Medidas de tendencia central

Al describir grupos de diferentes observaciones, con frecuencia es conveniente resumir la

informacin con un solo nmero. Este nmero que, para tal fin, suele situarse hacia el
centro de la distribucin de datos se denomina medida o parmetro de tendencia
central o de centralizacin. Cuando se hace referencia nicamente a la posicin de estos
parmetros dentro de la distribucin, independientemente de que sta est ms o menos
centrada, se habla de estas medidas como medidas de posicin.1 En este caso se
incluyen tambin los cuantiles entre estas medidas.
Entre las medidas de tendencia central tenemos:

Media aritmtica
Media ponderada
Media geomtrica
Media armnica
Mediana
Moda
Se debe tener en cuenta que existen variables cualitativas y variables cuantitativas, por lo
que las medidas de posicin o medidas de tendencia se usan de acuerdo al tipo de
variable que se est observando, en este caso se observan variables cuantitativas.

ndice
[ocultar]

1La media aritmtica

o 1.1Definicin formal
o 1.2Propiedades
o 1.3Inconvenientes de su uso
o 1.4Media aritmtica ponderada
o 1.5Media muestral
2Moda
o 2.1Propiedades
o 2.2Inconvenientes
3Mediana
o 3.1Clculo de la mediana para datos agrupados
o 3.2Propiedades e inconvenientes
4Vase tambin
5Referencias
6Enlaces externos

La media aritmtica[editar]
Artculo principal: Media aritmtica

La media aritmtica es el valor obtenido por la suma de todos sus valores dividida entre el
nmero de sumadores.
Por ejemplo, las notas de 5 alumnos en una prueba:

nio nota
1 6,0 Primero, se suman las notas:
2 5,4 6,0+5,4+3,1+7,0+6,1 = 27,6
 3 3,1 Luego el total se divide entre la cantidad de
alumnos:
4 7,0 27,6/5=5,52
5 6,1

La media aritmtica en este ejemplo es 5,52

La media aritmtica es, probablemente, uno de los parmetros estadsticos ms
extendidos.2 Se le llama tambin promedio o, simplemente, media.
Definicin formal[editar]
Dado un conjunto numrico de datos, x1, x2, ..., xn, se define su media aritmtica como

Esta definicin vara, aunque no sustancialmente, cuando se trata de variables

continuas, esto es, tambin puede calcularse para variables agrupadas en intervalos.
Propiedades[editar]
Las principales propiedades de la media aritmtica son:3

Su clculo es muy sencillo y en l intervienen todos los datos.

Su valor es nico para una serie de datos dada.

Se usa con frecuencia para comparar poblaciones, aunque es ms apropiado

acompaarla de una medida de dispersin.

Se interpreta como "punto de equilibrio" o "centro de masas" del conjunto de datos,

ya que tiene la propiedad de equilibrar las desviaciones de los datos respecto de
su propio valor:

Minimiza las desviaciones cuadrticas de los datos respecto de cualquier valor

prefijado, esto es, el valor de es mnimo cuando . Este resultado se

conoce como Teorema de Knig. Esta propiedad permite interpretar uno de
los parmetros de dispersin ms importantes: la varianza.

Se ve afectada por transformaciones afines (cambios de origen y escala), esto

es, si

entonces , donde es la media aritmtica de los , para i = 1,

..., n y a y b nmeros reales.

Es poco sensible a fluctuaciones muestrales, por lo que es un parmetro

muy til en inferencia estadstica.
Inconvenientes de su uso[editar]
Este parmetro, an teniendo mltiples propiedades que aconsejan su uso en
situaciones muy diversas, tiene tambin algunos inconvenientes, como son:
 Para datos agrupados en intervalos (variables continuas) su valor oscila
en funcin de la cantidad y amplitud de los intervalos que se consideren.

La estatura media como resumen de una poblacin homognea (abajo) o

heterognea (arriba).

Es una medida a cuyo significado afecta sobremanera la dispersin, de

modo que cuanto menos homogneos sean los datos, menos informacin
proporciona. Dicho de otro modo, poblaciones muy distintas en su
composicin pueden tener la misma media.4 Por ejemplo, un equipo de
baloncesto con cinco jugadores de igual estatura, 1,95 m, evidentemente,
tendra una estatura media de 1,95 m, valor que representa fielmente a
esta poblacin homognea. Sin embargo, un equipo de jugadores de
estaturas ms heterogneas, 2,20 m, 2,15 m, 1,95 m, 1,75 m y 1,70 m,
por ejemplo, tendra tambin, como puede comprobarse, una estatura
media de 1,95 m, valor que no representa a casi ninguno de sus
componentes.

En el clculo de la media no todos los valores contribuyen de la misma

manera. Los valores altos tienen ms peso que los valores cercanos a
cero. Por ejemplo, en el clculo del salario medio de una empresa, el
salario de un alto directivo que gane 10.000 tiene tanto peso como el de
diez empleados "normales" que ganen 1.000 . En otras palabras, se ve
muy afectada por valores extremos.

No se puede determinar si en una distribucin de frecuencias hay

intervalos de clase abiertos.
Media aritmtica ponderada[editar]
A veces puede ser til otorgar pesos o valores a los datos dependiendo de su
relevancia para determinado estudio. En esos casos se puede utilizar una
media ponderada.

Si son nuestros datos y son sus "pesos" respectivos, la media

ponderada se define de la siguiente forma:

Media muestral[editar]
Esencialmente, la media muestral es el mismo parmetro que el anterior,
aunque el adjetivo "muestral" se aplica a aquellas situaciones en las que
la media aritmtica se calcula para un subconjunto de la poblacin objeto
de estudio.
La media muestral es un parmetro de extrema importancia en
la inferencia estadstica, siendo de gran utilidad para la estimacin de la
media poblacional, entre otros usos.

Moda[editar]
Artculo principal: Moda (estadstica)

La moda es el dato ms repetido de la encuesta, el valor de la variable

con mayor frecuencia absoluta.5 En cierto sentido la definicin matemtica
corresponde con la locucin "estar de moda", esto es, ser lo que ms se
lleva.
Su clculo es extremadamente sencillo, pues solo necesita un recuento.
En variables continuas, expresadas en intervalos, existe el denominado
intervalo modal o, en su defecto, si es necesario obtener un valor concreto
de la variable, se recurre a la interpolacin.
Por ejemplo, el nmero de personas en distintos vehculos en una
carretera: 5-7-4-6-9-5-6-1-5-3-7. El nmero que ms se repite es 5,
entonces la moda es 5.
Hablaremos de una distribucin bimodal de los datos, cuando
encontremos dos modas, es decir, dos datos que tengan la misma
frecuencia absoluta mxima. Cuando en una distribucin de datos se
encuentran tres o ms modas, entonces es multimodal. Por ltimo, si
todas las variables tienen la misma frecuencia diremos que no hay moda.
Cuando tratamos con datos agrupados en intervalos, antes de calcular la
moda, se ha de definir el intervalo modal. El intervalo modal es el de
mayor frecuencia absoluta.
La moda, cuando los datos estn agrupados, es un punto que divide el
intervalo modal en dos partes de la forma p y c-p, siendo c la amplitud del
intervalo, que verifiquen que:

Siendo la frecuencia absoluta del intervalo modal

y y las frecuencias absolutas de los intervalos anterior y

posterior, respectivamente, al intervalo modal.
Las calificaciones en la asignatura de Matemticas de 39 alumnos de
una clase viene dada por la siguiente tabla (debajo):

Calificaciones 1 2 3 4 5 6 7 8 9
Nmero de alumnos 2 2 4 5 8 9 3 4 2

Propiedades[editar]
Sus principales propiedades son:

Clculo sencillo.
Interpretacin muy clara.
Al depender solo de las frecuencias, puede calcularse
para variables cualitativas. Es por ello el parmetro ms utilizado
cuando al resumir una poblacin no es posible realizar otros
clculos, por ejemplo, cuando se enumeran en medios
periodsticos las caractersticas ms frecuentes de determinado
sector social. Esto se conoce informalmente como "retrato robot".6
Inconvenientes[editar]

Su valor es independiente de la mayor parte de los datos, lo que

la hace muy sensible a variaciones muestrales. Por otra parte, en
variables agrupadas en intervalos, su valor depende
excesivamente del nmero de intervalos y de su amplitud.
Usa muy pocas observaciones, de tal modo que grandes
variaciones en los datos fuera de la moda, no afectan en modo
alguno a su valor.
No siempre se sita hacia el centro de la distribucin.
 Puede haber ms de una moda en el caso en que dos o ms
valores de la variable presenten la misma frecuencia
(distribuciones bimodales o multimodales).

Mediana[editar]
Artculo principal: Mediana (estadstica)

La mediana es un valor de la variable que deja por debajo de s a la

mitad de los datos, una vez que stos estn ordenados de menor a
mayor.7 Por ejemplo, la mediana del nmero de hijos de un conjunto
de trece familias, cuyos respectivos hijos son: 3, 4, 2, 3, 2, 1, 1, 2, 1,
1, 2, 1 y 1, es 2, puesto que, una vez ordenados los datos: 1, 1, 1, 1,
1, 1, 2, 2, 2, 2, 3, 3, 4, el que ocupa la posicin central es 2:

En caso de un nmero par de datos, la mediana no

correspondera a ningn valor de la variable, por lo que se
conviene en tomar como mediana el valor intermedio entre los dos
valores centrales. Por ejemplo, en el caso de doce datos como los
siguientes:

Se toma como mediana

Existen mtodos de clculo ms rpidos para datos ms
numerosos (vase el artculo principal dedicado a este
parmetro). Del mismo modo, para valores agrupados en
intervalos, se halla el "intervalo mediano" y, dentro de ste, se
obtiene un valor concreto por interpolacin.
Clculo de la mediana para datos
agrupados[editar]
Primero hallamos las frecuencias absolutas acumuladas Fi
(ver tabla del margen derecho).
As, aplicando la frmula asociada a la mediana para n impar,
obtenemos X(39+1)/2 = X20 y basndonos en la frmula que
hace referencia a las frecuencias absolutas:
Ni-1< n/2 < i = N19 < 19.5 < N20
Por tanto la mediana ser el valor de la variable que
ocupe el vigsimo lugar. En nuestro ejemplo, 21
(frecuencia absoluta acumulada para Xi = 5) > 19.5 con lo
que Me = 5 puntos (es aconsejable no olvidar las
unidades; en este caso como estamos hablando de
calificaciones, sern puntos)
La mitad de la clase ha obtenido un 5 o menos, y la otra
mitad un 5 o ms.
Ejemplo (N par)
Las calificaciones en la asignatura de Matemticas de 38
alumnos de una clase viene dada por la siguiente tabla
(debajo):
 Calificaciones 1 2 3 4 5 6 7 8 9
Nmero de alumnos 2 2 4 5 6 9 4 4 2

Clculo de la Mediana: xi fi Fi
Primero hallamos las frecuencias absolutas 1 2 2
acumuladas Fi (ver tabla margen derecho). 2 2 4
Si volvemos a utilizar la frmula asociada a 3 4 8
la mediana para n par, obtenemos X(38/2)
= X19 y basndonos en la frmula que 4 5 13
hace referencia a las frecuencias absolutas 5 6 19 = 19
--> Ni-1< n/2 < Ni = N18 < 19 < N19
6 9 28
Con lo cual la mediana ser la media
aritmtica de los valores de la variable que 7 4 32
ocupen el decimonoveno y el vigsimo 8 4 36
lugar.
9 2 38
En nuestro ejemplo, el lugar decimonoveno
lo ocupa el 5 y el vigsimo el 6, (desde el vigsimo hasta
el vigsimo octavo)
con lo que Me = (5+6)/2 = 5,5 puntos.
Propiedades e inconvenientes[editar]
Las principales propiedades de la mediana son:8

Es menos sensible que la media a oscilaciones de los

valores de la variable. Un error de transcripcin en la
serie del ejemplo anterior en, pongamos por caso, el
ltimo nmero, deja a la mediana inalterada.
Como se ha comentado, puede calcularse para datos
agrupados en intervalos, incluso cuando alguno de
ellos no est acotado.
No se ve afectada por la dispersin. De hecho, es
ms representativa que la media aritmtica cuando la
poblacin es bastante heterognea. Suele darse esta
circunstancia cuando se resume la informacin sobre
los salarios de un pas o una empresa. Hay unos
pocos salarios muy altos que elevan la media
aritmtica haciendo que pierda representatividad
respecto al grueso de la poblacin. Sin embargo,
alguien con el salario "mediano" sabra que hay tanta
gente que gana ms dinero que l, como que gana
menos.
Sus principales inconvenientes son que en el caso de
datos agrupados en intervalos, su valor vara en funcin
de la amplitud de estos. Por otra parte, no se presta a
clculos algebraicos tan bien como la media aritmtica.

MEDIDAS DE DISPERSIN
 Contenido:

Poblacin y muestra
Amplitud o recorrido
Desviacin media. desviacin estndard y varianza
Coeficiente de variacin
Clculo de la varianza en una tabla de frecuencias

POBLACIN Y MUESTRA
Si un conjunto de datos consta de todas las observaciones concebibles (o
hipotticamente posibles) de cierto fenmeno, se denomina poblacin; si un
conjunto de datos consta solamente de una parte de estas observaciones se
conoce como muestra por lo que una muestra debe ser un subconjunto de la
poblacin.

Por ejemplo: Un peridico local imprime un artculo poltico para todos sus
lectores. El peridico desea considerar las actitudes de 200 lectores hacia el
artculo y conocer sus puntos de vista.

De acuerdo a lo planteado en el ejemplo el total de los lectores representara

la poblacin a la que le llega el artculo y los 200 lectores seleccionados
representaran la muestra para conocer su punto de vista.

Se utilizar la palabra "muestra" solo con relacin a datos que se puedan

utilizar en forma razonable para hacer generalizaciones acerca de la poblacin
de la cual provinieron. En este sentido ms tcnico, no son aceptables muchos
conjuntos de datos que por lo comn se denominan muestras.

Como el trmino estadstica(o) se introdujo con relacin a los datos de

muestra, se agregar que tambin existe un nombre para las descripciones
estadsticas de poblaciones llamadasparmetros. Como se observar, la
distincin entre estadstica y parmetros servir para simplificar nuestro
lenguaje. En realidad, hasta se usarn smbolos diferentes de medidas
estadsticas, segn se utilicen para describir muestras o poblaciones.
Para poblaciones se utilizarn letras griegas y para muestras, latinas.
Por ejemplo para representar la media o el promedio de una muestra se utiliz
la frmula:

La media de una poblacin de N elementos se define en la misma forma. Es la

suma de los N elementos, dividida entre el tamao de la poblacin N.

En las frmulas anteriores se representa a la media de la muestra por y la

media de la poblacin por para identificarlas entre s.

MEDIDAS DE DISPERSIN

En secciones anteriores se ha discutido sobre tres medidas descriptivas del

centro. Sin embargo, estas medidas no son suficientes para caracterizar la
distribucin, puesto que otro aspecto que debe se tomar en cuenta es la
variabilidad de las observaciones.

Con el propsito de medir la dispersin o variabilidad, se discutirn en este

apartado las medidas de: Amplitud (llamada tambin rango o recorrido),
Desviacin media, Varianza, Desviacin Estndar (tambin llamada
desviacin tpica) y Coeficiente de Variacin.
Amplitud o recorrido
La medida de dispersin ms simple recibe el nombre de Amplitud o
recorrido y es muy poco usada puesto que su nica ventaja es la sencillez con
que se calcula. Es comn que se use tambin el nombre de Rango para esta
medida. La amplitud (A) de un conjunto de datos es la diferencia entre las
observaciones que tienen el mayor y el menor valor numrico en el mismo.

Por ejemplo: Supngase que en un hospital el pulso de cada paciente se mide

tres veces al da y que cierto da los registros de dos pacientes muestran:

Paciente 1: 73 77 74

Paciente 2: 64 90 73

Cul es la Amplitud en pulsaciones para cada paciente?

Para calcular la amplitud de los datos necesario identificar el valor ms grande

y el valor ms pequeo del conjunto de datos de cada uno de los pacientes.

Para el Paciente 1:

A = 77 73 = 4

Para el Paciente 2:

A = 90 64 = 26

La amplitud es una medida de dispersin cuya ventaja es la facilidad con que

se calcula. Tiene en cambio las siguientes desventajas:

En su clculo slo intervienen dos elementos del conjunto.

Al aumentar el nmero de observaciones, puede esperarse que aumente
la variabilidad. Puesto que la amplitud no tiene en cuenta el tamao del
conjunto, no es una medida adecuada para comparar la variabilidad de
dos grupos de observaciones, a menos que stos sean del mismo
tamao.
Desviacin media, desviacin estndar y varianza
Para presentar la desviacin estndar, que es por mucho la medida
generalmente ms til de la dispersin, obsrvese que la dispersin de un
conjunto de datos es pequea si los valores se agrupan en forma cerrada en
torno a su media y es grande si los valores se dispersan ampliamente en torno
a su media. Por tanto, parecera razonable medir la dispersin de un conjunto
de datos en trminos de las cantidades en las cuales difieren los valores
individuales de su media. Si se tiene un conjunto de nmeros:

que constituyen una poblacin con una media , las diferencias entre:

se denominan las desviaciones de la media y esto sugiere que se podra usar

el promedio de estas desviaciones como medida de dispersin en la poblacin.
A menos que las X sean todas iguales, algunas de las desviaciones sern
positivas y otras negativas, la suma de todas las desviaciones de la media

y en consecuencia tambin su promedio es siempre cero.

Como realmente se est interesado en la magnitud de las desviaciones, y no si

son positivas o negativas, se pueden ignorar simplemente los signos y definir
una medida de variacin en trminos de los valores absolutos de las
desviaciones de la media. En realidad, si se suman las desviaciones de la
media como si fueran todas positivas o cero y las dividiramos entre N, se
obtendra la media estadstica que se denomina desviacin media y se
representa por:
Esta medida tiene una apariencia intuitiva, pero debido al valor absoluto, lleva
a encontrar dificultades tericas en problemas de inferencia y rara vez se usa.

Un mtodo alternativo consiste en trabajar con los cuadrados de las

desviaciones de la media, ya que tambin esto eliminar el efecto de los
signos. Los cuadrados de nmeros reales no pueden ser negativos y pueden
tomar el valor de cero.

Por consiguiente, si se promedia las desviaciones cuadradas de la media y se

toma la raz cuadrada del resultado (para compensar el hecho de que las
desviaciones fuesen cuadradas), se obtiene la Desviacin estndar de la
poblacin.

sta medida de variacin se representa por medio de sigma minscula ( ) y

al expresar literalmente lo que se ha hecho aqu de manera matemtica,
tambin se conoce como la raz de la desviacin cuadrada media. A su
cuadrado de se le llama Varianza de la poblacin.

Quiz parezca lgico utilizar la misma frmula con n y sustituidas

por N y , para la desviacin estndar de una muestra; pero, esto no es
realmente lo que se hace. En lugar de dividir la suma de las desviaciones
entre n, se divide entre (n-1) y se define como desviacin estndar de la
muestra, que se denota con s como

Su cuadrado s2, se llama la Varianza de la muestra.

Al dividir entre n-1 en vez de hacerlo entre n, tiene una buena razn. Si se
dividiera entre n y se utilizara s2 como estimacin de es decir, se utilizara
la varianza de una muestra para determinar la varianza de la poblacin de la
cual provino, el resultado sera demasiado pequeo y esto se corrige al dividir
entre n-1 en lugar de hacerlo entre n. Si el valor de n es muy grande no
importa hacerlo entre n-1 sino que es prctico para definir s como se hizo.
Coeficiente de variacin
Las medidas de dispersin anteriores son todas medidas de variacin
absolutas. Una medida de dispersin relativa de los datos, que toma en cuenta
su magnitud, est dada por el coeficiente de variacin.

El Coeficiente de variacin (CV) es una medida de la dispersin relativa de un

conjunto de datos, que se obtiene dividiendo la desviacin estndar del

conjunto entre su media aritmtica y se expresa como para una

muestra y para la poblacin.

Los coeficientes de variacin tienen las siguientes caractersticas:

Puesto que tanto la desviacin estndar como la media se miden en las

unidades originales, el CV es una medida independiente de las unidades
de medicin.
Debido a la propiedad anterior el CV es la cantidad ms adecuada para
comparar la variabilidad de dos conjuntos de datos.
En reas de investigacin donde se tienen datos de experimentos
previos, el CV es muy usado para evaluar la precisin de un
experimento, comparando en CV del experimento en cuestin con los
valores del mismo en experiencias anteriores.

Ejemplo: En seis sbados consecutivos un operador de taxis recibi 9, 7, 11,

10, 13 y 7 llamadas a su sitio para su servicio. Calcule:

a. Amplitud.
b. Media.
c. Desviacin media.
d. Desviacin estndar.
 e. Varianza.
f. Coeficiente de variacin.

a) Para calcular la amplitud.

Valor mximo 13

Valor mnimo 7

A = 13 7 = 6

b) Para calcular la media.

c) Para calcular la desviacin media

d) Para calcular la desviacin estndar

Se puede utilizar la siguiente tabla:

 9 -0.5 0.25
7 -2.5 6.25
11 1.5 2.25
10 0.5 0.25
13 3.5 12.25
7 -2.5 6.25
0.0 27.50

Al sustituir los valores se obtiene:

e) Para calcular la varianza:

f) Para calcular el coeficiente de variacin:

Clculo de la varianza en una tabla de frecuencias

Para calcular la varianza de una tabla de frecuencias se utiliza la siguiente
frmula:

Donde:

k es el nmero de intervalos de clase

Xi es el valor medio de cada clase
fi es el valor de la frecuencia absoluta

Al retomar el ejemplo de la tabla de distribucin de frecuencias de

Precipitacin pluvial promedio anual en Baja California 1905 a 1994 en
pulgadas.

Punto medio
intervalos Conteo fi fAi FRi FRAi
de clase (mi)
(07.7 , 11.7] 9.7 ||||| ||||| ||||| ||| 18 18 18/90 18/90
(11.7 , 15.7] 13.7 ||||| ||||| ||| 13 31 13/90 31/90
||||| ||||| ||||| |||||
(15.7 , 19.7] 17.7 24 55 24/90 55/90
||||
(19.7 , 23.7] 21.7 ||||| ||||| ||||| || 17 72 17/90 72/90
(23.7 , 27.7] 25.7 ||||| ||||| ||| 13 85 13/90 85/90
(27.7 , 31.7] 29.7 0 85 0/90 85/90
(31.7 , 35.7] 33.7 |||| 4 89 4/90 89/90
(35.7 , 39.7] 37.7 | 1 90 1/90 90/90
TOTAL 90 90 90/90 90/90

Calcular s2 y s.
 mi fi fimi
9.7 94.09 18 174.6 1693.62
13.7 187.69 13 178.1 2439.97
17.7 313.29 24 424.8 7518.96
21.7 470.89 17 368.9 8005.13
25.7 660.49 13 334.1 8586.37
29.7 882.09 0 0 0
33.7 1135.69 4 134.8 4542.76
37.7 1421.29 1 37.7 1421.29
TOTAL ##### 90 1653.0 34208.10

Pruebas paramtricas
Las pruebas paramtricas son para datos numricos (escalas de intervalos o
razones) y , por lo general, estn basadas en las propiedades de la distribucin
normal o gausiana, para la variable dependiente.
Esta distribucin se manifiesta cuando los datos son mediciones repetidas de la
misma variable, en unidades de muestreo extradas al azar de la poblacin y
cuando la muestra es grande. Las pruebas posibles a utilizar son: la "t" de
student, el coeficiente de correlacin de Pearson, la regresin lineal, el anlisis
de varianza unidireccional (ANOVA Oneway), anlisis de varianza factorial
(ANOVA), anlisis de covarianza (ANCOVA) y se tratan estadgrafos descriptivos
como la desviacin standard, la moda, la mediana y la media.

Requisitos
Las observaciones deben ser independientes entre s.
Las poblaciones deben hacerse en poblaciones distribuidas normalmente.
 Estas poblaciones deben tener la misma varianza.
Las variables deben haberse medido por lo menos en una escala de intervalo
de manera que sea posible utilizar las operaciones aritmticas.

Pruebas no paramtricas
Las pruebas no paramtricas son utilizadas con variables nominales y ordinales,
no asumen un tipo particular de distribucin, se aceptan distribuciones no
normales, la exigencia en cuanto al tamao de la muestra es menor que en el
caso de las paramtricas.
Las ms utilizadas son la Ji cuadrada, coeficientes de correlacin e
independencia para tabulaciones cruzadas, coeficientes de correlacin por
rangos ordenados Spearman y Kendall. Las pruebas no paramtricas son
necesarias cuando:

Los tamaos de las muestras son tan pequeas como N=6

La investigacin aporta resultados que solo se puedan referir a un
comportamiento de los sujetos en mayor o menor grado de ciertas
caractersticas, pero sin especificar cantidad.

Las pruebas estadsticas no paramtricas pueden usarse para

probar hiptesis que requieren: a) Solo una muestra. b) Dos muestras
relacionadas. c) Dos muestras independientes. d) Para k muestras relacionadas.
e) Para k muestras independientes.

Seleccin de las pruebas estadsticas

Cuando existen varias pruebas estadsticas disponibles para ser empleadas en
un proceso investigativo, se requiere que la prueba estadstica elegida sea la
ms conveniente y poderosa para el diseo experimental que se utiliza, y para
ello es necesario utilizar un criterio de seleccin.
Uno de ellos es el de la potencia, pues est formulada la hiptesis de
investigacin y se necesita formular la hiptesis nula que contradiga
precisamente lo que se quiere lograr: la probabilidad de rechazar la hiptesis de
nulidad cuando realmente sea falsa.
Por tanto, se puede considerar que una prueba estadstica es apropiada cuando
es pequea la probabilidad de rechazar la hiptesis de nulidad (Ho) cuando sea
verdadera; y grande la probabilidad de rechazarla cuando sea falsa.
Adems se necesita especificar el nivel de significacin (a) y el tamao de la
muestra (N). Para (a) = 0.05 se dice que es significativa. Lo que quiere decir que
existe una posibilidad en 20 de equivocarse. Si se hace con (a) = 0.01 ser
altamente significativa, lo que implica una posibilidad en 100 de equivocarse.
Tambin, se requiere encontrar o suponer la distribucin muestral de la prueba
estadstica conforme a Ho: si se puede considerar que se acerca o no a una
distribucin normal.
Existen otras formas de seleccionar las pruebas estadsticas como:
 La forma en que fue obtenida la muestra.
La naturaleza de la poblacin de donde se obtuvo la muestra.
Las mediciones que fueron realizadas en las definiciones de las variables
usadas.