UNIVERSIDAD SAN PEDRO

FACULTAD DE CIENCIAS CONTABLES Y ADMINISTRATIVAS

ESCUELA DE CONTABILIDAD
CURSO : Tesis I
TEMA : Pruebas Estadsticas Apropiadas
PROFESORA : Luzmila Nizama
CICLO : 9no - C
INTEGRANTES : Burgos Huaracha Brbara
Rodrguez Reyes Lucero
PRUEBAS ESTADISTICAS
El anlisis estadstico es el procedimiento objetivo
por medio del cual se puede aceptar o rechazar un
conjunto de datos como confirmatorios de una
hiptesis, conocido el riesgo que se corre en
funcin de la probabilidad al tomar tal decisin.
TIPOS DE PRUEBAS
PRUEBAS PARAMETRICAS
VENTAJAS
Tienen mas poder de contraste
Mas poder de eficiencia
Mas sensibles a los rasgos de los recolectados
Menos posibilidad de errores
Dan estimaciones probabilsticas bastante
exactas
DESVENTAJAS
o Ms complicadas de calcular.

o Limitaciones en los tipos de datos que se pueden
evaluar.
Prueba T de Student para datos relacionados (muestras
dependientes)


Con la prueba t se comparan las medias y las desviaciones
estndar de grupo de datos y se determina si entre esos
parmetros las diferencias son estadsticamente significativas o
si slo son diferencias aleatorias.


DONDE :
t valor estadstico del procedimiento.
d = Valor promedio o media aritmtica de las
diferencias entre los momentos antes y despus.
sd = desviacin estndar de las diferencias entre los
momentos antes y despus.
N = tamao de la muestra.
Prueba T de Student-Welch para dos muestras independientes con
varianzas no homogneas


Esta prueba estadstica es de utilidad para
contrastar hiptesis en funcin de la media
aritmtica, pero dada la heterogeneidad de las
varianzas, no es aplicable la prueba t de Student.
.
Por otra parte, existe una modificacin de la ecuacin original de la
correspondiente t de Student, que es la siguiente:
Donde:
t = estadstico equivalente a t de Student.

1
= media aritmtica del grupo 1.

2
= media aritmtica del grupo 2.
s
2
1
= varianza del grupo 1.
s
2
2
= varianza del grupo 2.
n
1
= tamao de la muestra del grupo 1.
n
2
= tamao de la muestra del grupo 2.
Prueba F (anlisis de varianza o ANOVA)



El anlisis de varianza (anova) es uno de los mtodos
estadsticos ms utilizados y ms elaborados en la
investigacin moderna. El anlisis de la varianza, no obstante
su denominacin se utiliza para probar hiptesis preferentes
a las medias de poblacin ms que a las varianzas de
poblacin. Las tcnicas anovas se han desarrollado para el
anlisis de datos en diseos estadsticos muy complicados.


Cuando se utiliza la tcnica ANOVA se deben cumplir los
siguientes supuestos:




Las personas de los diversos subgrupos deben
seleccionarse mediante el muestreo aleatorio, a partir de
poblaciones normalmente distribuidas.

La varianza de los subgrupos debe ser homognea.

Las muestras que constituyen los grupos deben ser
independientes.
PRUEBAS NO PARAMTRICAS
Las pruebas no paramtricas nos permiten
analizar datos en escala nominal u ordinal a
pesar de que no se conozcan los parmetros de
una poblacin, utilizada para hacer un contraste
de hiptesis
Concepto
Se denominan pruebas no paramtricas
aquellas que no presuponen una
distribucin de probabilidad para los datos,
por ello se conocen tambin como de
distribucin libre (distribution free).
UTILIZACIN:
Cuando los datos puntualizan a las escalas nominal u
ordinal.
Se utiliza solo la frecuencia.
Poblaciones pequeas.
Cuando se desconocen los parmetros media, moda,
etc.
Cuando los datos son independientes.
Cuando se quiere contrastar o comparar hiptesis.
Investigaciones de tipo social. (Muestras pequeas no
representativas >5).
Cuando la muestra es seleccionada no
probabilsticamente
VENTAJAS
Los mtodos no paramtricos pueden ser
aplicados a una amplia variedad de
situaciones porque ellos no tienen los
requisitos rgidos de los mtodos
paramtricos correspondientes.
Diferente a los mtodos paramtricos, los
mtodos no paramtricos pueden
frecuentemente ser aplicados a datos
nonumricos, tal como el gnero de los que
contestan una encuesta
Los mtodos no paramtricos usualmente
involucran simples computaciones que los
correspondientes en los mtodos
parametricos
DESVENTAJAS
Los mtodos no paramtricos tienden a
perder informacin porque datos
numricos exactos son frecuentemente
reducidos a una forma cualitativa.

Las pruebas no paramtricas no son tan
eficientes como las pruebas paramtricas,
demanera que con una prueba no paramtrica
generalmente se necesita evidencia ms fuerte
(as como una muestra ms grande o mayores
diferencias antes de rechazar una hiptesis

APLICACIN DE PRUEBAS NO PARAMETRICAS
Para escala nominal:

Leyes de la probabilidad y prueba binomial
En la naturaleza existen dos clases de fenmenos
.






Son aquellos fenmenos en
los que se desconocen
algunas variables, pero si se
renen las conocidas,
tendrn la posibilidad de
presentarse (p) o de no
manifestarse (q), por
ejemplo: cuando un grupo
de personas se pone en
contacto con un paciente
que padece alguna
enfermedad infecciosa.
Todos tienen la probabilidad
de ser contagiados (p) o de
no serlo (q); asimismo,
tienen la probabilidad de
manifestar o no la
enfermedad
Fenmenos
probabilsticos
. Son aquellos en
los que se
conocen y renen
todas las variables
o premisas, por
ejemplo: la
gravedad.
Fenmenos
determinsticos
Distribucin Binomial.- Es cuando se quiere determinar la probabilidad de
que x xitos sean observados en n ensayos, el orden en que ocurren los
xitos no tiene importancia. Como es sabido, si consultamos libros
estadsticos nos encontramos a veces, que las frmulas son estructuradas
diferente, por ejemplo, encontramos otra:





Donde:

Pxi = probabilidad de acontecimientos de un evento.
n
C
r
= nmero de combinaciones.
n = nmero total de eventos.
r = valor del arreglo esperado.
p = probabilidad de ocurrencia.
q = Probabilidad de no ocurrencia
Pxi =
n
C
r
p
r
- q
(n-r)

Una pareja de recin casados acude con un mdico y le plantea el deseo de
tener 4 hijos: dos nias y dos nios; sin embargo, piensan que esto es difcil,
en razn de que de cuatro parientes del esposo, tres de ellos han tenido
solamente nias. As, surgen las probabilidades siguientes:

Tener nias exclusivamente.
Tener dos nias y dos nios.
Tener slo nios.

La probabilidad de tener un hijo o una hija corresponde a 0.75 = , por tanto,
p + q = 1; 0.75 + 0.25 = 1.


Las permutaciones que cabe esperar, con dos posibles eventos (nio y nia) y
una muestra de cuatro nios son: 2 X 2 X 2 X 2 =16 probables arreglos
diferentes.

En virtud de que se trata de una muestra de tres nias esperadas y de que se
quiere conocer la probabilidad de que ocurran tres eventos, se decide
consultar la figura siguiente.

Ejemplo
Eleccin de la prueba estadstica.
Se decide utilizar la prueba binomial, debido a que se puede medir en
escala nominal y se ajusta a una distribucin binomial.

Planteamiento de hiptesis.
Hiptesis alterna (Ha). Para concebir slo hijas o slo hijos, se
determina de forma gentica. En tal sentido, poder tener slo hijos varones
tiene una probabilidad muy alta.
Hiptesis nula (Ho). Concebir hijos o hijas es una circunstancia
dada por el azar.

Nivel de significancia.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se
rechaza Ho.

Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se
rechaza Ha.

Aplicacin de la prueba de acuerdo con la frmula.


Pxi =
n
C
r
p
r
- q
(n-r)

Decisin.
En razn de que la probabilidad de tener slo hijos varones en comparacin
con concebir exclusivamente hijas es muy notable y, a su vez, menor que el
nivel de significancia, se acepta Ha.

Interpretacin.
Los valores de probabilidad relativamente grandes de tener slo hijas, con el
antecedente de que familiares cercanos al esposo han procreado solamente
nias en tres de cuatro parejas, hace suponer la existencia de otro factor: la
herencia, la cual interviene para aportar una baja probabilidad de concebir
slo hijos varones.
FRECUENCIA
Se denomina frecuencia a la cantidad de veces
que se repite un determinado valor de la variable.

MODA
La moda es el valor que tiene mayor frecuencia
absoluta. Se representa por M
o
, se puede hallar
la moda para variables cualitativas y cuantitativas.
2, 3, 3, 4, 4, 4, 5, 5 M
o
= 4

Si en un grupo hay dos o varias puntuaciones con
la misma frecuencia y esa frecuencia es la mxima,
la distribucin es bimodal o multimodal, es decir,
tiene varias modas.
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9M
o
= 1, 5, 9

CHI CUADRADO
EJEMPLO
Un investigador quiere comparar si hay diferencias en la cantidad de
cigarros fumados por causa del estrs en personas que trabajan.

Eleccin de la prueba.
El modelo experimental tiene una muestra.

Planteamiento de la hiptesis.
Hiptesis alterna (Ha). Habr diferencia significativa entre la
cantidad de cigarros fumados por causa del estrs en personas que
trabajan.
Hiptesis nula (Ho). No Habr diferencia significativa entre la
cantidad de cigarros fumados por causa del estrs en personas que
trabajan
Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se
acepta Ha y se rechaza Ho.

Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y
se rechaza Ha.




Aplicacin de la prueba estadstica.
El clculo de la frecuencia esperada se efecta en virtud de que
para una hiptesis nula, a todas las casillas corresponde un valor
igual, por lo tanto:
fo = 18
fe = 6


gl = 3 + 1 = 2
a = 0.05

El valor calculado de X
2
se compara con los valores crticos de la tabla de valores crticos
de X
2
. Se puede observar que para una probabilidad de 0.05 corresponde la cifra de 5.99;
por lo tanto, el estadstico ji cuadrada de 4.3 tiene una probabilidad mayor que 0.05.

Decisin.
En virtud de que la probabilidad obtenida al calcular el valor de X
2
est dentro de la regin
de rechazo, se acepta Ho y se rechaza Ha. X
2
c X
2
t se rechaza Ho
Entonces tenemos que:
4.3 < 5.99 se acepta Ho \ No hay diferencias significativas entre el consumo de cigarros
por causa del estrs.

Interpretacin.
El consumo de cigarros por causa del estrs se puede considerar como efecto del azar.