UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE INGENIERIA INDUSTRIAL

ESTADISTICA INDUSTRIAL

METODOS NO PARAMETRICOS PARTE I

CLASE 10
ING. WILLIAM LEN VELSQUEZ

INTRODUCCIN
2

Mediana

Media

28.0

35.0

42.0

-------+---------+---------+---------+---------+---------+------

49.0 C1

56.0

63.0

Media = 40.35 Mediana = 39.5

La media puede estar influenciado considerablemente por los valores atpicos porque, cuando se calcula un promedio, se incluyen los valores reales de estos valores. La mediana, por otra parte, asigna la misma importancia a todas las observaciones, independientemente de los valores reales de los valores atpicos, ya que es la que se encuentra en la posicin media de los valores ordenados.

INTRODUCCIN
La

mayor parte de los procedimientos de prueba de hiptesis que se presentan en las clases anteriores se basan en la suposicin de que las muestras aleatorias se seleccionan de poblaciones normales.

INTRODUCCIN
La mayor parte de estas

pruebas an son confiables cuando experimentamos ligeras desviaciones de la normalidad, en particular cuando el tamao de la muestra es grande. Tradicionalmente, estos procedimientos de prueba se denominan mtodos paramtricos.

INTRODUCCIN

En esta clase se consideran varios procedimientos de prueba alternativos, llamados no paramtricos mtodos de distribucin libre, que a menudo no suponen conocimiento de ninguna clase acerca de las distribuciones de las poblaciones fundamentales, excepto que stas son continuas

INTRODUCCIN
Los procedimientos no paramtricos o de distribucin libre se usan con mayor frecuencia por los analistas de datos. Existen muchas aplicaciones en la ciencia y la ingeniera donde los datos se reportan no como valores de un continuo sino mas bien en una escala ordinal tal que es bastante natural asignar rangos a los datos

INTRODUCCIN
Ejemplo no paramtrico Dos jueces deben clasificar cinco marcas de cerveza de mucha demanda mediante la asignacin de un grado de 1 a la marca que se considera que tiene la mejor calidad global, un grado 2 a la segunda mejor, etctera. Se puede utilizar entonces una prueba no paramtrica para determinar donde existe algn acuerdo entre los dos jueces

INTRODUCCIN
Existe varias desventajas asociadas con las pruebas no paramtricas. No utilizan la informacin que proporciona la muestra, Una prueba no paramtrica ser menos eficiente que el procedimiento paramtrico correspondiente, cuando se pueden aplicar ambos mtodos.

INTRODUCCIN
Si se puede aplicar una prueba

paramtrica y una no paramtrica al mismo conjunto de datos, debemos aplicar la tcnica paramtrica ms eficiente. Sin embargo, se debe reconocer que las suposiciones de normalidad a menudo no se pueden justificar, y que no siempre se tienen mediciones cuantitativas.

METODOS NO PARAMETRICOS
En la estadstica no paramtrica el

parmetro de posicionamiento hacia el centro de la distribucin de mayor utilidad es la Mediana y como medida de dispersin el Rango o alguna variante de ste.

METODOS NO PARAMETRICOS
Una caracterstica importante

es que la distribucin de datos debe corresponderse con el Orden Estadstico.

Esto es, con el nmero que

tiene una variable en un conjunto de datos ordenados ascendentemente.

PRUEBA DEL SIGNO

Se usa para hacer pruebas de hiptesis

acerca de la mediana de una poblacin de una variable continua. Esta prueba estadstica est basada en la distribucin Binomial con probabilidad de xito p=, puesto que la probabilidad de que un dato sea mayor o menor que la mediana es . Dada una muestra .a simple de tamao n definida por (X1,..,Xn) extrada de una poblacin con distribucin continua, se quiere contrastar si su mediana es igual a cierto valor Me

PRUEBA DEL SIGNO

La mediana de una distribucin es

un valor de la variable aleatoria X tal que la probabilidad de que un valor observado de X sea menor o igual, o mayor o igual, que la mediana es 0.5. Por lo tanto P(X Me) = P(X Me)= 0.5

PRUEBA DEL SIGNO

Cuando

la distribucin normal es simtrica, la media de una distribucin normal es igual a la mediana. Por consiguiente, la prueba del signo puede emplearse para probar hiptesis sobre la media de una poblacin normal. Suponer que las hiptesis son:

Ho : Me = Meo

H1 : Me < Meo

PRUEBA DEL SIGNO

Si la hiptesis nula Ho : Me = Meo es verdadera, cualquier

diferencia Xi Meo tiene la misma probabilidad de ser negativa o positiva. Un estadstico de prueba apropiado es el nmero de estas diferencias que son positivas, por ejemplo R+. Entonces, la prueba de la hiptesis nula es en realidad una prueba de que el nmero de signos positivos es un valor de una variable aleatoria binomial con parmetro P = . Se puede calcularse un valor P para el nmero observado de signos positivos r+ directamente de la distribucin binomial

PRUEBA DEL SIGNO

Para probar la otra hiptesis unilateral

Ho : Me = Meo

H1 : Me > Meo

se rechaza H0 en favor de H1 slo si el nmero observado de signos ms, r+, es grande o, De manera equivalente: Cada vez que la fraccin observada de signos positivos es significativamente mayor que . En consecuencia, si el valor P calculado P = P(R+ r+ cuando p = 1/2) es menor que , entonces H0 se rechaza y se concluye que H1 es verdadera.

PRUEBA DEL SIGNO

Para probar la alternativa bilateral. Si las hiptesis son:

Ho : Me = Meo

H1 : Me Meo

se rechaza H0 si la proporcin de signos positivos difiere de manera significativa de (ya sea por encima o por debajo).

Para muestras pequeas (n<20) tenemos

18

a) Cuando:

T(nmero de diferencias positivas) >T(-) (nmero de

diferencias negativas) , entonces el "p-valor" se calcula por :

Donde: c: nmero de diferencias positivas. n: nmero de datos menos la cantidad de datos iguales al valor Me asumido.
Ing. William len Velsquez

Para muestras pequeas (n<20) tenemos

19

a) Cuando: T(nmero de diferencias positivas) <>T(-) (nmero de diferencias negativas) , entonces el "p-valor" se calcula por :

Donde: c: nmero de diferencias positivas. n: nmero de datos menos la cantidad de datos iguales al valor Me asumido.
Ing. William len Velsquez

Ejemplo 01:
Un artculo informa acerca de un

estudio en el que se modela el motor de una maquina reuniendo el combustible y la mezcla de encendido dentro de un contenedor metlico. Una caracterstica importante es la resistencia al esfuerzo cortante de la unin entre los dos tipos de sustancias.

Ejemplo 01:
En la siguiente tabla
Observa cin Resistencia al esfuerzo cortante xi 1 2 3 4 2158.70 1678.15 2316.00 2061.30 11 12 13 14 Observa cin Resistencia al esfuerzo cortante xi 2165.20 2399.55 1779.80 2336.75

se muestran los resultados obtenidos al probar 20 motores seleccionados al azar.

5
6 7 8 9

2207.50
1708.30 1784.70 2575.10 2357.90

15
16 17 18 19

1765.30
2053.50 2414.40 2200.50 2654.20

10

2256.70

20

1753.70

Ejemplo 01:
Se desea probar la hiptesis de que la mediana de la

resistencia al esfuerzo cortante es 2000 psi, utilizando = 0.05.

Solucin: La hiptesis planteada ser

Ho : Me = 2000 psi H1 : Me 2000 psi

Ejemplo 01:
Se coloca los signos con respecto a la mediana.

Se observa que el estadstico de prueba r+ = 14.

Ejemplo 01:
Regla de decisin:
Si el valor de p correspondiente a r+=14 es menor

o igual que =0.05 se rechaza H0.

Clculos:
Puesto que r+=14 es mayor que n/2 => 20/2=10,

El valor de p se calcula de

p=2 P(R+14 cuando p = )

Ejemplo 01:
La p se calcula con la frmula de la distribucin

binomial:
p=2 P(R+14 cuando p = )
Con Minitab P( x>=14) = 1 - P (x<=13)
Funcin de distribucin acumulada

Binomial con n = 20 y p = 0.5

x P( X <= x ) 13 0.942341 1 - 0.942341 = 0.057659 2 * 0.057659 = 0.115318

Ejemplo 01:
26

Con una tabla binomial P( x>=14) = 1 - P (x<=13)

Funcin de distribucin acumulada

Binomial con n = 20, x = 13 y p = 0.5 x P( X <= x ) 13 0.942341 1 - 0.9423 = 0.0577 2 * 0.0577 = 0.1154

Ing. William len Velsquez

Ejemplo 01:
Conclusin: Como p=0.1153 no es menor = 0.05, No es posible rechazar la hiptesis nula de que la mediana de la resistencia al esfuerzo constante es 2000 psi.

Otra manera de resolver el problema es con Aproximacin normal:

Cuando

p=0.5, la distribucin binomial esta bien aproximada por la distribucin normal cuando n es al menos 10. Por tanto, dado que la media de la distribucin binomial es np y la varianza es npq, la distribucin de R+ es aproximadamente normal con media 0.5n y varianza 0.25n, cada vez que n es moderadamente grande.

Otra manera de resolver el problema es con Aproximacin normal:

Las

reglas de decisin se establecern como cualquier ensayo en una distribucin muestral en donde se utiliza la distribucin normal. Para resolver el problema anterior: Ho : o = 2000 psi H1 : o 2000 psi

Otra manera de resolver el problema es con Aproximacin normal:

Como la muestra es mayor que 10 se utilizar la

aproximacin normal

Otra manera de resolver el problema es con Aproximacin normal:

Regla de Decisin:
Si

1.96 ZR 1.96 No se rechaza Ho

Si

ZR < -1.96 si ZR > 1.96 Se rechaza Ho

Otra manera de resolver el problema es con Aproximacin normal:

Clculos:

Otra manera de resolver el problema es con Aproximacin normal:

Decisin y Conclusin: Como 1.789 esta entre 1.96 y 1.96,

no se rechaza H0 y Se concluye con un =0.05 que la mediana es de 2000 psi.

Prueba de Signos de la Mediana Para observaciones pareadas

34

La prueba de los signos tambin puede servir como alternativa no paramtrica a la prueba t de muestra pareada o a la correspondiente prueba de muestra grande. En tales problemas, cada par de valores mustrales se remplaza por un signo adems si el primer valor es menor que el segundo, por un signo de menos si el primer valor es menor que el segundo, o bien se descarta si los dos valores son iguales.

Prueba de Signos de la Mediana Para observaciones pareadas

Ejemplo 1
35

Se desea comparar la forma en que los consumidores califican (en escala de 1 a 10) a dos limpiadores para ventanas. Se selecciona al azar 6 amas de casa de un grupo de consumidoras para que cada una de ellas califique una ventana tratada con el limpiador A y otra con el limpiador B. Se ha usado un experimento de diferencias pareadas (diseo aleatorizado en bloques) para efectuar la comparacin.

Prueba de Signos de la Mediana Para observaciones pareadas

Ejemplo 1
36

Los limpiadores A y B son tratamientos. Los bloques corresponden a las amas de casa y su objeto es eliminar la variabilidad entre amas de casa. Los datos del experimento aparecen en la tabla. Presentan los datos la suficiente evidencia que indique una diferencia en la preferencia de los consumidores por los limpiadores?

Ama Casa

Limpiador A B

1 2 3 4 5 6

10 7 8 5 7 9

7 5 7 2 6 6

Prueba de Signos de la Mediana Para observaciones pareadas

Ejemplo 1
37

Calificaciones de amas de casa a dos limpiadores de ventanas:

Ho: p = 0.5 no hay preferencia de A sobre B Ha: p<>0.5 Ama Casa 1 2 3 4 5 6 Limpiador A B 10 7 7 5 8 7 5 2 7 6 9 6
A-B

+ + + + + +

Hay evidencia que indique cierta preferencia de las amas de casa por uno de los limpiadores?

Prueba de Signos de la Mediana Para observaciones pareadas

38

Ejemplo 1

Para contestar la pregunta, no se necesita efectuar una prueba estadstica complicada. Se necesita efectuar una prueba del signo, que es muy fcil de aplicar. Del cuadro anterior se nota que la calificacin para el limpiador A excede a la B en los seis casos (por lo que los signos de las diferencias son todos positivos).

Prueba de Signos de la Mediana Para observaciones pareadas

Ejemplo 1
39

Suponiendo que no existe diferencia entren los limpiadores, el resultado es equivalente a lanzar una moneda balanceada seis veces y observar seis caras(o cruces). La probabilidad de dicho evento, ()6 + ()6 =1/32, = 0.03125 es demasiada pequea.
Por lo tanto, se rechazara la hiptesis de que las distribuciones de las calificaciones de los limpiadores son idnticas.

Prueba de Signos de la Mediana Para observaciones pareadas

Ejemplo 2
40

Se quiere probar el efecto de un somnfero en 15 personas, para ello se mide las horas que duermen tomando y sin tomar el somnfero. Los tiempos se muestran en la tabla

Ho: No existen diferencias en el tiempo de sueo H1: Existen diferencias en el tiempo de sueo

Prueba de Signos de la Mediana

Ejemplo 2
41

N1 (+) = 10 ; N2 (-) = 3 ; N = 10 + 3 = 13 ; Entonces: x = 10 , N=13

Aplicando la frmula:
Z= (2*10 13)/ 13 = 1.941

Prueba de Signos de la Mediana

Ejemplo 2
De la tabla de t - student
42

t(12, 0.05/2)=2.179
Como 1.941< 2.179 Por tanto no se puede rechazar H0. No se han encontrado diferencias.

Prueba de Signos de la Mediana

Ejemplo 3
43

Se quiere investigar si una publicidad de un

producto puede cambiar la preferencia de las personas de la poblacin que tenia sobre ese producto X. Para ello estudia una muestra de 100 adultos que han visto la publicidad. Los resultados de las pregunta si ha cambiado su preferencia son:. 15 dicen que siguen viendo al producto igual, 59 los ven con ms ventajas al producto y 26 dicen que los ven de menor calidad que su producto actual Cual es la conclusin?

Prueba de Signos de la Mediana

Ejemplo 3
44

Se puede aplicar la prueba de los signos, porque se tiene una opinin

despus de ver la publicidad, que se prueba con la que tenan antes de verla. Como se observa nos proporcionan los signos ya calculados. Y tenemos como resultados: 59 + , 26 - , 15 0 Entonces N1= 59 , N2= 26 y N=85 (los 15 que piensan igual no cuentan). X = 59 Ho = no hay cambios de opinin con respecto al producto H1 = si hay cambios de opinin con respecto al producto

Prueba de Signos de la Mediana

Ejemplo 3
Por tanto N1= 59 , N2= 26 y N=85
45

X = 59 Aplicando la frmula: Z = (2 * 59 - 85) / 85 = 3.58

Prueba de Signos de la Mediana

Ejemplo 3
Con un =0.01 Zc0.01/2 = 3.30 Como: 3.58 > 3.30
46

Se rechaza H0 a un nivel de significacin de 0.01. Por tanto la opinin sobre este asunto ha cambiado significativamente, sobre todo en una mayor preferencia, pero tambin, aunque menos, en sentido contrario.

Ejemplo 4

47

Un fabricante de frejoles envasados

est considerando una nueva receta para la salsa utilizada en su producto. Eligio una muestra aleatoria de ocho individuos y a cada uno de ellos le pedio que valorara en una escala de 1 a 10 el sabor del producto original y el nuevo producto
Los resultados se muestran en la

VALORACION
INDIVIDUO
PRODUCTO ORIGINAL PRODUCTO NUEVO

A
B

6
4

8
9

C
D

5
8

4
7

E
F

3
6

9
9

tabla:

G
H

7
5

7
9

Ing. William len Velsquez

Ejemplo 4

48

Es decir, tendremos un signo + cuando el producto preferido sea

el original, un signo cuando el preferido sea el nuevo producto y un 0 si los dos productos son valorados por igual.
En particular en este experimento, dos individuos han preferido el producto original y cinco el nuevo; Uno los valoro con la misma puntuacin
Ing. William len Velsquez

INDIVIDU O A B

VALORACION
PRODUCTO ORIGINAL PRODUCTO NUEVO

SIGNO DE DIFEREN LA DIFEREN CIA CIA

-2 -5 -

6 4

8 9

C
D E F G H

5
8 3 6 7 5

4
7 9 9 7 9

1
1 -6 -3 0 -4

+
+ 0 -

Prueba de Mann-Whitney
49

Equivalente no paramtrico a una prueba

de hiptesis de media para dos muestras Determina si una variable tiene valores mas altos en una poblacin que en otra. NO COMPARA LOS PROMEDIOS!!! Util si el tamao de muestra es pequeo o la distribucin es demasiado sesgada

Prueba de Mann-Whitney
50

Prueba de Mann-Whitney (comparacin de dos

grupos independientes) Es la prueba no paramtrica paralela a la t de dos grupos independientes Pasos: 1. pasar las puntuaciones a rangos (conjuntamente en los dos grupos) 2. computar la suma de los rangos del grupo 1

Prueba de Mann-Whitney
51

Muestras pequeas (n1 y n2 20) U R

i 1

(U es la suma de los rangos asignados a la muestra 1)

Muestras grandes

z emp

n ( N 1)
1

2 12

n1 n 2 ( N 1)

Hay tablas para este caso de muestras pequeas; en todo caso, si la muestra es relativamente grande, se puede efectuar la aproximacin a la distribucin normal

La hiptesis nula es que no haya diferencias entre los dos grupos

Prueba de Mann-Whitney
52

La frmula es la siguiente:

U1 y U2 = valores estadsticos de U Mann-Whitney. n1 = tamao de la muestra del grupo 1. n2 = tamao de la muestra del grupo 2. R1 = sumatoria de los rangos del grupo 1. R2 = sumatoria de los rangos del grupo 2.

Prueba de Mann-Whitney
53

Paso 1: Determinar el tamao de las muestras (n1 y n2). Si n1 y n2 son menores que 20, se consideran muestras pequeas, Pero si son mayores que 20, se consideran muestras grandes.

Prueba de Mann-Whitney
54

Paso 2: Arreglar los datos en rangos del menor al mayor valor. En caso de que existan ligas o empates de rangos iguales, se debern detectar para un ajuste posterior.

Prueba de Mann-Whitney
55

Paso 3: Calcular los valores de U1 y U2, de modo que se elija el ms pequeo para comparar con los crticos de U Mann-Whitney de la tabla de probabilidades asociadas con valores pequeos como los de U en la prueba de Mann-Whitney. En caso de muestras grandes, calcular el valor Z, pues en estas condiciones se distribuye normalmente.

Prueba de Mann-Whitney
56

Paso 4: Decidir si se acepta o rechaza la hiptesis.

Prueba de Mann-Whitney
57

Muestras grandes

z emp

n ( N 1)
1

2 12

n1 n 2 ( N 1)

Muestras pequeas (n1 y n2 20)

U R i1

Ejemplo 1

Prueba de Mann-Whitney
58

Se llev a cabo un estudio que analiza la frecuencia del pulso en dos grupos de personas de edades diferentes, despus de diez minutos de ejercicios aerbicos. Los datos resultantes se muestran a continuacin. Edad 40-44 Edad 16-20 C1 C2 140 130 135 166 150 128 140 Tuvieron diferencias 126 144 significativas las frecuencias 140 154 136 de pulso de ambos grupos? 160 132 144 128 136 124 148

Ejemplo 1

Prueba de Mann-Whitney
59

Ordenando los datos y

asignndoles el (rango) de su posicin relativa se tiene (promediando posiciones para el caso de que sean iguales):

Edad 40-44 C1 (7) 135 (8.5) 136 (11) 140 (11) 140 (13.5) 144 (13.5) 144 (15) 148 (16) 150 (17) 154 (18) 160 n1 = 10 Ta = 130.5

Edad 16-20 C2 (1) 124 (2) 126 (3.5) 128 (3.5) 128 (5) 130 (6) 132 (8.5) 136 (11)140 (19)166 n2 = 9 Tb = 55.5

Ta y Tb suma de rangos

Ejemplo 1

Prueba de Mann-Whitney
60

Ho: Las distribuciones de frecuencias relativas de las poblaciones A y B son iguales Ha: Las distribuciones de frecuencias relativas poblacionales no son idnticas Ho: Me1 = Me2 Ha: Me1 Me2 Me1, Me2 = Medianas de las poblaciones

Ejemplo 1

Prueba de Mann-Whitney
61

Ordenando los datos y asignndoles su posicin relativa se tiene: Ua = n1*n2 + (n1) * (n1 + 1) /2 - Ta Ub = n1*n2 + (n2) * (n2 + 1) /2 Tb Ua + Ub = n1 * n2 Ua = 90 + 55 - 130.5 = 14.5 Ub = 90 + 45 - 55.5 = 79.5 El menor de los dos es Ua.

P(Ua) = 0.006

Ejemplo 1

Prueba de Mann-Whitney
62

De la tabla de Mann-Whitney Para alfa = 0.05

Uo= n1(n1+n2+1)/2 - TL Uo= 10(10+9+1)/2 - 76= 24

Ejemplo 1

Prueba de Mann-Whitney
63

Para alfa = 0.05 el valor de Uo = 24 Como Ua < 24 - 14.5 < 24 se rechaza la Hiptesis Ho de que las medianas son iguales.

Dado que p < 0.05, rechazamos la hiptesis nula. Estadsticamente existe una diferencia significativa entre los dos grupos de edad.

Ejemplo 1

Prueba de Mann-Whitney
64

Ho: Las distribuciones de frecuencias relativas de las poblaciones A y B son iguales Ha: Las distribuciones de frecuencias relativas poblacionales no son idnticas Ua = 14.5 Ub = 79.5 Utilizando el estadstico Z y la distribucin normal se tiene: Media= n1* n2 / 2 = (10*9)/2 = 45 DS= Raiz (n1 * n2 * (n1 + n2 + 1) / 12 Raiz(10 *9 * 20/12) = 12.24 Z = [ (U - (n1* n2 / 2 ) / Raiz (n1 * n2 * (n1 + n2 + 1) / 12)

Ejemplo 1

Prueba de Mann-Whitney
65

Con Ua y Ub se tiene: Za = (14.5 - 45) / 12.24 = - 2.49 P(Za) = 0.0064 Zb = (79.5 -45) / 12.24 = 2.81 P(Zb) = 0.0064 P(total) = 2 * 0.0064 = 0.0128 menor = 0.05 El valor crtico de Z para alfa 0.025 por ser prueba de dos colas, es 1.96. Como Za > Zcrtico se rechaza la Hiptesis Ho de que las medianas son iguales.
Dado que p < 0.05, rechazamos la hiptesis nula. Estadsticamente existe una diferencia significativa entre los dos grupos de edad.

Ejemplo 2

Prueba de Mann-Whitney
66

Para determinar si la asistencia a un curso de ofimtica modifica el estilo cognitivo, se seleccionan dos grupos de 10 alumnos, uno de los cuales sigui el curso (grupo experimental) mientras que al otro no se le aplic ningn tratamiento (grupo control). Tras la realizacin del curso, mediante una escala adecuada se medi el estilo cognitivo de-ambos grupos,-variable que-no se distribuye normalmente en la poblacin. Podemos afirmar que los dos grupos son diferentes en cuanto a estilo cognitivo despus de haber finalizado el curso?

Ejemplo 2

Prueba de Mann-Whitney
Ya en el enunciado del problema, se nos dice que los datos
67

son siguen una distribucin normal por lo que utilizaremos un contraste no paramtrico. Al tratarse de dos muestras independientes, la prueba ms adecuada es la prueba de Mann-Whitney. Las hiptesis que vamos a contrastar son: H0: No existen diferencias entre el grupo experimental y el grupo control. H1: Existen diferencias significativas entre el grupo experimental y el grupo control. Fijamos un nivel de significacin (0.05) y calculamos los estadsticos T y U:

Ejemplo 2

Prueba de Mann-Whitney

68

La suma de rangos de la primera muestra o estadstico T es 120.5.

Ejemplo 2

Prueba de Mann-Whitney

69

Y por tanto, U vale:

Buscamos en la tabla para la prueba Mann-Whitney, y encontramos que" para tamaos de 10 sujetos en ambas muestras y T=120.5, la probabilidad asociada es 0.124. Debemos tener en cuenta que nuestro contraste es bilateral, por lo que la probabilidad buscada ser el doble de la que se recoge en la tabla, esto es, 0.248. Como p>0.05 no podemos rechazar la hiptesis nula con una confianza del 95%, es decir, los grupos no son diferentes en estilo cognitivo.

Ejemplo 3

Prueba de Mann-Whitney

70

La prueba parte de N1 valores aleatorios de la primera poblacin y de otros N2 valores aleatorios de la segunda

Ejemplo 3

Prueba de Mann-Whitney
71

Para llevarla a cabo se ordenan de forma creciente la totalidad de las observaciones en una sola serie especificando la poblacin de origen.

Ejemplo 3

Prueba de Mann-Whitney
72

A partir de aqu se pueden obtener los estadsticos U1 y U2 definidos como:

Donde N1 y N2 son los tamaos muestrales de cada una de las dos muestras y R1 y R2 la suma de los rangos de cada una de las dos muestras:

Ejemplo 3

Prueba de Mann-Whitney
73

En nuestro caso:

R1= 1+3+4+7= 15 R2= 2+5+6=13

Con lo que los dos estadsticos quedaran: U1 = (43+(45/2))-15=1.5 U2 =(34+(34/2))-13=2.5

Ejemplo 3

Prueba de Mann-Whitney
Finalmente se compara el estadstico U= mnimo de U1 y U2 con el correspondiente valor crtico, U(N1,N2,a), tabulado. De forma que fijado un determinado nivel de significacin si: U<U(N1,N2,a) se aceptar ( no se rechazar) la hiptesis nula, y por lo tanto mantendremos la hiptesis de que las dos muestran provienen de dos poblaciones de comportamiento semejante. U> U(N1,N2,a) rechazaremos la hiptesis nula , y por tanto concluiremos que no se puede mantener la hiptesis de que ambas mientras provenga de poblaciones semejantes. En nuestro ejemplo el valor crtico para a= 0.10 y un contraste bilateral : U(3,4,0.1)=1 , por lo que no podramos rechazar la hiptesis nula con ese nivel de significacin.
74

75

FIN
Ing. William len Velsquez
75