LAS PRUEBAS NO

PARAMETRICAS
 PRUEBAS NO
PARAMETRICAS

Nos permiten analizar datos en escala nominal u ordinal. Se la

puede utilizar estas pruebas aun que se desconozca los
parámetros de la población en estudio. Utilizada para contrastar
con la hipótesis. Se utilizada en datos independientes

PRUEBAS
PARAMETRICAS

Busca estimar los parámetros de una población en base a una

muestra.
• Se conoce el modelo de distribución de la población, presenta
variables cuantitativas continuas (medibles).
• Mientras más grande sea la muestra más exacta será la
estimación, mientras más pequeña, más distorsionada será la
media de las muestras.
CARACTERÍSTICAS COMUNES DE LAS PRUEBAS PARAMÉTRICAS

Independencia de las observaciones a excepción de datos pareados.

Las observaciones para la variable dependiente se han obtenido de

manera aleatoria de una población con distribución normal.

La variable dependiente es medida al menos en una escala de intervalo.

Se recomienda un tamaño de muestra mínimo de 30 sujetos por grupo.

Los datos son obtenidos de poblaciones que tienen varianzas

iguales (una varianza no debe ser el doble o mayor que la otra).
CARACTERÍSTICAS COMUNES DE LAS PRUEBAS NO PARAMÉTRICAS.

Independencia de las observaciones aleatorias a excepción de datos pareados.

Pocas asunciones con respecto a la distribución de la población.

La variable dependiente es medida en escala categórica.

El punto primario es el ordenamiento por rangos o por frecuencias.

Las hipótesis se hacen sobre rangos, mediana o frecuencias de los datos.

El tamaño de muestra requerido es menor (20 o <)

 VENTAJAS DE LAS PRUEBAS VENTAJAS DE LAS PRUEBAS
PARAMETRICAS NO PARAMETRICAS

 Determinación sencilla.  Si se puede utilizar una prueba

Mediante fórmulas simples de paramétrica y se usa una no
combinación. paramétrica hay una pérdida de
 Fáciles de aplicar. información.
 Rápidas de aplicar. Cuando las
 En muestras grandes las pruebas no
muestras son pequeñas.
paramétricas son muy laboriosas.
 Campos de aplicación.
 Menos susceptibles a la
contravención de los supuestos..
 PRUEBA
DE
CHI - CUADRADO
 ANTECEDENTES

Descubierta en 1875 redescubierta en

1900

Helmert en 1875 Karl Pearson

 DEFINICIONES

Una de las herramientas más útiles

Existe una distribución chi-cuadrado

para cada grado de libertad

a medida que se incrementa el nuero

de grados de libertad,
APLICACIONES

Pruebas de bondad de ajuste

Pruebas de independencia.
Pruebas de bondad de ajuste

los negocios requieren que se pruebe alguna hipótesis sobre la

distribución poblacional desconocido

Ho: La distribución poblacional es uniforme

HA: La distribución poblacional no es uniforme

La prueba de bondad de ajuste se utiliza entonces para

determinar si la distribución de lo valores en la población se
ajusta a una forma en particular planteada como hipótesis
 Determina si las observaciones muestrales “se ajustan” a las
expectativas

Oi es la frecuencia de los eventos observados en los datos

muestrales

Ei es la frecuencia de los eventos esperados si la hipótesis nula

es correcta

K es el número de categorías o clases

mide la dice inferencia entre las frecuencias de los eventos observados y
las frecuencias de los eventos esperados al cuadrado.

Cuando estas diferencias son grandes, haciendo que X2 se

incremente, debería rechazarse la hipótesis nula
Pruebas de ajuste a un patrón específico

Frecuencias EI = npi
esperadas

n es el tamaño de la muestra

Pi es la probabilidad de cada categoría como se especificó en la hipótesis

nula
 Prueba de Signo para dos Poblaciones

Se emplea de preferencia, cuando se observan números pares

en condiciones diferentes, utilizando únicamente el signo de
los diferencias entre las observaciones apareadas.

Permite contrastar la hipótesis de igualdad entre dos medianas

poblacionales.

Distribución Binomial

Simbología a utilizar en este método:

p = 0,5 Probabilidad de presentación del signo Positivo

q = 0,5 Probabilidad de presentación del signo Negativo

n Suma del numero positivo mas los negativos, excluyendo los
ceros.

x El numero de signos positivos (puede ser considerado el

número de signos negativos).
Di Diferencia entre x y y.

Distribución Normal

A fin de agilizar el procesamiento, para ello se debe recordar el

proceso a seguir, para calcular la media y desviación estándar..

µ Media µ= np FORMULA

σ Desviación estándar σ = 𝑛𝑝𝑞 𝑋−µ

𝑍=
Valor de la variable. (numero positivo o negativo) σ
X
NOTA

Se debe de tener en cuenta X, es preferible

trabajar con signos positivos, observando que si
es mayor que µ se le debe restar 0,5 ;si por lo
contrario es menor que µ se le suma 0,5 al valor
de X.

EJEMPLO

Se detallan a continuación los rendimientos de dos tipos de maíz,

germinados sin mezclas, obtenidos en diferentes experimentos.
¿existe alguna diferencia significativa entre ambos tipos de maíz?
(Nivel del 5%)
 SIGNOS
Distribución Normal POSITIVOS AL
VALOR “X”
Pasos

1 Formular la hipótesis nula y la hipótesis alternativa FORMULA

𝑋−µ
𝑍=
σ
2 Especificar el tamaño a del nivel de significación

4 Establecer la grafica

5 Calcular el valor del estadístico

6 Tomar la decisión de rechazar la hipótesis H 0 si el valor del

estadístico de la prueba está en la región crítica. En caso
contrario, no rechazar H 0 .
 SIGNOS
NEGATIVOS AL
VALOR “X”

1 Formular la hipótesis nula y la hipótesis alternativa

2 Especificar el tamaño a del nivel de significación

4 Establecer la grafica

5 Calcular el valor del estadístico

6 Tomar la decisión de rechazar la hipótesis H 0 si el valor del

estadístico de la prueba está en la región crítica. En caso
contrario, no rechazar H 0 .
 PRUEBA DE CORRELACIÓN DE
RANGOS Conocida también como
Método Spearman

es una prueba no paramétrica que se utiliza cuando se desea

medir la relación entre dos variables y no se cumple el supuesto
de normalidad en la distribución de tales valores.

FÓRMULA

6 σ 𝑑𝑖 2
𝑅𝑠 = 1 −
𝑛(𝑛2 − 1)
 Ejemplo:

supongamos que se tienen los siguientes 16 pares de observaciones, a 16

trabajadores que fueron evaluados con dos instrumentos.

Primero:

ordenamos los datos de menos a mayor; o de menor a mayor, de esta manera

establecemos los rangos:
 Segundo:

Reemplazamos cada valor de X y Y en la tabla original (enunciado) por su respectivo

rango, luego establecemos las diferencias entre cada rango y las elevamos al cuadrado.
Finalmente sumamos la columna 𝑑𝑖2 = 357.

6 357 2,142
𝑟𝑠= 1 − = 1 − = 1 − 0.525 = 0475
16(162 − 1) 4,080
 PRUEBA DE 𝒓𝒔

Cuando n es grande (n ≥ 25) se considera que r, tiene el comportamiento de una

distribución aproximadamente Normal con Media 0 y Desviación típica 1ൗ 𝑛−1 por
tal razón calculamos Z, siendo:

formula

𝑟𝑠 − 0
𝑍=
1 𝑛−1
 Prueba de Wilcoxon
(2 muestras relacionadas)
Denominada por algunos como: Prueba del signo de las categorías
Suponga que se
ya que no solo establece las diferencias para cada par de observaciones, sino que las clasifica,
aspecto éste que se tiene en cuenta en la prueba del signo, por tal razón se la considera de mayor dispone de N pares de
eficacia entre las pruebas no paramétricas. observaciones,
denominadas: (X, Y). el
Establecida objetivo del test es
por: Frank Wilcoxon 1945
comprobar si puede
determinarse que los
¿QUÉ ES LA PRUEBA DE WILCOXON? valores (x, y) son o no
La prueba de los rangos con signo de Wilcoxon es una prueba no paramétrica para comparar el iguales.
rango medio de dos muestras relacionadas y determinar si existen diferencias entre ellas. Se utiliza
como alternativa a la prueba t de Student cuando no se puede suponer la normalidad de dichas
muestras.
Es una prueba no paramétrica d comparación de dos muestras relacionadas y por lo tanto no
necesita una distribución específica.
 Caso práctico:

MUESTRAS PEQUEÑAS: Para explicar el procedimiento e interpretación de los resultados obtenidos,

Pasos para la prueba: partamos del supuesto de una muestra realizada a 12 parejas, para estimar
1. Calcular las diferencias su actitud frente al manejo de sus hijos en los problemas escolares, (un
para las muestras menor puntaje corresponde a una actitud menos favorable):
relacionadas.
2. Ordenar las diferencias PAREJA 1 2 3 4 5 6 7 8 9 10 11 12
absolutas de menos a mayor
3. Se suman los valores de las
columnas positivas y Esposa 35 46 29 32 40 43 36 30 56 35 48 29
negativas.
4. Comparar el más pequeño Esposo 29 32 36 35 46 45 35 18 41 37 40 25
de la sumas de rangos con el
valor de T.

¿Al nivel del 5% existe una misma actitud, en las parejas, frente a los
problemas escolares?
 Pareja Esposa Esposo di Rango di Signo menos N° di Ordenado Rango
frecuente

1 35 29 6 6,5 1 1 1
1) Hᴏ: la actitud de las 2 46 32 14 11,0 2 2 2,5
parejas, no difiere.
3 29 36 -7 -8,0 -8,0 3 2 2,5
H1: la actitud de las
4 32 35 -3 -4,0 -4,0 4 3 4
parejas, difiere.
2) α= 0,05 T0,05= 14 (tabla) 5 40 46 -6 -6,5 -6,5 5 4 5

Observamos que T > T0,05 6 43 45 -2 -2,5 -2,5 6 6 6,5

(23,5 > 14) 7 36 35 1 1,0 7 6 6,5

RESPUESTA: Con una 8 30 18 12 10,0 8 7 8
T 0,0.5 = 14 quiere decir que 9 56 41 15 12,0 9 8 9
aceptamos a Hᴏ al nivel del 10 35 37 -2 -2,5 -2,5 10 12 10
5%. Concluyendo que la
11 48 40 8 9 11 14 11
actitud de los padres frente al
12 29 25 4 5 12 15 12
problema escolar no difiere.
- - - - - T= 23,5 - - -

Si hubiese presentado el caso en que T ≤ T 0,05 estaríamos rechazando a Hᴏ

al nivel del 5%, concluyendo que la actitud de los padres, frente al problema
escolar de sus hijos difiere en forma significativa.
MUESTRAS GRANDES:
Pasos para la prueba:

1. Calcular las diferencias para

las muestras relacionadas.
2. Ordenar las diferencias
absolutas de menos a mayor
3. Se suman los valores de las
columnas positivas y
negativas.
4. Si n > 25 se usa la tabla de
distribución normal para hallar
los valores
 Prueba de U Mann-whitney
inicialmente extendido

Frank Wilcoxon Henry B. Mann y D. R. Whitney

1945 1947

Prueba de suma de
rangos Wilcoxon
También
llamada
Prueba de Wilcoxon –
Mann whitney
 Prueba de U Mann-whitney
Es la prueba mas aplicada, dentro de las distribuciones no paramétricas.
Debido a que toma la mayor información que poseen lo datos.
__ Sobretodo cuando se seleccionan dos conjuntos, aleatorios e
independientes.

MUESTRAS
GRANDES
MUESTRAS
PEQUEÑAS
MUESTRAS MUY
PEQUEÑAS
MUESTRAS GRANDES
El calculo de esta prueba requiere de los siguientes pasos:

Se ordena todos los datos, como si fuera una sola

1 muestra, de menor a mayor.

2 Se establece el rango, es decir se categoriza.

Se coloca el valor del rango al frente de cada observación,

3 manteniendo la presentación originar.

4 Se suma la columna del rango en forma independiente para cada muestra.

5 Se aplica la formula correspondiente a la prueba U.

 FÓRMULAS
𝑛1 𝑛1+1
(1) 𝑈= 𝑛1 𝑛2 + - 𝑅1
2

𝑛2 𝑛2+1
(2) 𝑈 = 𝑛1 𝑛2 + - 𝑅2
2

La mayoría de investigadores aplican la Prueba U, cuando n1

o n2 es mayor a 20,
 PRIMERA SEGUNDA RANGO X1 RANGO X2
PRUEBA X1 PRUEBA X2

10 5 21,5 5,0
4 13 2,0 28,0
Supongamos dos muestras 9 13 19,0 28,0
grandes e independientes 10 8 21,5 16,5
(n1 = 23 y n2 = 10) 11 10 24,0 21,5
correspondientes a dos pruebas
14 12 31,0 25,5
cuyas puntuaciones fueron las
siguientes: 13 16 28,0 34,0
4 15 2,0 33,0
6 8 8,5 16,5
5 6 5,0 8,5
6 8,5 31,0
7 13,0 35,0
6 8,5

n1 =23 n2 =10 ෍ 𝑅1 = 192.50 ෍ 𝑅2 = 282.50

SOLUCION
Como ෍ 𝑅2 ෍ 𝑅1
<
282.50 192.50

Operamos la segunda fórmula

𝑛2 𝑛2+1
𝑈= 𝑛1 𝑛2 +
2
- 𝑅2

10 10+1
𝑈 = 13 𝑥 10 +
2
- 282.50
110
𝑈= 230 +
2
- 282.50
𝑈 = 230 + 55 - 282.50 𝑈 = 2.50
 MUESTRAS PEQUEÑAS Cuando n1 y n2
tienen un mayor
tamaño o igual a 9
El calculo de esta prueba requiere de los siguientes pasos:

1 Se ordena todos los datos, como si fuera una sola muestra, de menor a mayor.

2 Se establece el rango, es decir se categoriza.

3 Se obtienen dos columnas para los rangos R1 Y R2

Se suma la columna del rango en forma independiente para cada muestra.

4

5 Se aplica la formula correspondiente a la prueba U.

6 Siempre se toma la formula que tenga la ∑R más pequeña.

 N° PRUEBAS PRUEBAS RANGO RANGO
I II I II

1 18 28 7,5 15
2 24 32 13 18
Consideramos dos muestras 3 22 28 9,5 15
pequeñas donde n1= 8 y n2= 11, 4 23 32 11,5 18
para observar la aplicación de la
5 17 16 5,5 3,5
prueba U.
6 16 18 3,5 7,5
7 14 17 2 5,5
8 20 13 9,5 1,0
9 23 11,5
10 28 15
11 32 18,0
n1 =8 n1 =11 ෍ 𝑅1 = 62 ෍ 𝑅1 = 112
Elegimos la sumatoria más pequeñas, en este caso es ෍ 𝑅1 = 62

𝑛1 𝑛1+1
𝑈 = 𝑛1 𝑛2 +
2
- 𝑅1

8 8+1
𝑈 = 8𝑥11 +
2
- 62
72
𝑈= 88 +
2
- 62

𝑈 = 88 + 36 - 62

𝑈 = 124 - 62 𝑈 =62
 Cuando ninguna de las n1 y n2 son mayores a 8

Hasta el momento, en cuanto se refiere a la Prueba de U Mann – Whitney,

hemos visto dos casos:

Cuando unas de las n1 y n2 son mayores de 20, se consideran

como muestras grandes y se aplican la prueba de normalidad
MUESTRAS MUY Z.
PEQUEÑAS

Cuando una de las n1 y n2 es igual o mayor que 9,

consideradas como muestras pequeñas, utilizamos la tabla
XIV.