Está en la página 1de 40

CICLO 2011-II Módulo: II

Unidad: V Semana: 8

ESTADISTICA

Mg. Eco. Rodrigo Sarmiento Llamosas

ESTADISTICA NO PARAMETRICA

ORIENTACIONES En el presente tema se demuestra los casos en los que se usa la Chicuadrada, en investigaciones que corresponden a muestras independientes y las mediciones se tienen en escala nominal

Prueba ² (Ji cuadrada) de Pearson

Cuando las observaciones de una investigación corresponden a muestras independientes y las mediciones se tienen en escala nominal, la prueba de ji cuadrada es el procedimiento de elección para el contraste de hipótesis

Prueba ² (Ji cuadrada) de Pearson La prueba ² de Pearson es considerada como una prueba no paramétrica que mide la discrepancia entre una distribución observada y otra teórica (bondad de ajuste). de haberlas. se deben al azar en el contraste de hipótesis. indicando en qué medida las diferencias existentes entre ambas. .

.Prueba ² (Ji cuadrada) de Pearson También se utiliza para probar la independencia de dos variables entre sí. mediante la presentación de los datos en tablas de contingencia.

De la misma forma. más ajustadas están ambas distribuciones. . cuanto más se aproxima a cero el valor de chi-cuadrado.Prueba ² (Ji cuadrada) de Pearson La fórmula que da el estadístico es la siguiente: Cuanto mayor sea el valor de 2. menos verosímil es que la hipótesis sea correcta.

. Donde r es el número de filas y k el de columnas.Prueba ² (Ji cuadrada) de Pearson Los grados de libertad ³gl´ vienen dados por : gl= (r-1)(k-1).

Donde t representa el valor proporcionado por las tablas. en caso contrario se rechaza.Prueba ² (Ji cuadrada) de Pearson Criterio de decisión: ‡ Se acepta H0 cuando . . según el nivel de significación estadística elegido. .

Prueba ² (Ji cuadrada) de Pearson Función de densidad de probabilidad .

.Prueba ² (Ji cuadrada) de Pearson ¿Porqué los administradores deben tener conocimientos sobre estadística no paramétrica? Estas pruebas. lo que demuestra la importancia de la habilidad para manejar datos categóricos o jerarquizados además de los cuantitativos. se usan ampliamente en las aplicaciones de negocios.

Los analistas que manejan estos datos deben familiarizarse con libros que abordan tales pruebas. . conocidas comúnmente como pruebas estadísticas no paramétricas.Prueba ² (Ji cuadrada) de Pearson Existen otras muchas pruebas estadísticas diseñadas para situaciones en las que no se cumplen las suposiciones críticas o que involucran datos cuantitativos o categóricos.

Prueba ² (Ji cuadrada) de Pearson ¿Qué ocurre con las pruebas no paramétricas frente a las que si lo son? Las pruebas no paramétricas no necesitan suposiciones respecto a la composición de los datos poblacionales. .

2.Cuando no se cumplen las suposiciones requeridas por otras técnicas usadas. por lo general llamadas pruebas paramétricas. ..Cuando se necesita convertir datos cualitativos a información útil para la toma de decisiones..Cuando es necesario usar un tamaño de muestra pequeño y no es posible verificar que se cumplan ciertas suposiciones clave.. .Prueba ² (Ji cuadrada) de Pearson Las pruebas no paramétricas son de uso común: 1. 3.

2.. 4...Eliminan la necesidad de suposiciones restrictivas de las pruebas paramétricas. son fáciles de usar y entender..Se pueden usar con muestras pequeñas. .Se pueden usar con datos cualitativos. 3. .Por lo general.Prueba ² (Ji cuadrada) de Pearson Las pruebas no paramétricas tienen varias ventajas sobre las pruebas paramétricas: 1.

A veces.. desperdician o pierden información. ignoran.Llevan a una mayor probabilidad de no rechazar una hipótesis nula falsa (incurriendo en un error de tipo II). 2. 3.No son tan eficientes como las paramétricas.Prueba ² (Ji cuadrada) de Pearson También las pruebas no paramétricas tienen desventajas: 1.. ..

Prueba ² (Ji cuadrada) de Pearson ‡ Las pruebas no paramétricas son pruebas estadísticas que no hacen suposiciones sobre la constitución de los datos de la población. ‡ Por lo general. . las pruebas paramétricas son mas poderosas que las pruebas no paramétricas y deben usarse siempre que sea posible.

muchas veces se apoyan en distribuciones muestrales como la normal o la ji cuadrada .Prueba ² (Ji cuadrada) de Pearson ‡ Es importante observar. que aunque las pruebas no paramétricas no hacen suposiciones sobre la distribución de la población que se muestrea.

Prueba ² (Ji cuadrada) de Pearson EJEMPLO: Determinar si hay diferencias en las ventas de 6 vendedores. Establecimiento de hipótesis y nivel de significancia Ho = no hay diferencias Ha = hay diferencias entre vendedores Nivel de significancia 0.05 (igual a la probalidad de cometer el error tipo I) El estadístico de prueba elegido es: X2 = (fo ± fe)2 fe .

Prueba ² (Ji cuadrada) de Pearson EJEMPLO: Niveles de ventas Unidades Unidades de Venta Vendedor vendidas esperada A 13 20 B 33 20 C 14 20 D 7 20 E 36 20 F 17 20 Total 120 120 .

Prueba ² (Ji cuadrada) de Pearson EJEMPLO: Regla de decisión Con k ± 1 grados de libertad. En la tabla equivale a 11. donde: k= número de categorías Fo = frecuencia observada en una categoría determinada Fe = frecuencia esperada en una categoría determinada El valor crítico se determina por los grados de libertad: gl = 6 ± 1 = 5. para el nivel de significancia de 0.05.070 .

Prueba ² (Ji cuadrada) de Pearson Tabla Chi -cuadrada .

fe)2 (fo .fe (fo .Prueba ² (Ji cuadrada) de Pearson EJEMPLO: Calculo del valor de Ji cuadrada: Vendedor A B C D E F Total fo 13 33 14 7 36 17 120 fe 20 20 20 20 20 20 120 fo .fe)2/ fe .

fe)2 (fo .fe)2/ fe .fe -7 13 -6 -13 16 -3 0 (fo .Prueba ² (Ji cuadrada) de Pearson EJEMPLO: Calculo del valor de Ji cuadrada: Vendedor A B C D E F Total fo 13 33 14 7 36 17 120 fe 20 20 20 20 20 20 120 fo .

fe)2/ fe .fe -7 13 -6 -13 16 -3 0 (fo .fe)2 49 169 36 169 256 9 688 (fo .Prueba ² (Ji cuadrada) de Pearson EJEMPLO: Calculo del valor de Ji cuadrada: Vendedor A B C D E F Total fo 13 33 14 7 36 17 120 fe 20 20 20 20 20 20 120 fo .

8 8.45 12.fe)2/ fe 2.fe)2 49 169 36 169 256 9 688 X2 = (fo .8 0.fe -7 13 -6 -13 16 -3 0 (fo .45 1.45 8.4 .45 34.Prueba ² (Ji cuadrada) de Pearson EJEMPLO: Calculo del valor de Ji cuadrada: Vendedor A B C D E F Total fo 13 33 14 7 36 17 120 fe 20 20 20 20 20 20 120 fo .

40 está en el área de rechazo.05 11.070 34. más allá del valor crítico de 11.070.40 . para = 0.Prueba ² (Ji cuadrada) de Pearson EJEMPLO: La X2 es 34.

Prueba ² (Ji cuadrada) de Pearson EJEMPLO: Toma de decisión En consecuencia. las discrepancias entre fo y fe son lo suficientemente grandes como para ser consideradas significativas. La diferencia entre las frecuencias observadas y las esperadas.05 y acepta Ha. la decisión es rechazar Ho al nivel 0. no se debe a la casualidad. Más bien. La posibilidad de que estas diferencias se deban al muestreo es muy peque a. Por lo que se concluye que no es probable que las ventas de los seis vendedores sean iguales. .

Prueba X2 (ji cuadrada) de Pearson para dos y más muestras independientes .

se pierde eficacia . cuando el número de la muestra es menor que 20. a medida que el tamaño de la muestra aumenta.Prueba X2 (ji cuadrada) de Pearson para dos y más muestras independientes ‡ La eficacia de la prueba no se ha determinado con exactitud. En sentido opuesto. sin embargo. el valor de probabilidad de error para aceptar hipótesis alternas (Ha o Ho) se acerca a 1.

es conveniente no aplicar la prueba de ji cuadrada. a)Si en el modelo experimental se tiene una tabla de contingencias de 2 X 2 y la muestra total es menor a 20 e incluye cero en alguna casilla. . pero existen alternativas.Prueba X2 (ji cuadrada) de Pearson para dos y más muestras independientes En estas condiciones. la prueba estadística aconsejable será la de probabilidad exacta de Fischer y Yates.

menores que cinco.Prueba X2 (ji cuadrada) de Pearson para dos y más muestras independientes b) Con grupos múltiples. . pero con frecuencias pequeñas. se recomienda usar la prueba de ji cuadrada de proporciones.

.Prueba X2 (ji cuadrada) de Pearson para dos y más muestras independientes ‡ Las dos alternativas propuestas aumentan notoriamente la eficacia con muestras de tamaño pequeño y se limita la probabilidad de cometer el error del tipo I.

fo = frecuencia observada. fe = frecuencia esperada. .Prueba X2 (ji cuadrada) de Pearson para dos y más muestras independientes La fórmula es: o simplemente: X2 = (fo ± fe)2 fe Donde: X2 = valor estadístico de ji cuadrada.

 Determinar el valor teórico de las frecuencias para cada casilla.Prueba X2 (ji cuadrada) de Pearson para dos y más muestras independientes Pasos:  Arreglar las observaciones en una tabla de contingencias.  Calcular las diferencias entre los valores observados con respecto a los teóricos de cada casilla. .

que es el estadístico X2. .  Obtener la sumatoria de los valores anteriores.  Calcular los grados de libertad (gl): gl = (K columnas -1) [H hileras -1].Prueba X2 (ji cuadrada) de Pearson para dos y más muestras independientes Pasos: «  Elevar al cuadrado las diferencias y dividirlas entre el valor teórico de la casilla correspondiente.

.Prueba X2 (ji cuadrada) de Pearson para dos y más muestras independientes Pasos: «  El valor de X2 se compara con los valores críticos de ji cuadrada de la tabla de valores críticos de X2 y de acuerdo con los grados de libertad.  Decidir si se acepta o rechaza la hipótesis X2c > X2t se rechaza Ho. y se determina la probabilidad.

 Decidir si se acepta o rechaza la hipótesis X2c > X2t se rechaza Ho. y se determina la probabilidad. .Prueba X2 (ji cuadrada) de Pearson para dos y más muestras independientes Pasos: «  El valor de X2 se compara con los valores críticos de ji cuadrada de la tabla de valores críticos de X2 y de acuerdo con los grados de libertad.

ACTIVIDADES DE INVESTIGACIÓN SUGERIDAS EJERCICIOS EN EXCEL .

GRACIAS .