Ctedra de

Bioestadstica y Diseo
Experimental

Autor: Ing. Agr. A. J. Quiquinto

Conceptos bsicos
Hasta ahora hemos estudiado las llamadas "pruebas paramtricas", en las que se a
observado que haba en cada una de ellas una serie de supuestos estadsticos ms o
menos severos.

Adems, las "pruebas paramtricas" que hemos visto (sobre la media o sobre la
varianza) requeran que la variable se midiera (como mnimo) en escalas de intervalo
(se precisaban el clculo de medias o varianzas).

Ello hace que no sea posible efectuarlas cuando la escala sea ordinal.
Procesamiento y anlisis
Tipo de pruebas estadsticas

Paramtricas:

Prueba Z

Prueba t de Student

ANOVA
 Tipo de pruebas estadsticas

No paramtricas:

P. Ji cuadrado (x2)

Por su parte, las pruebas no paramtricas pueden ser efectuadas cuando el nivel de
medida sea ordinal, as como las condiciones de los supuestos estadsticos (v.g.,
homogeneidad de varianzas, normalidad de las puntuaciones) son menos estrictas.
 Estrategias de anlisis

Estrategia representativa

Estimacin de parmetros

Estrategia comparativa: Pruebas de

hiptesis

1.Prueba de conformidad o de ajuste

2.Prueba de homogeneidad

3.Pruebas de independencia
 Procesamiento y anlisis

Tipos de anlisis estadistico

(segn el nmero y tipo de variables)

Dependiente Independiente
Univariado: 1 0

Bivariado: 1 1

Multivariado: 1 2 ms
Permite realizar un anlisis de varianza no paramtrico a una va de
clasificacin.

El ANAVA propuesto por Kruskal y Wallis (1952) permite comparar las

esperanzas de 2 o ms distribuciones sin necesidad de realizar el supuesto
de que los trminos de error se distribuyen normalmente.
La hiptesis nula establece que u1 = u2 = ,..., = ua, donde ui representa la
esperanza del i-simo tratamiento, con i=1, 2,....,a.

Esta prueba se aplica cuando se tienen muestras independientes de cada

poblacin, con observaciones de naturaleza continua y las varianzas
poblacionales son iguales.

El estadstico de la prueba (H) se basa en la suma de los rangos asignados a las

observaciones dentro de cada tratamiento. Su distribucin exacta es obtenida a
partir de la consideracin de todas las configuraciones posibles de los rangos de
N observaciones en a grupos de ni observaciones cada uno.
Prueba de Kruskal-Wallis (comparacin de "a" grupos independientes)

Es la prueba no paramtrica paralela a la F unifactorial entre sujetos

Pasos:

1. pasar las puntuaciones a rangos (conjuntamente en los "a" grupos)

2. computar la suma de los rangos en cada grupo (son las Rj)

 Estadstico de contraste

R 2

H 12
j
3 (N 1)
N (N 1) n j

Si la Hiptesis nula es cierta (es decir, que no haya diferencias entre los grupos), H se
distribuye segn chi-cuadrado con a-1 grados de libertad

Observa que se puede aplicar esta prueba cuando no se cumplan los supuestos de
homogeneidad de varianzas ni el de normalidad del ANOVA unifactorial entresujetos.
FRIEDMAN, permite realizar un anlisis de varianza no paramtrico a dos vas
de clasificacin.

El ANAVA propuesto por Friedman (1937, 1940) permite comparar las

esperanzas de 2 o ms distribuciones cuando el diseo de la experiencia ha sido
en bloques completos aleatorizados, sin necesidad de verificar el cumplimiento
del supuesto de normalidad.
Veremos CUATRO pruebas no paramtricas, que en buena medida son paralelas a las
vistas en temas anteriores (pero en versin no paramtrica):
Caso de dos grupos independientes
Prueba de Mann-Whitney-----(paralela a la t de grupos
independientes)

Caso de dos grupos relacionados

Prueba de Wilcoxon-----(paralela a la t de grupos relacionados)

Casi de "a" grupos independientes

Prueba de Kruskal-Wallis-----(paralela a la F unifactorial entre-
sujetos)

Caso de "a" grupos relacionados

Prueba de Friedman----(paralela a la F unifactorial intra-
sujetos)
 Prueba de Mann-Whitney (comparacin de dos grupos independientes)

Es la prueba no paramtrica paralela a la t de dos grupos independientes

Pasos:
1. pasar las puntuaciones a rangos (conjuntamente en los dos grupos)
2. computar la suma de los rangos del grupo 1

Muestras pequeas (n1 y n2 20)

U R i1 Hay tablas para este caso de

(U es la suma de los rangos asignados a la muestra 1) muestras pequeas; en todo caso,
si la muestra es relativamente
grande, se puede efectuar la
Muestras grandes aproximacin a la distribucin
n (N1)
normal
U 1

zemp 2
n1 n 2 (N1)
12

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

 Prueba de Wilcoxon (comparacin de dos grupos relacionados)

Es la prueba no paramtrica paralela a la t de dos grupos relacionados

Pasos:
1. Restar las puntuaciones (sujeto a sujeto) entre grupos 1 y 2, y dejarlas en valor
absoluto.
2. En valores ordinales, hacer una columna con los rangos para G2>G1 y otra para
G1>G2 (ver ejemplo)
Muestras pequeas
Hay tablas para este caso de
S R

i muestras pequeas; en todo caso,
si la muestra es relativamente
Es la suma de rangos de la columna "G2>G1" grande, se puede efectuar la
Muestras grandes aproximacin a la distribucin
normal
S n (n4 1)
z emp n(n 1) (2 n 1)
24

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

 Prueba de Friedman (comparacin de "a" grupos relacionados)

Es la prueba no paramtrica paralela a la F unifactorial intra-sujetos

Pasos:
1. pasar las puntuaciones a rangos (atencin: rangos dentro de cada sujeto)
2. computar la suma de los rangos en cada grupo (son las Rj)

Estadstico de contraste

X2r 12
na (a 1)
( R2j) 3 n (a 1)

Si la Hiptesis nula es cierta (es decir, que no haya diferencias entre los grupos), este
estadstico de contraste se distribuye segn chi-cuadrado con a-1 grados de libertad
El tema de los empates

Dado que estamos ordenando los datos, es posible el caso de los empates entre
puntuaciones. Hay algunas correcciones para ello, pero que no vamos a ver.
 William Kruskal Wilson Allen Wallis

1.912-1.998
1.919- 2.005
 Test de Kruskal- Wallis

Mtodo no paramtrico que permite

comparar, en un solo test, las
medianas de un conjunto de k
muestras independientes.

ANOVA
Mtodo paramtrico para
comparar las medias de 3 o ms
grupos independiente
 Comprobacin de supuestos

Normalidad Homogeneidad de varianzas

Prueba Shapiro- Wilks (si n<50) Prueba F de Levene
Prueba de Kolmogorov-Smirnov (si n>50)

Cumplimiento de supuestos
Si No

Mtodo paramtrico: Mtodo no paramtrico:

ANOVA Test de Kruskal- Wallis

Si rechazo H0
Pruebas pos-hoc Comparaciones
Prueba de Scheffe con U de Mann-Whitney
Penalizado por
correccin de Bonferroni
 Test de Kruskal- Wallis

Escenario de aplicacin
No se cumplen supuestos de normalidad y homogeneidad de
varianzas

Muestra pequea

Datos ordinales
 Test de Kruskal- Wallis

Hiptesis
H0: las tres o ms poblaciones de las que proceden los
grupos tienen idntica mediana

H0: m1 = m2 = .. = m k

Ha: las tres o ms poblaciones de las que proceden los

grupos tienen medianas diferentes*

*No implica que un grupo en concreto sea superior que otro

H0: mCIT seguros=mCITinseguros leves= mCITinseguros moderados=mCIT inseguros severos

 Test de Kruskal- Wallis

Clculo
Ejemplo: Se han valorado los cambios de presin arterial
sistlica (mmHg) a seis meses de seguimiento con tres
regmenes teraputicos

Tratamiento A Tratamiento B Tratamiento C

+ 3,5 -4 0
+3 -4,5 -0,5
+2,5 -5 -1
0 -5,5 -31
-2 -7
Media = +1,4 Media = -5,2 Media = -8,125
 Test de Kruskal- Wallis

Ordenacin de datos.
Se ordenan de menor a mayor todos los valores
observados en k muestras.

Asignacin de rangos
Se asigna el rango 1 al valor inferior, el rango 2 al 2
y as sucesivamente. En caso de empates (mismo
valor para dos o ms casos) se asigna la media de
los nmeros de orden de los individuos empatados
Valor (tas) Grupo (tto) Rango
-31 C 1
-7 B 2
-5,5 B 3
-5 B 4
-4,5 B 5
-4 B 6
-2 A 7
-1 C 8
-0,5 C 9
0 A 10,5
0 C 10,5
2,5 A 12
3 A 13
3,5 A 14
 Test de Kruskal- Wallis

Clculo de la suma de rangos.

Se suman los rangos asignados para cada grupo

Grupo Rangos Suma de ni Rangos

rangos (S) medios
7+10,5+12+13+14
A 56,5 5 56,5/5=11,3
2+3+4+5+6
B 20 5 20/5 = 4
1+8+9+10,5
C 28,5 4 28,5/4= 7,1
Suma = 105 N = 14 105/14=7,5

Ecuacin para comprobar correcta asignacin de rangos

Suma total de rangos = N (N+1)/2

=14 (15)/2 = 105
 Test de Kruskal- Wallis

Clculo de un test ji cuadrado

Si la Ho fuese cierta, los rangos medios de cada grupo
coincidiran con el rango medio total.

Numerador: la diferencia entre lo observado y lo esperado

para cada grupo se eleva al cuadrado. Adems debe
ponderarse por el tamao muestral de cada grupo

Denominador: usar una medida de error

X2 = sumatoria ni (Rmedi Rmed TOTAL) 2

N (N+1)/12
 Test de Kruskal- Wallis

X2 = sumatoria ni (Rmedi Rmed TOTAL) 2

N (N+1)/12

X2 = 5(11,3-7,5) 2 + 5(4-7,5) 2 + 4(7,1-7,5) 2

14(15)/12
X2 = 7,7
g.l.= k-1

Para hallar p usando Excel: =DISTR.CHI(7,7;2)

p=0,02
 Test de Kruskal- Wallis

Ventajas e inconveniente
Puede usarse si:
Los datos son ordinales Menor potencia y
No hay normalidad sensibilidad para
El tamao de muestra detectar diferencias
es muy pequeo entre grupos
No es fcil construir
intervalos de confianza
Seleccin de la prueba estadstica para observaciones independientes

Variable de resultado
Nominal Categrica Cuantitativa Cuantitativa normal
(>2
Ordinal Cuantitativa
discreta No-normal
categoras)
X2 o de X2 tendencia o Mann- Mann-Whitney
Nominal X2 Prueba t de student
Fisher Mann-Whitney Whitney o log-rank (a)
Categrica
Kruskal- Kruskal- Kruskal- Anlisis de la varianza
(>2 X2 X2
categoras) Wallis (b) Wallis (b) Wallis (b) (ANOVA) (c)
Ordinal X2 de Rangos de Rangos de Rangos de Rangos de Spearman o
(e)
Variable (categoras tendencia o
Spearman Spearman Spearman regresin lineal (d)
de ordenadas) Mann
Whitney
entrada
Cuantitativa Regresin (e) (e) Rangos de Rangos de Rangos de Spearman o
Discreto Logstica Spearman Spearman regresin lineal (d)
Ploteo de datos,
(e) (e) (e) Ploteo de datos, Pearson o
Cuantitativa Regresin Pearson o rangos
Rangos de Spearman y
no-normal Logstica de Spearman
regresin lineal
Cuantitativa Regresin (e) (e) (e) Regresin Pearson y regresin lineal
normal Logstica lineal (d)
 Procesamiento y anlisis
Seleccin de la prueba estadstica para observaciones pareadas o relacionadas

Variable Prueba
Nominal Prueba de McNemar
Ordinal (categoras ordenadas) Wilcoxon
Cuantitativo (Discreto o no-normal) Wilcoxon
Cuantitativo (Normal *) Prueba t pareado
* Es la diferencia entre las observaciones apareadas que deben ser
verosmilmente normales.