Documentos de Académico
Documentos de Profesional
Documentos de Cultura
qué tan bien se ajustan los datos de una muestra a una distribución de una
población con una distribución normal. La bondad de ajuste establece la
discrepancia entre los valores observados y los esperados del modelo en un caso
de distribución normal. Existen múltiples métodos para determinar la bondad de
ajuste
Prueba de independencia
También conocida como prueba chi cuadrado, es un método de estadística
inferencial que prueba la validez de una afirmación hecha sobre una población
basada en una muestra aleatoria y fue desarrollada en el año 1900 por Karl
Pearson.
(𝐎–𝐄)𝟐
Su estadístico de prueba es: Σ(i⋅j)
𝑬
donde:
• O = valores observados
• E = valores esperados
• i = el número de filas de la tabla
• j = el número de columnas de la tabla
Ejemplo:
(𝒐𝒊 −𝒆𝒊 )𝟐
Estadístico ji cuadrada: 𝒙𝟐 = ∑
𝒆𝒊
Hipótesis:
Ejemplo: Se desea estudiar la efectividad de cierta dieta y para ello se toma una
muestra aleatoria de 12 mujeres adultas en el grupo de edad de 35-40 años. Se
toma el peso (peso en libras) antes de iniciar la prueba y al mes de encontrarse
realizando la dieta. Los resultados se muestran a continuación:
Paciente Peso antes Peso después
1 186 175
2 147 148
3 128 125
4 176 178
5 212 203
6 158 158
7 204 197
8 157 160
9 189 181
10 149 151
11 191 187
Respuesta:
Hipótesis: H0: No hay diferencias entre el peso de las mujeres antes de iniciar la
dieta y el peso un mes después.
Prueba de los rangos con signo de Wilcoxon, Joaquín Amat Rodrigo, 4.0
International (CC BY 4.0)
https://www.cienciadedatos.net/documentos/18_prueba_de_los_rangos_con_sig
no_de_wilcoxon
Prueba de suma de rangos
Esta prueba se emplea en dos muestras independientes. Es análoga a la
prueba paramétrica t para dos muestras independientes. La variable debe de
estar en escala cuantitativa o al menos en escala ordinal. Esta prueba es más
potente que la de la Median ya que utiliza la información relativa a la
ubicación de cada observación en las muestras. Se usa para comparar el
rango medio de dos muestras relacionadas y determinar si existen
diferencias entre ellas y consiste en sumar los rangos de signo frecuente y
por ello no se tiene ecuación o formula como en las otras pruebas.
Hipótesis:
H0: Med A = Med B (La hipótesis nula equivale a decir que las dos
poblaciones difieren con respecto a su tendencia central)
H1: MedA ≠ MedB (donde A y B designan las dos muestras)
H0: MedB ≥ MedA
H1: MeB < MedA
H0: MedB ≤ MedA
H1: MedB > MedA
Prueba de Wilcoxon
Esta prueba fue desarrollada por Frank Wilcoxon, quien se interesó en la
estadística por el libro Statistical Methods for Research Workers y en 1945 se
dedicó a estudiar y crear esta prueba y su enunciado fue mejorado por Henry B.
Mann y D. R. Whitney en 1947, con la denominación de prueba para observar una
de dos variables aleatorias siendo una más grande que la otra; también
proporciona información de un conjunto de datos al compararlo con otro.
Es conocida como la prueba de suma de rangos y generalmente se usa para
comparar las medianas de dos conjuntos independientes.
La lógica de la prueba de los rangos con signo de Wilcoxon es similar a la de la
prueba de t pareada. Si no hay diferencia en el antes y despues, por ejemplo,
las diferencias entre las observaciones deberían tender a cero.
Ejemplo:
Se desea probar si hay diferencias en el nivel de estrés laboral de los trabajadores
de una empresa antes y después de la implementación de un programa de
mejoramiento del ambiente laboral; el nivel de estrés se midió en una escala de
nada, bajo, medio, alto y muy alto.
Decisiones para seleccionar la prueba de Wilcoxon
• Es un problema de Comparación
• VI: programa de mejoramiento del ambiente laboral 2 grupos relacionados
(estrés antes y después del programa)
• VD: nivel de estrés laboral Nivel de medición de la variable dependiente: ordinal
• Ho: No hay diferencias en el nivel de estrés laboral de los trabajadores antes y
después de implementar el programa de mejoramiento del ambiente laboral (Md1
= Md2)
• Prueba estadística: Prueba de Wilcoxon
• Regla de decisión: Si p ≤ 0.05 se rechaza Ho
La prueba determina si las medianas de dos o más grupos son diferentes. De esta
forma, calcula un estadístico de prueba y lo compara con un punto de corte de la
distribución.
Y se realiza en 2 pasos:
-En el paso dos se comparan las dos distribuciones acumulativas para determinar
la mayor diferencia numérica absoluta entre ambas. De tal manera que, si la
diferencia es amplia, se rechaza la hipótesis nula y esto es, que los datos siguen
una distribución normal.
• García Bellido, R.; González Such, J. y Jornet Meliá, J.M. (2010). SPSS:
Pruebas No Paramétricas. InnovaMIDE, Grupo de Innovación
Educativa, Universitat de València.
https://psicologiaymente.com/miscelanea/prueba-kolmogorov-smirnov
Prueba de Ryan- Joiner
∑(𝑌𝑖 − 𝑦̂)𝑏𝑖
𝑅𝑃 =
√𝑠 2 (𝑛 − 1)𝛴𝑏2 𝒊
Sus autores son Samuel Shapiro y Martin B Wilk y fue publicada en 1965.
𝒃𝟐
Estadístico de prueba: 𝒘𝒄 = 𝒔𝟐
Pasos a seguir:
1. Ordenar las observaciones obtenidas en la muestra aleatoria de manera creciente
𝒔𝟐 = ∑(𝒚𝒊 − 𝒚
̅)𝟐 = ∑(𝒙𝒊 − 𝒙
̅ )𝟐
𝒊=𝟏 𝒊=𝟏
3. Calcular b
a) Si n es par, n= 2k
b) Si n es impar, n= 2k+1
𝒃𝟐
4. Se calcula 𝒘𝒄 = 𝒔𝟐
5. 1, 2, 5, 10, 50, 95,98 y 99% puntos de la distribución de W, son dados en la
tabla final. Valores más pequeños de W son significantes, no indican
normalidad.
Ejemplo de aplicación:
Para cierto test se requiere que los residuos presenten una distribución normal.
A continuación, se presenta el test de normalidad (n=10)
Residuos 0.93 1.20 1.10 1.26 1.38 1.24 1.32 1.14 1.24 1.18
Paso 3: Calcular b