Universidad Central de Venezuela

Facultad de Agronomía
Postgrado Estadística

Curso: Métodos Estadísticos No Paramétricos

Período 2023

Estudiante: Alessandro Cecala C.I: 25.742.283

Profesora: Haru M de Cordero

SEGUNDO EXAMEN PARCIAL – PARTE I

1) Un Instituto Militar contrató a un investigador para que evaluara la percepción de

un grupo de soldados sobre la efectividad de un nuevo programa de
entrenamiento. 15 soldados que sirven en Iraq participaron en el programa. El
investigador utilizó una escala tipo Likert que varió desde 5 (Totalmente de
acuerdo) hasta 1 (Totalmente en desacuerdo). Usando los datos presentados en la
Tabla1, compare los puntajes promedios de la encuesta de los soldados con el
número total de años que los soldados han estado en el servicio militar. Use una
prueba de correlación de rangos de Spearman para determinar si existe una
relación entre las dos variables. Reporte sus hallazgos.
Resolución:

a) Se declara las Hipótesis:

H o : ρs =0 No existe una relación entre las dos variables.

H a : ρs ≠ 0 Existe una relación entra las dos variables.

b) Se establece el nivel de riesgo (o el nivel de significación):

α = 0,05

c) Prueba Estadística: Coeficiente de correlación de rangos ordenados de Spearman,

ya que tenemos dos variables medidas en una escala ordinal y con un tamaño de
muestra n ≥ 4.

d) Se calcula el estadístico de prueba:

Datos Originales Datos Rankeados

Puntajes Años de Puntajes Años de
promedios de la servicio promedios de la servicio
encuesta encuesta
4,0 18 10 14
4,0 15 10 12
2,4 2 2 1
4,2 13 12 10
3,4 4 7 3,5
4,0 10 10 8
5,0 24 15 15
1,8 4 1 3,5
3,2 9 6 7
2,5 5 3,5 5
 2,5 3 3,5 2
3,0 8 5 6
3,6 16 8 13
4,6 14 13 11
4,8 12 14 9

3+ 4 9+10+11 3+ 4
Rango: 2,5→ =3,5 , 4,0 → =10 y 4 → =3,5
2 3 2

Datos Rankeados Diferencia de Rangos

Puntajes promedios Años de servicio D D
2

de la encuesta
10 14 4 16
10 12 2 4
2 1 -1 1
12 10 -2 4
7 3,5 -3,5 12,25
10 8 -2 4
15 15 0 0
1 3,5 2,5 6,25
6 7 1 1
3,5 5 1,5 2,25
3,5 2 -1,5 2,25
5 6 1 1
8 13 5 25
13 11 -2 4
14 9 -5 25

∑ D 2=108
 En este caso, hay empates (dos grupos en la primera muestra y un grupo en la
segunda muestra):

Primera muestra:

Caso 1: Rango = 3,5 y t = 2

Caso 2: Rango = 10 y t = 3

Segunda muestra:

Caso 1: Rango = 3,5 y t = 2

g
T x =∑ (t i3 −t i ¿)=( 23−2 ) + ( 33 −3 )=30¿
i=1

g
T y =∑ (t i3−t i ¿)=( 23 −2 )=6 ¿
i=1

(T x +T y )
( n3−n )−6 ∑ Di2−
2
r s=
√( n −n ) −( T +T
2
) ( n −n ) +T x T y
3 3
x y

( 153−15 )−6 ( 108 ) − (30+6)

2 3360−648−18
r s= =
√( 15 −15 ) − (30+ 6 ) ( 15 −15 ) +(30)(6)
3 2 3 √11289600−120960+180

2694
r s= =0,806
3341,978456

e) Se determina el valor necesario para el rechazo de la hipótesis nula:

En este caso n = 15 y el valor crítico de la tabla = 0,521

 f) Se compara el valor crítico con el valor obtenido:

|r s|=0,806 >r tab =0,521

g) Conclusión: Existe evidencia para rechazar la hipótesis nula.

Se puede decir con un 95 % de confiabilidad, que existe evidencia de asociación

significativa entre los rangos de las puntuaciones de la encuesta de los soldados sobre la
eficacia del nuevo programa y sus años totales de servicio militar.

Resolución del ejercicio en el paquete estadístico SPSS Statistics:

 En vista que el p-valor obtenido (p = 0,000 < α = 0,05), entonces existe evidencia
suficiente para rechazar la hipótesis nula. Este resultado confirma que existe una
correlación muy fuerte entre las puntuaciones de la encuesta de los soldados sobre la
eficacia del nuevo programa y sus años totales de servicio militar.

2) Un grupo de investigadores estudiaron la relación entre la superficie y el peso del

cuerpo de monos ardilla. Los datos de la tabla 2 representan las superficies totales
(cm2) y pesos corporales (g) para nueve monos ardillas.

a) Tratando el peso corporal como la variable independiente, pruebe la presencia de

una relación lineal entre estas dos medidas en los monos ardilla.
Resolución:

a) Se declara las Hipótesis:

H 0 : β=0 No existe presencia de una relación lineal entre las dos medidas

H 1 : β>0 Existe presencia de una relación lineal entre las medidas

b) Se establece el nivel de riesgo (o el nivel de significación):

α = 0,05

c) Procedimiento:

n(n−1) 9(9−1)
En este caso: Di=Y i −β o x i=Y i , para i=1 , … , n y N= = =36 valores
2 2

Luego:

n−1 n n−1 n
C=∑ ∑ c ( D j−D i) =∑ ∑ c ( Y j −Y i )
i=1 j=i+1 i=1 j=i+1

(i,j) D j−Di D j−Di C (D ¿ ¿ j−Di )¿

(1,2) 887,6 – 780,6 107 1
(1,3) 1122,8 – 780,6 342,2 1
(1,4) 1125,2 – 780,6 344,6 1
(1,5) 1070,4 – 780,6 289,8 1
(1,6) 1039,2 – 780,6 258,6 1
(1,7) 1040,0 – 780,6 259,4 1
(1,8) 1133,4 – 780,6 352,8 1
(1,9) 1148,0 – 780,6 367,4 1
(2,3) 1122,8 – 887,6 235,2 1
(2,4) 1125,2 – 887,6 237,6 1
(2,5) 1070,4 – 887,6 182,8 1
(2,6) 1039,2 – 887,6 151,6 1
(2,7) 1040,0 – 887,6 152,4 1
(2,8) 1133,4 – 887,6 245,8 1
(2,9) 1148,0 – 887,6 260,4 1
(3,4) 1125,2 – 1122,8 2,4 1
(3,5) 1070,4 – 1122,8 -52,4 -1
(3,6) 1039,2 – 1122,8 -83,6 -1
(3,7) 1040,0 – 1122,8 -82,8 -1
(3,8) 1133,4 – 1122,8 10,6 1
(3,9) 1148,0 – 1122,8 25,2 1
(4,5) 1070,4 – 1125,2 -54,8 -1
(4,6) 1039,2 – 1125,2 -86 -1
(4,7) 1040,0 – 1125,2 -85,2 -1
(4,8) 1133,4 – 1125,2 8,2 1
(4,9) 1148,0 – 1125,2 22,8 1
(5,6) 1039,2 – 1070,4 -31,2 -1
(5,7) 1040,0 – 1070,4 -30,4 -1
(5,8) 1133,4 – 1070,4 63 1
(5,9) 1148,0 – 1070,4 77,6 1
(6,7) 1040,0 – 1039,2 0,8 1
(6,8) 1133,4 – 1039,2 94,2 1
(6,9) 1148,0 – 1039,2 108,8 1
(7,8) 1133,4 – 1040,0 93,4 1
 (7,9) 1148,0 – 1040,0 108 1
(8,9) 1148,0 – 1133,4 14,6 1

8 9
C=∑ ∑ C ( D j −Di )=20
i=1 j= j+1

En la Tabla A-30:

P ( C ≥ 20 )=0,022 para n=9 y x=20

Se rechaza la H 0debido a que C ≥ K α .

Al establecer un nivel de significancia de α = 0,05, tenemos que:

P ( C ≥ 20 )=0,022 ≤ α =0,05
 Igualmente, se rechaza la H 0 .

d) Conclusión: Existe evidencia para rechazar la hipótesis nula.

Se puede decir con un 95 % de confiabilidad, que existe evidencia estadística de

asociación o relación lineal entre la superficie y el peso del cuerpo en los monos
ardilla, es decir, si hay un efecto positivo entre estas dos medidas.

b) Obtenga el modelo de regresión de Theil que corresponde a los datos mostrados

en la tabla anterior.

a) Primero se obtiene el estimador para la pendiente β:

n(n−1) 9(9−1) Y j−Y i

Se calcula los N= = =36 de Sij = para 1≤ i≤ j ≤ n
2 2 X j−X i

(i,j) ( X ¿ ¿i−Y i) y ( X ¿ ¿ j−Y j ) ¿ ¿ Sij

(1,2) (660, 780,6) y (705, 887,6) 2,378
(1,3) (660, 780,6) y (994 y 1122,8) 1,025
(1,4) (660, 780,6) y (1129, 1125,2) 0,735
(1,5) (660, 780,6) y (1005, 1070,4) 0,840
(1,6) (660, 780,6) y (923, 1039,2) 0,983
(1,7) (660, 780,6) y (953, 1040,0) 0,885
(1,8) (660, 780,6) y (1018, 1133,4) 0,985
(1,9) (660, 780,6) y (1181, 1148,0) 0,705
(2,3) (705, 887,6) y (994 y 1122,8) 0,814
(2,4) (705, 887,6) y (1129, 1125,2) 0,560
(2,5) (705, 887,6) y (1005, 1070,4) 0,609
(2,6) (705, 887,6) y (923, 1039,2) 0,695
(2,7) (705, 887,6) y (953, 1040,0) 0,615
 (2,8) (705, 887,6) y (1018, 1133,4) 0,785
(2,9) (705, 887,6) y (1181, 1148,0) 0,547
(3,4) (994 y 1122,8) y (1129, 1125,2) 0,018
(3,5) (994 y 1122,8) y (1005, 1070,4) -4,764
(3,6) (994 y 1122,8) y (923, 1039,2) 1,177
(3,7) (994 y 1122,8) y (953, 1040,0) 2,020
(3,8) (994 y 1122,8) y (1018, 1133,4) 0,442
(3,9) (994 y 1122,8) y (1181, 1148,0) 0,135
(4,5) (1129, 1125,2) y (1005, 1070,4) 0,442
(4,6) (1129, 1125,2) y (923, 1039,2) 0,417
(4,7) (1129, 1125,2) y (953, 1040,0) 0,484
(4,8) (1129, 1125,2) y (1018, 1133,4) -0,074
(4,9) (1129, 1125,2) y (1181, 1148,0) 0,438
(5,6) (1005, 1070,4) y (923, 1039,2) 0,380
(5,7) (1005, 1070,4) y (953, 1040,0) 0,585
(5,8) (1005, 1070,4) y (1018, 1133,4) 4,846
(5,9) (1005, 1070,4) y (1181, 1148,0) 0,441
(6,7) (923, 1039,2) y (953, 1040,0) 0,027
(6,8) (923, 1039,2) y (1018, 1133,4) 0,992
(6,9) (923, 1039,2) y (1181, 1148,0) 0,422
(7,8) (953, 1040,0) y (1018, 1133,4) 1,437
(7,9) (953, 1040,0) y (1181, 1148,0) 0,474
(8,9) (1018, 1133,4) y (1181, 1148,0) 0,090

Rankeo de Sij:

Sij Rankeo de Sij

2,378 -4,764
1,025 -0,074
0,735 0,018
0,840 0,027
 0,983 0,090
0,885 0,135
0,985 0,380
0,705 0,417
0,814 0,422
0,560 0,438
0,609 0,441
0,695 0,442
0,615 0,442
0,785 0,474
0,547 0,484
0,018 0,547
-4,764 0,560
1,177 0,585
2,020 0,609
0,442 0,615
0,135 0,695
0,442 0,705
0,417 0,735
0,484 0,785
-0,074 0,814
0,438 0,840
0,380 0,885
0,585 0,983
4,846 0,985
0,441 0,992
0,027 1,025
0,992 1,177
0,422 1,437
1,437 2,020
0,474 2,378
0,090 4,846

El estimador de Theil es:

^β=mediana { S , 1≤ i< j ≤n }=0,597

ij

b) Se estima α, calculando Ai=Y i− ^β x i ,i=1, … , n, como se muestra a continuación:

 i Ai=Y i− ^β x i Rankeo de Ai

1 780,6 - 0,597(660) = 386,58 386,58

2 887,6 - 0,597(705) = 466,72 442,94
3 1122,8 - 0,597(994) = 529,38 451,19
4 1125,2 - 0,597(1129) = 451,19 466,72
5 1070,4 - 0,597(1005) = 470,42 470,42
6 1039,2 - 0,597(923) = 488,17 471,06
7 1040,0 - 0,597(953) = 471,06 488,17
8 1133,4 - 0,597(1018) = 525,65 525,65
9 1148,0 – 0,597(1181) =442,94 529,38

El estimador para α (sugerido por Hettmansperger, Mckean, and Sheather, 1997) viene
dado por:

α^ =mediana { A 1 , A2 , … , A n }=470,42

Por lo tanto, el modelo de regresión o la ecuación de predicción de Theil viene dada por:

mediana Y = α^ + β^ x¿
^

^
mediana Y =470,42+0,597 x