z Y Y X Y
Datos 21 23 38 39 43 44 46 49 59 61 63 72 78 79
Rangos 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Tratamiento 1: 1 2 3 9 13 R1 = 28
Tratamiento 2: 6 12 11 5 14 R2 = 48
Tratamiento 3: 4 7 10 8 R3 = 29
K0=
12
14 × 15 5 [
(28)2 (48)2 (29)2
+
5
+
4 ]
−3 ×15=2,31
Con 95% de confianza no existe diferencia en los porcentajes de recuperación entre los
diferentes tratamientos.
Bibliografía:
Badii, MH, A. Guillén, Valenzuela & J y Saltillo Coah, 2012. Métodos No-
Paramétricos de Uso Común . [en línea] Spentamexico.org. Disponible en:
<http://www.spentamexico.org/v7-n1/7(1)132-155.pdf>