Pruebas No Paramétricas

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 19

ESTADISTICA II

Unidad II
PRUEBAS NO PARAMÉTRICAS
Tema: Otras pruebas no paramétricas

Semana 06
Objetivo
Revisar algunas pruebas no paramétricas y usarlas como
una alternativa a las pruebas paramétricas.
Pruebas no paramétricas
VENTAJAS DESVENTAJAS
• Los métodos no paramétricos pueden aplicarse a
una amplia variedad de situaciones puesto que no • Los métodos no paramétricos tienden
tienen los requisitos más estrictos de los métodos a desperdiciar información porque los
paramétricos correspondientes. En particular, no datos numéricos exactos suelen
requiere la suposición de que una población este reducirse a una forma cualitativa.
distribuida normalmente.
• A diferencia de los métodos paramétricos, los • Las pruebas no paramétricas no son
métodos no paramétricos a menudo pueden tan eficientes como las pruebas
aplicarse a datos categóricos. paramétricas, de manera que con una
• Los métodos no paramétricos, por lo regular, prueba no paramétrica generalmente
implican cálculos más sencillos que los métodos necesitamos evidencia más fuerte
paramétricos correspondientes y, por lo tanto, son (como una muestra más grande o
más fáciles de comprender y aplicar. (Sin embargo, diferencias mayores) para rechazar
como la tecnología ha simplificado los cálculos, es una hipótesis nula.
probable que la facilidad de los cálculos no sea un
factor tan importante).
Prueba de Shapiro-Wilk
Es una prueba usada para verificar si una muestra proviene de una población
normal. Esta prueba es usada para muestras de tamaño menor o igual a 50.

1. Hipótesis:
𝐻0 : La variable tiene distribución normal.
𝐻1 : La variable no tiene distribución normal.
2. Nivel de significación : 𝛼
𝐷2
3. Estadístico de prueba: 𝑊 = donde
𝑛𝑆 2
𝐷 es la suma de diferencias corregidas y 𝑆 2
la varianza muestral.
4. P valor
5. Tomar la decisión
Prueba de Kolmogorov-Smirnov
La prueba también es usada para verificar si una muestra proviene de una
población normal. Además, la prueba de Kolmogorov puede aplicarse para verificar
ajuste a otras distribuciones como Poisson, Uniforme o Exponencial. Usaremos esta
prueba cuando la muestra es grande, de tamaño mayor a 50.

1. Hipótesis:
𝐻0 : La variable tiene distribución normal.
𝐻1 : La variable no tiene distribución normal.
2. Nivel de significación: 𝛼
3. Estadístico de prueba: 𝐷 = 𝑚á𝑥𝑖𝑚𝑎 𝐹0 𝑥𝑖 − 𝑆𝑛 (𝑥𝑖 ) donde 𝐹0 𝑥𝑖 y 𝑆𝑛 (𝑥𝑖 ) son las
probabilidades acumuladas esperadas y observadas respectivamente
4. P valor
5. Tomar la decisión
Ejemplo 1
El dueño de una tienda registró la demanda semanal de un producto durante 20
semanas. Él desea saber si la demanda semanal tiene distribución normal. Con
ayuda del JASP obtuvo el siguiente resultado. ¿Cuál será la conclusión del
dueño de la tienda?
Solución:
𝑋: Demanda semanal
1. Hipótesis:
𝐻0 : X tiene distribución normal
𝐻1 : X no tiene distribución normal
𝐻0 : Las demandas semanales provienen de una población normal.
𝐻1 : Las demandas semanales no provienen de una población normal.
2. Nivel de significación: 𝛼 = 0.05
3. Estadístico de prueba: 𝑊 = 0.945
4. P-valor=0.328
5. Decisión: Como el p-valor >0.05 se acepta 𝐻0 . Por lo tanto, el dueño de la
tienda puede concluir que sus datos provienen de una distribución normal.
Prueba de rango de signos de Wilcoxon
Es una prueba usada para verificar hipótesis acerca de la mediana.
1. Hipótesis:
• 𝐻0 : La mediana poblacional es igual a un valor dado.
• 𝐻1 : La mediana es menor (mayor o diferente) del valor dado.
2. Nivel de significación: 𝛼
3. Estadístico de prueba: 𝑉 (estadístico de Wilcoxon)
4. P valor
5. Tomar la decisión
Nota: Usamos la mediana como sustituto de la media cuando hay de datos
atípicos, las colas son pesadas, las variables no son Normales, o las variables
son categóricas ordinales.
Notas finales en la universidad
Suponga que un estudiante fue evaluado con cinco exámenes, y sus notas
fueron las siguientes:
13 16 10 11 09

Promedio: 𝑋 = 11.8 Mediana: 𝑀𝑒 = 11


¿Cuál es más representativo?
Si las notas tienen distribución normal entonces la media.
Si la distribución no es normal entonces la mediana.
¿Puedo concluir que 𝜇 > 10?
Si la población fuera normal hago una prueba t.
Si la población no es normal haría una prueba de
Wilcoxon para probar que 𝑀𝑒 > 10.
Ejemplo 2
Semanalmente, se registran las unidades vendidas de un nuevo artículo de
aseo personal en 12 tiendas de la ciudad. Estos números son procesados con
JASP, y se obtiene la siguiente tabla:

Según la prueba, ¿se puede afirmar que la mediana de las ventas semanales
es diferente de 20 unidades?
Solución:
𝑋: Número de unidades vendidas semanalmente en una tienda.
1. Hipótesis:
𝐻0 : La Mediana es igual a 20.
𝐻1 : La Mediana es diferente a 20.
2. Nivel de significación: 𝛼 = 0.05
3. Estadístico de prueba: 𝑉 = 58.5
4. P-valor=0.026
5. Decisión: Como el p-valor < 0.05 se rechaza 𝐻0 .
Rpta: Si, podemos afirmar que la mediana de las ventas semanales es
diferente a 20 unidades.
Prueba U de Mann-Whitney
También denominada prueba U, se utiliza para probar la hipótesis nula de
que dos muestras aleatorias independientes provienen de poblaciones .
iguales o de la misma población, cuando no se cumple la suposición de
normalidad. No requiere ninguna suposición acerca de la forma de las
distribuciones poblacionales. Pero si requiere que el nivel de medición de las
observaciones de las dos muestras sea al menos de escala ordinal.
1. Hipótesis:
• 𝐻0 : Las poblaciones son iguales (sus medianas son iguales)
• 𝐻1 : Las poblaciones no son iguales (sus medianas son distintas)
2. Nivel de significación : 𝛼
3. Estadístico de prueba: 𝑈 (estadística de Mann-Whitney)
4. P valor
5. Tomar la decisión
Ejemplo 3
Se registraron los ingresos familiares mensuales (en dólares) de manera
independiente de dos ciudades A y B. Esos datos fueron procesados en JASP
obteniéndose:

Interprete la prueba U de Mann Whitney y con un nivel de significación del 1%,


pruebe que los ingresos familiares mensuales de las dos poblaciones son
iguales. Suponga que la prueba de normalidad falló.
Solución:
𝑋1 : Ingreso familiar mensual de un hogar de la ciudad A.
𝑋2 : Ingreso familiar mensual de un hogar de la ciudad B.
1. Hipótesis:
𝐻0 : Los ingresos familiares en las dos ciudades son iguales
𝐻1 : Los ingresos familiares en las dos ciudades no son iguales.
2. Nivel de significación: 𝛼 = 0.01
3. Estadístico de prueba: 𝑈 = 32.5
4. P-valor=0.533
5. Decisión: Como el p-valor > 0.01 se acepta 𝐻0 .
Por lo tanto, los ingresos familiares en ambas ciudades son iguales.
Prueba de Krushall-Wallis
También denominada la prueba H de Kruskall-Wallis, se utiliza para probar
de que k muestras independientes provienen de poblaciones idénticas o de
la misma población. Se requiere que los valores de las muestras aleatorias
independientes estén cuando menos en escala ordinal.

1. Hipótesis:
𝐻0 : Las 𝑘 poblaciones son iguales (sus medianas son iguales)
𝐻1 : Las 𝑘 poblaciones no son iguales (sus medianas no son iguales)
2. Nivel de significación: 𝛼
3. Estadístico de prueba: 𝐻
4. P valor
5. Tomar la decisión
Ejemplo 4
Se quiere comparar la duración de las baterías de tres tipos de calculadora.
Para cada tipo de calculadora, se escogió una muestra razonable, se cargó las
baterías completamente y se registró el tiempo (en horas) de operación hasta
requerir volver a cargarlas. Los datos fueron procesados por JASP,
obteniéndose:

Utilice la prueba de Kruskall-Wallis, al nivel de significación del 5%, para probar


la hipótesis que los tiempos de operación para las tres calculadoras son iguales.
Solución:
𝑋1 : Tiempo de operación de la calculadora tipo A.
𝑋2 : Tiempo de operación de la calculadora tipo B.
𝑋3 : Tiempo de operación de la calculadora tipo C.
1. Hipótesis:
𝐻0 : Los tiempos de operación de las tres calculadoras son iguales.
𝐻1 : Los tiempos de operación de las tres calculadoras no son iguales.
2. Nivel de significación: 𝛼 = 0.05
3. Estadístico de prueba: 𝐻 = 11.477
4. P-valor=0.003
5. Decisión: Como el p-valor < 0.05 se rechaza 𝐻0 .
Por lo tanto, los tiempos de operación de las tres calculadoras no son iguales.
Conclusión
1. Los estadísticos usados para las pruebas no paramétricas requieren
cálculos especiales y tablas adicionales. Por ello, nos limitaremos a usar
JASP para llevar a cabo una prueba no paramétrica.
2. Es preferible una prueba paramétrica que una prueba no paramétrica,
solo debemos usar pruebas no paramétricas cuando no se cumplen los
supuestos necesarios para llevar a cabo una prueba t o Z.
3. Los datos atípicos en una muestra hacen que la media pierda
representatividad y en ese caso se prefiere a la mediana. Además, las
colas pesadas sugieren que no se cumplen los supuestos de
normalidad. Entonces, a fin de comparar dos poblaciones, comparamos
sus medianas con pruebas tipo U de Mann-Whitney o H de Krushall-
Wallis.
4. En la próxima sesión estaremos ejecutando pruebas no paramétricas
con la ayuda del JASP en laboratorio.
Bibliografía

También podría gustarte