Informe Bioestadistica

ESTADSTICA NO PARAMTRICA
PARA LA INTERPRETACIN DE
DATOS DE CAMPO
Evaluacin de
vegetacin,
Fauna y
Sistemas
ecolgicos
ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

FACULTAD DE INGENIERA GEOGRFICA, AMBIENTAL Y ECOTURISMO
ESCUELA PROFESIONAL DE INGENIERA AMBIENTAL
INFORME N 4: Estadstica no paramtrica para la interpretacin de

datos de campo
Profesor:
Ing. Ruben Martnez

Asignatura:
Evaluacin de vegetacin, fauna y sistemas ecolgicos

Integrantes:
Chamorro Ramos, Roco del Pilar
Criales Crdova, Arleth Jossy
Huaraca Chvez, Wendy Lizet
Ciclo/ Seccin:
7mo Ciclo / T-B
2016
1|Pgina
CONTENIDO
I.
Introduccin................................................................................................................................ 3
II.
Objetivos .................................................................................................................................... 4
1.
General: .................................................................................................................................. 4
2.
Especficos:............................................................................................................................. 4
III.
Marco Terico ............................................................................................................................ 4
IV. Metodologa ............................................................................................................................. 10

V.
Resultados ............................................................................................................................... 11
1.
Prueba de Wilcoxon .............................................................................................................. 11
2.
Prueba de Correlacin: Coeficiente de correlacin R de Spearman ..................................... 18
3.
Prueba U de Mann -Whitney: ............................................................................................... 20
4.
Prueba Chi Cuadrado: ......................................................................................................... 23
5.
Prueba de Kruskal Wallis ...................................................................................................... 26
VI. Conclusiones:........................................................................................................................... 30
VII.
Bibliografa ............................................................................................................................ 31
2|Pgina
I.
INTRODUCCIN
En la Estadstica paramtrica nuestro inters es hacer estimaciones y pruebas de hiptesis acerca de

uno o ms parmetros de la poblacin o poblaciones. Cuando utilizamos estadstica paramtrica
debemos tener la precaucin de verificar que la poblacin o poblaciones de donde provienen las
muestras estn distribuidas normalmente, aunque sea de forma aproximada.
Los mtodos no-paramtricos o mtodos de distribucin libre, en contraste, no depende del
conocimiento de cmo se distribuye la poblacin. De estos se deduce que estos mtodos son
convenientes si no se conoce la distribucin de la poblacin por ejemplos, en investigaciones
exploratorias. Ms aun, otra ventaja es que, por lo general, los clculos necesarios son ms sencillos
(Marques 1998).
Las pruebas no paramtricas tpicamente hacen menos suposiciones acerca de los datos y pueden
ser ms relevantes a una situacin partculas. Adems, las hiptesis probadas por una prueba no
paramtrica pueden ser ms adecuadas para la investigacin.
En muchos estudios profesionales no se puede determinar la distribucin original ni la distribucin de
los estadsticos por lo que en realidad no tenemos parmetros a estimar. Tenemos solo distribuciones
que comparar. Esto se llama ESTADSTICA NO-PARAMTRICA.
En este presente informe abordamos las pruebas no paramtricas ms importantes: T de Wilcoxon,
U de Mann-Whitney, H de Kruskal-Wallis, Las pruebas de correlacin, Chi-cuadrado y la prueba
exacta de Fisher. Representando cada uno de estos modelos matemticos con valores estadsticos
reales obtenidos de monitoreo realizados de una serie de estudios, especficamente de flora o fauna,
explicando cada resultado obtenido segn nuestros criterios.
3|Pgina
II.
OBJETIVOS
1.
GENERAL:
Aplicar y desarrollar las pruebas de la estadstica no paramtrica para la interpretacin de
muestras obtenidas de estudios realizados, especficamente de flora o fauna.
2.
ESPECFICOS:
Distinguir las caractersticas de las pruebas no paramtricas para su utilidad.
Analizar la importancia y desarrollo de estos modelos matemticos no paramtricos
Explicar los resultados obtenidos con cada prueba.
Desarrollar paso a paso las pruebas de la estadstica no paramtrica: T de Wilconxon, U de

Mann-Whitney, Las pruebas de correlacin, H de Kruskal- Wallis, Chi- cuadrado.
III.
Resaltar la importancia de aplicar mtodos no paramtricos en los trabajos de investigaciones

que se requieran para que los resultados y conclusiones tengan buena la consistencia y
confiabilidad
MARCO TERICO
PRUEBAS NO PARAMTRICAS
Las pruebas no paramtricas engloban una serie de pruebas estadsticas que tienen como
denominador comn la ausencia de asunciones acerca de la ley de probabilidad que sigue la
poblacin de la que ha sido extrada la muestra. Por esta razn es comn referirse a ellas como
pruebas de distribucin libre. En el artculo se describen y trabajan las pruebas no paramtricas, y se
resaltan su fundamento y las indicaciones para su empleo cuando se trata de una sola muestra (Chicuadrado), de dos muestras con datos independientes (U de Mann-Whitney), de dos muestras con
datos relacionados (T de Wilcoxon), de varias muestras con datos independientes (H de KruskalWallis) y de varias muestras con datos relacionados (Friedman).
MUESTRAS APAREADAS O DEPENDIENTES

Si los sujetos de las muestras han sido elegidos de forma que se parecen en bastantes de sus
caractersticas (el prototipo seran los gemelos, pero tambin pueden ser compaeros de habitacin
en un colegio, etc.) o se trata de los mismos individuos evaluados en dos momentos diferentes del
tiempo, se habla de muestras apareadas. En este caso se utilizan pruebas estadsticas especiales
para muestras apareadas. Lo que sucede es que, a la hora de valorar las diferencias que se presentan
entre dos muestras, el investigador debe de ser muy prudente y, en consecuencia, exigente, cuando
considera la importancia del error aleatorio, por si se diera el caso de que los sujetos de ambas
4|Pgina

muestras fueran muy diferentes con respecto a otras muchas variables presuntamente contundentes
(error sistemtico).
VARIABLE DEPENDIENTE Y VARIABLE INDEPENDIENTE

El esquema que se sigue en la situacin en que comparamos dos o ms muestras o grupos es que
la variable de clasificacin de los sujetos en cada una de las muestras se denomina variable
independiente o predictora, de forma que es la pertenencia a uno de dichos grupos lo que biolgica o
clnicamente determina los valores que toma la variable que estamos analizando, a la que
denominamos variable dependiente o resultado.
PRUEBAS DE DOS COLAS Y PRUEBAS DE UNA COLA

En las pruebas de hiptesis se puede partir de la idea de que uno de los grupos de estudio va a tomar
valores mayores o menores de la variable resultado que el otro grupo. Por ejemplo, los pacientes
hipertensos tendran mayor frecuencia de demencia que los pacientes normo tensos. En este caso
utilizaramos pruebas de hiptesis de una cola. Esta no es una actitud prudente en investigacin y es
ms razonable plantear lo que se denominan pruebas de dos colas, es decir, considerar la hiptesis
a priori de que la hipertensin puede conllevar tanto una mayor frecuencia como una menor
frecuencia de demencia cuando comparamos con la situacin que se presentara en los pacientes
normo tensos. La consecuencia ser que las diferencias en la frecuencia de demencia entre los
grupos debern ser mayores para que podamos atrevernos a rechazar la hiptesis nula de igualdad,
es decir, el valor del estadstico terico es mayor para el mismo riesgo alfa (no obstante, debemos
recordar siempre que esto conlleva mayor posibilidad de cometer un error de tipo beta).
Los test estadsticos de anlisis univariante ms importantes se detallan en la tabla I. Los paquetes
estadsticos disponibles en la actualidad permiten aplicar las diferentes pruebas sin mayor dificultad
para el investigador.
Tabla I. Tipo de test estadstico para hacer inferencias (comparaciones entre muestras).
DISTRIBUCION
Normal
(Paramtricos)
VARIABLE
VARIABLE
INDEPENDIENTE
(PREDICTORA)
DEPENDIENTE
(RESULTADO)
RELACIN ENTRE
LAS MUESTRAS
Una
sola Cuantitativa
muestra
(se
compara con
valor terico)
Dicotmica
Categrica
t-student para una muestra
No relacionadas
Relacionadas
Cuantitativa
PRUEBA ESTADSTICA
No existe (usar Chicuadrado de Pearson)

No existe
paramtricos)
(usar
No relacionadas
5|Pgina
no

Relacionadas
Policotmica
Categrica
No relacionadas
Cuantitativa
No relacionadas
Relacionadas
t-student
independientes
muestras
t-student
relacionadas
muestras
No existe (usar Chicuadrado de Pearson)

ANOVA de una va
ANOVA
repetidas
No normal
(No
paramtricos)
Una
sola
muestra
(se
compara con
valor terico)
de
medidas
Binomial
Chi-cuadrado de Pearson
Chi-cuadrado de MantelHaenzsel
Prueba de KolmogorowSmirnov
Prueba de las Rachas
Dicotmica
Categrica
Relacionadas
Test exacto de McNemar
No relacionadas
Prueba de los Signos

Chi-cuadrado de Pearson
Test exacto de Fisher
Test de Wilcoxon
Prueba de los signos
Cuantitativa
Relacionadas
Mann-Whitney
No relacionadas
Mediana
Z Kolmogorov-Smirnov
Rachas de Wald-Wolfowitz
Valores extremos de Moses
Policotmica
Categrica
No relacionadas
Prueba Q de Cochran
6|Pgina

Cuantitativa
Relacionadas
Prueba de Friedman
No relacionadas
W
de
(concordancia)
Kendall
Prueba de Kruskal-Wallis
Mediana K variables
ANOVA de dos vas por
rangos
COVARIACION (medidas de dos variables en los mismos sujetos o unidades de anlisis del estudio)
Paramtrico
Cuantitativa
Cuantitativa
Correlacin de Pearson
No paramtrico
Cuantitativa
Cuantitativa
Correlacin de Spearman
Fuente: Usad.pe (2008)
COMPARACIN DE DATOS CUANTITATIVOS ENTRE DOS O MAS GRUPOS

Como se puede ver en la tabla I, la prueba estadstica que se utiliza para contrastar la hiptesis nula
de igualdad de medias para una muestra o entre dos muestras o grupos es la t de Student. Para la
aplicacin de la t de Student se requiere que la distribucin de la variable cuantitativa sea normal en
ambos grupos de comparacin. Existe la posibilidad de que la varianza de ambos grupos sea iguales
o desiguales o que las muestras sean apareadas o no apareadas.
Cuando no se cumplen los criterios de normalidad, se utilizan test no paramtricos, tal como la prueba
de Mann-Whitney, para el caso de muestras independientes y la prueba de Wilcoxon para muestras
apareadas, entre otras.
Cuando hacemos comparaciones de datos cuantitativos entre ms de dos grupos se utiliza el
denominado Anlisis de la Varianza (ANOVA). ANOVA evala la posible igualdad de medias de una
variable cuantitativa entre varias muestras sin aumentar la tasa de error tipo I (resuelve el problema
de las mltiples comparaciones). El funcionamiento de ANOVA se basa en la descomposicin de la
variabilidad total de una variable en sus diferentes partes, la debida a las diferencias entre los grupos
(efectos principales) y la debida a las diferencias entre los individuos de cada grupo (residuales). Los
estudios experimentales, aquellos en los que los sujetos son asignados aleatoriamente a un grupo de
tratamiento, son los que utilizan con ms frecuencia ANOVA. Este diseo est muy ligado al mtodo
experimental y es la base del anlisis multivariante. Es posible analizar la informacin sobre medidas
repetidas en los mismos sujetos con ANOVA.
Cuando no se cumplen las condiciones necesarias para aplicar ANOVA, la alternativa no paramtrica
que se utiliza de manera ms habitual es la prueba de Kruskal-Wallis para muestra independientes y
la prueba de Friedman para muestras apareadas, entre otras.
COMPARACIN ENTRE DOS GRUPOS DE DATOS CUALITATIVOS

7|Pgina

Si deseamos comparar la frecuencia de presentacin de una variable categrica, ya sea dicotmica
o policotmica, en dos o ms grupos, es decir, en el caso en que la variable de comparacin sea una
variable cualitativa, los datos se resumen o agrupan en las denominadas tablas cruzadas o tablas de
contingencia. En la situacin ms sencilla, cuando comparamos la frecuencia de presentacin de una
variable dicotmica (padecer o no padecer demencia) en dos grupos, por ejemplo, hipertensos y
normo tensos, la informacin se distribuye en una tabla que tiene cuatro celdas, en cada una de las
cuales se disponen los sujetos que renen o no renen las condiciones de ambas variables. La prueba
estadstica que se utiliza para contrastar la hiptesis nula de independencia de ambas variables es la
prueba chi-cuadrado de Pearson u otras similares. Cuando los sujetos estn apareados por otras
variables presuntamente contundentes, se suele utilizar la prueba exacta de McNemar. La prueba de
chi-cuadrado se basa en que las diferencias existentes entre lo observado en nuestra muestra y lo
que sera de esperar bajo la hiptesis nula de independencia de ambas variables (en nuestro ejemplo,
la frecuencia de demencia no cambiara por el hecho de ser o no hipertenso) sean o no
suficientemente grandes como para rechazar la hiptesis de independencia de ambas variables.
EVALUACIN DE LAS RELACIONES ENTRE DOS VARIABLES

CUANTITATIVAS EN UN GRUPO DE SUJETOS: CORRELACIN Y
REGRESIN.
En otras ocasiones se trata de establecer si existe relacin entre los valores de dos variables
cuantitativas en un grupo de sujetos. Por ejemplo, la edad de una muestra de pacientes y las cifras
de su tensin arterial. Si la relacin entre ambas variables conlleva que una de ellas es la responsable
de los valores que toma la otra, hablamos de regresin. Si ambas variables estn relacionadas pero
no podemos establecer cul es la responsable, hablamos de correlacin. El hecho de establecer la
relacin entre dos variables contnuas puede tener uno de tres objetivos: evaluar el grado de
asociacin entre ambas variables (mediante el coeficiente de correlacin de Pearson o el de
Spearman para el caso de que no se cumplan las condiciones de distribucin normal), predecir el
valor de una variable conociendo el valor de la otra (mediante los coeficientes de regresin) y, por
ltimo, se puede intentar establecer el grado de acuerdo entre los valores de dos variables
cuantitativas, por ejemplo cuando se lleva a cabo la misma determinacin de un parmetro analtico
sanguneo con dos mtodos diferentes con el objetivo de sustituir uno ms costoso por otro ms
sencillo o barato. Existen mtodos para establecer la asociacin entre variables categricas que
derivan de las anteriormente referidas tablas de contingencia, tal como el coeficiente kappa.
PRUEBA WILCOXON
Este modelo estadstico corresponde a un equivalente de la prueba t de Student, pero se aplica en
mediciones en escala ordinal para muestras dependientes.
Cuando el tipo de medicin no cumpla con los requisitos que la prueba t de Student exige, la de
Wilcoxon es una alternativa de aceptable eficacia para contrastar hiptesis. El mtodo es aplicable a
muestras pequeas, siempre y cuando sean mayores que 6 y menores que 25. Las muestras grandes
deben ser mayores a 25 y ste se debe transformar en valor de Z, para conocer la probabilidad de
que aquella sea o no significativa.
8|Pgina

Dicha prueba estadstica consiste en sumar los rangos de signo frecuente; por ello, no se tiene una
ecuacin o frmula, como se observa en otras pruebas estadsticas.
Se utiliza cuando:
Trabaja con datos de tipo ordinal.
Establece diferencias de magnitudes (+ y -).
Direccin.
Prueba de dos colas: No se sabe en qu direccin se pueden dar las diferencias.

Prueba de una cola: Si sabemos en qu direccin estn las diferencias.
Dos muestras apareadas.
Establece las diferencias
Con muestras grandes (> 25) se intenta lograr la distribucin normal (se utiliza la prueba Z).
PRUEBA DE KRUSKAL WALLIS

La prueba de Kruskal Wallis, tambin llamada prueba H de Kruskal- Wallis, es una generalizacin de
la prueba de la suma de rangos para el caso > 2 muestras. Se utiliza para probar la hiptesis nula
0 de que muestras independientes son de poblaciones idnticas. Introducidas en 1952 por W. H.
Kruskal y W. A. Wallis, la prueba es un procedimiento no paramtrico para probar la igualdad de las
medias en el anlisis de varianza de un factor cuando el experimentador desea evitar la suposicin
de que las muestras se seleccionaros de poblaciones normales.
Sea ( = 1, 2, , ) el nmero de observaciones en la sima muestra. Primero, combinamos
todas las muestras y acomodamos las = 1 + 2 + + observaciones en orden
ascendente, y sustituimos el rango apropiado de 1, 2, , para cada observacin. En el caso de
empates (observaciones idnticas), seguimos el procedimiento acostumbrado de reemplazar las
observaciones por las medias de los rangos que tendran las observaciones si fueran distinguibles.
La suma de los rangos que corresponde a las observaciones en la sima muestra se denota
mediante la variable aleatoria . Consideramos ahora la estadstica
12
2
=
3( + 1),
( + 1)
=1
Que se aproxima muy bien mediante una distribucin ji cuadrada con 1grados de libertad cuando
0 es verdadera y si cada muestra consiste en al menos 5 observaciones. Ntese que la estadstica
toma el valor , donde
9|Pgina
12
2
=
3( + 1),
( + 1)
=1
Cuando 1 toma el valor 1 , 2 toma el valor 2 , etctera. (Walpole 1999)
IV.
METODOLOGA
Para el desarrollo de este trabajo primero se debe buscar informacin acerca de la Estadstica no
Paramtrica y las pruebas que estas involucra. En este trabajo solo se consideraron 5 pruebas no
paramtricas: T de Wilconxon , U de Mann-Whitney, Las pruebas de correlacin, H de Kruskal- Wallis,
Chi- cuadrado. Una vez conocida cada prueba y sus requerimientos, se procede a buscar informacin
(muestras) con las cuales podamos desarrollar cada una de estas pruebas. Es recomendable buscar
en datos en tesis sobre monitoreo de fauna y flora, evaluacin de la flora y fauna de un lugar,
distribucin de la flora y fauna de un lugar, etc. Cuando ya se tiene la informacin de las muestras, la
organizamos de la forma que lo requiera la prueba a utilizar y comenzamos a desarrollar los cinco
tipos de pruebas en los cuales primero se debe plantear la hiptesis nula y la hiptesis alterna.
10 | P g i n a
V.
RESULTADOS
1.
PRUEBA DE WILCOXON
Los datos a mostrarse en el presente ejemplo fueron extrados de la publicacin Evaluacin de la

degradacin de ecosistemas dulceacucolas en la cuenca baja del ro Uctubamba (Amazonas - Per)
mediante el uso de macroinvertebrados bentnicos, realizada por Valcrcel, D. en el ao 2011.
Los macroinvertebrados bentnicos son una agrupacin de organismos carentes de notocorda que
habitan en el fondo de los ecosistemas acuticos continentales, en al menos alguna etapa de su ciclo
de vida, y de tamao mayor o igual a 500 m (Hauer & Resh, 1996). Esta comunidad dulceacucola
est formada principalmente por estados inmaduros de insectos, aunque tambin pueden
encontrarse algunos taxa en estados adultos; otros grupos menos representativos son caros,
crustceos, moluscos, nemtodos, planarias, lombrices y sanguijuelas.
Deseamos saber si la precipitacin es un factor determinante en el aumento de los individuos de la
fauna conformada por los macroinvertebrados bentnicos.
PLANTEAMIENTO DE HIPTESIS
HO = Hubo diferencias significativas entre las dos pocas analizadas.
H1= No hubo diferencias significativas entre las dos pocas analizadas.
Asumimos una probabilidad del 95%.
TABLA 1 NMERO DE INDIVIDUOS COLECTADOS EN LAS ESTACIONES DE MUESTREO DE LA CUENCA BAJA DEL RO UTCUBAMBA
(AMAZONAS-PER). POCAS HMEDA (FEBRERO, 2009) Y SECA (SETIEMBRE, 2009).
POCA
HMEDA
NMERO DE
INDIVIDUOS
1
POCA SECA
CLASE ACARI
59
CLASE
OLIGOCHAETA
CLASE HIRUDINEA
11
TAXA
CLASE
GASTEROPODA
CLASE BIVALVIA
NMERO DE
INDIVIDUOS
6
FUENTE: TESIS EVALUACIN DE LA DEGRADACIN DE ECOSISTEMAS DULCEACUCOLAS EN LA CUENCA BAJA DEL RO UCTUBAMBA
(AMAZONAS - PER) MEDIANTE EL USO DE MACROINVERTEBRADOS BENTNICOS (VALCRCEL, 2011)
11 | P g i n a
Primero hallamos la columna de diferencias para eso restamos los datos de la columna de la poca
hmeda que sera la del mes de febrero del 2009 con la columna de la poca seca que en este caso
es la del mes de setiembre del 2009
TABLA 2 : DIFERENCIA DE DATOS PAREADOS
TAXA
CLASE
GASTEROPODA
CLASE BIVALVIA
NMERO DE
INDIVIDUOS
(poca
hmeda)
1
NMERO DE
INDIVIDUOS
(poca seca)
Diferencia
-5
-3
59
-54
11
-11
-1
CLASE ACARI
CLASE
OLIGOCHAETA
CLASE HIRUDINEA
FUENTE: ELABORACIN PROPIA
Luego procedemos con la asignacin de rangos a los valores que nos resultaron luego de realizar la
diferencia.
TABLA 3 CLCULO DE LOS RANGOS
Febrero
(2009)
1
Setiembre
(2009)
6
Posicin
Diferencia
-1
Rango
+
1
-3
59
-5
11
-11
-54
En este ejemplo observamos que no tenemos valores en la columna positiva (+) mientras que pasa
todo lo contrario en la columna negativa(-).
Procedemos a realizar la sumatoria de los datos de ambas columnas.
12 | P g i n a
Rango
+
CLCULO DEL CONTRASTE T
En esta parte sumamos todos los valores de los rangos.
= 1 + 2 + 3 + 4 + 5 = 15
3
4
5
0
15
TABLA 4 TABLA GENERAL CON SUMATORIA DE RANGOS
NMERO DE
INDIVIDUOS
(poca
hmeda)
NMERO DE
INDIVIDUOS
(poca seca)
Diferencia
CLASE
GASTEROPODA
-5
CLASE BIVALVIA
-3
CLASE ACARI
CLASE
OLIGOCHAETA
CLASE HIRUDINEA
59
-54
11
-11
-1
TAXA
Rango
+
15
CLCULO DE Z
Ahora realizamos los clculos para calcular el valor de nuestra z, para ellos utilizamos las ecuaciones
de la prueba Wilcoxon.
( + 1)
5(6)
=
= 7,5
4
4
( + 1)(2 + 1)
5(6)(11)
=
= 3,7080 =
= 3,7080
24
24
13 | P g i n a
15 7,5
= 2,02
3,7080
Ahora buscamos el valor de nuestra ZT en la tabla de la funcin de distribucin de la variable Normal

Estndar. En este caso
nuestro valor es 2,02
entonces
intersectamos de la
columna t el valor 2.0 y
de la fila el 0,02 ya que
al sumarse ambos
valores nos dan el
valor de nuestra ZT. En
este caso el valor sera
de 0,978308.
HALLANDO
ILUSTRACIN 1 TABLA DE LA FUNCIN DE DISTRIBUCIN DE LA VARIABLE NORMAL ESTNDAR
EL VALOR
DE P
Ahora procedemos a restar el valor hallado a uno para as poder obtener el valor de p.
= 1 0,978308
= 0,0216
Siendo p= 0,02 (menor 0,05) se rechaza la hiptesis nula.
SEGUNDA MUESTRA
TABLA 5 NMERO DE INDIVIDUOS COLECTADOS EN LAS ESTACIONES DE MUESTREO DE LA CUENCA BAJA DEL RO UTCUBAMBA
(AMAZONAS-PER). POCAS HMEDA (ENERO, 2009) Y SECA (AGOSTO, 2009).
TAXA
CLASE
GASTEROPODA
CLASE
BIVALVIA
CLASE ACARI
CLASE
OLIGOCHAETA
POCA
POCA
HMEDA
SECA
ENERO
AGOSTO
NMERO
NMERO
DE
DE
INDIVIDUOS INDIVIDUOS
4
1
14 | P g i n a

CLASE
HIRUDINEA
FUENTE: TESIS EVALUACIN DE LA DEGRADACIN DE ECOSISTEMAS DULCEACUCOLAS EN LA CUENCA BAJA DEL RO UCTUBAMBA
(AMAZONAS - PER) MEDIANTE EL USO DE MACROINVERTEBRADOS BENTNICOS (VALCRCEL, 2011)
Hallamos la columna de diferencias para eso restamos los datos de la columna de la poca hmeda
que sera la del mes de enero del 2009 con la columna de la poca seca que en este caso es la del
mes de Agosto del 2009
TABLA 6 : DIFERENCIA DE DATOS PAREADOS
TAXA
NMERO DE
INDIVIDUOS
(poca
hmeda)
NMERO DE
INDIVIDUOS
(poca seca)
Diferencia
CLASE
GASTEROPODA
CLASE BIVALVIA
-6
CLASE ACARI
CLASE
OLIGOCHAETA
CLASE HIRUDINEA
-4
-1
-3
Luego procedemos con la asignacin de rangos a los valores que nos resultaron luego de realizar la
diferencia.
Enero
(2009)
Agosto
(2009)
Posicin
Diferencia
-6
Rango
+
2
-6
15 | P g i n a
CLCULO
DE
-4
-4
-1
-1
-3
-3
TABLA
7
LOS RANGOS
En este ejemplo observamos que no tenemos valores en la columna positiva (+) mientras que pasa
todo lo contrario en la columna negativa (-).
Procedemos a realizar la sumatoria de los datos de ambas columnas.
CLCULO DEL CONTRASTE T

En esta parte sumamos todos los valores de los rangos.
Rango
+
2
-6
+= 5 17 1 4 = 14
= 2
-4
-1
-3
TABLA 8 TABLA GENERAL CON SUMATORIA DE RANGOS
TAXA
NMERO DE
INDIVIDUOS
(poca
hmeda)
ENERO
NMERO DE
INDIVIDUOS
(poca seca)
AGOSTO
Rango
Diferencia
+
16 | P g i n a

CLASE
GASTEROPODA
CLASE BIVALVIA
-6
-6
CLASE ACARI
CLASE
OLIGOCHAETA
CLASE HIRUDINEA
-4
-4
-1
-1
-3
-3
14
CLCULO DE Z
Ahora realizamos los clculos para calcular el valor de nuestra z, para ellos utilizamos las ecuaciones
de la prueba Wilcoxon.
( + 1)
5(6)
=
= 7,5
4
4
( + 1)(2 + 1)
5(6)(11)
=
= 3,7080 =
= 3,7080
24
24
14 7,5
= 1.7579
3,7080
17 | P g i n a

Ahora buscamos el valor de nuestra ZT en la tabla de la funcin de distribucin de la variable Normal
Estndar. En este caso nuestro valor es 1,75 entonces intersectamos de la columna t el valor 1,7 y
de la fila el 0,05 ya que al sumarse ambos valores nos dan el valor de nuestra Z T. En este caso el
valor sera de 0,959941.
ILUSTRACIN 2 TABLA DE LA FUNCIN DE DISTRIBUCIN DE LA VARIABLE NORMAL ESTNDAR
HALLANDO EL VALOR DE P
Ahora procedemos a restar el valor hallado a uno para as poder obtener el valor de p.
= 1 0,959941
= 0,040059
DECISIN Y CONCLUSIN
Siendo p= 0,04 (menor 0,05) se rechaza la hiptesis nula. Se concluye que no hubo diferencias
significativas en cuanto a la cantidad de individuos de macroinvertebrados bentnicos entre la poca
seca y la poca hmeda. Con esto podemos mencionar que la precipitacin no es un factor
determinante en lo que concierne al aumento de la cantidad de individuos en ambas pocas del ao.
2.
PRUEBA DE CORRELACIN: COEFICIENTE DE CORRELACIN R DE SPEARMAN
18 | P g i n a

Los datos utilizados en el presente ejemplo fueron extrados de Diversidad y distribucin altitudinal
de especies terrestres de la familia Orchidaceae en un bosque montano al interior del Parque Nacional
Yanachaga Chemillen (Pasco, Per) realizado por Universidad Peruana Cayetano Heredia siendo el
autor Alexander Damin.
La evaluacin abarc un total de 18 transectos en 6 rangos de altitud desde los 2400 hasta 3000 m.
dentro de un bosque montano del Sector San Alberto en el Parque Nacional Yanachaga Chemillen.
En cada rango se instalaron 3 transectos de 2 x 50 m abarcando una rea total de 0.18 ha. Se logr
registrar 470 indivduos pertenecientes a la familia Orchidaceae distribuidos en 25 especies y 14
gneros, de los cuales cinco eran de hbito terrestre estricto: Prescottia Lindl., Gomphichis Lindl.,
Baskervilla Lindl., Cranichis Sw. y Brachionidium Lindl. Segn el ndice de diversidad de Shannon la
zona tiene una moderada diversidad (H`=3.60) gracias al buen estado de conservacin de los
bosques.
Se tiene la informacin acerca de la diversidad de Orchidaceae y como esta se distribuye con respecto
a la altura en el Parque Nacional Yanachaga Chemilln. Se sospecha que la altitud influye en la
distribucin de esta especie.
Altitud
2500
2600
2700
2800
2900
3000
Nmero de especies
(Orchidaceae)
26
124
154
36
41
89
FUENTE:
DIVERSIDAD
Y
DISTRIBUCIN ALTITUDINAL DE ESPECIES TERRESTRES DE LA FAMILIA ORCHIDACEAE EN UN BOSQUE MONTANO AL INTERIOR DEL
PARQUE NACIONAL YANACHAGA CHEMILLEN (PASCO, PER)
Planteamiento de hiptesis:
H0= La abundancia de Orchidaceae tiene relacin con la altitud
H1= La abundancia de Orchidaceae no tiene relacin con la altitud
La familia Orchidaceae con un estimado de 800 gneros y 30 000 especies es considerada, por
mucho, como el grupo ms importante de epfitas, llegando a representar el 78% de especies de este
grupo. Las orqudeas se distribuyen en casi todos los ambientes y altitudes, se pueden encontrar en
las lomas costeras hasta en los pramos ms adversos a ms de 4800 msnm (Cavero et al., 1991;
Cristenson, 2003).
Ahora procedemos a asignar rangos

19 | P g i n a
Altitud
2500
2600
2700
2800
2900
3000
Nmero de
especies
(Orchidaceae)
26
124
154
36
41
89
Rango del
nmero de
especies
1
5
6
2
3
4
Rango de
altitud
1
2
3
4
5
6
d
0
-3
-3
2
2
2
Total
d2
0
9
9
4
4
4
30
Ahora calculamos :
Nivel de Significancia: 5% / Nmero de muestras: 6
= 1
= 1
2
6 =
=1
3
6 30
= 0,1428
63 6
Ahora 0.829 es mayor a el valor de nuestro rs que es de 0,1428. Se acepta la hiptesis nula.
El valor 0,1428 como ndice de correlacin de Spearman nos indica que existe una correlacin de
14,28%. El anlisis de las muestras evaluadas nos demuestra la influencia de la altitud en la
diversidad de la Orchidaceae.
3.
PRUEBA U DE MANN -WHITNEY:

20 | P g i n a

Los datos a mostrarse en el presente ejemplo fueron extrados de la publicacin POTENCIAL DE
CAPTURA DE CARBONO EN EL CULTIVO DE PIN BLANCO (Jatropha curcas L.), EN LA
ESTACIN EXPERIMENTAL EL PORVENIR, INIA - TARAPOTO. 2012
Para desarrollar la prueba de U de Mann -Whitney se seleccionaron los datos de las medidas de los
dimetros de copa del rbol Pin blanco (Jatropha curcas L.) tomados durante la poca seca (meses
de enero y abril del 2011) y poca hmeda (los meses de mayo y agosto del 2011) en la estacin
experimental El Porvenir, INIA Tarapoto.
TABLA 9 DATOS DE DIMETRO DE COPA
Dimetro Rango1
de
copa(m)
en poca
seca
Dimetro Rango2
de copa
(m)en
poca
hmeda
2.6
19
7.5
2.35
12.5
2.1
9.5
2.65
21.5
1.6
1.5
2.45
16.5
1.8
3.5
2.4
14.5
1.95
5.5
7.5
2.6
19
2.1
9.5
2.35
12.5
1.6
1.5
2.65
21.5
1.8
3.5
2.45
16.5
1.95
5.5
2.4
14.5
3.5
25.5
3.5
25.5
3.2
24
2.3
11
2.95
23
2.6
19
Suma
N
de 14
muestra
203
148
12
21 | P g i n a

Fuente: Tesis: POTENCIAL DE CAPTURA DE CARBONO EN EL CULTIVO DE PIN BLANCO (Jatropha curcas L.), EN LA
ESTACIN EXPERIMENTAL EL PORVENIR, INIA - TARAPOTO Pinedo (2011). / Cuadro: Elaboracion propia
Formulacin de hiptesis:
Me1: dimetro de copa del rbol Pin blanco (Jatropha curcas L.) que se desarrolla en poca seca
Me2: dimetro de copa del rbol Pin blanco (Jatropha curcas L.) que se desarrolla en poca
hmeda.
Hiptesis nula (Ho): No existe diferencia significativa entre el dimetro de copa del rbol Pin blanco
(Jatropha curcas L.) que se desarrolla en poca seca y el dimetro de copa del rbol Pin blanco
(Jatropha curcas L.) que se desarrolla en poca hmeda.
Me1=Me2
Hiptesis alterna(Ha): existe diferencia significativa entre el dimetro de copa del rbol Pin blanco
(Jatropha curcas L.) que se desarrolla en poca seca y el dimetro de copa del rbol Pin blanco
(Jatropha curcas L.) que se desarrolla en poca hmeda.
Me1Me2
Nivel de significancia: 0.05
Calculando Z calculado para compararlo con el Z crtico obtenido de la tabla:
1 2
2 )
=
(0,1)
(
+
+
1)
2 1
2
1
12
(
(1 + 1)1
1
2
= (1 , 2 ) {
(2 + 1)2
2 = 1 2 +
2
2
1 = 1 2 +
R1 y R2 son valores obtenidos al asignar un rango de valores en cada muestra:

R1=203
R2=148
1 = 14 12 +
(14 + 1)14
203 = 70
2
2 = 14 12 +
(12 + 1)12
148 = 98
2
U= min(70,98)=70
22 | P g i n a
14 12
2 )
=
= 1.76
14
12(14
+
12
+
1)
12
70 (
NIVE DE CONFIANZA: 1- = 0.95

0.95/2= 0.475 (ESTE VALOR LO BUSCAMOS EN LA TABLA PARA DETERMINAR EL Z critico)
Z critico=1.96
ILUSTRACIN 3 RANGO HIPOTESIS NULA
FUENTE: elaboracin propia
Comparando el Z calculado con el Z crtico se concluye que:

Se acepta la hiptesis nula: No existe diferencia significativa entre el dimetro de copa del rbol Pin
blanco (Jatropha curcas L.) que se desarrolla en poca seca y el dimetro de copa del rbol Pin
blanco (Jatropha curcas L.) que se desarrolla en poca hmeda.
4.
PRUEBA CHI CUADRADO:
Los datos a mostrarse en el presente ejemplo fueron extrados de la publicacin Caro J. (2012). Tesis:
IMPACTO DE LA CAZA SOBRE LA POBLACIN DE ANIMALES SILVESTRES, EN LA ZONA DE
APROVECHAMIENTO DIRECTO Y AMORTIGUAMIENTO DEL REA DE CONSERVACIN
REGIONAL COMUNAL TAMSHIYACUTAHUAYO (ACRCTT) LORETO PER. 2012.En el cual se
evalu el impacto de la caza sobre las poblaciones de animales silvestres mediante el anlisis de la
captura por unidad de esfuerzo (CPUE) en el rea de Conservacin Regional Comunal TamshiyacuTahuayo. Los objetivos fueron conocer las especies caza, abundancia, biomasa extrada y la
tendencia poblacional de los animales de caza, en la zona de amortiguamiento (ZA) y en la zona de
aprovechamiento directo (ZAD) del ACR.
Para trabajar el Mtodo de Chi Cuadrado se seleccionaron los datos del nmero de animales
silvestres cazados, clasificados en mamferos, aves, reptiles, en dos zonas: la Zona de
amortiguamiento y la Zona de aprovechamiento directo ubicadas en el rea de Conservacin
Regional Comunal Tamshiyacutahuayo (ACRCTT) Loreto Per.
23 | P g i n a

TABLA 10 DATOS DE LAS MUESTRAS
ZONA
DE ZONA
DE
AMORTIGUAMIETO APROVECHAMIENO
DIRECTO
MAMIFEROS 177
567
744
AVES
15
10
25
REPTILES
10
12
22
202
589
791
Fuente: Tesis: IMPACTO DE LA CAZA SOBRE LA POBLACIN DE ANIMALES SILVESTRES, EN LA ZONA DE

APROVECHAMIENTO DIRECTO Y AMORTIGUAMIENTO DEL REA DE CONSERVACIN REGIONAL COMUNAL
TAMSHIYACUTAHUAYO (ACRCTT) LORETO PER Caro (2012) /Cuadro: elaboracin propia
Nivel de confianza: 95%

Hiptesis nula (Ho): La caza de animales silvestres es independiente de la Zona donde se produce
la caza ya sea en la Zona de amortiguamiento y la Zona de aprovechamiento directo ubicadas en el
rea de Conservacin Regional Comunal Tamshiyacutahuayo (ACRCTT) Loreto Per.
Hiptesis alterna(Ha): La caza de animales silvestres est asociado a la Zona donde se produce la
caza ya sea en la Zona de amortiguamiento y la Zona de aprovechamiento directo ubicadas en el
rea de Conservacin Regional Comunal Tamshiyacutahuayo (ACRCTT) Loreto Per.
Calculo de Frecuencia esperada:
117 =
202 744
= 189.997
791
8 =
202 25
= 6.384
791
1 =
202 22
= 5.618
791
567 =
589 744
= 554.003
791
1 =
589 25
= 18.616
791
2 =
589 22
= 16.382
791
Tabla 11 Frecuencias esperadas

24 | P g i n a

ZONA
DE ZONA
DE
AMORTIGUAMIETO APROVECHAMIENO
DIRECTO
MAMIFEROS 189.997
554.003
744
AVES
6.384
18.616
25
REPTILES
5.618
16.382
22
202
589
791
Fuente: Elaboracin propia

Se calcula la diferencia entre frecuencia observada y la frecuencia esperada:
( )2
=
:
:
Calculo de calculado:
(177 189.997)2 (15 6.384)2 (10 5.618)2 (567 554.003)2
=
+
+
+
189.997
6.384
5.618
554.003
(10 18.616)2
(12 16.382)2
+
+
18.616
16.382
2
2 =21.40
Calculando :
Grados de libertad: V= (n de fila -1)*(n de columnas-1)
Grados de libertad: V=(3-1)*(2-1)=2
Margen de error:100-0.95=0.05
Nos fijamos en la tabla el grado de libertad y nuestro margen de error que es de 0.05
critico= 5.991
calculado=21.40
Rechazamos Ho cuando 2 > 2
Por lo tanto:
25 | P g i n a

Se rechaza la hiptesis nula y se concluye que: La caza de animales silvestres est asociado a la
Zona donde se produce la caza ya sea en la Zona de amortiguamiento y la Zona de aprovechamiento
directo ubicadas en el rea de Conservacin Regional Comunal Tamshiyacutahuayo (ACRCTT)
Loreto Per.
5.
PRUEBA DE KRUSKAL WALLIS
Los datos que se presentan a continuacin fueron extrados de la publicacin Estudio de las Charcas
del Centro de Recuperacin de Fauna de Sant Faz, realizado por Chicote, A. y Fernndez, C. en el
ao 2004.
Santa Faz es una de las doce entidades de poblacin que conforman la organizacin polticoadministrativa de Alicante-Espaa. La misin principal del Centro es atender todos los animales que
son recogidos heridos o enfermos en cualquier punto de la provincia de Alicante y trasladados a sus
instalaciones. Desde 1999 han pasado por sus instalaciones cerca de 21.000 animales. La mayora
de ellos pertenecen a especies protegidas y algunas estn consideradas como amenazadas
Fuente: Balance de Actividades (Centro de Recuperacin de Fauna Santa Faz, 2005)
El trabajo de campo fue realizado durante el periodo comprendido entre agosto y septiembre del 2004.
Con la obtencin del pH, porcentaje de oxgeno, conductividad elctrica y fauna.
Para la obtencin de la data del pH de las cuatro charcas en estudio se emple el peachmetro, un
utensilio que se sumergi en diferentes zonas cada una de la charca: en la superficie, en una altura
intermedia y en el fondo. Tomndose 8 muestras por cada charca, es decir un total de 36 muestras.
Con esta base de datos se desea saber si el pH de las charcas situadas sobre sustratos diferentes
son iguales o distintos ya que el pH juega un papel central en la qumica del agua, afectando, por
ejemplo, a la dinmica de los nutrientes (Harper, 1992).
De acuerdo a la bibliografa revisada y con un fin ms realista se elimin o se perdi una muestra,
ms adelante se explicar en que afecta sta, en la aplicacin de la prueba de Kruskal-Wallis
26 | P g i n a
pH
Charca 1
Charca 2
Charca 3
Charca 4
7.68
7.74
7.84
7.79
7.72
7.81
7.78
7.91
7.7
7.74
7.77
7.74
7.73
7.8
7.74
7.71
7.69
7.78
7.8
7.81
7.73
7.78
7.81
7.87
7.7
7.71
7.75
7.85
7.76
7.73
7.71
Fuentes: Estudio de las Charcas del Centro de Recuperacin de Fauna de Sant Faz (Chicote y
Fernndez, 2004).
Analizamos los datos:
Variable dependiente: pH (cuantitativa)
Variable independiente: tipo de sustrato de cada charca (cualitativa)
La prueba de Kruskal-Wallis no requiere igualdad en el nmero de datos de cada

grupo
Planteamos nuestras Hiptesis:
: El pH no es el mismo en todas las charcas

0 :
El pH es el miso en todas las charcas
Procedimiento de clculo:
- Asignacin de rangos:
27 | P g i n a

Los rangos se muestran entre parntesis.
Charca 1
Charca 2
Charca 3
Charca 4
7.68 (1)
7.71 (6*)
7.74 (13.5*)
7.71 (6*)
7.69 (2)
7.73 (10*)
7.75 (16)
7.71 (6*)
7.70 (3.5*)
7.74 (13.5*)
7.77 (18)
7.74 (13.5*)
7.70 (3.5*)
7.74 (13.5*)
7.78 (20*)
7.79 (22)
7.72 (8)
7.78 (20*)
7.80 (23.5*)
7.81 (26*)
7.73 (10*)
7.78 (20*)
7.81 (26*)
7.85 (29)
7.73 (10*)
7.80 (23.5*)
7.84 (28)
7.87 (30)
7.76 (17)
7.81 (26*)
7.91 (31)
=8
=8
=7
=8
=55
=132.5
=145
=163.5
Fuente: Elaboracin propia

* Rangos ligados
- Realizamos los clculos estadsticos:
Tenemos que = 8 + 8 + 7 + 8 = 31
Reemplazando en la frmula:
DONDE:
= Nmero de grupos
= Nmero total de datos
= Nmero de datos en el grupo
12
2
12
552 132.52 1452 163.52
=
3( + 1) =
[
+
+
+
] 3(32)
( + 1)
31(32) 8
8
7
8
=1
= 11.876
28 | P g i n a
Nmero de grupos de rangos ligados = = 7
( 3 ) = (23 2) + (33 3) + (33 3) + (43 4) + (33 3) + (23 2) + (33

=1
3)
( 3 ) = 168
=1
= 1
168
168
=1( )
=1 3
= 1
= 0.9944
3

31 31
29760
11.876
=
= 11.943
09944
=1=3
2
0.05,3
= 7.815
2
>
29 | P g i n a
VI.
CONCLUSIONES:
El uso de las diferentes pruebas pertenecientes a la estadstica no paramtrica va a
depender del nmero de muestras y si estas son dependiente o independientes
adems de la informacin que se desea obtener con la prueba.
La prueba de Chi Cuadrado nos permiti contrastar las frecuencias observadas con
las frecuencias esperadas de acuerdo con nuestra hiptesis nula planteada.
Para la prueba de Chi- Cuadrado se concluye que:
Como el X2 calculado es mayor al x2 critico se acepta la hiptesis alterna, es decir,
La caza de animales silvestres est asociado a la Zona donde se produce la caza ya
sea en la Zona de amortiguamiento y la Zona de aprovechamiento directo ubicadas
en el rea de Conservacin Regional Comunal Tamshiyacutahuayo (ACRCTT)
Loreto Per.
Para la prueba Wilconxon se concluye que no hubo diferencias significativas en
cuanto a la cantidad de individuos de macroinvertebrados bentnicos entre la poca
seca y la poca hmeda. Con esto podemos mencionar que la precipitacin no es un
factor determinante en lo que concierne al aumento de la cantidad de estos individuos
en ambas pocas del ao.
En la aplicacin de la prueba de Kruskal-Wallis segn el problema planteado,
concluimos que el pH no es el mismo en todas las charcas, esto se debe a que estn
sobre sustratos diferentes de la cual podemos deducir que el desarrollo de la
actividad biolgica en estos cuerpo de agua son condicionadas por el tipo de sustrato
que pos.
Para la prueba de U de Mann-Whithney se concluye que:
No existe diferencia significativa entre el dimetro de copa del rbol Pin blanco
(Jatropha curcas L.) que se desarrolla en poca seca (meses de enero y abril del
2011) y el dimetro de copa del rbol Pin blanco (Jatropha curcas L.) que se
desarrolla en poca hmeda (los meses de mayo y agosto del 2011) en la estacin
experimental El Porvenir, INIA Tarapoto.
Esta prueba de U de Mann -Whitney es aplicable cuando las muestras son
independientes adems es til cuando las mediciones se pueden ordenar en escala
ordinal (es decir, cuando los valores tienden a una variable continua, pero no tienen
una distribucin normal)
El ndice de correlacin de Spearman en el ejemplo que se presento en este trabajo
nos indica que existe una correlacin de 14,28%. El anlisis de las muestras
evaluadas nos demuestra la determinante influencia de la altitud en la diversidad de
la Orchidaceae.
30 | P g i n a
VII.
BIBLIOGRAFA
WALPOLE, Ronald E. (1999) Probabilidad y Estadstica para ingenieros. 6a, ed.
PRENTICE-HALL HISPANOAMERICA, S.A. Mxico.
MARQUES DOS SANTOS, Mara J. (1998) Estadstica Bsica un enfoque no
paramtrico. Universidad Nacional Autnoma de Mxico.
PINEDO G. (2011). Tesis: Potencial de captura de carbono en el cultivo de pin
blanco (Jatropha curcas L.), en la estacin experimental el Porvenir, INIA - Tarapoto.
Moyobamba- Per
CARO J. (2012). Tesis: impacto de la caza sobre la poblacin de animales silvestres,
en la zona de aprovechamiento directo y amortiguamiento del rea de conservacin
Regional Comunal Tamshiyacutahuayo (ACRCTT) Loreto Per. Iquitos -Per
Gorgas J., Cardiel N. (2011). ESTADSTICA BSICA PARA ESTUDIANTES DE
CIENCIA. Departamento de Astrofsica y Ciencias de la Atmsfera Facultad de
Ciencias
Fsicas
Universidad
Complutense
de
Madrid.
Espaa
J.M.Bernardo(1981).BIOESTADISTICA. Editorial Vicens universidad. Primera
Edicin. Espaa
WALPOLE, Ronald E. (1999) Probabilidad y Estadstica para ingenieros. 6a, ed.
PRENTICE-HALL HISPANOAMERICA, S.A. Mxico.
MARQUES DOS SANTOS, Mara J. (1998) Estadstica Bsica un enfoque no
paramtrico. Universidad Nacional Autnoma de Mxico.
CHICOTE, A. y FERNNDEZ, C. en el ao (2004) Estudio de las Charcas del Centro
de Recuperacin de Fauna de Sant Faz. Espaa.
HARPER, D. (1992). La Eutrofizacin de las Aguas dulces. Principios, problemas y
restauracin. Chapman & Hall.Londres.
Centro de Recuperacin de Fauna Santa Faz (2005) Balance de Actividades.
Espaa.
31 | P g i n a

Informe Bioestadistica

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Informe Bioestadistica

Caricato da

Copyright:

Formati disponibili

ESTADSTICA NO PARAMTRICA

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

ESCUELA PROFESIONAL DE INGENIERA AMBIENTAL

INFORME N 4: Estadstica no paramtrica para la interpretacin de

Ing. Ruben Martnez

Evaluacin de vegetacin, fauna y sistemas ecolgicos

7mo Ciclo / T-B

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

Marco Terico ............................................................................................................................ 4

IV. Metodologa ............................................................................................................................. 10

Prueba de Wilcoxon .............................................................................................................. 11

Prueba de Correlacin: Coeficiente de correlacin R de Spearman ..................................... 18

Prueba U de Mann -Whitney: ............................................................................................... 20

Prueba Chi Cuadrado: ......................................................................................................... 23

Prueba de Kruskal Wallis ...................................................................................................... 26

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

En la Estadstica paramtrica nuestro inters es hacer estimaciones y pruebas de hiptesis acerca de

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

Distinguir las caractersticas de las pruebas no paramtricas para su utilidad.

Analizar la importancia y desarrollo de estos modelos matemticos no paramtricos

Explicar los resultados obtenidos con cada prueba.

Desarrollar paso a paso las pruebas de la estadstica no paramtrica: T de Wilconxon, U de

Resaltar la importancia de aplicar mtodos no paramtricos en los trabajos de investigaciones

MUESTRAS APAREADAS O DEPENDIENTES

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

VARIABLE DEPENDIENTE Y VARIABLE INDEPENDIENTE

PRUEBAS DE DOS COLAS Y PRUEBAS DE UNA COLA

t-student para una muestra

No existe (usar Chicuadrado de Pearson)

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

No existe (usar Chicuadrado de Pearson)

Prueba de los Signos

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

COMPARACIN DE DATOS CUANTITATIVOS ENTRE DOS O MAS GRUPOS

COMPARACIN ENTRE DOS GRUPOS DE DATOS CUALITATIVOS

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

EVALUACIN DE LAS RELACIONES ENTRE DOS VARIABLES

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

Trabaja con datos de tipo ordinal.

Establece diferencias de magnitudes (+ y -).

Prueba de dos colas: No se sabe en qu direccin se pueden dar las diferencias.

Dos muestras apareadas.

Establece las diferencias

PRUEBA DE KRUSKAL WALLIS

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

Cuando 1 toma el valor 1 , 2 toma el valor 2 , etctera. (Walpole 1999)

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

Los datos a mostrarse en el presente ejemplo fueron extrados de la publicacin Evaluacin de la

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

FUENTE: ELABORACIN PROPIA

FUENTE: ELABORACIN PROPIA

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

CLCULO DEL CONTRASTE T

En esta parte sumamos todos los valores de los rangos.

TABLA 4 TABLA GENERAL CON SUMATORIA DE RANGOS

FUENTE: ELABORACIN PROPIA

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

Ahora buscamos el valor de nuestra ZT en la tabla de la funcin de distribucin de la variable Normal

ILUSTRACIN 1 TABLA DE LA FUNCIN DE DISTRIBUCIN DE LA VARIABLE NORMAL ESTNDAR

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

ESTADSTICA NO PARAMTRICA PARA LA INTERPRETACIN DE DATOS DE CAMPO

FUENTE: ELABORACIN PROPIA