Repblica Bolivariana de Venezuela Universidad Nacional Experimental de Guayana Vicerrectorado Pto. Ordaz. Proyecto de Carrera: Ing.

Industrial Estadstica II.

Puerto Ordaz, Febrero de 2012

ESTADSTICA NO PARAMTRICA Existen ciertas situaciones en las que el uso de la curva normal no es apropiado. Para estos casos, se requiere de alternativas a la estadstica paramtrica y a las pruebas de hiptesis especficas que se han venido utilizando hasta ahora. En este artculo se presentarn ejemplos de aplicacin de diferentes pruebas no paramtricas. El objetivo, es dar una idea general de aquellos mtodos que son ms utilizados. As, se tratan procedimientos no paramtricos para contrastar la igualdad de los parmetros de centralizacin de distribuciones poblacionales.

La mayora de las pruebas de hiptesis estudiadas han hecho inferencias respecto a los parmetros de la poblacin, como la media y la proporcin. Para formular estas pruebas, se hicieron suposiciones restrictivas sobre la poblacin de donde se extrajeron las muestras (muestras grandes o que provienen de poblaciones normalmente distribuidas). Pero las poblaciones no son siempre normales, incluso si una prueba de bondad de ajuste indica que una poblacin es aproximadamente normal, no siempre se puede estar seguro, dado que la prueba no es ciento por ciento confiable.

Por fortuna, recientemente los estadsticos han desarrollado tcnicas tiles que no hacen suposiciones restrictivas respecto a la forma de las distribuciones de las poblaciones. Estas se conocen como pruebas sin distribucin o, ms comnmente como pruebas no paramtricas. La hiptesis de una probabilidad no paramtrica se refiere a algo distinto del valor de un parmetro de poblacin. Existe un gran nmero de esas pruebas, pero aqu examinaremos solo algunas de las mejor conocidas y ms ampliamente utilizadas.

1. La prueba de signo para datos apareados, en las que los signos positivo o negativo se sustituyen por valores cuantitativos.

2. Una prueba de sumas de rangos, llamada la prueba de U de Mann Whitney, que puede usarse para determinar si dos muestras independientes han sido extradas de la misma poblacin. Emplea ms informacin que la prueba de signo. 3. Otra prueba de sumas de rangos, la prueba Kruskal Wallis, que generaliza el anlisis de varianza, para permitir prescindir de la suposicin de que las poblaciones estn normalmente distribuidas.

4. La prueba de corridas de una sola muestra, un mtodo para determinar la aleatoriedad con la que se han seleccionado los elementos muestreados.

5. Correlacin de rango, un mtodo para hacer el anlisis de correlacin cuando no se dispone de los datos para usarlos en forma numrica, pero cuando la informacin es suficiente para clasificar los datos como primero, segundo, tercero. 6. La prueba de Kolmogorov Smirnov, otro mtodo para determinar la bondad de ajuste entre una muestra observada y una distribucin de poblacin terica.

VENTAJAS DE LOS MTODOS NO PARAMTRICOS: Los mtodos no paramtricos tienen un nmero de ventajas claras sobre los mtodos paramtricos. Entre estos se tiene que:

1. No requieren de que se haga la suposicin de que una poblacin est distribuida en forma de curva normal u otra forma especfica.

2. Generalmente son ms fciles de efectuar y comprender (no demandan un tipo laborioso de clculos)

3. Algunas veces ni siquiera se requiere del ordenamiento o clasificacin formal.

4. Pueden aplicarse cuando los datos que se estn analizando constan simplemente de categoras o clasificaciones, es decir, los datos pueden no estar basados en una escala de medicin lo suficientemente slida como para permitir las operaciones aritmticas necesarias para llevar a cabo los procedimientos paramtricos.

DESVENTAJAS DE LOS MTODOS NO PARAMTRICOS: Dos desventajas acompaan el uso de pruebas no paramtricas. 1. Ignoran una cierta cantidad de informacin (por ejemplo, al ordenar valores). 2. A menudo no son tan eficientes o agudas como las pruebas pa ramtricas.

PRUEBA DE SIGNO PARA DATOS APAREADOS: Es una de las pruebas no paramtricas ms fciles de usar, su nombre proviene del hecho de que est basada en la direccin de un par de observaciones y no en su magnitud numrica. Para cada par en el que X es mayor que Y se registra un signo (+) de otra forma se registra un signo (). Entonces si la hiptesis nula es que X y Y tienen la misma distribucin, el valor de p debe ser igual a 0.5. Por lo tanto, la hiptesis nula para la prueba de signo es H0 : p = 0.5 La cual puede probarse contra hiptesis alternativas ya sean uni o bilaterales, lo cual depende de lo que el investigador desee. Si H0 es cierta, debe esperarse que, en forma aproximada, la mitad de los n pares tengan signo (+) La estadstica para la prueba de signo, denotada por S, es el nmero de signos (+) entre los n pares. Dado que bajo H0 cada par constituye un ensayo independiente con una probabilidad para el signo (+) de 0.5, la estadstica S tiene una distribucin binomial con p = 0.5, es decir, para n dado y p = 0.5, se emplea la distribucin binomial para obtener las regiones crticas de tamao para el error de tipo I. Para valores grandes de n puede utilizarse la aproximacin normal a la distribucin binomial.

PRUEBAS DE SUMA DE RANGO: PRUEBA U DE MANN WHITNEY Y PRUEBA DE KRUSKAL WALLIS: El anlisis de varianza se puede utilizar para probar la hiptesis de que varias medias de poblacin son iguales, adems se asume que las poblaciones estn normalmente distribuidas con varianzas iguales. En muchas ocasiones estas suposiciones no se pueden satisfacer, y en tales casos, se pueden utilizar dos pruebas no paramtricas, ninguna de las cuales depende de las suposiciones de normalidad. Estas dos pruebas son llamadas pruebas de suma de rango porque la prueba depende de los rangos de las observaciones de muestra. El uso de estas pruebas permitir determinar si las muestras independientes han sido extradas de la misma poblacin (o de distintas poblaciones con la misma distribucin). El uso de informacin de clasificacin en vez de ms y menos desperdicia datos en menor cantidad que la prueba de signo.La nica suposicin necesaria para su aplicacin es que las distribuciones de inters sean continuas. De acuerdo con lo anterior se supondr que X1, X2, , Xn1 y Y1, Y2, , Yn2 son muestras aleatorias independientes de dos poblaciones con distribuciones continuas.

PRUEBA DE KRUSKAL WALLIS: La prueba de Kruskal Wallis es una extensin de la prueba de Mann Whitney para casos en que estn involucradas ms de dos poblaciones. Esta prueba, tambin, depende de los rangos de las observaciones de muestra.

EJEMPLO: En la tabla 9, se presentan las calificaciones de una muestra de 20 pilotos estudiantes, en su examen escrito, dispuestas segn el mtodo que se emple para su entrenamiento: Videocasete, Audio casete o Entrenamiento en saln. Se est interesado en evaluar la efectividad de estos tres mtodos de entrenamiento. Especficamente, desea probar al nivel de significancia de 0.10 la hiptesis de que las calificaciones medias del examen escrito de los pilotos estudiantes entrenados por estos tres mtodos son iguales.

Calificaciones del examen escrito de 20 pilotos estudiantes entrenados por tres mtodos diferentes. SMBOLOS: nj = nmero de elementos en la muestra j. Rj = suma de los rangos de todos los elementos en la muestra j. k = nmero de muestras. n = n1 + n2 + + nk nmero total de observaciones en todas las muestras. Calificaciones del examen escrito clasificadas de menor a mayor. (VC) = Videocasete (AC) = Audio casete

PRUEBA DE LAS HIPTESIS: La distribucin de muestreo de la estadstica K puede aproximarse por una distribucin ji-cuadrada cuando los tamaos de todas las muestras son al menos 5. Como el ejemplo satisface esta condicin se puede usar la distribucin jicuadrada. El nmero de grados de libertad es igual a (k 1), para el caso (3 1) = 2, puesto que son tres muestras. Las hiptesis se enuncian de la siguiente manera 3210:==H No hay diferencia entre las tres poblaciones y, de esta forma, tienen la misma media. 3211:H Existen diferencias entre las tres poblaciones; en particular, tienen distintas medias. = 0.10 Error de tipo I para probar estas hiptesis. 20.90, 2 = 4.605 Como K = 1.143 < 20.90, 2 = 4.605 no existe ninguna razn para rechazar la hiptesis nula. Por consiguiente la AFA concluir que no hay diferencias en los resultados obtenidos al usar los tres mtodos de entrenamiento.

CLCULO DE LA ESTADSTICA K-S: Simplemente se elige la desviacin absoluta mxima. Dn = mx |Fo Fe|, Para el caso del ejemplo Dn = 0.2582 en x = 9 Dado que, el Dn calculado (Dn = 0.2582) es mayor que el Dn tabulado (Dn = 0.0266), entonces, ser rechazada la hiptesis nula, y se llega a la conclusin de que una distribucin de Poisson con una media de 8.5 NO es una buena descripcin del patrn del uso del transmisor en la central telefnica. A menudo se usan pruebas no paramtricas cuando no se sabe, o no

se puede suponer, que la distribucin de poblacin subyacente es normal. La prueba K-S proporciona una forma de verificar datos de muestra para ver si una suposicin de normalidad es razonable.