ESTADISTICA APLICADA A LA ING.

AMBIENTAL
SEMANA N 6
ESTADISTICA NO PARAMETRICA CON SPSS V22.
Mag. Ing. Marco A. Snchez Alvarado

INTRODUCCIN
En las clases previas se han estudiado una serie de procedimientos estadsticos diseados para analizar
variables cuantitativas: la prueba T para contrastar hiptesis sobre medias, el estadstico F del anlisis
de varianza y de la prueba de Levene, etc. Todos ellos coinciden en una serie de caractersticas
1.Permiten contrastar hiptesis referidas a algn parmetro.
2. Exigen el cumplimiento de determinados supuestos sobre las poblaciones originales de las
que se extraen los datos (generalmente normalidad y homocedasticidad).
3. Analizan datos obtenidos con una escala de medida de intervalo o razn.

 Estas tres caractersticas combinadas permiten agrupar

estos procedimientos estadsticos en una gran familia de
tcnicas
de
anlisis
denominada
contrastes
paramtricos. Son, sin duda, las tcnicas estadsticas
ms frecuentemente utilizadas por analistas e
investigadores en todo tipo de reas cientficas, pero su
utilidad se ve reducida, fundamentalmente, por dos
razones: por un lado exigen el cumplimiento de algunos
supuestos que en ocasiones pueden resultar demasiado
exigentes; por otro, obligan a trabajar con unos niveles
de medida que, especialmente en las ciencias sociales y
de la salud, no siempre resulta fcil de alcanzar.

 Afortunadamente, los contrastes paramtricos

no son los nicos disponibles. Existen contrastes
que permiten poner a prueba hiptesis no
referidas a parmetros poblacionales, existen
tambin contrastes que no necesitan establecer
supuestos exigentes sobre las poblaciones de
donde se extraen las muestras; y existen, por
ltimo, contrastes que no necesitan trabajar con
datos obtenidos con una escala de medida de
intervalo o de razn. Esta otra familia de
contraste se conoce con el nombre de contrastes
no paramtricos (o pruebas no paramtricas).

PRUEBAS PARA UNA MUESTRA

1. Prueba Chi cuadrado de bondad de ajuste

La prueba chi cuadrado de bondad de Ajuste
consiste en determinar si los datos de cierta
muestra corresponden a cierta distribucin
poblacional. En este caso es necesario que los
valores de la variable en la muestra y sobre la
cual queremos realizar la inferencia est dividida
en clases de ocurrencia, o equivalentemente, sea
cual sea la variable de estudio, deberemos
categorizar los datos asignado sus valores a
diferentes clases o grupos.

Ejemplo.
Estamos interesados en comprobar la perfeccin de
un dado cbico (un dado normal de 6 caras). Para
esto realizamos 100 lanzamientos del dado
anotando los puntos obtenidos en cada
lanzamiento. A la vista de los resultados
obtenidos, podemos concluir que el dado no es
perfecto? Utilice un nivel de significancia de
0,05.

 Planteamiento de Hiptesis:
H 0: La distribucin del dado es uniforme.
H 1: La distribucin del dado no es uniforme.
Elegimos un nivel de significancia de 0,05,
Para la Prueba Chi cuadrado se procede de la
siguiente manera:
Analizar > Pruebas no paramtricas> Chi
cuadrado

2. Prueba de Rachas
La prueba de rachas sirve para evaluar si una determinada secuencia
de observaciones es aleatoria, es decir, para estudiar si las
observaciones de una determinada muestra son independientes entre
s.
El concepto de racha hace referencia a una secuencia de
observaciones de un mismo tipo. Supongamos que se lanza una
moneda al aire 10 veces y se obtiene el siguiente resultado:
CCCXCCXXXC. En este resultado hay 5 rachas: CCC, X, CC, XXX y
C. a simple vista el resultado obtenido es aleatorio.
Pues bien, la prueba de las rachas permite determinar si el nmero
de rachas observado en una determinada muestra de tamao n es lo
suficientemente grande o lo suficientemente pequeo como para
poder rechazar la hiptesis de independencia (o aleatoriedad) entre
las observaciones.

Ejemplo.

Verificar si los elementos

correspondientes a una muestra de
10 elementos pueden considerarse
una secuencia aleatoria. Utilice un
nivel de significancia de 0,05.
505 495 496 497 501 502 520

Planteamiento de
Hiptesis:
HO: La secuencia de observaciones es aleatoria
H 1: La secuencia de observaciones no es aleatoria
Elegimos un nivel de significancia del 0,05,
Procedimiento a seguir con el SPSS
Para la Prueba se procede de la siguiente
manera:
Analizar > Pruebas no paramtricas> Rachas

PRUEBA PARA DOS MUESTRAS INDEPENDIENTES

PRUEBA U DE Mann Whitney
La prueba U de Mann Whitney es una buena alternativa a la
prueba t sobre diferencia de medias cuando no se cumplen
los supuestos en los que se basa la prueba t (normalidad y
homocedasticidad), o cuando no es apropiado utilizar la
prueba t
porque el nivel de medida de los datos es
ordinal.

Ejemplo.
Se eligieron dos muestras aleatorias de profesores
de dos colegios particulares y la informacin
corresponde a los sueldos mensuales. Verificar si
existe diferencia significativa entre los sueldos
promedios reales de los profesores de estos dos
colegios.

S. / MES

10

11

12

13

STA. ROSA

142

311

262

302

195

253

199

236

216

211

176

249

214

INMACULADA

175

132

218

151

200

219

234

149

187

123

148

206

179

Planteamiento de Hiptesis
H0 : Sueldos son iguales ( 1 = 2)
H1 : Sueldos son diferentes ( 1 2)
Se elige nivel de significancia =0.05
Procedimiento a seguir con el SPSS
ANALIZAR> P no Paramtrica> 2 muestras independientes

14

206

PRUEBA PARA VARIAS MUESTRAS INDEPENDIENTES.

Prueba H de Kruskal Wallis.

La prueba de Mann Whitney para dos muestras

independientes fue extendida al caso de ms de dos
muestras por Kruskal Wallis. Teniendo en cuenta que
en muchas situaciones reales resulta demasiado
arriesgado suponer normalidad y homocedasticidad
(especialmente si las muestras son pequeas y/o los
tamaos muestrales desiguales), y considerando
adems que en otras situaciones el nivel de medida de
los datos puede no ir ms all del ordinal, la prueba
Kruskal Wallis representa una excelente alternativa al
ANOVA de un factor completamente aleatorizado.

EJEMPLO DE LA P. KRUSKAL WALLIS

Una psicloga, empleada por una gran compaa, quiere evaluar
dos programas para la reduccin de peso que piensa utilizar con los
trabajadores de su corporacin. Esta psicloga realiza un
experimento en donde 18 empleados obesos se asignan de manera
aleatoria a tres condiciones, con 6 sujetos por condicin. Los
individuos bajo la condicin 1 reciben una dieta que reduce su
ingesta diaria en 500 caloras. Los sujetos bajo la condicin 2
reciben la misma dieta, pero adems deben caminar 2 millas por
da. La condicin 3 es de control, en la cual se pide a los sujetos
que continen con su consumo normal de alimentos y con sus
hbitos de ejercicio. Los datos de la tabla representan el nmero de
libras perdidas por cada sujeto durante un periodo de 6 meses. Un
nmero positivo indica una prdida de peso y un nmero negativo
una ganancia de sta. Utilizar = 0, 05

anteamiento de Hiptesis:
: La perdidad de peso es igual en los tres tratientos
: La perdida de peso es diferentes en los tres tratamientos.

ocedimiento a seguir con el SPSS

NALIZAR> P no Parametricas>K muestras independientes

PRUEBA PARA DOS MUESTRAS RELACIONADAS

PRUEBA DE WILCOXON

Para el caso en que dos muestras han sido recolectadas

como observaciones pareadas, la prueba de Wilcoxon
sirve para contrastar hiptesis sobre igualdad de
medianas.
Ejemplo. Se realiz un experimento psicolgico para
comparar los tiempos de reaccin (en segundos) para
dos estmulos diferentes. Con el objeto de eliminar la
variabilidad natural de persona a persona en las
respuestas, se aplicaron en ambos estmulos a cada
uno de 9 individuos, lo que permite realizar un anlisis
de la diferencia entre los estmulos para cada persona.

INDIVIDUO
ESTIMULO 1
ESTIMULO 2

1
9.4
10.3

2
7.8
8.9

3
5.6
4.1

4
12.1
14.7

5
6.9
8.7

6
4.2
7.1

7
8.8
11.3

8
7.7
5.2

9
6.4
7.8

Planteamiento de Hiptesis:
HO: Los tiempos de reaccin son iguales para ambos
estmulos
H1 :Los tiempos de reaccin son diferentes para ambos
estmulos
Se asumen un = 0.05
PROCEDIMIENTOI A SEGUIR CON EL SPSS
ANALIZAR>P no Parametricas> 2 Muestras relacionadas

PRUEBA PARA VARIAS MUESTRAS RELACIONADAS

PRUEBA DE FRIEDMAN

Esta prueba sirve para comparar J promedios

poblacionales cuando se trabaja con muestras
relacionadas. Como en el caso de la prueba de
Kruskal Wallis, para esta prueba tampoco es
necesario establecer los supuestos de normalidad y
heterocedasticidad y permite trabajar con datos
ordinales, por tanto, esta prueba constituye una
alternativa al estadstico F cuando no se cumplen
los supuestos ya sealados del ANOVA o el nivel de
medida de los datos es ordinal.

EJEMPLO DE LA PRUEBA DE FRIEDMAN

Se realiz un experimento para
investigar los efectos txicos de
tres productos qumicos A, B, C, en
la piel de ratas. Se marcan tres
cuadrados adyacentes de una
pulgada sobre el lomo de 8 ratas y
se aplica cada uno de los productos
qumicos a cada rata. Los
cuadrados de piel se califican de 0
a 10, segn el grado de irritacin.
Los datos se muestran en la tabla
siguiente:
Existe evidencia suficiente para
apoyar la hiptesis de investigacin
de
que
la
distribucin
de
probabilidad de los resultados de la
irritacin en la piel que corresponde
a los 3 productos difieren en
ubicacin?

Planteamiento de Hiptesis:
H0: El nivel de irritacin es el mismo para los tres productos.
H1: El nivel de irritacin es diferente para los tres productos
Se asumen un = 0.05
PROCEDIMIENTO A SEGUIR CON EL SPSS
ANALIZAR> P no Paramtricas> K de muestras relacionadas.