Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
AREA DE ESTADISTICA
ESTADISTICA NO
DISEÑO DE EXPERIMENTOS
PARAMETRICA
Objetivo: Que el alumno conozca y aprenda a usar algunos de los métodos no paramétricos
mas importantes.
ESTADISTICA NO PARAMETRICA
La estadística Inferencial estudiada en los temas anteriores está clasificada dentro de la llamada Estadística
Paramétrica; mientras que las pruebas de bondad de ajuste, pruebas de independencia, pruebas de
homogeneidad, Kruskal-Wallis, Friedman y Kolmogorov-Smirnov están consideradas dentro de la Estadística
noparamétrica o pruebas de distribución libre.
Cual es la diferencia entre las dos Estadísticas? En la estadística paramétrica nuestro interés era siempre hacer
estimaciones y pruebas acerca de uno o más parámetros de la población. Además, en todas estas estimaciones
y pruebas de hipótesis se establece como suposición general que la población o poblaciones de donde
provienen las muestras deben estar distribuidas normalmente, aunque sea en forma aproximada.
La Estadística no paramétrica en contraste con la Estadística paramétrica no se ocupa de hacer estimaciones y
pruebas de hipótesis acerca de parámetros y no depende del conocimiento de cómo se distribuye la población.
De esto se deduce que los métodos no parametritos son convenientes si no se conoce la distribución de la
población, por ejemplo, en una investigación exploratoria. Más aún, otra ventaja es que, por lo general, los
cálculos necesarios son más sencillos.
Los métodos no parametritos pueden ser usados para analizar datos de tipo cualitativo, ya sean ordinales o
jerarquizados o nominales; así como también para datos cuantitativos, mientras que los métodos parametritos
solo pueden usarse para datos cuantitativos.
Defina una variable con el nombre de CAPTURA y siga la Ruta: Describe → Numeric data → One variable
analysis → Data: CAPTURA,Ok.tabular options :hipothesis test,Ok.
Sujeto 1 2 3 4 5 6 7 8 9 10
Leche 93 104 95 81.5 95 95 76,5 80,5 79,5 87,0
plasma 147 157 142 141 142 147 148 144 144 146
El programa suministra tres pruebas, la prueba t (paramétrica) y las pruebas noparamétricas: prueba del signo y
prueba del signo ranqueado.
t-test
------
Null hypothesis: mean = 0,0
Alternative: not equal
Computed t statistic = -22,7112
P-Value = 2,95107E-9
Reject the null hypothesis for alpha = 0,05.
sign test
---------
Null hypothesis: median = 0,0
Alternative: not equal
Number of values below hypothesized median: 10
Number of values above hypothesized median: 0
Los desechos industriales y la basura que se descargan en los ríos absorben oxigeno y por lo tanto reducen la
cantidad de oxigeno disuelto disponible para los peces y otras formas de vida acuática. Un inspector de
contaminación sospecha que cierta comunidad esta descargando desperdicios semitratados en el río. Para
verificar su teoría, obtuvo cinco muestras de agua del río seleccionadas aleatoriamente en una ubicación
anterior a la ciudad y otras cinco en una ubicación posterior a la ciudad. Las cantidades de oxigeno disuelto en
partes por millón, fueron:
Comparison of Medians
---------------------
Median of sample 1: 5,0
Median of sample 2: 4,9
Mann-Whitney (Wilcoxon) W test to compare medians
Null hypothesis: median1 = median2
Alt. hypothesis: median1 < median2
Average rank of sample 1: 6,8
Average rank of sample 2: 4,2
W = 6,0 P-value = 0,899162
Compara la distribución de las dos muestras. En este caso no hay diferencias significativas entre las dos
distribuciones.
Ruta: Describe → Numeric data → Multiple variables analysis, Data: PESO,COLESTEROL,Ok. Tabular
optin,Rank correlations,Ok.
COLESTEROL PESO
--------------------------------------------------------------------------------
COLESTEROL 0,8801
( 15)
0,0010
PESO 0,8801
( 15)
0,0010
--------------------------------------------------------------------------------
Correlation
(Sample Size)
P-Value
Indica una moderada relación positive entre las variables.
PRUEBA DE ALEATORIEDAD
Supongamos que tenemos una muestra de 26 observaciones reunidas en el siguiente orden:
DATOS
97
89
25
81
11
83
16
96
44
32
98
19
68
33
25
54
74
82
17
49
33
22
62
20
92
80
Ruta: Special → Time series analysis → Descriptive methods → Data: DATOS,Ok.Tabular options, test
for randomness,Ok.
Box-Pierce Test
---------------
Test based on first 8 autocorrelations
Large sample test statistic = 13,1885
P-value = 0,105525
Tres pruebas han sido corridas para determinar si o no DATOSD es una secuencia de números aleatorios. La
primera, nos dice que no podemos rechazar la hipótesis de que la serie es aleatoria con un 90%, al igual que
las dos pruebas siguientes.