Mg.

Rosario Vargas Roncal

Hunuco Per
2010
UNIVERSIDAD NACIONAL HERMILIO VALDIZAN
FACULTAD DE INGENIERIA INDUSTRIAL Y
DE SISTEMAS
E.A.P. INGENIERIA INDUSTRIAL
ISEO DE XPERIMENTOS
CAPITULO VIII: CONTRASTES
NO PARAMTRICOS



8.1 GENERALIDADES

Son homlogas de las pruebas paramtricas, trabajan con rangos,
modas y medianas. Cuando no se puede hacer anlisis con las
paramtricas se recurre a las no paramtricas.
Las pruebas no paramtricas ms conocidas tenemos: para una sola
muestra (Ji cuadrada, binomial, del signo, de rachas,
Kolmogorov-Smirnov), de dos muestras con datos independientes
(U de Mann-Whitney, Kolmogorov-Smirnov, Moses, o de las
rachas de Wald-Wolfowitz), de dos muestras con datos pareados (T
de Wilcoxon, del Signo, McNemar), de varias muestras con datos
independientes (H de Kruskal-Wallis, de la mediana) y de varias
muestras con datos pareados (Ji cuadrada de Friedman, W de
Kendall, Q de Cochran).
Las pruebas no paramtricas o pruebas de distribucin libre no
precisan la estimacin de parmetros ni suponer conocida ninguna
ley de probabilidad subyacente en la poblacin de la que se extrae la
muestra.

Se pueden aplicar a una amplia variedad de situaciones
porque no tienen los requisitos rgidos de los mtodos
paramtricos. En particular, no requieren poblaciones
normalmente distribuidas.
Frecuentemente son aplicados a datos no numricos, tal
como el gnero de los que contestan una encuesta.
Los mtodos no paramtricos usualmente involucran
simples computaciones que los correspondientes en los
mtodos paramtricos y son por lo tanto, ms fciles
para entender y aplicar.

Ventajas
Desventajas
Pierden informacin porque datos numricos
exactos son frecuentemente reducidos a una
forma cualitativa.
No son tan eficientes como las pruebas
paramtricas, de manera 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 nula.
8.2.1 INTRODUCCION

Estudia la aleatoriedad de la muestra
El objetivo de la prueba de rachas es detectar aquellos casos en
los que dicha hiptesis no se corresponde con la realidad.
Esta prueba estudia el comportamiento de los datos desde el
punto de vista del crecimiento (rachas hacia arriba y hacia abajo)
Otro contraste posible de rachas surge de comparar los distintos
valores de la muestra con respecto a la mediana (rachas de
comparacin con respecto a la mediana)
8.2 PRUEBA DE RACHAS DE UNA MUESTRA
RACHAS
Por rachas se entiende a una sucesin de smbolos
idnticos que pueden estar separados o no por otro
tipo de smbolos.
Ejemplo. Al tirar 10 veces una moneda, se obtiene el
resultado de la figura (se denota por C el resultado
cara (xito), y por S el resultado sello (fracaso):
CC S C SSS C SSSSSS (6 rachas)

HIPOTESIS
Se quiere probar la hiptesis

H
o
: Los datos son aleatorios
H
1
: Los datos NO son aleatorios




8.2.2 SUPUESTOS

1. Cada elemento de las muestras
puede ser uno de dos resultados (xito
o fracaso).

2. No requiere que la poblacin sea
normal

ESTADSTICO DE PRUEBA
k
1
k
2

Zona de rechazo
Ho
Zona de rechazo
Ho
r k
1
o r k
2

r
r
r
Z
o

=
) 1 ( ) (
) 2 ( 2
2 1
2
2 1
2 1 2 1 2 1
+ +

=
n n n n
n n n n n n
r
o
1
2
2 1
2 1
+
+
=
n n
n n
u
r
Donde k
1
y k
2
se determina para
n
1
y n
2
en la Tabla de Rachas
Para (n
1
20 y n
2
20)
Para (n
1
>20 o n
2
>20)
Z

Z
Decisin
Se compara con Z

de la tabla normal.

Donde:
r: nmero de rachas
r
:
Media

r
: Desviacin estndar
n
1
: Nmero de ocurrencias de un tipo
(nmero de xitos)
n
2
. Nmero de ocurrencias de otro tipo (nmero
de fracasos)
8.3 PRUEBA DEL SIGNO
8.3.1 INTRODUCCION
La prueba de los signos puede utilizarse para probar
una hiptesis nula referente al valor de la mediana de
la poblacin. En consecuencia, es el equivalente no
paramtrico a la prueba t, la prueba t supone que los
datos se distribuyen normalmente. La prueba del
signo prescinde de tal hiptesis y es mucho ms fcil
de realizar.

La prueba del signo puede emplearse para probar
hiptesis sobre la media si la distribucin es una
distribucin normal. Porque la distribucin normal es
simtrica entonces la media=mediana
HIPOTESIS
Para una muestra
H
0
: Me= M H
0
: P = 0.5
H
1
: Me< M H
1
: P < 0.5
H
0
: Me= M H
0
: P = 0.5
H
1
: Me M H
1
: P 0.5
H
0
: Me= M H
0
: P = 0.5
H
1
: Me> M H
1
: P > 0.5
Para dos muestras
H
0
: Me
1
= Me
2
H
0
: Me
1
= Me
2
H
0
: Me
1
= Me
2

H
1
: Me
1
< Me
2
H
1
: Me
1
Me
2
H
1
: Me
1
> Me
2


8.3.2 SUPUESTOS
1. Los valores de la muestra aleatoria estn al menos
en la escala ordinal
2. No requiere de supuestos acerca de la forma de la
distribucin de la poblacin.
3. Esta prueba permite la comparacin de la
mediana de una serie de datos con un valor
especificado. Tambin permite indicar la existencia de
tendencias.
4. Se puede aplicar para la diferencia de dos
muestras apareadas (dependientes)
ESTADSTICO DE PRUEBA

a. Si n 20 el estadstico es un nmero observado
de las diferencias positivas entre los valores de las
observaciones y M si el caso es de una muestra y si
fuera de dos muestras es la diferencia positiva entre los
valores de las muestras ( x+ ), tiene una distribucin
binomial acumulada con parmetros (n, P= 0.5)
donde P=0.5

( ) ) , , ( ) 1 ( P n X B P P p
X n X n
X
= =

Para H
1
: Me<M H
1
: Me
1
<Me
2
se rechaza Ho si p= B(Xx+, n, 0.5)
Para H
1
: MeM H
1
: Me
1
Me
2
se rechaza Ho si p=2B(Xx+, n, 0.5)
cuando x+ < n/2
si p=2B(Xx+, n, 0.5)
cuando x+ > n/2
Para H
1
: Me>M H
1
: Me
1
>Me
2
se rechaza Ho si p= B(Xx+, n, 0.5)
b. Si 20 < n < 30 se utiliza la aproximacin de la normal
a la binomial o la aproximacin
de la poisson a la binomial.

Siempre que p (probabilidad de xito) no sea ni muy
grande ni muy pequea
Decisin : Se compara con z

c. Si n 30
Decisin
Se compara con z

Donde. n: tamao de la muestra
x: es el signo menos o mas segn el caso
p: probabilidad de xito; probabilidad de que aparezca un signo +
en uno de los resultados. P=


2
2
n
n
x
Z

=
n
p p
n
x
p donde
P p
Z
p
p
) 1 (
,

= =

= o
o
8.4 PRUEBA DE MANN-WHITNEY
8.4.1 INTRODUCCION

Tambin denominada prueba suma de rangos de
Wilcoxon para muestras independientes; se aplica a
dos muestras independientes o cuando hay dudas en
los supuestos del modelo t Student.
La prueba de Mann-Whitney puede utilizarse para
probar la hiptesis nula de que las medianas de dos
poblaciones son iguales (o si dos muestras
independientes han sido tomadas de la misma
poblacin, es decir si provienen de poblaciones
simtricas que tienen la misma media o mediana).
HIPTESIS
H
o
: las muestras provienen de la misma poblacin
H
1
: las muestras NO provienen de la misma poblacin
8.4.2 SUPUESTOS
Las dos muestras son aleatorias respecto a su
poblacin correspondiente.
Todas las observaciones son independientes
entre si.
La variable considerada es continua en ambas
poblaciones.
El nivel de medida de los datos es al menos
ordinal.

Uo=min(R
1
;R
2
);
ESTADSTICO DE PRUEBAS
La prueba calcula el estadstico U, cuya
distribucin para muestras con ms de 20
observaciones se aproxima bastante bien a la
distribucin normal.
a. Para n
1
< 10 y n
2
< 10; donde n
1
n
2




Donde R
1
: suma de los rangos en la muestra 1;
R
2
: suma de los rangos en muestra 2.

Hiptesis Rechazar
Ho si:
mas
usados

Donde

U
1-/2
=n
1
(n
1
+n
2
+1)-U

Ho: Me
1
=Me
2

H
1
: Me
1
<Me
2

Uo U

0.050
0.010
Ho: Me
1
=Me
2

H
1
: Me
1
Me
2

Uo U
/2

Uo U
1-/2

0.025
0.005
Ho: Me
1
=Me
2

H
1
: Me
1
>Me
2

Uo U
1-


0.050
0.010
Donde U

y U
1-
son los valores crticos obtenidos en la tabla
Decisin
b. La aproximacin a la normal Z, cuando tenemos
muestras lo suficientemente grandes (n
1
10; n
2

10) viene dada por la expresin:
1
1 1
2 1 0
2
) 1 (
R
n n
n n U
+
+ =
R
1
: suma de los rangos en la muestra 1; R
2
: suma de
los rangos en muestra 2.
Donde:
n
1
y n
2
son el tamao respectivo de cada muestra;
R
1
es la suma de los rangos en la muestra1 (si ocurren
empates en los valores, se promedian los rangos
correspondientes)
Uo estadstico de Mann- Whitney

U
U
U Uo
Z
o

=
12
) 1 (
2
2 1 2 1 2 1
+ +
= =
n n n n n n
U
U U
o
Donde
U
y
U
son la media y la desviacin
estndar de Uo si la hiptesis nula es cierta, y
vienen dadas por las siguientes frmulas:


Los clculos tienen que tener en cuenta la
presencia de observaciones idnticas a la hora
de ordenarlas. No obstante, si su nmero es
pequeo, se puede ignorar esa circunstancia.
8.5 COEFICIENTE DE CORRELACIN DE
SPEARMAN
8.5.1 INTRODUCCION
El Coeficiente de correlacin de Spearman, r
s
es una
prueba no paramtrica que mide la asociacin entre dos
variables discretas. Para calcular r
s
, los datos son
ordenados y reemplazados por su respectivo orden.
El estadstico viene
dado por la expresin:
) 1 (
6
1
2
2

=

n n
D
r
s
D es la diferencia entre los correspondientes valores
de x y y n es el nmero de parejas.
Se tiene considerar la existencia de datos idnticos a la
hora de ordenarlos, aunque si stos son pocos, se
puede ignorar tal circunstancia
Para muestras mayores de 20 observaciones, podemos
utilizar la siguiente aproximacin a la distribucin t de
Student

con n-2 grados de libertad.
La interpretacin de coeficiente de Spearman es igual
que la del coeficiente de correlacin de Pearson. Oscila
entre -1 y +1, indicndonos asociaciones negativas o
positivas respectivamente.

2
) 1 (
2

=
n
r
r
t
s
s

1. Los datos deben ser de tipo ordinal
2. El valor de R
s
esta entre -1 y 1
2. Rs, es ms general que el Coeficiente de
correlacin de Pearson.
8.5.2 SUPUESTOS

8.6 PRUEBA DE KRUSKAL WALLIS
8.6.1 INTRODUCCION

La prueba de KruskalWallis constituye una alternativa
no paramtrica al anlisis de varianza usual y se
considera como una extensin del procedimiento de
suma de rangos de Wilcoxon..


Hiptesis
Ho:
1
=
2
= . =
a
H1:
i

j
8.6.2 SUPUESTOS

1. La prueba Kruskal-Wallis es el equivalente no-
paramtrico de la prueba F de ANOVA.
2. Prueba la hiptesis nula de que las k poblaciones
poseen la misma distribucin contra la hiptesis
alternativa de que las distribuciones difieren en su
ubicacin.
3. Esta prueba no necesita suponer nada acerca de las
distribuciones de las poblaciones muestreadas..
4. Se seleccionan muestras aleatorias independientes
n
1
; n
2
; : : : ; n
k
; de un diseo completamente
aleatorizado.

|
|
.
|

\
|
+
=

=
4
) 1 ( 1
2
1
2
.
2
N N
n
R
S
H
k
i
i
i
(

=

= =
4
) 1 (
1
1
2
1 1
2 2
N N
R
N
S
k
i
ni
j
ij
PRUEBA ESTADSTICA:

R
i
suma de rangos de las observaciones del i-simo
tratamiento y n
i
es el nmero de observaciones del i-
simo tratamiento; N es el nmero total de
observaciones y
) 1 ( 3
) 1 (
12
1
2
.
+
+
=

=
N
n
R
N N
H
k
i
i
i
Si no hay empates
Decisin
Si k=3 y n
i
6 k>3 y n
i
5 se rechaza Ho, cuando H
Si n
i
< 5 se recha Ho, cuando H H
(n1,n2,n3)
, donde
H
(n1,n2,n3)
, se determina de la tabla de Kruskal-Wallis
Gracias