Contraste de hipótesis

No paramétricas
 CONTRASTE DE HIPÓTESIS

Muestras grandes
X1 = u
Zexp
Dos medias
X1 = u Muestras pequeñas
X1 = u
Muestras t-studente
independientes

Dos medias
t-studente
X1 =x2
Dos medias

Muestras
apareadas T-studente

Estadística
Si paramétrica

Realizar pruebas de Varias medias

normalidad
Xi = X2 = X3 ANOVA
• Shapiro Wilk
Datos
• Kolmogórov-Smirnov Datos
• Q-Q-plot Normales
experimentales
• Bondad de ajuste Chi
cuadrado
• Histograma

No Dos Medianas
Datos de la variable dependiente Me 1 = Me 2

Estadística No
paramétrica
Varias Medianas Prueba de Kruskal Wallis
Me 1 = Me 2 = Me 3
 CONTRASTE DE HIPÓTESIS

Muestras independientes Variable cuantitativas Prueba de Mann Whitney

Me 1 = Me 2 Me 1 = Me 2 Me 1 = Me 2

Dos Medianas
Me 1 = Me 2
Variable cuantitativas Prueba de Wilconxon
Me 1 = Me 2 Me 1 = Me 2
Muestras apareadas
Me 1 = Me 2
Variable cualitativas Prueba de McNemer
Me 1 = Me 2 Me 1 = Me 2

Estadística
No
paramétrica

Muestras independientes Variable cuantitativa Prueba de Kruskall Walls

Me 1 = Me 2 = Me 3 Me 1 = Me 2 = Me3 Me 1 = Me 2 = Me3

Varias Medianas
Me 1 = Me 2 = Me 3
Variables cuantitativas
Prueba de Fredman
Me 1 = Me 2 = Me 3
Muestras apareadas Me 1 = Me 2 = Me3
Me 1 = Me 2 = Me 3

Variables cualitativas Prueba de Q de Corchan

Me 1 = Me 2 = Me 3 Me 1 = Me 2 = Me3
 Contraste de hipótesis
No paramétricas

Prueba de Kruskall Wallis

Para muestras independientes
Comparación varias medianas
Me1 = Me2= Me3 = ……Men

SPSS
https://www.youtube.com/watch?v=-XacVUXQu7Q
 CONTRASTE DE HIPÓTESIS

Muestras independientes Variable cuantitativa Prueba de Mann Whitney

Me 1 = Me 2 Me 1 = Me 2 Me 1 = Me 2

Dos Medianas
Me 1 = Me 2
Variable cuantitativas Prueba de Wilconxon
Me 1 = Me 2 Me 1 = Me 2
Muestras apareadas
Me 1 = Me 2
Variable cualitativas Prueba de McNemar
Me 1 = Me 2 Me 1 = Me 2

Estadística
No
paramétrica

Muestras independientes Variable cuantitativas Prueba de Kruskall Walls

Me 1 = Me 2 = Me 3 Me 1 = Me 2 = Me3 Me 1 = Me 2 = Me3

Varias Medianas
Me 1 = Me 2 = Me 3
Variables cuantitativas
Prueba de Fredman
Me 1 = Me 2 = Me 3
Muestras apareadas Me 1 = Me 2 = Me3
Me 1 = Me 2 = Me 3

Variables cualitativas Prueba de Q de Corchan

Me 1 = Me 2 = Me 3 Me 1 = Me 2 = Me3
 Prueba de Kruskall wallis
La prueba de Kruskall Wallis
• Se aplica cuando los datos no son normales, no se cumplen los supuestos del modelo (
normalidad, homogenizad de varianzas e independencia)
• Se aplica para muestras independientes
• Se aplica cuando por lo menos una de la variable es cuantitativa, se puede tener:
o Variable cualitativa - Variable dependiente cualitativa
o Variable cuantitativa – Variable cuantitativa ( discreta o continua)
• Se compara mas de dos medianas
• Me1 = Me2 = Me3 +…………Me n

El contraste de hipótesis es
Ho :Me1 = Me2 = Me3 = ……Men
H1: Me1 ≠ Me2 ≠ Me3 ≠ …….Men
El estadístico de h experimental es :
Se aplica una prueba de Chi-Cuadrado

Donde

N= número total de datos

n= número de datos de cada muestra
R= ranking de orden de cada muestra
 Prueba de Kruskall wallis

Estadístico de comparación es el Chi cuadrado

El Chi cuadrado ( α; gl)
El Chi cuadrado ( α; t-1)
Donde
α = Nivel de significancia
t = número de tratamientos
gl = t-1

Comparación de h experimental con Chi tabulado

│hexp │ │ Chi tab │

Si: h exp ≤ Chi tab; Se acepta Ho; medinas iguales

Si h exp > Chi tab; se acepta H1: medianas diferentes
 Prueba de Kruskall wallis
Prueba de rangos múltiples
Prueba de DUNN
Si
h exp > Chi tab; se acepta H1: medianas diferentes, se procede a
realizar la prueba de rangos de DUNN
Cuando el diseño es balanceado ri = rj Cuando el diseño es desbalanceado ri ≠ rj

Donde
N: Número total de datos
t : Tratamientos o grupos
ri, rj: Número de datos de los grupos
Z: Estadístico Z de la distribución normal

https://www.youtube.com/watch?v=ryfiU9qFU7Y
 Prueba de Kruskall wallis
Ejemplo 1
La cantidad de carbono utilizada en la formulación del acero afecta a la resistencia a la tensión de este, para
detectar la cantidad de carbono adecuada para aumentar la resistencia a la tensión del acero se realiza un
experimento probando varias concentraciones de carbono ( 0,1%, 0,2%, 03% y 0,4% de carbono), se realizan 4
réplicas en cada tratamiento. Se trabaja al 95% de confianza, α = 5%.
Recomiende un tratamiento para incrementar la resistencia a la tensión del acero.
Resistencia del acero (UA)
Factor Niveles r1 r2 r3 r4
0,1 23 28 28 30
0,2 31 29 36 38
% de carbono
0,3 36 40 42 44
0,4 48 45 40 40

1.- El contraste de hipótesis

Ho :Me1 = Me2 = Me3 =Me4

La concentración de carbono NO afecta a la resistencia del acero

H1: Me1 ≠ Me2≠ Me3 ≠ Me4

La concentración de carbono SI afecta a la resistencia del acero
 Prueba de Kruskall wallis
 Ordenar todos los datos de menor a mayor
 Dar un ranking de posición
 Calcular las ligaduras de los ranking de posición

Datos
ordenados de Orden Ligaduras de rango de orden
menor a corregido
mayor

23 1   1
28 2 (2+3)/2 = 2,5
28 3 (2+3)/2 = 2,5
29 4   4
30 5   5
31 6   6
36 7 (7+8)/2= 7,5
36 8 (7+8)/2= 7,5
38 9   9
40 10 (10+11+12)/3= 11
40 11   11
40 12   11
42 13   13
44 14   14
45 15   15
48 16   16
 Prueba de Kruskall wallis
 Ubicar los ranking de posición con ligaduras corregidas en cada grupo
Datosordenados
Calcular
de menorR,
a que son las sumasligaduras
Orden de los ranking de posición corregidos de cada grupo
mayor
23 1   1
28 2 (2+3)/2 = 2,5
28 3 (2+3)/2 = 2,5
29 4   4
30 5   5
31 6   6
36 7 (7+8)/2= 7,5
36 8 (7+8)/2= 7,5
38 9   9
40 10 (10+11+12)/3= 11
40 11   11
40 12   11
42 13   13
44 14   14
45 15   15
48 16   16

    Resistencia del acero (UA) ∑R r Rmedio

Factor Niveles r1 r2 r3 r4
0,1 23 28 28 30
ligaduras corregidas 1 2,5 2,5 5 11,0 4 2,75
0,2 31 29 36 38
ligaduras corregidas 6 4 7,5 9 26,7 4 6,675
% de carbono
0,3 36 40 42 44
ligaduras corregidas 7,5 11 13 14 45,5 4 11,375
0,4 48 45 40 40
ligaduras corregidas 16 15 11 11 53,0 4 13,25

N 16
 Prueba de Kruskall wallis
Calcular h experimental

Calcular Chi tabulado

Calcular Chi tabulado (α; gl)
gl = t-1
gl = 4-1 = 3

Chi tab (0,05; 3) = 7,8147

 Prueba de Kruskall wallis
 Comparación h exp con Chi tabulado p experimental
p =DISTR.CHICUAD.CD(Chi exp;gl)

│hexp │ │ Chi tab │ p = DiSTR.CHICUAD.CD(12,01;3)

p exp 0,007

│12,01 │ > │ 7,8147│

Pexp P teórico
0,007 ≤ 0,05

Si: h exp ≤ Chi tab; Se acepta Ho; medinas iguales

Si h exp > Chi tab; se acepta H1: medianas diferentes

Se acepta H1; medinas diferentes

La concentración de carbono Si afecta a la resistencia del acero
 Distribución de F de Fisher
Distribución de Chi-Cuadrado de una cola

p
0,4

0,3

0,2
α = 0,05 = p(teórico)

0,1
α = 0,05
P(teórico) = 0,05 0,05

Aceptar H1
p(exp) = 0,007

Chi tab(0,05;3) =7,8147

h exp =12,01
 Prueba de Kruskall wallis

Prueba de rangos múltiples

Prueba de DUNN
Cuando el diseño es balanceado ri = rj Cuando el diseño es desbalanceado ri ≠ rj

Donde
N: Número total de datos
t : Tratamientos o grupos
ri, rj: Número de datos de los grupos
Z: Estadístico Z de la distribución normal

https://www.youtube.com/watch?v=ryfiU9qFU7Y
 Prueba de Kruskall wallis

Prueba de rangos múltiples

Prueba de DUNN
Cuando el diseño es balanceado ri = rj
Donde
N: Número total de datos = 16
t : Tratamientos o grupos = 4
ri, rj: Número de datos de los grupos = 4
Z: Estadístico Z de la distribución normal

DISTR.NORM.ESTAND.INV(probabilidad)

DISTR.NORM.ESTAND.INV(0,0042 = 2,64)
Tabla P(Z <z)
Prueba de rangos múltiples
Prueba de DUNN     Resistencia del acero (UA) ∑R r Ṝmedio
Factor Niveles r1 r2 r3 r4
0,1 23 28 28 30
ligaduras corregidas 1 2,5 2,5 5 11,0 4 2,75
0,2 31 29 36 38
% de ligaduras corregidas 6 4 7,7 9 26,7 4 6,675
carbono 0,3 36 40 42 44
ligaduras corregidas 7,5 11 13 14 45,5 4 11,375
0,4 48 45 40 40
ligaduras corregidas 16 15 11 11 53,0 4 13,25

N 16
Rangos medios
Ṝ1 2,75
Ṝ2 6,675
Ṝ3 11,375
Ṝ4 13,25

Ṝi-Ṝj Ṝi Ṝj Ṝi-Ṝj DUNN Significancia

Ṝ1-Ṝ2 2,75 6,675 -3,925 ≤ 6,28 No. Sig (Ṝ1=Ṝ2)
R1-R3 2,75 11,375 -8,625 > 6,28 Sig
R1-R4 2,75 13,25 -10,5 > 6,28 Sig
R2-R3 6,675 11,375 -4,7 ≤ 6,28 No. Sig (R2=R3)
R2-R4 6,675 13,25 -6,575 > 6,28 Sig
R3-R4 11,375 13,25 -1,875 ≤ 6,28 No. Sig (R3-R4)

Ṝ1=Ṝ2 Ṝ1≠ Ṝ3
Como se quiere maximizar la resistencia de acero y
Ṝ2=Ṝ3 Ṝ1≠ Ṝ4 como Ṝ3 = Ṝ4, se recomienda R3, es decir 0,3% de
Ṝ3=Ṝ4 Ṝ2≠ Ṝ4 carbono
 Prueba de Kruskall wallis
Ejemplo 2
Se pide a un grupo de estudiantes que evalúen a un docente con una escala que va desde 1 a
5; en donde 1 es pésimo y 5 excelente, los datos se expresan en la tabla siguiente, el grupo 1
tiene 3 estudiantes, el grupo 2 tiene 4 estudiantes y el grupo 3 tiene 2 estudiantes. Trabaje al
95% de confianza
La variable 1 es cualitativa politómica
La variable dependiente o de respuesta, en este caso es variable cualitativa ordinal ( 1
pésimo, 2 regular, 3 bueno, 4 muy bueno , 5 excelente)
Grupos n1 n2 n3 n4
G1 5 4 4  
G2 5 3 5 5
G3 2 1    

El contraste de hipótesis
Ho :Me1 = Me2 = Me3; las evaluaciones son iguales
H1: Me1 ≠ Me2≠ Me3 ; las evaluaciones son diferentes
 Prueba de Kruskall wallis
 Ordenar todos los datos de menor a mayor
 Dar un ranking de posición
 Calcular las ligaduras de los ranking de posición Corrección ligaduras de rango de
orden
Datos ordenados de Ranking Corrección ligaduras del
menor a mayor de orden ranking de orden Vemos que en los datos ordenados hay
1 1   1 3 cuatro que ocupan la posición 4 y 5,
calculamos el promedio de las dos
2 2   2 posiciones (4+5)/2 = 4,5 y este el
3 3   3 rango de orden que se ponen en los 2
4 4 (4+5)/2 4,5 cuatros
4 5 (4+5)/2 4,5
Vemos que en los números ordenados
5 6 (6+7+8+9)/4 7,5 hay 4 cincos , que ocupan las
5 7 (6+7+8+9)/4 7,5 posiciones 6,7,8 y 9; calculamos el
5 8 (6+7+8+9)/4 7,5 promedio de estas posiciones
5 9 (6+7+8+9)/4 7,5 (6+7+8+9)/4 ) = 7,5
Este es el rango de orden que se
colocan en los 4 cincos

 Ubicar los ranking de posición con ligaduras corregidas en cada grupo

 Calcular R, que son las sumas de los ranking de posición corregidos de cada grupo
 Calcular h experimental
 Prueba de Kruskall wallis
 Ubicar los ranking de posición con ligaduras corregidas en cada grupo
 Calcular R, que son las sumas de los ranking de posición corregidos de cada grupo
∑R
Grupos n1 n2 n3 n4  
G1 5 4 4      
Ranking de orden 7,5 4,5 4,5  - R1 16,5
G2 5 3 5 5    
Ranking de orden 7,5 3 7,5 7,5 R2 25,5
G3 2 1        
Ranking de orden 2 1     R3 3,0
 Calcular h experimental

h exp =4,375
 Prueba de Kruskall wallis
Estadístico de comparación es el Chi cuadrado
El Chi cuadrado ( α; gl)
El Chi cuadrado ( α; t-1)
Donde
α = 5% = 0,05
t = tratamientos = 3
gl = t-1 = 3-1 = 2

El Chi cuadrado tab ( 0,05;2) = 5,9915 p experimental

p =DISTR.CHICUAD.CD(Chi exp;gl)
p = DiSTR.CHICUAD.CD(4,375;3)
Comparación de h experimental con Chi tabulado
p exp 0,22371

│hexp │ │ Chi tab │ pexp p teórico

│4,375 │ < │ 5,9915│ 0,2237 > 0,05

Si: h exp ≤ Chi tab; Se acepta Ho; medinas iguales

Si h exp > Chi tab; se acepta H1: medianas diferentes

Se acepta Ho; medinas iguales

No existe diferencia en la evaluación del docente realizada por los grupos de estudiantes
 Distribución de F de Fisher
Distribución de Chi-Cuadrado de una cola

p
0,4

0,3

p(exp) = 0,2237
0,2

0,1 α = 0,05 = p(teórico)

α = 0,05
P(teórico) = 0,05 0,05

h exp =4,37 Chi tab(0,05;2) =5,9915

 Prueba de Kruskall wallis

Prueba de rangos múltiples

Prueba de DUNN
Cuando el diseño es balanceado ri = rj Cuando el diseño es desbalanceado ri ≠ rj

En este caso como:

Se acepta Ho: medianas iguales
No es necesario realizar la prueba de DUNN

https://www.youtube.com/watch?v=ryfiU9qFU7Y
 Prueba de Kruskall wallis
Ejemplo 3
En una investigación se quiere determinar la eficacia de 4 insecticidas (A, B, C y D), se
realiza 5 réplicas en cada insecticida en grupos de 50 moscas cada uno. Trabaje al 95% de
confianza.

Grupos Eficacia del insecticida ( número de insectos muertos)

Insecticidas N1= 50 N2= 50 N3=50 N4=50 N5=50
A 31 35 30 36 35
B 47 48 48 49 45
C 35 38 39 30 34
D 20 19 25 24 18

El contraste de hipótesis
Ho :Me1 = Me2 = Me3; los insecticidas tiene los mismos efectos
H1: Me1 ≠ Me2≠ Me3 ; los insecticidas tiene efectos diferentes
 Prueba de Kruskall wallis
 Ordenar todos los datos de menor a mayor
 Dar un ranking de posición
 Calcular las ligaduras de los ranking de posición
Datos de menor a
mayor Ránking de orden Corrección de ligaduras

18 1   1
19 2   1
20 3   2
24 4   4
25 5   5
30 6 (6+7)/2 = 6,5
30 7 (6+7)/2 = 6,5
31 8   8
34 9   9

35 10 (10+11+12)/3 = 11

35 11 (10+11+12)/3 = 11

35 12 (10+11+12)/3 = 11
36 13   13
38 14   14
39 15   15
45 16   16
47 17   17
48 18 (18+19)/2 = 18,5
48 19 (18+19)/2 = 18,5
49 20   20
 Prueba de Kruskall wallis
Datos de Ránking de Eficacia del insecticida ( número de insectos
menor a orden Corrección de ligaduras Grupos muertos)
mayor
Insecticidas n1 n2 n3 n4 n5 R n
18 1   1 31 35 30 36 35
A
19 2   1
Ligaduras
20 3   2 corregidas 8 11 6,5 13 11 R1= 49,5 5
24 4   4
25 5   5
B 47 48 48 49 45
30 6 (6+7)/2 = 6,5 Ligaduras
corregidas 17 18,5 18,5 20 16 R2= 90 5
30 7 (6+7)/2 = 6,5
31 8   8 C 35 38 39 30 34
34 9   9 Ligaduras
corregidas 11 14 15 6,5 9 R3= 55,5 5
35 10 (10+11+12)/3 = 11 D 20 19 25 24 18
Ligaduras
35 11 (10+11+12)/3 = 11 corregidas 3 2 5 4 1 R4= 15 5
35 12 (10+11+12)/3 = 11
36 13   13
38 14   14
39 15   15

( )
45 16   16
∑ 𝑹𝟐 𝟒𝟗 , 𝟓𝟐 𝟗𝟎𝟐 𝟓𝟓 , 𝟓𝟐 𝟏𝟓𝟐
47 17   17 = + + + =𝟐𝟕𝟕𝟏 , 𝟏
48 18 (18+19)/2 = 18,5 𝒏 𝟓 𝟓 𝟓 𝟓
48 19 (18+19)/2 = 18,5
49 20   20
 Prueba de Kruskall wallis
Estadístico de comparación es el Chi cuadrado
El Chi cuadrado ( α; gl)
El Chi cuadrado ( α; t-1)
Donde
α = 5% = 0,05
t = tratamientos = 4
gl = 4-1 = 4-1 = 3

El Chi cuadrado tab ( 0,05;3) = 7,8147 o también con la función

p =DISTR.CHICUAD.CD(Chi exp;gl)
Comparación de p = DiSTR.CHICUAD.CD(16,17;3)
h experimental con Chi tabulado p exp 0,00105

│hexp │ │ Chi tab │ Pexp P teórico

│16,17 │ > │ 7,8147│ 0,00105 ≤ 0,05

Si: h exp ≤ Chi tab; Se acepta Ho; medinas iguales
Si h exp > Chi tab; se acepta H1: medianas diferentes

Se acepta H1; medinas diferentes, Los insecticidas tiene diferentes efectos

 Prueba de Kruskall wallis

Prueba de rangos múltiples

Prueba de DUNN
Cuando el diseño es balanceado ri = rj Cuando el diseño es desbalanceado ri ≠ rj

Donde
N: Número total de datos
t : Tratamientos o grupos
ri, rj: Número de datos de los grupos
Z: Estadístico Z de la distribución normal

https://www.youtube.com/watch?v=ryfiU9qFU7Y
 Prueba de Kruskall wallis

Prueba de rangos múltiples

Prueba de DUNN
Cuando el diseño es balanceado ri = rj
Donde
N: Número total de datos = 16
t : Tratamientos o grupos = 4
ri, rj: Número de datos de los grupos = 4
Z: Estadístico Z de la distribución normal

Calculo en Excel del Z

DISTR.NORM.ESTAND.INV(probabilidad)

DISTR.NORM.ESTAND.INV(0,0042 = 2,64)
Tabla P(Z <z)
 Prueba de rangos múltiples
Prueba de DUNN
Grupos Eficacia del insecticida ( número de insectos muertos)
Insecticidas n1 n2 n3 n4 n5 R n Ṝ
A 31 35 30 36 35
Ligaduras corregidas 8 11 6,5 13 11 R1 50 5 9,9
B 47 48 48 49 45
Ligaduras corregidas 17 18,5 18,5 20 16 R2 90 5 18
C 35 38 39 30 34
Ligaduras corregidas 11 14 15 6,5 9 R3 56 5 11,1
D 20 19 25 24 18
Ligaduras corregidas 3 2 5 4 1 R4 15 5 3,0

Rangois medios Rangos Ṝi Ṝj Ṝi-Ṝj DUNN Significancia

Ṝ1 A 9,9 Ṝ1-Ṝ2 9,9 18 -8,1 9,88 No sig
Ṝ2 B 18 Ṝ1-Ṝ3 9,9 11,1 -1,2 9,88 No sig
Ṝ3 C 11,1 Ṝ1-Ṝ4 9,9 3 6,9 9,88 No sig
Ṝ4 D 3 Ṝ2-Ṝ3 18 11,1 6,9 9,88 No sig
Sig Ṝ2 ≠ Ṝ4
Ṝ2-Ṝ4 18 3 15 9,88 diferentes
Ṝ3-Ṝ4 11,1 2 9,1 9,88 No sig
Ṝ1=Ṝ2
Ṝ1= Ṝ3
Ṝ1= Ṝ4 Ṝ2≠ Ṝ4 R1, R2, R3 son iguales y sólo R2 ≠ R4
Ṝ2=Ṝ3
Ṝ3=Ṝ4
 Prueba de Kruskall wallis
Prueba en SPSS
https://www.youtube.com/watch?v=ryfiU9qFU7Y

-Analizar
-Pruebas no paramétricas
-Muestras independientes

Objetivo campos configuración

personalizar

Objetivo campos configuración

-pasar la V dependiente ………………… Campos de prueba

-pasar la v Independiente ……………….Grupos

Objetivo campos configuración

-Personalizar
- ANOVA de una vía Kruskal wallis

-Ejecutar

Y sale la tabla de resultados

 Prueba de Kruskall wallis
Prueba en SPSS https://www.youtube.com/watch?v=ryfiU9qFU7Y
Para las pruebas post hoc
- Damos doble clip izquierdo en recuadro

- Se abre la siguiente ventana

En ver : sel eccionar

Comparación por pares

 Prueba de Kruskall wallis
Prueba en SPSS https://www.youtube.com/watch?v=ryfiU9qFU7Y
Tabla P(Z <z)
 Tabla P(Z <z)

Grupos Eficacia del insecticida ( número de insectos muertos)

Insecticidas N1= 50 N2= 50 N3=50 N4=50 N5=50
A 31 35 30 36 35
B 47 48 48 49 45
C 35 38 39 30 34
D 20 19 25 24 18
 Tabla P(Z <z)

1 3

2
Tabla P(Z <z)

Pasar la variable dependiente a ----- ----Campos de prueba

Pasar la variable independiente a------- Grupos
Tabla P(Z <z)
Tabla P(Z <z)
 Tabla P(Z <z)

Pexp > p teórico

pexp Pexp ≤ p teórico Se acepta H0
0,01 ≤ 0,05 Medianas iguales
Se acepta H1
Medianas diferentes

Haga doble clip para activar

( se abre la siguiente ventana
Ver siguiente dipositiva)
 Tabla P(Z <z)

Gráficos de los rangos

Pexp ≤ p teórico
0,01 ≤ 0,05
Se acepta H1
Medianas diferentes

Pexp > p teórico

Se acepta H0
Medianas iguales En ver : seleccionar
COMPARACIÓN POR PARES
Tabla P(Z <z)

En ver : seleccionar
COMPARACIÓN POR PARES
Tabla P(Z <z)

Pexp ≤ pteórico
0,000 ≤ 0,05
Mediana D ≠ B
diferentes
Tabla P(Z <z)