Daniels Capítulo 13 Bioestadística: Base para El Análisis de Las Ciencias de La Salud - Daniel Wayne W

13.
1 INTRODUCCI6N
13.2 ESCALAS DE MEDICI6N
13.3 PRUEBA DEL SIGNO
13.4 PRUEBA DE JERARQuIA SIGNADA
DE WILCOXON PARA UBICACI6N
13.5 PRUEBA DE LA MEDIANA
13.6 PRUEBA DE MANN-WHITNEY
13.7 PRUEBA DE BONDAD DE AJUSTE
DE KOLMOGOROV-SMIRNOV
,
13.1 INTRODUCCION
13.8
13.9
13.10
13.11
13.12
ANA.LlSIS UNILATERAL DE LA
VARIANCIA POR JERARQuiAs
DE KRUSKAL-WALLIS
ANA.LISIS BILATERAL DE LA
VARIANCIA POR JERARQUiAS
DE FRIEDMAN
COEFICIENTE DE CORRELACI6N
POR JERARQuIAs DE SPEARMAN
ANA.LlSIS DE REGRESI6N NO
PARAMETRIC 0
RESUMEN
Los procedimientos de inferencia estadfstica estudiados hasta este momenta se
clasifican como estadisticas parametricas. La unica excepci6n es el uso de ji
cuadrada en la prueba de bondad de ajuste y en la prueba de independencia.
Estos usos de ji-cuadrada se clasifican como estadisticas no parametncas.
Ahora la pregunta obvia es: ~ c u a l es la diferencia? Para responder, es
necesario recordar la naturaleza de los procedimientos de inferencia clasificados
como parametricos. En cada situaci6n, el objetivo consistfa en estimar 0 probar una
hip6tesis acerca de uno 0 mas parametros de la poblaci6n. Ademas, el elemento
fundamental de estos procedimientos fue el conocimiento de la forma funcional
de la distribuci6n de la poblaci6n de la cual se extrajeron las muestras que
proporcionaron la base para la inferencia.
Un ejemplo de una prueba estadfstica parametrica es la ampliamente
utilizada prueba t. Los usos mas comunes de esta prueba son los de probar una
hip6tesis acerca de la media de una sola poblaci6n 0 la diferencia entre las
medias de dos poblaciones. Una de las suposiciones que fundamentan el uso
valido de esta prueba es que la poblaci6n 0 poblaciones de donde proceden las
muestras tienen, al menos, una distribuci6n aproximadamente normal.
658
659 13.2 ESCALAS DE MEDICION
En este capitulo se estudian procedimientos que no se centran en
panimetros de poblacion ni dependen del conocimiento de la poblacion de la
que se extraen las muestras. Estrictamente hablando, solo aquellos
procedimientos que prueban hipotesis que no son afirmaciones acerca de los
parametros de la poblacion, se clasifican como no parametricos, mientras que a
aquellos que no hacen suposicion alguna acerca de la poblacion de la cual se
extraen las muestras, se les conoce como procedimientos de libre distribucion. Pese
a esta diferencia, se acostumbra utilizar los terminos no parametrico y de libre
distribuciOn indistintamente y analizar los diversos procedimientos de ambos tipos
bajo el titulo de estadisticas no parametricas. A partir de aqui se seguira este uso
convencional.
Lo expuesto anteriormente implica las dos siguientes ventajas de las
estadfsticas no parametricas.
1. Permiten la prueba de hipotesis que no son afirmaciones acerca de los valores de
los parametros de la poblacion. Algunas pruebas de ji-cuadrada de bondad de
ajuste y de independencia son ejemplos de pruebas que tienen estas ventajas.
2. Las pruebas no parametricas pueden utilizarse cuando se desconoce la
distribucion de la poblacion de la cual se extraen las muestras.
3. Los procedimientos no parametricos son mas faciles de calcular y, en
consecuencia, se aplican con mayor rapidez que los procedimientos
parametricos. Esta puede ser una caracteristica conveniente en ciertos casos,
pero cuando el tiempo no es un factor importante merece poca priori dad
como criterio para elegir una prueba no parametrica.
4. Los procedimientos no parametricos pueden aplicarse cuando los datos que
sirven para el analisis constan simplemente de categorias 0 clasificaciones.
Es decir, los datos pueden no estar basados en una escala de medicion 10
suficientemente solida como para permitir las operaciones aritmeticas
necesarias para llevar a cabo los procedimientos parametricos. EI tema de
las escalas de medicion se analiza con mas detalle en la siguiente seccion.
Aunque las estadfsticas no parametricas tienen ciertas ventajas, tambien
deben reconocerse sus desventajas.
1. El uso de procedimientos no parametricos con datos que pueden manejarse
con un procedimiento parametrico produce un desperdicio de informacion.
2. La aplicacion de algunas de las pruebas no parametricas puede ser muy
laboriosa para muestras grandes.
13.2 ESCAIAS DE MEDICION
En la seccion anterior se menciona que una de las ventajas de los procedimientos
estadisticos no parametricos es que pueden utilizarse con datos basados en una
escala de medicion debil. Para comprender completamente el significado de esta
afirmacion, es necesario conocer 0 entender el significado de medicion y de las
660 CAPITULO 13 ESTADISTICA NO PARAMETRICA
diversas escalas de medici6n que se utili zan con mas frecuencia. El lector puede
consultar el capitulo 1 donde se estudian las escalas de medici6n.
Muchas autoridades en la materia opinan que las pruebas estadisticas dife
rentes requieren distintas escalas de medici6n. Aunque se crea que en la practica se
sigue esta idea, existen puntos de vista alternativos.
13.3 PRUEBA DEL SIGNO
La prueba t, estudiada en los capitulos anteriores, no es estrictamente valida para
probar: 1) la hip6tesis nul a de que la media de una poblaci6n es igual a alglin valor
en particular, 0 bien, 2) la hip6tesis nula de que la media de una poblaci6n de
diferencias entre pares de medicinas es igual a cero, a menos que las poblaciones en
cuesti6n sigan una distribuci6n normal. El casu 2 se reconocera como una situaci6n
que se analiza mediante la prueba de comparaci6n por parejas en el capitulo 7.
Cuando no es posible hacer suposiciones de normalidad 0 cuando los datos dispo
nibles son categorfas en lugar de medidas sobre una escala de intervalos 0 de razo
nes, debe buscarse un procedimiento opcional. Aun cuando se sabe que la prueba t
es casi insensible a las violaciones de la suposici6n de normalidad, hay casos en que
resulta preferible una prueba alternativa.
Una prueba no parametrica que se utiliza con frecuencia y que no depende de
los supuestos de la prueba t es laprueba del signo. Estaprueba se centra en la media
na mas que en la media como una medida de tendencia central 0 de ubicaci6n. La
mediana y la media seran iguales en distribuciones simetricas. La unica suposicion
que fundamenta la prueba es que la distribuci6n de la variable de interes es conti
nua. Esta suposici6n excluye el uso de datos nominales.
La prueba del signo toma su nombre del hecho de que los signos mas y me
nos, y no los valores numericos, proporcionan los datos utilizados en los calculos.
Se ilustrara el uso de esta prueba primero en el casu de una sola muestra y, a conti
nuaci6n, mediante un ejemplo que implique muestras por parejas.
EJEMPLO 13.3.1
Los investigadores desean saber si al instruir en cuidados y aseo personal a una mues
tra de niiias con retraso mental mejorarfa su apariencia. Se eligi6 aleatoriamente a 10
niiias de una escuela para niiios con retraso mental, para que recibieran educacion
especial sobre cuidado y aseo personal. Dos seman as despues de conduir el curso de
instrucci6n, las niiias fueron entrevistadas por una enfermera y una trab.yadora so
cial, quienes asignaron a cada niiia una calificaci6n basada en su apariencia general.
Los investigadores creian que, como maximo, las calificaciones alcanzarfan el nivel
de una escala ordinal. Crefan que aunque una calificacion de, digamos 8, representa
ba una apariencia mejor que una de 6, no podfan decir que la diferencia entre las
calificaciones de 6 y 8 era igual a la diferencia entre las calificaciones 8 y 10, 0 bien,
que la diferencia entre las calificaciones de 6 y 8 representaba el doble de mejora que
la diferencia entre las calificaciones 5 y 6. Las calificaciones se muestran en la tabla
13.3.1. Se desea saber si es posible conduir que la calificaci6n mediana de la pobla
ci6n de la que se supone se extrajo la muestra es diferente de 5.
661 13.3 PRUEBA DEL SIGNO
TABLA 13.3.1 Caliticaciones de apariencia
general de 10 ninas con reu'aso mental
Nina Calificaci6n
1 4
2 5
3 8
4 8
5 9
Nina Calificaci6n
6 6
7 lO
8 7
9 6
10 6
Soluci6n:
1. Datos. Ver el planteamiento del problema.
2. Supuestos. Se supone que las mediciones se tomaron para una
variable continua.
3, Hip6tesis.
Ho: la mediana de la poblaci6n es 5.
H
A
: la mediana de la poblaci6n es diferente de 5.
Sea 0: =.05.
4. Estadistica de prueba. La estadistica de prueba para la prueba
del signo es el numero observado de signos mas 0 de signos menos.
La naturaleza de la hip6tesis alternativa determina cual de estas es
tadisticas de prueba es conveniente. En una prueba dada, cualquie
ra de las siguientes hip6tesis alternativas puede ocurrir.
H
A
: P( +) > PH alternativa unilateral
H
A
: P( +) < P(-) alternativa unilateral
H
A
: P( +) *- P(-) alternativa bilateral
Si la hip6tesis alternativa es
un numero suficientemente pequeno de signos menos causa el re
chazo de Ho' La estadistica de prueba es el numero de signos me
nos. En forma analoga, si la hip6tesis alternativa es
un numero suficientemente pequeno de signos mas causa el recha
zo de Ho' La estadistica de prueba es el numero de signos mas. Si la
hip6tesis alternativa es:
un numero suficientemente pequeno de signos menos 0 signos mas
causa el rechazo de la hip6tesis nula. Se puede tomar como estadfs
tica de prueba al signo que ocurra con menor frecuencia.
5. Distribuci6n de la estadistica de prueba. EI primer paso para de
terminar la naturaleza de la estadfstica de prueba es analizar la tabla
13.3.1 para establecer cuales calificaciones caen arriba y cuales aba
jo de la mediana supuesta de 5. Si el signo mas se asigna a las califi
caciones que caen arriba de la mediana supuesta y el signa menos a
las que caen por abajo, se obtienen los resultados que se muestran
en la tabla 13.3.2.
Si la hip6tesis nula fuera verdadera, esto es, si en efecto la mediana fuera
5, se esperarfa que el numero de calificaciones que caen por arriba y por
abajo de 5 fuera casi igual. Esta forma de razonamiento sugiere otra manera
en la que podrfa haberse enunciado la hip6tesis nuIa, a saber, que la probabi
lidad de un signo mas es igual a Ia probabilidad de un signo menos. Estas
probabilidades son, cada una, iguales a .5. Simb61icamente, la hip6tesis seria
En otras palabras, se espera casi el mismo numero de signos mas que de sig
nos menos en la tabla 13.3.2 cuando Ho es verdadera. La observaci6n de esta
tabla revela una preponderancia de signos mas; especfficamente, se observan
ocho signos mas, un signa menos y un cero, el cual se asigno a la calificacion
que cayo exactamente en la mediana. El procedimiento habitual para mane
jar los ceros es eliminarlos del analisis y, en consecuencia, reducir n, el tamano
de la muestra. Si se sigue este procedimiento, el problema se reduce a nueve
observaciones, de las cuales ocho son signos mas y una es menos.
Dado que el numero de signos mas y menos no es el mismo, uno se
pregunta si la distribucion de los signos es suficientemente desproporcionada
como para arrojar alguna duda sobre la hipotesis. Dicho de otra forma, Ia
pregunta es si este pequeno numero de signos menos pudo ser unicamente
resultado del azar cuando la hip6tesis nula es verdadera, 0 bien, si el numero
es tan pequeno que un elemento que no es el azar (es decir, una hip6tesis nula
falsa) es responsable de los resultados.
TABlA 13.3.2 Calificaciones pOl' arriba (+) y pOl' abajo (-) de la
mediana hipotetica basada en los datos del ejemplo 13.3.1
Nina 1 2 3 4 5 6 7 8 9 10
Calificaci6n 0
+ + + + + + + +
relativa a Ia me
diana hipotetica
Con base en 10 expuesto en el capitulo 4, parece razonable concluir que
las observaciones de la tabla 13.3.2 constituyen un conjunto de n variables
aleatorias independientes de una poblaci6n de Bernoulli con parametro p. Si
k es igual a la estadistica de prueba, la distribuci6n muestral de k es la distri
buci6n binomial de probabilidad con parametro p .5, si la hip6tesis nula es
verdadera.
6. Regia de decision. La regIa de decisi6n depende de la hip6tesis
alternativa.
Para H
A
: P( +) > P(-) se rechaza H
Q
, cuando Ho es verdadera, si
la probabilidad de observar k 0 menos signos menos es me
nor 0 igual que a.
Para H
A
: P( +) < P(-) se rechaza H
o
' cuando Ho es verdadera, si
la probabilidad de obtener k 0 menos signos mas es menor 0
igual que a.
Para H
A
: P( +)"* P(-) se rechaza H
o
' cuando Ho es verdadera, si
la probabilidad de obtener un valor de k tan extrema 0 mas
que el valor calculado es igual menor que a/2.
Para este ejemplo, la regIa de decisi6n es rechazar Ho' Si el valor p
de la estadfstica de prueba es menor igual que .05.
7. Calculo de la estadistica de prueba. Es posible determinar la pro
babilidad de observar x 0 menos signos menos, cuando esta dada
una muestra de tamano n y parametro p, mediante la evaluaci6n de
la siguiente expresi6n:
P(k ~ x In, P) = t"Ckpkq,,-k (13.3.1)
k=O
Para este ejemplo se calcula
8. Decisi6n estadistica. En la tabla B del apendice se encuentra
P(k ~ x 119, .5) = 0.195
Con una prueba bilateral, un numero suficientemente pequeno
de signos menos 0 signos mas puede provo car el rechazo de la hip6
tesis nula. Ya que, en el ejemplo, se tiene un menor numero de signos
menos, la atenci6n se centra en estos mas que en los signos mas. AI
asignar a a el valor .05, se dice que si el numero de signos menos es
tan pequeno que la probabilidad de observar tan pocos, 0 incluso
menos, es menor que .025 (la mitad de a), se rechaza la hip6tesis
nula. La probabilidad calculada .0195, es menor que .025. Por 10 tan
to, se rechaza la hip6tesis nula.
9. Conclusion. Se concluye que la calificaci6n mediana no es 5.
10. Valor de p. Para esta pmeba el valor de pes 2(.0195) =.0390.
Prueba del signo para parejus de datos Cuando los datos que van a
analizarse constan de observaciones por parejas y no se satisfacen los supuestos que
fundamentan la pmeba t, 0 la escala de medicion es debil, puede utilizarse la pme
ba del signo para probar la hipotesis nula de que la mediana de las diferencias es
igual a O. Una forma alternativa de enunciar la hip6tesis nula es la siguiente:
De las calificaciones por parejas, se toma una, por ejempl0 y" y se resta de la
otra calificaci6n Xi" Si Y, es menor que Xi' el signo de la diferencia es +, y si Y, es
mayor que Xi' el signo de la diferencia es -. Si la mediana de las diferencias es 0, se
esperaria que una pareja seleccionada al azar tuviera exactamente la misma proba
bilidad de dar un signo + 0 - cuando se hace la resta. Puede enunciarse la hip6tesis
nula como sigue:
Ho: P(+) = PH = .5
En una muestra aleatoria formada por parejas, se esperarfa que el numero de sig
nos + y sea casi igual. Si existen mas signos + 0 - que los que pueden atribuirse
unicamente al azar, cuando la hipotesis nula es verdadera, se tendran ciertas dudas
acerca de la veracidad de la hip6tesis nula. Mediante la prueba del signo, es posible
determinar cuantos signos de uno u otro tipo son mas de los que pueden atribuirse
unicamente al azar.
FJEMPLO 13.3.2
Un equipo de investigaci6n dental querfa saber si ensefiar a la gente a cepillarse los
dientes serfa benefico. Se formaron doce parejas de pacientes de una clinica dental,
con igualdad en factores como edad, sexo, inteligencia y calificaciones iniciales de
higiene bucal. Un miembro de cada pareja recibi6 instrucci6n acerca de la forma
de cepillarse los dientes y otros temas de higiene bucal. Seis meses despues, los 24
individuos fueron examinados y se les asigno una calificaci6n de higiene bucal
mediante el examen de un especialista en la materia, quien ignoraba cuales perso
nas hahfan recibido la instrucci6n. Una calificacion baja indica un alto nivel de
higiene bucal. Los resultados se muestran en la tabla 13.3.3.
Solucion:
1. Datos. Vease el planteamiento del problema.
2. Supuestos. Se supone que la poblacion de diferencias entre los
pares de calificaciones es una variable continua.
3. HipOtesis. Si las instrucciones producen efectos beneficos, este he
cho se reflejara en las calificaciones asignadas a los miembros de cada
par. Si se toman las diferencias entre Xi - Y" es de esperarse que haya
mas signos - que signos + si la instrucci6n resulta benefica, pOIque
TABlA 13.3.3 Calificaciones de higiene bucal
de 12 individuos que recibieron instrucciones
de higiene buca1 (Xi) y 12 individuos que no
recibieron instrucciones (Y,)
Calificacion
Numero Con instruccion Sin instruccion
de pareja (X) (1')
1
2
3
4
5
6
7
8
9
10
11
12
1.5
2.0
3.5
3.0
3.5
2.5
2.0
1.5
1.5
2.0
3.0
2.0
2.0
2.0
4.0
2.5
4.0
3.0
3.5
3.0
2.5
2.5
2.5
2.5
una calificaci6n baja indica un nivel mayor de higiene bucal. Si, en
efecto, la instrucci6n es benefica, la mediana de la poblaci6n supuesta
de todas las diferencias serla menor que 0, es decir, negativa. En caso
contrario, si la capacitaci6n no tiene efectos, la mediana de esta po
blaci6n seria cero. Las hip6tesis nula y alternativa son, por 10 tanto:
Ho: la mediana de las diferencias es cero [P( +) = P(-I)J.
H
A
: la mediana de las diferencias es negativa [P( +) < P(-)].
Seaa = .05.
4. Estadistica de prueba. La estadistica de prueba es el numero de
signos +.
5. Distribucion de la estadistica de prueba. La distribuci6n muestral
de k es a una distribuci6n binomial con parametros n y .5 si Ho es
verdadera.
6. Regia de decision. Se rechazaH si P(k:5 2 I 11, .5):5 .05.
o
7. Calculo de la estadistica de prueba. EI procedimiento es identico
al que se utiliza para una sola muestra, una vez que se obtienen las
diferencias para cada par. AI efectuar las restas, se obtienen los re
sultados que aparecen en la tabla 13.3.4.
.TABLA 13.3.4 Signos de las diferencias ~ - ~ ) en las
calificaciones de higiene bucal de 12 individuos con inst.uccion
~ ) y 12 individuos sernejantes sin instruccion ( ~ )
Pareja 1 234 5 6 7 8 9 10 11 12
Signo de la diferencia o + +
de calificaciones
La naturaleza de las hipotesis indica una prueba unilateral, por
10 que la totalidad de ex = .5 esta asociada con la region de rechazo,
que se compone de todos los valores de k (donde k es igual al numero
de signos +) para los que la probabilidad deobtener una cantidad
igualo menor de signos + atribuible al azar, cuando Ro es verdadera,
es menor 0 igual que .05. En la tabla 13.3.4 se aprecia que el experi
mento proporciona un cero, dos signos mas y nueve signos menos.
Si se elimina el cero, el tamano real de la muestra es n = 11 con dos
signos + y nueve signos -. En otras palabras, puesto que un numero
"pequeno" de signos + causa el rechazo de la hipotesis nula, el valor
de la estadistica de prueba es k = 2.
8. Decision estadistica. Lo que se pretende es conocer la probabili
dad de tener no mas de dos signos + en las once pruebas, cuando la
hipotesis nula es verdadera. La respuesta se obtiene al evaluar la ex
presion binomial adecuada. Para este ejemplo se tiene
P(k::; 2111, .5)= L
2
llC
k
(5)k(.5)11-k
k=O
AI consultar la tabla B, se obtiene una probabilidad de.0327. Puesto
que .0327 es menor que .05, es posible rechazar a Ro.
9. Conclusion. Se concluye que la mediana de las diferencias es ne
gativa. Esto es, se concluye que la capacitacion es benefica.
10. Valor de p. Para esta prueba, p =.0327.

Prueba del signo con tablas "mayores que" Como se ha demostrado, la
prueba del signo puede emplearse con una sola muestra 0 con dos de ellas, en las
que cada miembro de una de las muestras se une con uno de los miembros de la
otra para formar una muestra por parejas. Tambien se ha visto que la hipotesis
alternativa puede conducir a una prueba unilateral 0 a una prueba bilateral. En
cualquier caso, la atencion se centra en el signa menos frecuente y se calcula la
probabilidad de obtener un numero menor 0 igual de signos de este tipo.
Se utiliza el signo que se presenta con menos frecuencia como estadistica de
prueba debido a que las probabilidades binomiales de la tabla B son probabilidades
"menores 0 iguales que". AI utilizar el signa menos frecuente, es posible obtener la
probabilidad directamente de la tabla B sin tener que hacer restas. Si las probabili
dades de la tabla B fueron "mayores 0 iguales que", como las que suelen darse en
las tablas de la distribucion binominal, se utilizada como estadistica de prueba el
signo mas frecuente, para aprovechar la conveniencia de obtener directamente la
probabilidad deseada sin tener que hacer resta alguna. De hecho, en estos ejemplos
podric: utilizarse como estadistica de Hrueba el signa mas frecuente, pero dado que
Ia tabla B contiene probabilidades "menores 0 iguales que", se tendda que hacer
una resta para obtener la probabilidad deseada. Considere el ultimo ejemplo. Si se
utiliza como estadistica de prueba el signo mas frecuente, que es el signo -, el valor
de la estadistica es 9. Asi, la probabilidad deseada es de 9 0 mas signos -, cuando n
11 yP = .5. Es decir, se necesita:
P(k? 9 I 11, .5)
Sin embargo, dado que la tabla B contiene probabilidades "menores 0 iguales que",
debe obtenerse esta probabilidad mediante resta. Es decir,
P(k ? 9 I 11, .5) = 1 - P(k s 8 I 11, .5)
1 .9673
= .0327
que es el resultado obtenido anteriormente.
Tomano de la muestra En el capitulo 5 se estudia que, cuando el tamano de
la muestra es grande ypesta cercano a .5, la distribucion binomial puede ser aproxi
mada por la distribucion normaL La regIa empirica utilizada dice que la aproxima
cion normal es conveniente cuando np y nq son mayores que 5. Cuando p .5,
como se establece en las hipotesis de los ejemplos estudiados, una muestra de ta
mano 12 puede satisfacer la regIa empirica. Siguiendo este razonamiento, puede
utilizarse la aproximacion normal cuando se usa la prueba del signo para probar la
hipotesis nula de que Ia mediana 0 la mediana de las diferencias es 0 y n es mayor
o igual que 12. Dado que el procedimiento implica la aproximacion de una distri
bucion continua mediante una distribuci6n discreta, en general, se utiliza la correc
cion de continuidad de .5. Por 10 tanto, la estadistica de prueba es
(k.5)-.5n
z = - ' - - - - ' - ; = ~ -
(13.3.2)
.5-fr;
Ia cual se compara contra el valor de z a partir de la distribucion normal estandar
correspondiente al nivel de significacion escogido. En la ecuacion 13.3.2, k + .5 se
utiliza cuando k < n/2, y k .5 se utiliza cuando k > n/2.
Antilisis por oomputaoora Muchos paquetes de software estadfstico aplican
la prueba del signo. Por ejemplo, si se utiliza el paquete MINITAB para aplicar la
prueba del signa para el ejemplo 13.3.1, donde los datos estan almacenados en
la columna 1, el procedimiento y los resultados sedan como los que se muestran
en la figura 13.3.1.
668 CAPITULO 13 ESTADiSTICA NO PARAMETRICA
Datos:
C1: 4 5 8 8 9 6 10 7 6 6
Caja de dialogo: Comandos de la sesi6n:
Stat >- Nonparametrics >- 1 -Sample Sign MTB > STest 5 C1i
SUBC> Alternative O.
Teclear CI en Variables. Seleccionar Test median y
teclear 5 en la caja de texto. Clic OK.
Resultados:
Prueba de signo para la mediana
Sign test of median = 5.00 versus N.E. 5.000
N BELOW EQUAL ABOVE P-VALUE MEDIAN
C1 10 1 1 8 0.0391 8.000
FIGURA 13.3.1 Procedimiento MINITAB Y resultados para el ejemplo 13.3.1.
F-JERCICIOS
13.3.1 Una muestra aleatoria de 15 estudiantes de enfermerfa present6 los siguientes resultados
despues de una prueba para medir sus niveles de autoritarismo:
Numerode Calificaci6n
estudiante de autoritarismo
1
2
3
4
5
6
7
8
75
90
85
llO
115
95
132
74
Numerode Calificaci6n
estudiante de autoritarismo
9 82
10 104
11 88
12 124
13 llO
14 76
15 98
Pruebe en el nivel de significaci6n de .05 la hip6tesis nula que indica que la mediana de la
calificaci6n para la poblaci6n de la que se extrae la muestra es 100, y determine el valor de p.
13.3.2 EI prop6sito de un estudio realizado por Vaubourdolle et ai. (A. 1 ) era investigar la influencia de
la dihidrostestosterona (DHT) liberada a traves de la piel en la velocidad de eliminaci6n
de etanol del plasma, para determinar si el efecto de inhibici6n de la DHT sobre la actividad
669 13.4 PRUEBA DE JERARQUiA DE WILCOXON
de la deshidrogenasa del alcohol ocurria en hombres sanos. Los individuos eran 10 hombres
sanos que voluntariamente participaron en el estudio, con edades entre 25 y 44 aftos. Entre
los datos que se recolectaron estan las siguientes concentraciones de testosterona (T) (nmoW)
antes y despues del tratamiento con DHT:
Individuo: 2 3 4 5 6 7 8 9 10
Antes: 21.5 23.0 21.0 21.8 22.8 14.7 21.0 23.4 20.0 29.5
Despues: 9.4 17.2 13.0 6.4 4.8 4.5 10.7 15.6 12.5 7.7
FUENTE: M. VaubourdoIIe. J. Guechot, O. ChazouiIIeres, R. E. Poupon y J. Giboudeau, "Effect of
Dihydrotestosterone on the Rate of Ethanol Elimination in Healthy Men", Alcoholism: Clinical and Expe
rimental Research, 15 (No.2). 238-240. Copyrigth, The Research Society of Alcoholism.
Con base en estos datos, ~ e s posible conduir que el tratamiento con DHT reduce las concen
traciones de testosterona en hombres sanos? Sea a. = .01.
13.3.3 Una muestra de 15 pacientes con asma particip6 en un experimento para estudiar los efec
tos de un nuevo tratamiento sobre la funci6n pulmonar. Una de las mediciones que se regis
traron fue la de vohimen espiratorio forzado (litros) en 1 segundo (VEF
j
) antes y despues de
la aplicaci6n del tratamiento. Los resultados son los siguientes:
Individuo Antes Despues
1
2
3
4
5
6
7
8
1.69 1.69
2.77 2.22
1.00 3.07
1.66 3.35
3.00 3.00
.85 2.74
1.42 3.61
2.82 5.14
Individuo Antes Despues
9
10
11
12
13
14
15
2.58 2.44
1.84 4.17
1.89 2.42
1.91 2.94
1.75 3.04
2.46 4.62
2.35 4.42
Con base en estos datos, <!es posible concluir que el tratamiento incrementa de manera
eficaz el niveldel VEFl? Sea a. = .05, Y calcule el valor de p.
13.4 PRUEBA DE JERARQuIA SIGNADA
DE WILCOXON PARA UBICACION
En algunos casos se desea probar una hipotesis nula con respecto a la media de la
poblacion, pero, por alguna razon, z y t resultan inadecuadas como estadisticas de
prueba. Se exc1uye la estadistica z cuando se tiene una muestra pequena (n < 30)
de una poblaci6n que a simple vista parece seguir una distribuci6n no normal y el
teorema dellfmite central no es aplicable. La estadfstica t no es conveniente porque
la distribucion de la poblaci6n de la que se extrae la muestra no se aproxima 10
suficiente a la normalidad. Cuando se presentan tales situaciones, normalmente se
busca un procedimiento estadistico no parametrico. Como se ha visto, la prueba del
signo puede utilizarse cuando los datos conforman una muestra simple 0 cuando se
670 CAPiTULO 13 ESTADISTICA NO
presentan en pares. Sin embargo, si los datos para el amilisis son medidos al menos
en una escala de intervalos, la prueba del signo tal vez no sea aconsejable pOI'que
podrfa desperdiciarse mucha informaci6n contenida en los datos. Un procedimiento
mas adecuado puede ser la prueba de jerarquia signada de Wilcoxon (1), la cual
utiliza las magnitudes de las diferencias entre las medici ones y un supuesto parametro
de ubicacion en lugar de (micamente los signos de las diferencias.
Supuestos La prueba de Wilcoxon para ubicaci6n se basa en las siguientes su
posiciones sobre los datos.
1. La muestra es aleatoria.
2. La variable es continua,
3. La poblacion se distribuye simetricamente alrededor de su media f.l.
4. La escala de medici6n es al menos de intervalos.
Hipotesis Las siguientes hip6tesis son hip6tesis nulas Gunto con las hipotesis
alternativas) que pueden probarse para alguna media de poblacion no conocida f.l
o
'
a) Ho : f.l f.lo b) Ho : f.l f.lo c) Ho : f.l:S; f.lo
HA : f.let: f.lo HA :f.l<f.lo HA :f.l>f.lo
Cuando se utiliza el procedimiento de Wilcoxon se llevan a cabo los siguientes
caIculos:
1. Se resta la media f.lo de cada observacion Xi para obtener
d
Si cualquier Xj es igual a la media, de modo que d; = 0, entonces se elimina a
j
del calculo y se reduce, por consiguiente, la n.
2. Se ordenan las jerarqufas con las d
j
utilizables de menor a mayor sin considerar
el signo de d Es decir, solo se considera el valor absoluto de d
j
, designado por
r
Id;l, al establecer lasjerarquias con estos elementos. Sidos 0 mas valores de Id
j
I
son iguales, a cada uno de enos se Ie asigna la media de las posiciones jerarquicas
que ocupan los valores iguales. Si, por ejemplo, los tres mas pequenos son igua
les, se les coloca en las posiciones 1, 2 y 3 dentro de las jerarquias, pero a cada
uno se Ie asigna unajerarquia de (l + 2 + 3)/3= 2.
3. A cada jerarquia se Ie asigna el signa de la d
j
que produjo esa jerarqufa.
4. Se encuentra T+, que es la suma de lasjerarquias con signa positivo, y T_, que
es la suma de las jerarquias con signa negativo.
Prueba estadi.. La estadistica de Wilcoxon es T+ 0 dependiendo de la
naturaleza de la hip6tesis alternativa. Si la hipotesis nula es verdadera, es decir, si
la media verdadera de la poblacion es igual a la media hipotetica, y si las suposicio
nes se cumplen, la probabilidad de observar una diferencia positiva d
j
= Xi - f.lo de
una magnitud dada es igual a la probabilidad de observar una diferencia negativa
de la misma magnitud, Entonces, al repetir el muestreo, cuando la hip6tesis nula es
671 13.4 PRUEBA DE JERARQUIA DE WILCOXON
verdadera y las suposiciones se cumplen, el valor esperado de T+ es igual al valor
esperado de T_. No es de esperarse que los valores de T+ y calculados a partir de
una muestra dada sean iguales. Sin embargo, cuando Ho es verdadera, no se espera
gran diferencia en sus valores. En consecuencia, un valor suficientemente pequeno
de T+ 0 T_ causa el rechazo de Ho'
Cuando la hipotesis alternativa es bilateral (1-1 =1= flo)' un valor suficientemente
pequeno de T+ 0 T_ causa el rechazo de Ho: fl = flo' La estadfstica de prueba, enton
ces, sera T+ 0 T_, cualquiera que sea el mas pequeno. Para simplificar la notaci6n, al
mas pequeno de los dos valores se Ie Hamara T.
Cuando Ho: fl;::': flo es verdadera, se espera que la muestra proporcione un valor
grande de T+. Por 10 tanto, cuando la hipotesis alternativa unilateral establece que la
media verdadera de la poblaci6n es menor que la media hipotetica (fl < flo)' un valor
suficientemente pequeno de T+ causa el rechazo de H ' YT + es la estadfstica de prueba.
o
Cuando Ho: fl ~ flo es verdadera, se espera que la muestra proporcione un
valor grande de T_. Por 10 tanto, para la hip6tesis alternativa unilateral H
A
: fl > flo,
un valor suficientemente pequeno de T_ causa el rechazo de H ' y T_ es la estadistica
o
de prueba.
Valores criticos Los valores criticos de la estadistica de prueba de Wilcoxon se
encuentran en la tabla K del apendice. Los niveles exactos de probabilidad (P) se dan
con cuatro decimales para todos los totales posibles de las jerarqufas (T) que pro
porcionan un nivel diferente de probabilidad en el cuarto decimal de 0.000 I hasta
0.5000. Los totales de lasjerarqufas (T) se tabulan para todas las muestras de tama
no n = 5 hasta n 30. A continuacion se enuncian las reglas de decision para las
tres hipotesis alternativas:
a) H
A
: 1-1 =1= 1-1
0
, Se rechaza H 0 en un nivel de significacion a, si el valor calculado
de T es menor 0 igual al valor T tabulado para n y una aJ2 preseleccionada.
Alternativamente se puede consultar la tabla K con n y el valor calculado de T
para ver si el valor P tabulado asociado con el valor calculado de T es menor
o igual al nivel de significacion establecido. Si es asi, es posible rechazar H '
o
b) H
A
: 1-1 < 1-1
0
, Se rechaza Ho en un nivel de significacion a, si T+ es menor 0 igual
al valor de T en la tabla K para n y una a preseleccionada.
c) H
A
: fl > 1-1
0
, Se rechaza Ho a un nivel de significacion a, si T_ es menor 0 igual
al valor de Ten la tabla K para n y una a preseleccionada.
EJEMPLO 13.4.1
EI gasto cardiaco (litros/minuto) se midi6 por termodilucion en una muestra aleatoria
simple de 15 pacientes con cirugfa cardiaca en posicion lateral izquierda. Los resul
tados fueron los siguientes:
4.91 4.10 6.74 7.27 7.42 7.50 6.56 4.64
5.98 3.14 3.23 5.80 6.17 5.39 5.77
Se pretende saber si es posible conduir, con base en estos datos, que la media de la
poblacion es diferente de 5.05.
Solucion:
1. Datos. Vease el planteamiento del problema.
2. Supuestos. Se sup one que los requerimientos para la aplicaci6n
de la prueba de jerarquias signadas de Wilcoxonse cumplen.
3. Hipotesis.
Ro: f.L 5.05
R
A
: f.L* 5.05
Sea a. 0.05.
4. Estadlstica de prueba. La estadistica de prueba sera T+ 0 T_, la
que sea mas pequena, y se designara Tala estadfstica de prueba.
5. Distribucion de la estadistica de prueba. Los valores crfticos de
la estadistica de prueba se encuentran en la tabla K del apendice.
6. RegIa de decision. Se rechazara Ro si el valor calculado de T es
menor 0 igual que 25, el valor crftico para n 15, y a/2 ==.0240, el
valor mas cercano a .0250 en la tabla K.
7. Catculo de Ia estadlstica de prueba. EI calculo de estadistica de
prueba se muestra en la tabla 13.4.1.
8. Decision estadistica. Puesto que 34 es mayor que 25, no es posi
ble rechazar Ro'
Tabla 13.4.1 Calculo de la estadistica de prueba para el
ejemplo 13.4.1
Gasto Jerarqula asignada
cardiaco d. =x.-5.05 Jerarqula de Idil de Idil ,

4.91 -.14 1 -1
4.10 -.95 7 -7
6.74 +1.69 10 +10
7.27 +2.22 13 +13
7.42 +2.37 14 +14
7.50 +2.45 15 +15
6.56 + 1.51 9 +9
4.64 -.41 3 -3
5.98 +.93 6 +6
3.14 -1.91 12 -12
3.23 -1.82 11 -11
5.80 +.75 5 +5
6.17 + 1.12 8 +8
5.39 +.34 2 +2
5.77 +.72 4 +4
T+ == 86, T_ == 34, T 34
EJERCICIOS 673
Caja de dialogo: Comandos de sesi6n:
Stat> Nonparametrics > 1-Sample Wilcoxon MTB > WTEST 5.05 C1i
SUBC> Alternative O.
Teclear Cl en Variables. 8eleccionar Test median.
Teclear 5.05 en Ia caja de texto. Clic OK.
Resultados:
Prueba de jerarqu(a signada de Wilcoxon
TEST OF MEDIAN ~ 5.050 VERSUS MEDIAN N.E. 5.050
N FOR WILCOXON ESTIMATED
N TEST STATISTIC P-VALUE MEDIAN
C1 15 15 86.0 0.148 5.747
9. Conclusion. 8e concluye que la media de la poblacion puede ser
5.05.
10. Valor de p. A partir de Ia tabla K se aprecia que el valor pes p =
2(.0757) =.1514.
Prueba de jerarquia signada de Wilcoxon para parejas iguales La
prueba de Wilcoxon puede emplearse en parejas de datos bajo circunstancias en las
que no es adecuado utilizar la prueba de t para comparacion de parejas estudiada en
el capftulo 7. En estos casos se obtienen cada uno de los n d
i
valores, las diferencias
entre cada uno de los n pares de mediciones. 8i IlD es igual a la media de la poblacion
de esas diferencias, es posible seguir el procedimiento descrito previamente para
probar cualquiera de las siguientes hipotesis nulas: Ho: IlD = 0, Ho: IlD S; 0 Y Ho: Il
D
;::: o.
AntilisisporcompuJadora Muchos paquetes de software estadfsticos aplican
la prueba de jerarqufa signada de Wilcoxon. 8i, por ejemplo, los datos del ejemplo
13.4.1 se almacenan en la columna 1, es posible utilizar el paquete MINITAB para
ejecutar la prueba como se muestra en la figura 13.4.1.
EjERCICIOS
13.4.1 Dieciseis animales de laboratorio fueron alimentados con una dieta especial desde su naci
miento hasta 12semanas despues del mismo. EI aumento de peso (en gramos) de cada uno
de elios fue como sigue:
63 68 79 65 64 63 65 64 76 74 66 66 67 73 69 76
~ E s posible conduir a partir de estos datos que la dieta proporcion6 un aumento de peso
menor que 70 gramos? Sea a =.05, y calcule el valor de p.
674 CAPiTULO 13 ESTADISTICA NO P ARAMETRICA
13.4.2 Un psic610go seleccion6 aleatoriamente una muestra de 25 estudiantes discapacitados. Las
calificaciones de destreza manual de cada uno de los estudiantes son las siguientes:
33 53 22 40 24 56 36 28 38 42 35 52 52
36 47 41 32 20 42 34 53 37 35 47 42
lProporcionan estos datos suficiente evidencia para indicar que la calificaci6n media para las
pohlaciones no es 45? Sea a = .05, Y calcule el valor de p.
13.4.3 En un estudio realizado por Davis et ai. (A-2) se comparo durante el recreo y durante las
horas de clase ellenguaje de las madres dirigido hacia ninos con retraso mental y ninos con
edad cronol6gica equivalente 0 con igual capacidad de reconocimiento del lenguaje. Los
resultados fueron consistentes con la hip6tesis de que las madres de ninos con retraso mental
igualan su comportamiento verbal a la capacidad de reconocimiento dellenguaje del nino.
Entre los datos recolectados estin las siguientes mediciones respecto al numero de palabras
por minuto durante el recreo para las madres de ninos con retraso (A) y para las madres de
ninos de la misma edad pero sin retraso mentaI.(B):
A: 21.90 15.80 16.50 15.00 14.25 17.10 13.50 14.60 18.75 19.80
B: 13.95 13.35 9.40 11.85 12.45 9.95 9.10 8.00 14.65 12.20
FUENTE: Con autorizaci6n de Hilton Davis, Ph. D.
Con base en estos datos, les posible eoncluir que entre las madres de ninos con retraso
mental, el numero promedio de palabras por minuto durante el reereo es mayor que entre
las madres con hijos que no tienen retraso mental? Sea a = .01.
13.5 PRUEBA DE LA MEDIANA
La prueba de la mediana es un procedimiento no parametrico que puede emplearse
para probar la hip6tesis nula de que dos muestras independientes fueron extrafdas
de poblaciones con medianas iguales. Esta prueba, que se atribuye principalmente a
Mood (2) y a Westenberg (3), se estudia tambien en Brown y Mood (4).
Se ilustra el procedimiento por medio de un ejemplo.
FJEMPLO 13.5.1
diferencia entre el nivel de salud mental de los alumnos de secundaria de
un area rural y un area urbana?
Soludon:
1. Datos. Se aplic6 una prueba para medir el nivel de salud mental en
dos grupos. La primera muestra aleatoria de 12 estudiantes varones se
de una poblaci6n de estudiantes de una secundaria del area
rural, y la segunda muestra aleatoria independiente de 16 estudiantes,
tambien varones, se extrajo de una poblaci6n de estudiantes de una
secundaria del areaurbana. Los resultados se muestran en la tabla 13.5.1.
Para determinar si es posible conduir que hay una diferencia,
se lleva a cabo una prueba de hip6tesis que utiliza la prueba de la
mediana. Suponga que el nivel de significaci6n es de .05.
2. Supuestos. Las suposiciones que fundamentan la prueba son: a) las
muestras son elegidas independiente y aleatoriamente de sus respec
675 13.5 PRUEBA DE LA MEDlANA
TABLA 13.5.1 Calificaciones del nivel de
salud mental de jovenes de secundaria
Escuela
Urbana Rural
35
26
27
21
27
38
23
25
29
50
43
22
42
47
42
32
Urbana Rural
25
27
45
46
33
26
46
41
50
37
34
31
tivas poblaciones; b) las poblaciones son de la misma forma y difieren
solo en cuanto a su ubicacion, y c) la variable de interes es continua. El
nivel de medicion debe ser, al menos, ordinal. No es necesario que las
dos muestras sean del mismo tarnafio.
3. Hipotesis.
Ho:Mu =M
R
HA:Mu-:f. MR
Mu es la calificacion mediana de la poblacion de la que se extrae la
muestra de estudiantes del area urbana, y MR es la calificacion me
diana de la poblacion de estudiantes del area rural de la cual se
extrae la muestra. Sea a =.05.
4. Estadistica de prueba. Como se muestra en el siguiente analisis,
la estadfstica de prueba es X2, y se calcula, por ejemplo, mediante la
ecuacion 12.4.1 para una tabla de contingencia de 2 x 2.
5. Distribucion de la estadistica de pr;ueba. Cuando Ho es verdade
ra y las suposiciones se cumplen, X2 sigue una distribucion semejan
te a la de ji-cuadrada con 1 grado de libertad.
6. RegIa de decision. Se rechaza Ho si el cilculo del valor de X2 es 2::
3.841 (dado que a = .05).
7. Ci.ilculo de la estadistica de prueba. El primer paso para caIcu
lar la estadfstica de prueba es calcular la mediana comiin de las
dos muestras combinadas. Esto se hace arreglando las observacio
nes en orden ascendente y, dado que el niimero total de observa
ciones es par, obteniendo la media de los dos valores centrales.
Para este ejemplo, la mediana es (33 + 34)/2 = 33.5.
A continuacion se determina para cada muestra el niimero de ob
servaciones que caen por encima y por debajo de la mediana comtin.
676 CAPITULO 13 ESTADISTICA NO PARAMETRIC A
TABLA 13.5.2 Caliticaciones del mvel de salud mental de j6venes
de secundal'ia
Urbana Rural Total
Cantidad de calificaciones arriba de la mediana 6 8 14
Cantidad de calificaciones debajo de la mediana 10 4 14
Total 16 12 28
Las frecuencias resultantes se arreglan en una tabla de 2 X 2. La tabla
13.5.2 muestra los resultados de esta operadon.
Si, en efecto, las dos muestras provienen de pobladones con la mis
ma mediana, se puede esperar que aproximadamente la mitad de califi
caciones en cada muestra este arriba de la mediana combinada y la otra
mitad por debajo. Si se cumplen las condiciones relativas al tamafio de la
muestra y las frecuencias esperadas para la tabla de contingencia de 2 x 2,
como se estudia en el capitulo 12. puede utilizarse la prueba deji-cuadra
da con 1 grado de libertad para probar la hipotesis nula de igualdad de
medianas en las poblaciones. Mediante la formula 12.4.1. se tiene que:
X2 =28[(6)(4)-8(10)]2 =2.33
(16)(12)(14)(14 )
8. Decision estadistica. Puesto que 2.33 < 3.841. el valor crftico de
ji-cuadrada con a .05 y 1 grado de libertad, no es posible rechazar
la hip6tesis nula con base en estos datos.
9. Conclusion. Se conduye que las dos muestras probablemente se
extrajeron de poblaciones con medianas iguales.
10. Valor de p. Puesto que 2.33 < 2.706, se tiene que p > .10.
Manejo de valores iguales a la mediaaa A veces, uno 0 mas de los valores
observados seran exactamente iguales a la mediana calculada y, por 10 tanto, no
caeran por arriba ni por debaJo de ella. Es importante observar que si n} + n
2
es
impar, al menos un valor siempre sera exactamente igual a la mediana. Esto lleva al
problema de que hacer con las observaciones de este tipo. Una soluci6n es elimi
narlas del analisis si n} + n
2
es grande y se tienen s610 unos cuantos valores que caen
en la mediana combinada, 0 bien, dividir las calificaciones en dos muestras: aque
llas que son mayores que la mediana y las que no 10 son, en cuyo caso, las observa
ciones que son iguales a la mediana se contaran en la segunda categorfa.
Extension de la prueba de la mediaaa La prueba de la mediana se
extiende 16gicamente para el caso donde se quiere probar la hip6tesis nula que dice
que k ~ 3 muestras son de poblaciones donde las medianas son iguales. Para esta
prueba una tabla de contingencia de 2 X k puede elaborarse utilizando las frecuen
cias que caen por arriba y por debajo de la mediana calculada a partir de las mues
tras combinadas. Si se cumplen las condiciones como el tamafio de la muestra ylas
frecuencias esperadas, X2 puede calcularse y compararse con el valor crftico de ji
cuadrada con k 1 grados de libertad.
EJERCICIOS 677
Caja de dialogo: Comandos de la sesion:
Stat >- Nonparametrics >- Mood's Median Test MTB > Mood Cl C2.
Teclear Cl en Response y C2 en Factor. Clic OK.
Resultados:
Prueba de la mediana del estado de animo
Mood median test of Cl
Chisquare 2.33 df = 1 p = 0.127
Individual 95.0% CIs
C2 N<= N> Median Q3-Ql --------+---- ----+----- -+-
1 10 6 27.0 15.0 (-+-----------------)
2 4 8 39.5 14.8 (-- ---- -+- ------)
--+---- ----+------ --+-------
30.0 36.0 42.0
Overall median = 33.5
A 95.0% C.I. for median (I} - median(2}: (-17.1,3.1)
Malisis por computadora El calculo de la prueba de la median a puede Ile
varse a cabo con el paquete MINITAB. Para ilustrar el uso de este paquete con los
datos del ejemplo 13.5.1, primero se almacenan las mediciones en la columna 1;
en la columna 2 se almacenan los c6digos que identifican las observaciones que
corresponden a los individuos urbanos (1) 0 rurales (2). La figura 13.5.1 muestra
los resultados generados por el procedimiento de MINITAB.
FJERCIOOS
13.5.1 Se revisaron 15 expedientes de pacientes de dos hospitales y se asign6 una calificaci6n dise
fiada para estimar el nivel de atenci6n recibida. Las calificaciones son las siguientes;
Hospital A: 99, 85, 73, 98, 83,88,99,80,74,91, 80,94,94,98,80
Hospital B; 78, 74, 69, 79, 57, 78, 79,68,59,91,89,55,60,55,79
ms posible concluir, en un nivel de significaci6n de .05, que las medianas de las dos pobla
dones son diferentes? Determine el valor de p.
13.5.2 Se obtuvieron los siguientes valores de albfunina en el suero de 17 personas normales y 13
hospitalizadas.
AlbUmina en el suero (gllOO ml)
Individuos Individuos
nonnales hospitalizados
Albumina en el suero (gllOO ml)
Individuos lndividuos
nonnales hospitalizados
2.4 3.0 1.5 3.1
3.5 3.2 2.0 1.3
3.1 3.5 3.4 1.5
4.0 3.8 1.7 1.8
4.2 3.9 2.0 2.0
3.4 4.0 3.8 1.5
4.5 3.5 3.5
5.0 3.6
2.9
~ S e podria conciuir, en el nivel de significacion de .05, que las medianas de las dos poblacio
nes de las que se extrajeron las muestras son distintas? Determine el valor de p.
13.6 PRUEBA DE MANN-\VHlTNEY
La prueba de la mediana, que se analizo en la seccion anterior, no utiliza toda la
informacion presente en las dos muestras cuando la variable de interes se mide por 10
menos en una escala ordinal. Reducir el contenido de informacion de una observa
cion para concluir si cae 0 no por arriba 0 por debajo de una mediana comun, es
desperdiciar informacion. Si, para probar la hipotesis deseada, se cuenta con un
procedimiento que utilice una mayor cantidad de la informacion inherente en los
datos, dicho procedimiento debe utilizarse siempre que sea posible. EI procedi
miento no parametrico que puede utilizarse con frecuencia en lugar de la prueba de
la mediana es la prueba de Mann-Whitney (5), algunas veces Hamada Mann-Whitney
Wilcoxon. Esta prueba se basa en las jerarqufas de las observaciones, por 10 cual
utiliza mas informacion que la prueba de la mediana.
Supuestos Las suposiciones que fundamentan la prueba de Mann-Whitney son
las siguientes:
1. Las dos muestras, de tamafios n y m, respectivamente, que se utilizan para el
anaIisis han sido extrafdas de manera independiente y en forma aleatoria de
sus poblaciones respectivas.
2. La escala de medicion es por 10 menos ordinaL
3. La variable de interes es continua.
4. Si las poblaciones son diferentes, varian solamente en 10 que respecta a sus
medianas.
Hip6tesis Cuando se satisfacen estas suposiciones, puede probarse la hipotesis
nula de que las dos poblaciones denen medianas iguales contra cualquiera de tres
alternativas posibles: 1) las poblaciones no tienen medianas iguales {prueba bilate
679 13.6 PRUEBA DE MA-NN-WHITNEY
ral), 2) la mediana de la poblacion 1 es mayor que la mediana de la poblacion 2
(prueba unilateral), 0 bien 3) la mediana de la poblacion 1 es menor que la media
na de la poblacion 2 (prueba unilateral). Si las dos poblaciones son simetricas, de
modo que dentro de cada poblaci6n la media y la mediana son las mismas, las
condusiones a las que se llega respecto a las medianas de las dos poblaciones se
aplicara.n tambien a las medias de ambas poblaciones. El siguiente ejemplo ilustra
e1 uso de la prueba de Mann-Whitney.
FJEMPLO 13.6.1
En un experimento disefiado para estimar los efectos de la inhalaci6n prolongada
de oxido de cadmio, 15 animales de laboratorio sirvieron de sujetos para el experi
mento, mientras que 10 animales similares sirvieron de control. La variable de inte
res fue la concentracion de hemoglobina despues del experimento. Los resultados
se muestran en la tabla 13.6.1. Se desea saber si es posible conduir que la inhala
ci6n prolongada de 6xido de cadmio disminuye el nivel de hemoglobina.
Soludon:
1. Datos. Vease la tabla 13.6.1.
2. Supuestos. Se considera que las suposiciones para la prueba de
Mann- Whitney se cumplen.
TABlA 13.6.1 Determinacion de hemoglobina
(gramos) en 25 animales de laboratorio
Animales expuestos Animales no expuestos
(X) (Y)
14.4 17.4
14.2 16.2
13.8 17.1
16.5 17.5
14.1 15.0
16.6 16.0
15.9 16.9
15.6 15.0
14.1 16.3
15.3 16.8
15.7
16.7
13.7
15.3
14.0
3.
4.
Hipotesis. Las hip6tesis nula y alternativa son las siguientes:
H o : M x ~ My
HA:Mx<My
donde Mx es la mediana dt: la poblaei6n de animales expuestos al
6xido de eadmio yMy es la mediana de la poblaci6n de animales no
expuestos a la sustancia. Sea a .05.
Estadistica de prueba. Para ealcular la estadistica de prueba se
proeede a eombinar las dos muestras, y las observaeiones se orde
nan de menor a mayor teniendo presente a emil muestra perteneee
eada observaci6n. A las observaciones de igual valor numerico se les
asigna unajerarquia igual a la media de las posiciones en las que se
encuentran "empatadas". Los resultados de este paso se muestran en
la tabla 13.6.2.
TABlA 13.6.2 Datos originales y jerarquias,
ejemplo 13.6.1
X Jerarquia Y Jerarquia
13.7 1
13.8 2
14.0 3
14.1 4.5
14.1 4.5
14.2 6
14.4 7
15.0 8.5
15.0 8.5
15.3 10.5
15.3 10.5
15.6 12
15.7 13
15.9 14
16.0 15
16.2 16
16.3 17
16.5 18
16.6 19
16.7 20
16.8 21
16.9 22
17.1 23
17.4 24
17.5 25
Total 145
681 13.6 PRUEBA DE MANN-WHITNEY
La estadistica de prueba es
T=S- n(n+l)
(13.6.1)
2
donde n es el numero de observaciones de la muestra X, y S es la
suma de las jerarquias asignadas a las observaciones de la muestra
de la poblacion de valores X. La eleccion de los valores de la mues
tra que se marcan con X es aleatoria.
5. Distribucion de Ia estadistica de prueba. Los valores crfticos de
la distribucion de la estadistica de prueba se encuentran en la tabla
L para varios niveles de cx.
6. RegIa de decision. Si la mediana de la poblacion X es, en efecto,
mas pequena que la mediana de la poblacion Y, como se especifica en
la hipotesis alternativa, es de esperar (para muestras de igual tama
no) que la suma de las jerarquias asignadas a las observaciones de la
poblacion X sea menor que la suma de las jerarqufas asignadas a las
observaciones de la poblacion Y. La estadfstica de prueba esta basada
en este razonamiento en tal forma que un valor de T suficientemente
pequeno causara que se rechace la hipotesis Ho: Mx;?: My.
En general, para pruebas unilaterales del tipo que se muestra
aquf, la regIa de decision es:
Rechazar Ho: Mx 2 Mysi el valor calculado de T es menor que w'" donde w,yes el
valor critico de T, el cual se obtiene mediante la tabla L del apindice con n, el numero
de observaciones de X; m, el numero de observaciones de Y, y ex, el nivel de significa
ciOn elegido.
Si se utiliza el procedimiento Mann-vVhitney para probar
Ho:Mx:S; My
contra
HA:Mx >My
los valores suficientemente grandes de T causaran el rechazo, de tal
forma que laregla de decision es:
Rechazar Ho: Mx s; Mysi el valor calculado de T es mayor que wl-c! donde w1-a
nm w".
Para la situacion de la prueba bilateral con
Ho:Mx My
HA:Mx* My
los valores calculados de T que sean suficientemente grandes 0 su
ficientemente pequenos causaran el rechazo de Ho. La regIa de deci
sion para este caso es:
682 CAPiTULO 13 ESTADiSTICANO PARAMETRICA
Rechazar Ho: Mx Mysi elc(ilculo de T es menor que w
aJ2
0 mayor que wl-(aI2l'
donde waJ2 es el valor crituo del valor T para n, m y 0/2 dado en la tabla L del
apendice, y W 1-(aJ2) = nm w
aJ2
'
Para este ejempIo, la regIa de decisi6n es:
Rechazar H 0 si el valor cdlculado de T es menor que 45, el valor crituo de la estadis
tica de prueba para n = 15, m 10 y IX ,05 que se encuentra en la tabla L.
La regi6n de rechazo para cada conjunto de hip6tesis se muestra en
Ia figura 13.6.1.
7. CaIculo de la estadistica de prueba. Para este ejemplo se tiene,
tal como se muestra en la tabla 13.6.2, S 145, de manera que
T=145 15(15+1) =25
2
8. Decision estadistica. AI consul tar Ia tabla Leon n = 15, m = lOy
0: = .05 se encuentra que el valor critico de w" es 45, Dado que 25 <
45, se rechaza Ho'
1-<>
H o : M x ~ M y
H
A
: Mx < My
1-<>
HO: Mx:5 My
HA:Mx>My
W1- a
1 <>
Ho:Mx=My
H
A
: Mx 7' My
FlGUBA 13.6.1 Regiones de rechazo de la prueba Mann-Whitney para tres con juntos de
hip6tesis.
683 13.6 PRUEBA DE MANN-WHITNEY
9. Conclusion. Se concluye que Mxes menor que My. Esto lleva
cluir que la inhalaci6n prolongada de 6xido de caduiio redu.e la
concentraci6n de hemoglobina.
10. Valor dep. Puesto que 22 < 25 < 30, entonces, .005 > P>.001.
Aprox;maciOn a una muestragrande Cuando nom es mayor que 20 no es
posible utilizar la tabla L del apendice para obtener los valores criticos de la prueba
de Mann-Whitney. Cuando este es el caso, es posible calcular
T-mn/2
z =: --p======
(13.6.2)
+m+l)/l2
y comparar el resultado con los valores criticos de la distribuci6n normal estandar.
An61isis por computadora Muchos paquetes estadfsticos de software ejecu
tan la prueba de Mann-Whitney. Con los datos de las dos muestras almacenados en
las columnas 1 y 2, por ejemplo, MINITAB realizara la prueba bilateral 0 unilate
ral. El procedimiento de MINITAB y los resultados para el ejemplo 13.6.1 se mues
tran en la figura 13.6.2.
Stat >- Nonparametrics >- Mann >- Whitney MTB > Mann-Whitney 95.0
C1 C2;
SUBC > Alternative -1.
Tec1ear Cl en First Sample y C2 en Second Sample.
En Alternative seleccionar menor que. Clic OK.
Resultados:
Prueba e intervalo de confianza de Mann-Whitney
C1 N = 15 Median 15.300
C2 N = 10 16.550
Point estimate for ETA1 - ETA2 is -1. 300
95.1 Percent c.r. for ETA1 - ETA2 is (-2.300, -0.600)
W = 145.0
Test of ETA1 ETA2 vs. ETA1 < ETA2 is significant at 0.0030
The test is significant at 0.0030 (adjusted for ties)
FIGURA 13.6.2 Procedimiento MINITAB Y resultados para el ejeIllplo 13.6.1.
684 CAPITULO 13 ESTADISTICANO PARAMETRICA
FJERCICIOS
13.6.1 El prop6sito de un estudio realizado por Demotes-Mainard et ai. (A-3) era comparar la farma
cocinetica de la cefpiramida (una cefalosporina) total y libre en voluntarios sanos yen pacien
tes con cirrosis alcoh6lica. Entre los datos recolectados estan los siguientes valores de depuraci6n
plasmatica (mVmin) despues de una sola inyecci6n intravenosa de 1 gramo de cefpiramida:
Voluntarios: 21.7,29.3,25.3,22.8,21.3,31.2,29.2,28.7,17.2,25.7,32.3
Pacientes con cirrosis alcoh61ica: 18.1, 12.3, 8.8, 10.3, 8.5, 29.3, 8.1, 6.9, 7.9, 14.6, 11.1
FUENTE: Utilizada con autorizaci6n de Fabienne Demotes-Mainard, Ph. D.
ms posible conduir, con base en estos datos, que los pacientes con cirrosis alcoh6lica y los
pacientes sin la enfermedad difieren con respecto a la variable de interes? Sea ex = .01.
13.6.2 Lebranchu et at. (A-4) dirigieron un estudio donde nueve individuos eran pacientes con
inmunodeficiencia variable comtin (WC) y 12 individuos eran de control. Entre los datos
recolectados estan las siguientes cifras de celulas CD4+T por mm
3
de sangre periferica.
Pacientes con WC: 623, 437, 370, 300, 330, 527, 290, 730, 1000
Controles: 710, 1260,717,590,930,995,630,977,530,710,1275,825
FUENTE: Utilizada con autorizaci6n del Dr. Yvon Lebranchu.
Con base en estos datos, ~ e s posible conduir que los pacientes WC tienen un nivel reducido
de ceIulas CD4+T? Sea ex .01.
13.6.3 El prop6sito de un estudio realizado por Liu et al. (A-5) era caracterizar los cambios media
dores, celulares y de permeabilidad que ocurren inmediatamente y 19 horas despues de una
prueba de estimulaci6n broncosc6pica segmentaria de las vias respiratorias perifericas con
antfgenos de ambrosia en individuos alergicos y moderadamente asmaticos.Ademas de los
individuos con a ~ m a , el estudio induia individuos normales que no presentaban sfntomas de
asma. Entre los datos recolectados esr;in las siguientes mediciones respecto al porcentaje
de Ifquido recuperado de los sitios sometidos a la prueba de antfgenos despues de un lavado
broncoalveolar.
Individuos normales: 70, 55, 63, 68,73,77,67
Individuos asmaticos: 64, 25, 70, 35, 43, 49, 62, 56, 43, 66
Fuente: Con autorizaci6n de Mark C. Liu, M. D.
Con base en estos datos, ~ e s posible conduir que bajo las condiciones descritas, se puede
esperar recuperar menos fluido de los individuos asmaticos? Sea ex = .05.
13.7 PRUEBA DE BONDAD DE AJUSTE
DE KOLMOGOROV-SMIRNOV
Cuando se desea saber que tan bien se ajusta la distribuci6n de los datos de una
muestra a una distribuci6n te6rica, la prueba conocida como prueba de bondad
de ajuste de Kolmogorov-Smirnov es una alternativa para la prueba de ji-cuadra
da de bondad de ajuste, la cual se estudia en el capitulo 12. La prueba debe su
nombre ados matematicos rusos: A Kolmogorov y N. V. Smirnov, quienes presen
taron dos pruebas muy parecidas en la decada de 1930.
EI trabajo de Kolmogorov (6) se relaciona con el caso de una sola muestra,
como se menciona en este capitulo. EI trabajo de Smirnov (7) trata el caso en el que
635 13.7 PRUEBA DE KOLMOGOROV.SMIRNOV
intervienen dos muestras y el interes central radica en probar la hip6tesis de igual
dad entre las distribuciones de las dos poblaciones de origen. Ala prueba para Ia
primera situaci6n se Ie conoce como prueba Kolmogorov-Smirnov para una sola
muestra. La prueba para el caso de dos muestras es la prueba Kolmogorov-Smirnov
para dos muestras, y no se estudia en este texto.
deprueba AI utilizar la prueba de bondad de ajuste de Kolmogorov
Smimov, se efect11a una comparaci6n entre alguna funci6n te6rica, FT(x), y una fun
cion de distribucion acumulada muestral Fs(x). La muestra se extrae de manera
aleatoria de una poblaci6n con una funcion de distribuci6n acumulada desconoci
da F(x). Recuerdese (de la seccion 4.2) que una funcion de distribuci6n acumulada
proporciona la probabilidad de que X sea menor 0 igual que un valor en particular,
x. Es decir, por medio de la funci6n muestral de distribucion acumulada Fs(x), es
posible determinar P(X S; x). Si existe un ajuste estrecho entre las distribuciones
acumulada te6rica y muestral, entonces se apoya la hipotesis de que la muestra fue
extrafda de una poblaci6n cuya funcion de distribuci6n acumulada especffica es
FT(x). Sin embargo, si hay una discrepancia entre Ia funcion de distribucion acumu
lada observada y la te6rica, y si dicha discrepancia es 10 suficientemente grande
como para no atribuirla al azar cuando Ho es verdadera, la hip6tesis se rechaza.
La diferencia entre la funci6n de distribuci6n acumulada teorica, Fix), y la
muestral, Fs(x), se mide con la estadfstica D, la cual es la maxima distancia vertical
entre FsCx) y FT(x). Cuando una prueba bilateral es conveniente, esto es, cuando las
hipotesis son:
Ho: F(x) = FT(x) para toda x desde hasta + 00 OQ
H
A
: F(x) FT(x) para al menos una x
la estadfstica de prueba es
D= sup IF,(x) F,(x) In
x
(13.7.1)
la cual se lee "D es el mayor de los valores, sobre todas las x, del valor absoluto de la
diferencia Fs(x) menos FT(X)".
La hipotesis nula se rechaza en un nivel de significacion a si e1 valor calculado
de D excede e1 valor que se muestra en la tabla M para I - a (bilateral) y el tamafio
n de la muestra.
Supuestos Las suposiciones que fundamentan la prueba de Kolmogorov-Smimov
son las siguientes:
1. La muestra es aleatoria.
2. La distribuci6n hipotetica Fix) es continua.
Cuando los valores de D se basan en una distribuci6n te6rica discreta, la prue
ba es moderada. Cuando la prueba se utiliza con datos discretos, el investigador
debe tener en mente que la probabilidad real de co meter un error de tipo I es,
cuando mucho, igual que a, que es el nive1 de significaci6n establecido. La prueba
tambien es moderada si uno 0 mas parametros deben ser estimados a partir de los
datos de la muestra.
EJEMPLO 13.7.1
Se efectuaron mediciones del nivel de glucosa en la sangre de 36 hombres adultos
en ayuno, no obesos y aparentemente sanos. Estas medici ones se muestran en Ia
tabla 13.7.1. Se pretende saber si es posible conduir que tales datos no pertenecen
a una poblaci6n que sigue una distribuci6n normal, con una media de 80 y una
desviaci6n estandar de 6.
Soludon:
1. Datos. Vease la tabla 13.7. 1.
2. Supuestos. La muestra disponible es una muestra aleatoria simple
que se extrajo de una poblacion que sigue una distribuci6n continua.
3. Hipotesis.
Ho: F(x) FT(x) para toda x desde - 00 hasta + 00
H
A
: F(x) ':f:.F/x) para al menos una x
Sea a .05.
4. Estadistica de prueba. Vease la ecuaci6n 13.7.1.
5. Distribudon de Ia estadistica de prueba. Los valores crfticos de
la estadistica de prueba para los valores elegidos de a se encuentran
en la tabla M.
6. RegIa de decision. Se rechaza H0 si el valor calculado de D excede
.221, que es el valor crftico de D para n = 36 Y a .05
7. CaIcuIo de Ia estadistica de prueba. EI primer paso es calcular los
valores de Fs(x), como se muestra en la tabla 13.7.2.
Cada uno de los valores de F/x) se obtienen al dividir la fre
cuencia acumulada correspondiente entre el tamaflO de la muestra.
Por ejemplo, el primer valor de Fs(x) = 2/36 .0556.
Los valores de Fix) se obtienen al convertir cada valor obser
vado de x en un valor de la variable normal estandar, z. En la tabla
TABlA 13.7.1 Concentraciones (mg/l00 mI)
de glucosa en la sangre en 36 varones no
obesos, aparentemente sanos, en ayunas
75 92 80 80 84 72
84 77 81 77 75 81
80 92 72 77 78 76
77 86 77 92 80 78
68 78 92 68 80 81
87 76 80 87 77 86
637
x
13.7 PRUEBA DE KOLMOGOROV-SMIRNOV
TABlA 13.7.2 Valores de Fs(x) para el
ejemplo 13.7.1
Frecuencia
x Frecuencia acumulada F.(x)
68
72
75
76
77
78
80
81
84
86
87
92
2
2
2
2
6
3
6
3
2
2
2
4
36
2
4
6
8
14
17
23
26
28
30
32
36
.0556
.1111
.1667
.2222
.3889
.4722
.6389
.7222
.7778
.8333
.8889
1.0000
D del apendice se encuentra el area entre - Yz. Con estas areas OQ
es posible calcular los valores de FT(x). El procedimiento se resume
en la tabla 13.7.3, yes similar al que se utiliza para obtener las
frecuencias relativas esperadas en la prueba de bondad de ajuste
de ji-cuadrada.
La estadfstica de prueba D puede calcularse algebraicamente,
o bien, determinarse graficamente al medir la distancia vertical mas
TABlA 13.7.3 Pasos para el cileulo
de F ~ x ) para el ejemplo 13.7.1
z =(x- 80)/6
68
72
75
76
77
78
80
81
84
86
87
92
-2.00
-1.33
-.83
-.67
-.50
-.33
.00
.17
.67
1.00
l.l7
2.00
.0228
.0918
.2033
.2514
.3085
.3707
.5000
.5675
.7486
.8413
.8790
.9772
688 CAPITULO 13
1.00
ro
"0
.90
S
ro
.80
E
::l .70
0
'"
.60
'"
.50
.40
0
'"
.30
c
<I>
::J
.20
0
.10
LL
68
FIGURA 13.7.1
8.
9.
ESTADISTICA NO PARAMETRICA
.16
78 80 82 84 86 88 90 92 94
x
70 72 74 76
Fs(x) y FT(x) para el ejemplo 13.7.1.
larga entre las curvas y Fix) en una grafica. Las graficas de
ambas distribuciones se muestran en la tabla 13.7.1.
Un examen de las graficas de Fs(x) YFT(x) revelan que D '" .16
(.72 .56). A continuaci6n se calcula el valor de D de manera
algebraica. valores posibles de IFs(x) Fix) I se muestran en la
tabla 13.7.4. Esta muestra que el valor exacto de D es .1547.
Decision estadistica. AI consultar la tabla M se observa que el va
lor calculadode D = .1547 no es significativo en ning(in nivel razo
nable. Por 10 tanto, no procede el rechazo de H '
o
Conclusion. La muestra tal vez proviene de la distribuci6n especi
ficada.
TABlA 13.7.4 Calculo de IFix) - F :r<x)l
para el ejeOlplo 13.7.1
x
68 .0556 .0228 .0328
72 .1111 .0918 .0193
75 .1667 .2033 .0366
76 .2222 .2514 .0292
77 .3889 .3085 .0804
78 .4722 .3707 .1015
80 .6389 .5000 .1389
81 .7222 .5675 .1547
84 .7778 .7486 .0292
86 .8333 .8413 .0080
87 .8889 .8790 .0099
92 1.0000 .9772 .0228
689 13.7 PRUEBA DE KOLMOGOROV-SMIRNOV
10. Valor dep. Dado que se tiene una prueba bilateral y .1547 < .174,
entonces p > .20.
Precauci6n Es necesario tener en cuenta que, al determinar el valor de D, no
siempre es suficiente calcular y elegir de entre los valores posibles de IFs(x) - FT(X) I. La
distancia vertical mas larga entre Fix) y FT(x) posiblemente no ocurra en un valor observa
do, x, sino en algUn otro valor de X. Esta situaci6n se muestra en la figura 13.7.2. Es
posible apreciar que si solamente se consideran los val ores de IFs(x) - FT(X) I que se
presentan en los puntos extremos izquierdos de las barras horizon tales, el valor de
D podria err6neamente calcularse como 1.2 -.41 =.2. Sin embargo, al analizar la
gnlfica puede observarse que la mayor distancia vertical entre Fs (x) y FT(x) se pre
senta en el extremo derecho de la barra horizontal que se origina en el punto
correspondiente a x = .4, Yel valor correcto de D es 1.5 .21 .3.
Es posible determinar el valor correcto para D de manera algebraica al calcu
lar, ademas de las diferencias IFix) - FT(x) I. las diferencias IF/xi_I) FT(x
j
) I para
todos los valores de i = 1, 2, .'" r + 1, donde r es igual al numero de valores
diferentes de x y Fs(x ) = O. Por 10 tanto, el valor correcto de la estadistica es
o
o maximo{maximo[1 FS(x
i
) FT(xi) 1,1 Fs(xi-l) - FT(Xi) In
(13.7.2)
1::; j:::; r
Ventajas y desventajas Las siguientes consideraciones son puntos importan
tes de comparacion entre las pruebas de Kolmogorov-Smimov y de bondad de
ajuste de ji-cuadrada.
1. La prueba de Kolmogorov-Smimov no requiere que las observaciones sean
agrupadas, como en el caso de la prueba de ji-cuadrada. La consecuencia de
1.0
.9
<II
.8
~
:::J
E
:::J .7
1il
<II
. ~
.6
.1il
!!:
.5
<l!
'5
<=
CI)
:::J
.4
~
u. .3
f"D 00""" "'.
-
'.5- .2' =.3
.2
.1
.2
x
FIGURA 13.7.2 GrMica de datos ficticios que muestran el caIculo correcto de D.
690 CAPITUW 13 ESTADISTICA NO PARAMETRICA
esta diferencia es que la prueba de Kolmogorov-Smirnov hace usa de toda la
informaci6n presente en e1 conjunto de datos.
2. La prueba de Kolmogorov-Smirnov puede utilizarse con muestras de cual
quier tamafio. Recuerde que para realizar la prueba de ji-cuadrada es necesa
rio que las muestras tengan un tamafio minimo.
3. Como se ha visto, la prueba Kolmogorov-Smirnov no es aplicable cuando los
panimetros tienen que ser estimados a partir de la muestra. La prueba ji
cuadrada puede utilizarse en estas situaciones mediante la reducci6n de los
grados de libertad en 1 para cada parametro estimado.
4. El problema de suponer una distribuci6n te6rica continua se mencion6 con
anterioridad.
EJERCICIOS
13.7.1 El peso del cerebra medido durante la autopsia de cada uno de 25 individuos adultos que
padedan cierta enfermedad, es el siguiente:
Peso del cerebro (gramos)
859 1073 1041 1166 1117
962 1051 1064 1141 1202
973 1001 1016 1168 1255
904 1012 1002 1146 1233
920 1039 1086 1140 1348
posible conduir, a partir de estos datos, que la poblaci6n de la cual se extrajo la muestra
no sigue una distribuci6n normal con una media de 1050 Y una desviaci6n estandar de 50?
Determine el valor de ppara esta prueba.
13.7.2 El coeficiente intelectual de una muestra de 30 adolescentes arrestados por abuso de farmacos
es el siguiente:
Coeficiente intelectual
95 100 91 106 109 110
98 104 97 100 107 119
92 106 103 106 105 112
101 91 105 102 101 110
101 95 102 104 107 118
estos datos la evidencia suficiente para conduir que la poblaci6n muestreada
no sigue una distribuci6n normal con una media de 105 y una desviaci6n estandar de 10?
Calcule el valor de p.
691 13.8 ANALISIS UNILATERAL DE LA VARIANCIA DE KRUSKAL-WALLIS
13.7.3 Para una muestra de sujetos aparentemente normales que servia de control en un experi
mento, se registraron los siguientes valores de la presi6n sanguine a sist6lica al inicio del
experimento:
162 177 151 167
130 154 179 146
147 157 141 157
153 157 134 143
141 137 151 161
ms posible concluir, a partir de esos datos, que la poblaci6n de valores de presi6n sangufnea
de la que se extrajo la muestra no sigue una distribud6n normal con J.1 -= 150 Ycr 12?
Calcule el valor de p.
13.8 ANAuSIS UNI1ATERAL DE lA VARIANCIA
PORJERARQuIAs DE KRUSKAL-WAUlS
En el capitulo 8 se estudia como se utiliza el amilisis unilateral de la variancia para
probar la hipotesis nula de que las medias de varias poblaciones son iguales. Cuan
do las suposiciones que fundamentan esta tecnica no se cumplen, es decir, cuando
las poblaciones de las cuales se extraen las muestras no siguen una distribucion
normal con variancias iguales, 0 cuando los datos para el analisis son unicamente
jerarquias, es posible utilizar una alternativa no parametrica al analisis unilateral
de la variancia para probar la hipotesis de parametros de ubicacion iguales. Como
se indica en la seccion 13.5, la prueba de la mediana puede ampliarse para incluir
la situacion que involucra mas de dos muestras. Una deficiencia de esta prueba, sin
embargo, es el hecho de que solo utiliza una pequefia cantidad del total de infor
macion disponible. La prueba utiliza solo la informacion que indica si las observa
ciones estan 0 no por arriba 0 por abajo de un solo numero, el cual es la mediana de
las muestras combinadas. La prueba no utiliza directamente mediciones de canti
dad conocida. Existen varias pruebas no parametricas equivalentes al analisis de la
variancia, las cuales utilizan mas informacion al tomar en cuenta la magnitud de
cada observaci6n con respecto a la magnitud de cualquier otra observaci6n. Quiza
el procedimiento mejor conocido es el analisis unilateral de la variancia por jerar
quias de Kruskal-Wallis (8).
Procedimiemo de Krushal- W a l l i ~ La aplicaci6n de la prueba comprende
los siguientes pasos.
1. Las n
1
, n
2
, , n
k
observaeiones de las k muestras se combinan en una sola serie
de tamano n y se clasifican en orden ascendente. Las observaeiones, poste
riormente, se sustituyen porjerarqufas desde 1, la eual se asigna a la observa
cion menor, hasta n, que eorresponde a la observacion mayor. Cuando dos 0
mas observaciones tienen el mismo valor, a cada una de ellas se Ie da la media
de las jerarquias con las que estan empatadas.
2. Las jerarqufas asignadas a las observaciones en cada uno de los k grupos se
suman por separado para dar k sumas de jerarquias.
692 CAPiTULO 13 ESTADisTICA NO P ARAMETRICA
3. La estadistica de prueba se calcula asi
12 k R2
J
H= L--3(n+l)
(13.8.1)
n(n +1) j=1 nj
En la ecuaci6n 13.8.1
. k numero de muestras
nj numero de observaciones de la j-esima muestra
n numero de observaciones en todas las muestras combinadas
R
j
== suma de las jerarquias en la j-esima muestra
4. Cuando hay tres muestras y cinco 0 menos observaciones en cada una, e1 nive1
de significaci6n de H puede determinarse al consultar la tabla N del apendi
ceo Cuando hay mas de cinco observaciones en una 0 mas muestras, H se
compara con los valores tabulados deji-cuadrada con k - 1 grados de libertad.
EJE.MPLO 13.8.1
Se estudi6 el efecto de dos medicamentos en el tiempo de reacci6n ante cierto es
timulo en tres muestras de animales experimentales. La muestra III sirvi6 como
control, mientras que a los animales de la muestra I se les aplic6 el medicamento A
y a los de la muestra II se les aplic6 el medicamento B antes de la aplicaci6n del
estimulo. En la tabla 13.8.1 se encuentran anotados los tiempos de reacci6n en
segundos de los 13 animales.
~ E s posible concluir que las tres poblaciones representadas por las tres mues
tras difieren con respecto al tiempo de reacci6n? Esto es posible si se puede recha
zar la hip6tesis nula que indica que las tres poblaciones no difieren en sus tiempos
de reacci6n.
TABlA 13.8.1 Tiempo
de reaccion en segundos
de 13 animates de
experimentacion
Muestra
I II III
17 8 2
20 7 5
40 9 4
31 8 3
35
13.8 ANALISIS UNILATERAL DE LA VARIANCIA DE KRUSKAL-WALLIS 693
Solucion:
2. Supuestos. Las muestras son aleatorias e independientes, y fue
ron extraidas de sus respectivas poblaciones. La escala de medici6n
que se utiliza es al menos ordinal. Las distribuciones de los valores
en las poblaciones muestreadas son identicas, excepto por la posibi
lidad de que una 0 mas poblaciones esten compuestas por valores
que tienden a ser mayores que los val ores de las demas poblaciones.
3. Hipotesis.
Ho: Las distribuciones de las poblaciones son identicas.
H
A
: De todas las poblaciones, por 10 menos una de elIas tiende a
mostrar valores mayores que al menos una de las demas.
Sea 0; = .01.
4. Estadistica de prueha. Vease la ecuaci6n 13.8.1.
5. Distrihucion de Ia estadfstica de prueha. Los valores criticos de
H para diferentes tamanos de muestras y niveles 0; se encuentran en
la tabla N.
6. RegIa de decision. La hip6tesis nula se rechaza si el valor calcula
do de H es tan grande que la probabilidad de obtener un valor ma
yor 0 igual, cuando Hoes verdadera, es menor 0 igual que el nivel de
significaci6n 0;.
7. Calculo de Ia estadistica de prueha. Cuando las tres muestras se
combinan en una sola serie y los valores se clasifican por jerarquias,
entonees es posible elaborar una tabla de jerarquias como la que se
muestra en la tabla 13.8.2.
La hip6tesis nula implica que las observaciones en las tres
muestras constituyen una sola muestra de tamano 13 extraida de
una sola poblaci6n.
TABLA 13.8.2 Datos de
la tabla 13.8.1 sustituidos
por jerarqul8S
Muestra
I II II
9 6.5 1
lO 5 4
13 8 3
11 6.5 2
12
R
J
55 R2 = 26 R3 = 10
Si esto es eierto, puede esperarse que las jerarqulas esten bien distri
buidas entre las tres muestras. En consecuencia, se espera que la
suma total de jerarqulas sea dividida entre los tres grupos en pro
porcion al tamaiio de estos. Cualquier incumplimiento de estas con
diciones se refleja en la magnitud de la estadlstica de prueba H.
A partir de los datos de la tabla 13.8.2 y la ecuacion 13.8.1 se
obtiene
12 [(55)2 (26)2 (10)2]
H --+ +-- -3(13+1)
13(13+1) 5 4 4
= 10.68
8. Decision estadistica. Es posible observar en la tabla N que cuan
do lasn. son 5, 4y4la probabilidad de obtener un valordeH ~ 10.68
es m e n ~ r que .009. La hipotesis nula puede rechazarse en un nivel
de significaci6n de .01.
9. Conclusion. Se eonduye que SI existe una diferencia en el tiempo
promedio de reacci6n entre las tres poblaciones.
10. Valor de p. Para esta prueba, p < .009.
EmpaJes Es importante indicar que a los dos valores iguales en la muestra II se
les asigno unajerarqula de 6.5. Es posible ajustar el valor de H para este empate al
dividirlo entre
1 (13.8.2)
donde T = t
3
t. La letra t se utiliza para designar el numero de observaciones
iguales en una muestra de valores empatados. En este ejemplo, solamente hay un
grupo de este tipo, pero, en general, puede haber varios grupos de valores empata
dos que dan como resultado varios valores de T. Dado que existen solo dos observa
2
3
ciones iguales en esta muestra de valores empatados, entonees T = 2 = 6 y la
"iT 6, as} que la expresion 13.8.2 es
__6_= .9973
1
13
3
-13
y
__H__= 10.68 = 10.71
"iT .9973
1
n
3
-n
que, naturalmente, es significativa en el nivel de .01.
Como es el caso aqul, el efecto del ajuste para valores iguales es, por 10 general,
insignificante. Tambien es importante sefialar que dicho efecto incrementa a H, aSI
que, si la H no ajustada es significativa al niveI dado, entonces no es necesario ajustarla.
Mas de ires muesiras y una de elias es mayor que 1m; demas En el
siguiente ejemplo es posible observar como utilizar el procedimiento cuando exis
ten mas de tres muestras y al menos una de las nj es mayor que 5.
13.8 ANALISIS UNILATERAL DE LA VARIANCIA DE KRUSKAL-WALLIS 695
TABlA 13.8.3 Valor contable neto del equipo por cama para
cada tipo de hospital
Tipo de hospital
A B C D E
$1735(11) $5260(35) $2790(20) $3475(26) $6090(40)
1520(2) 4455(28) 2400(12) 3115(22) 6000(38)
1476(1) 4480(29) 2655(16) 3050(21) 5894(37)
1688(7) 4325(27) 2500(13) 3125(23) 5705(36)
1702(10) 5075(32) 2755(19) 3275(24) 6050(39)
2667(17) 5225(34) 2592(14) 3300(25) 6150(41)
1575(4) 4613(30) 2601(15) 2730(18) 5110(33)
1602(5) 4887(31) 1648(6)
1530(3) 1700(9)
1698(8)
R
j
= 68 R2 = 246 R3 = 124 R4 = 159 R5 = 264
EJEMPLO 13.8.2
En la tabla 13.8.3 se encuentra el valor contable neto de capital en equipo emplea
do por cama en una muestra extrafda de cinco tipos de hospitales. Se pretende
determinar, mediante la prueba de Kruskal-Wallis, si es posible conduir que el va
lor contable neto promedio de capital en equipo por cama, difiere en los cinco
tipos de hospitales. Las jerarqufas de los 41 valores, junto con las sumas de jerar
quias por muestra se encuentran en dicha tabla.
Soluci6n: A partir de la sumas de las jerarquias se calcula:
H 12 [(68)2 + (246)2 + (124)2 + (159)2 + (264)2]-3(41+1)
41(41+1) 10 8 9 7 7
36.39
AI consultar la tabla F, con k - 1 = 4 grados de libertad, se encuen
tra que la probabilidad de obtener un valor de H tan grande 0 igual que
36.39 debido s610 al azar, cuando no hay diferencia entre las muestras,
es menor que .005. Se conduye, entonces, que sf existe una diferencia
entre las cinco poblaciones con respecto al valor promedio de la variable
de interes.
AnUlisis por computadora El paquete de software MINITAB calcula la esta
dfstica de prueba de Kruskal-Wallis y proporciona informaci6n adicional. Despues
de poner los tiempos de reacci6n de la tabla 13.8.1 en la columna 1 y los c6digos de
las muestras en la columna 2, el procedimiento MINITAB y los resultados son los
que se muestran en la figura 13.8.1.
696 CAPiTULO 13 ESTADISTICA NO PARAMETRICA
Datos:
C1: 17 20 40 31 35 8 7 9 8 2 5 4 3
C2: 1 1 1 1 1 2 2 2 2 3 3 3 3
Caja de dialogo: Comandos de la sesi6n:
Stat> Nonparametrics > KruskalWallis MTB > KRUSKAL-WALLIS C1 C2
Teclear Cl en Response y C2 en Factor. elic OK.
Resultados:
Prueba Kruskal-Wallis
LEVEL NOBS MEDIAN AVE. RANK Z VALUE
1 5 31.000 11. 0 2.93
2 4 8.000 6.5 -0.31
3 4 3.500 2.5 -2.78
OVERALL 13 7.0
H 10.68 d. f. 2 p 0.005
H 10.71 d.f. 2
P
0.005 (adjusted for ties)
* NOTE * One or more small samples
FIGURA 13.3.1 Procedimiento MINITAB yresultados para la prueba Kruskal-wallis de los datos de tiempo
de reacci6n anotados en la tabla 13.8.1.
EJERCICIOS
Para los ejercicios siguientes, efectue la prueba en e! nive! de significaci6n en que se indica y
determine el valor de p.
13.S.1 En un estudio de sintomas de fatiga entre hombres con lesiones cerebrales (LC), walker et al.
(A-6) registraron las calificaciones de depresi6n de Zung para tres muestras de individuos:
con lesion cerebral y sintomas de fatiga, con lesi6n cerebral sin sintomas de fatiga, e indivi
duos normales, de la misma edad que los pacientes, que sirvieron como individuos de con
trol. Los resultados son los siguientes:
LC, fatiga: 46,61,51,36,51,45,54,51,69,54,51,38,64
LC, sin fatiga: 39,44,58,29,40,48,65,41,46
Controles: 36,34,41,29,31,26,33
FUENTE: Utilizada con permiso de Gary C. Walker, M. D.
EJERCICIOS 697
CEs posible concluir, con base en estos datos, que la poblacion representada por estas mues
tras difiere con respecto a las calificaciones de depresiori de Zung? Sea a .Ol.
13.8.2 Los siguientes valores corresponden a los gastos de pacientes externos por determinada
intervencion quirurgica. Estos gastos se obtuvieron en muestras de hospitales localizados en
tres diferentes partes del pafs.
Area
I II III
$80.75 $58.63 $84.21
78.15 72.70 101.76
85.40 64.20 107.74
71.94 62.50 115.30
82.05 63.24 126.15
Con un nivel de significacion de .05, ~ e s posible concluir que las muestras difieren con res
pecto a los gastos?
13.8.3 Du Toit et al. (A-7) afirmaron que la heparina administrada en pequenas dosis (10 IU/kg/h)
mediante infusion continua IV puede prevenir 0 aminorar la inducci6n de la coagulacion
intravascular diseminada inducida por trombina en mandriles bajo anestesia general. Los ani
males del grupo A recibieron solamente trombina, los del grupo B fueron pretratados con
heparina antes de administrarles trombina, y los del grupo C recibieron heparina dos
horas despues de que la coagulacion intravascular diseminada fue inducida con trombina.
Cinco horas despues de que los animales fueron anestesiados, se obtuvieron las siguientes
mediciones del tiempo parcial de tromboplastina activada (TPTa):
GrupoA: 115, 181, 181, 128, 107,84,76, 118,96, 110, 110
Grupo B: 99,83,92,64,130,66,89,54,80,76
Grupo C: 92,75,74,74,94,79,89,73,61,62,84,60,62,67,67
FUENTE: Utilizada con autorizaci6n del Dr. HendrikJ. Du Toit.
Pruebe una diferencia significativa entre los tres grupos. Sea a = .05.
13.8.4 Tartaglione et al. (A-8) examinaron los efectos de lesiones unilaterales del hemisferio izquierdo
y el hemisferio derecho en la exactitud para elegir y la velocidad de respuesta en una tarea de
tiempo de reaccion de cuatro opciones. Se formaron 3 grupos: el grupo 1 de control con 30
individuos, el grupo 2 con 30 pacientes con dano cerebral en el hemisferio izquierdo y el
grupo 3 con 30 pacientes con dana cerebral en el hemisferio derecho. La siguiente tabla mues
tra el numero de errores producidos por los individuos durante una fase del experimento:
Cantidadde Cantidad de Cantidadde
Grupo errores Grupo errores Grupo errores
1 5 2 0 3 0
1 2 2 0 3 0
1 2 2 0 3 0
5 2 0 3 0
(Continua)
--
698 CAPITIJLO 13 ESTADisTICA NO PARAMETRICA
Cantidad de Cantidad de Cantidad de
Grupo errores Grupo errores Grupo errores
I 0 2 0 3 0
1 6 2 1 3 0
1 1 2 1 3 0
1 0 2 8 3 0
1 0 2 1 3 0
1 1 2 1 3 0
1 10 2 49 3 1
1 5 2 2 3 1
1 4 2 3 3 1
1 3 2 3 3 2
1 5 3 2
1 1
2 3
2 4 3 4
1 2 2 4 3 3
1 2 3 3
1 2
2 5
2 41 3 0
1 1 2 17 3 4
1 5 2 33 3 4
1 1 3 4
1 1
2 20
2 48 3 5
1 4 2 7 3 5
1 1 2 7 3 6
1 6 2 11 3 7
1 3 2 17 3 7
1 2 2 15 3 23
2 2 22 3 10
6 2 6 3 8
FUENTE: Utilizada con la autorizaci6n de Antonio Tartaglione, M. D.
ms posible conduir, con base en estos datos, que las tres poblaciones representadas por estas
muestras difieren con respecto al numero de errores? Sea 0: =.05.
13.8.5 Warde et al. (A-9) estudiaron la incidencia de complicaciones respiratorias y episodios hip6xi
cos durante la inducci6n anestesica por inhalaci6n con isoflurano en nifios sanos sin premedi
caci6n que fueron sometidos a intervenci6n quirurgica bajo anestesia general. Los niiios
fueron repartidos de manera aleatoria en tres grupos, en los que se administr6 de manera
diferente el isoflurano. Los tiempos que se necesitaron para inducir la anestesia son los
siguientes:
GrupoA GrupoB GrupoC
8.0 11.75 6.5
7.75 7.25 7.75
8.25 9.25 7.25
GrupoA GrupoB GrupoC
5.75 8.75 4.75
9.0 11.0 7.5
11.0 12.0 5.5
(ContinUa)
EJERCICIOS 699
GrupoA GrupoB GrupoC GrupoA GrupoB GrupoC
13.0 12.0
8.75 8.75
6.75 6.75
8.5 10.5
1l.5 8.0
7.75 11.0
16.75 9.5
8.75 7.75
6.75 10.25
8.25 12.0
10.75 8.25
10.0 8.0
6.5
6.75
7.5
7.75
8.75
8.75
10.0
7.5
5.0
6.25
6.25
9.0
8.25
8.25
7.75
13.75
7.25
15.0 9.5
7.0 6.75
14.25 5.5
9.75 4.0
15.25 9.5
7.25
5.25
6.25
6.5
9.75
6.5
FUENTE: Utilizada con autorizaci6n del Dr. DecianJ. Warde.
(Es posible concluir, con base en estos datos, que las tres poblaciones representadas por estas
muestras difieren con respecto al tiempo de induccion? Sea a =.01.
13.8.6 Un estudio conducido por Ellis et al. (A-I0) ayud6 a explorar las caracteristicas de uni6n de
la imipramina a las plaquetas en pacientes maniaticos y a comparar los resultados con datos
equivalentes de individuos sanos (con troles) y pacientes con depresi6n. Entre los datos reco
lectados estan los siguientes valores miximos de uni6n de la imipramina (B max) para tres
gropos de diagn6stico y el gropo de control:
Diagnostico Bmu (fmol/mg pr.)
Mania 439,481,617,680,1038,883,600,562,303,492,1075,747,
726,652,988,568
Control sana 509, 494, 952, 697, 329, 329, 518, 328, 516, 664, 450, 794,
774, 247, 395, 860, 751, 896, 470, 643, 505, 455, 471, 500,
504, 780, 864, 467, 766, 518, 642, 845, 639, 640, 670,437,
806,725,526,1123
Depresi6n unipolar 1074,372,473,797,385,769,797,485,334,670,510,299,
333,303,768,392,475,319,301,556,300,339,488, 1114,
761,571,306,80,607, 1017,286, 511, 147,476,416,528,
419,328, 1220,438,238,867, 179,530,446,
328,348,773,697,520,341,604,420,397
Depresion bipolar 654,548,426,136,718,1010
FUENTE: Utilizada con autorizaci6n del Dr. P. M. Ellis.
ms posible conduir, con base en estos datos, que las cuatro poblaciones representadas por
estas muesttas difieren con respecto a los valores Bm.? Sea a =.05.
13.8.7 La siguiente tabla muestra los niveles de residuos de pesticidas (ppb) en muestras de sangre
de cuatto poblaciones de individuos humanos. Utilice la prueba de Kruskal-Wallis para pro
bar, con un nivel de significaci6n de .05, la hip6tesis nula de que no existe diferencia entre
las poblaciones con respecto al nivel promedio de residuos de pesticidas.
Poblaci6n Poblaci6n
A B C D A B C D
10 4
37 35
12 32
31 19
11 33
9 18
15
5
10
12
6
6
7
11
10
8
2
5
44
12
15
42
23
11 9 4
7 11 5
32 9 2
17 14 6
8 15 3
13.8.8 Se midi6la actividad de la y-glutamil transpeptidasa (GGTP) hepatica en 22 pacientes some
tidos a biopsia percutanea del higado. Los resultados son los siguientes:
Individuo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Nivel de
Diagn6stico GGTP hepatica
Higado normal
Cinosis biliar primaria
Enfermedad del hfgado por alcoholismo
Cirrosis biliar primaria
Higado normal
Hepatitis persistente
Hepatitis cronica activa
Enfermedad del higado por alcoholismo
Enfermedad del higado por alcoholismo
Hfgado normal
Hepatitis cronica activa
Higado normal
Hepatitis cr6nica activa
Hepatitis cr6nica activa
27.7
45.9
85.3
39.0
25.8
39.6
41.8
64.1
41.1
35.3
71.5
40.9
38.1
40.4
34.0
74.4
78.2
32.6
46.3
39.6
52.7
57.2
~ E s posible conduir, a partir de estos datos, que el nivel promedio de GGTP de la poblaci6n
difiere en los cinco grupos de diagn6stico? Sea a = .05, Y calcule el valor de p.
13.9 AL"l"ALISIS BILATERAL DE LA VARIANCIA DE FRIEDIVIAN 701
13.9 ANAuSIS BHATERAL DE lA VARIANCIA
POR JERARQlllAs DE FRIEDMAN
Asl como en ocasiones se tiene la necesidad de un analisis no parametrico analogo
al analisis parametrico unilateral de la variancia, en ciertos casos es necesario ana
lizar los datos de una clasificaci6n bilateral mediante metodos no parametricos
amilogos al analisis bilateral de la variancia. Esta necesidad puede surgir porque no
se satisfacen las suposiciones necesarias para el analisis parametrico de la variancia,
porque la escala de medici6n que se utiliza es "fragil" 0 porque es necesario obtener
los resultados rapidamente. Una prueba que suele utilizarse en estos casos es el
analisis bilateral de la variancia por jerarqulas de Friedman (9, 10). Esta prueba es
conveniente siempre que los datos se midan, al menos, en una escala ordinal y
puedan ordenarse significativamente en una clasificaci6n bilateral, como se hace
en el disefio por bloques completos y aleatorizados que se estudia en el capitulo 8.
El siguiente ejemplo ilustra este procedimiento.
FJEMPLO 13.9.1
Un fisioterapeuta realiz6 un estudio para comparar tres modelos diferentes de
estimuladores electricos de bajo voltaje. A nueve fisioterapeutas se les pidi6 que clasi
ficaran en orden de preferencia a esos tres generadores. Unajerarquia de 1 indica la
primera preferencia. Los resultados se muestran en la tabla 13.9.1. Se pretende saber
si es posible concluir que los model os no tienen igualdad de preferencia.
Solucion:
2. Supuestos. Las observaciones que aparecen en un bloque dado
son independientes de las observaciones que aparecen en cada uno
TABlA 13.9.1 Clasiflcacion por jerarquias
de tres modelos de estimuladores eJectricos
de bajo voltaje proporcionadas por
flsioterapeutas
Modelo
Terapeuta A B C
1 2 3 1
2 2 3 1
3 2 3 1
4 1 3 2
5 3 2 1
6 1 2 3
7 2 3 1
8 1 3 2
9 1 3 2
R. 15 25 14
)
de los demas bloques, y las mediciones dentro de cada bloque se
logran, al menos, en una escala ordinal.
3. Hipotesis. En general, las hip6tesis son:
Ho: Todos los tratamientos tienen efectos identicos.
H
A
: AI menos uno de los tratamientos tiende a proporcionar
observaciones mas grandes que los demas tratamientos.
Para este ejemplo, las hip6tesis se enuncian como sigue:
Ho: Los tres modelos tienen igual preferencia.
H
A
: Los tres modelos no tienen igual preferencia.
Sea (J, = .05.
4. Estadfstica de prueba. Por medio de la prueba de Friedman es po
sible determinar si es razonable suponer que las columnas de jerar
qufas fueron extrafdas de la misma poblaci6n. Si la hip6tesis nuia es
verdadera se esperarfa que la distribuci6n observada de las jerarqufas
en cualquiera de las columnas sea el resultado de factores aleatorios y,
por 10 tanto, se esperaria que los mlmeros 1, 2 Y 3 ocurriesen aproxi
madamente con la misma frecuencia en cada columna. Por otra parte,
si la hip6tesis nula es falsa (esto es, si los modelos no tienen igual
preferencia) se esperarfa una preponderancia de jerarqufa relativa
mente alta (0 baJa) en, al menos, una columna. Esta condici6n se re
flejarfa en la suma de las jerarqufas. La prueba de Friedman dira si las
sumas de jerarqufas observadas son tan distintas que no es probable
atribuirlas 5610 al azar cuando Ho es verdadera.
Dado que los datos fueron c1asificados en bloques (renglones),
el primer paso es sumar las jerarqufas dentro de cada columna (tra
tamiento). Estas sumas son los R
j
que se muestran en la tabla 13.9.1.
Una estadfstica de prueba, descrita por Friedman como X;, se calcula
como sigue:
(13.9.1)
donde n es el mlmero de renglones (bloques) y k es el mlmero de
columnas (tratamientos).
5. Distribucion de la estadistica de prueba. Los valores criticos para
diversos valores de n y k se encuentran en la tabla 0 del apendice.
6. RegIa de decision. Rechace Ho si la probabilidad de obtener un
valor de X;, mayor 0 igual que el valor calculado es menor 0 igual
que (J" cuando Ho es verdadera.
7. Calculo de Ia estadistica de prueba. Mediante el uso de datos de
la tabla 13.9.1 y la ecuaci6n 13.9.1 se obtiene
X; = 12 =[(15)2 +(25)2 +(14)2]-3(9)(3+1)
9(3)(3 +1)
8.222
703 13.9 ANA.LISIS BILATERAL DE LA VARIANCIA DE FRIEDMAN
8. Decision estadistica. AI consultar la tabla Oa del apendice, se en
cuentra que la probabilidad de obtener un valor para X; tan grande
como 8.222 debido solo al azar, cuando la hipotesis nula es verdade
ra, es de .016. Por 10 tanto, es posible rechazar la hipotesis nula.
9. Conclusion. Se concluye que los tres modelos de estimulador elec
trico de bajo voltaje no tienen igual preferencia.
10. Valor de p. Para esta prueba, p =.016.

Valores iguales Si los datos originales se componen de mediciones en un in
tervalo 0 una escala de razones y no de jerarquias, entonces se asignan las medicio
nes a las jerarqufas con base en sus magnitudes relativas dentro de los bloques. Si
hay val ores iguales a cada uno de ellos se Ie asigna la media de las jerarqufas de
todos los val ores iguales.
Maestrasgrandes Cuando los valores, k 0 no ambos, exceden a los que apare
cen en la tabla 0 del apendice, el valor critico de X; se obtiene consultando la tabla
de ji-cuadrada (tabla F) con a. y k - 1 grados de libertad elegidos.
EJEMPLO 13.9.2
La tabla 13.9.2 muestra las respuestas, en porcentajes de disminucion del flujo salival,
de 16 animales de laboratorio despues de recibir diferentes dosis de atropina. Las
TABlA 13.9.2 Disminucion en porcentaje del Rujo
salival en animates de experimentacion despues de
aplicarles diferentes niveles de dosis de atropina
Nivel de dosis
Numerode
animal A B C D
1 29(10) 48(2) 75(3) 100(4)
2 72(2) 30(1) 100(3.5) 100(3.5)
3 70(1) 100(4) 86(2) 96(3)
4 54(2) 35(1) 90(3) 99(4)
5 5(1) 43(3) 32(2) 81(4)
6 17(1) 40(2) 76(3) 81(4)
7 74(1) 100(3) 100(3) 100(3)
8 6(1) 34(2) 60(3) 81(4)
9 16(1) 39(2) 73(3) 79(4)
10 52(2) 34(1) 88(3) 96(4)
11 8(1) 42(3) 31 (2) 79(4)
12 29(1) 47(2) 72(3) 99(4)
13 71(1) 100(3.5) 97(2) 100(3.5)
14 7(1) 33(2) 58(3) 79(4)
15 68(1) 99(4) 84(2) 93(3)
16 70(2) 30(1) 99(3.5) 99(3.5)
R 20 36.5 44 59.5
J
704 CAPiTULO 13 ESTADISTICA NO PARMfETRICA
jerarqufas (entre parentesis) y la suma de estas se observan en la misma tabla. Se
pretende saber si es posible concluir que las diferentes dosis producen respuestas
distintas. Es decir, se desea probar la hipotesis nula seglin la cual no hay diferencia
en las respuestas a las cuatro dosis.
Soluci6n: A partir de los datos se calcula que
x; = 12 [(20}2 +(36.5)2 +(44)2 +(59.5)2]-3(16)(4+1)
16( 4)( 4 + 1)
=30.32
Al consultar la tabla F, esta indica que, con k 1 = 3 grados de libertad, la
probabilidad de obtener un valor de x; tan grande como 30.32 debido solo al azar,
es menor que .005, cuando Ho es verdadera. Se rechaza la hipotesis nula y se con
cluye que las diferentes dosis producen respuestas distintas.
Antilisis par camputadara Muchos paquetes estadisticos de software, indu
yendo a MINITAB, ejecutan la prueba de Friedman. Para utilizar el paquete
MINITAB se forman tres columnas con los datos. Por ejemplo, es posible cargar en
las columnas los datos de manera que la columna 1 contenga los numeros que in-
Stat> Nonparametrics > Friedman MTB > FRIEDMAN C3 C1 C2
Tedear C3 en Response, Cl en Treatment y C2 en
Block. Clic OK.
Resultados:
Prueba Friedman
Friedman test of C3 by C1 blocked by C2
S = 8.22 d.f. = 2 P = 0.017
Est. Sum of
C1 N Median RANKS
J 9 2.0000 15.0
2 9 2.6667 25.0
3 9 1. 3333 14.0
Grand median = 2.0000
EJERCICIOS 705
diquen el tratamiento al que pertenecen las observaciones. En la columna 2 se
guardan los numeros que indican los bloques a los que corresponden las observa
ciones. En la columna 3 se guardan las ob'servaciones. Si se hace esto para el ejem
plo 13.9.1, el procedimiento MINITAB y los resultados seran los que se ilustran en
la figura 13.9.1.
EJERCICIOS
Para los siguientes ejercicios, lleve a cabo la prueba en el nivel de significacion indicado y
calcule el valor de p.
13.9.1 La siguiente tabla indica las calificaciones obtenidas por nueve estudiantes de enfermerfa
seleccionados al azar en los examenes finales de tres materias distintas.
Area de estudio
Numerode
estudiante Basica D Fisiologia Anatomia
1 98 95 77
2 95 71 79
3 76 80 91
4 95 81 84
5 83 77 80
6 99 70 93
7 82 80 87
8 75 72 81
9 88 81 83
Pruebe la hip6tesis nula seg(1n la cuallos estudiantes de enfermerfa, que forman la pobla
cion de la cual se extrajo la.muestra, tienen un aprovechamiento igual en las tres materias,
contra la hipotesis alternativa de que su aprovechamiento es mejor por 10 menos-en una de
las materias. Sea IX =.05.
13.9.2 A quince estudiantes de fisioterapia seleccionados al azar se les dieron las siguientes instruc
ciones: "Supongan que se van a casar con. una persona que tiene alguna de la siguientes
incapacidades (se enumeraron las incapacidades de laA a laJ). Clasifiquenestas incapacida
des de 1 a 10, de acuerdo con su primera, segunda, tercera (y as! sucesivamente) eleccion de la
incapacidad que aceptarian en su conyuge". Los resultados se muestran en la siguiente tabla.
Incapacidad
Numerode
estudiante A B C D E F G H I
J
1 3 5 9 8 2 4 6 7 10
2 4 5 7 8 2 3 6 9 10
(ContinUa)
Incapacidad
Numerode
estudiante A B C D E F G H I
J
3 2 3 8 9 1 4 6 5 10
4 1 4 7 8 9 2 3 6 5 10
5 1 4 7 8 10 2 3 6 5 9
6 2 3 7 9 8 1 4 5 6 10
7 2 4 6 9 8 1 3 7 5 10
8 1 5 7 9 10 2 3 4 6 8
9 1 4 5 7 8 2 3 6 9 10
10 2 3 6 8 9 1 4 7 5 10
11 2 4 5 8 9 1 3 7 6 10
12 2 3 6 8 10 1 4 5 7 9
13 3 2 6 9 8 1 4 7 5 10
14 2 5 7 8 9 1 3 4 6 10
15 2 3 6 7 8 1 5 4 9 10
Pruebe la hip6tesis nula de que no ex:iste preferenda respecto a las incapacidades contra 1a
hip6tesis altemativa de que se prefieren algunas incapaddades sobre otras. Sea a = .05.
13.9.3 Diez individuos con asma indudda por ejercido participaron en un experimento para com
parar el efecto protector de un medicamento administrado en cuatro dosis. Se utiliz6 una
soluci6n salina como control. La variable de interes fue el volumen espiratorio forzado des
pues de la administracion del medicamento 0 la soluci6n salina. Los resultados fueron fos
siguientes:
Nivel de dosis del medicamento (mglml)
Soluci6n
Individuo salina 2 10 20 40
1 -.68 -.32
-.14 .
-.21 -.32
2 -1.55 -.56 -.31 -.21 16
3 -1.41 -.28 -.11 -.08 -.83
4 -.76 -.56 . -.24 -.41 -.08
5 -.48 -.25 -.17 -.04 -.18
6 -3.12 -1.99 -1.22 -.55 -.75
7 -1.16 -.88 -.87 -.54 -.84'
8 -1.15 -.31 -.18 -.07 -.09
9 -.78 -.24 -.39 -.11 -.51
10 -2.12 -.35 -.28 +.11 -.41
~ E s posible conc1uir, de acuerdo con estos datos, que las diferentes dosis tienen efectos dis
tintos? Sea a =.05. Calcule el valor de p.
707 13.10 COEFICIENTE DE CORRELACION POR JERARQUiAS DE
13.10 COEFICIENlE DE CORREIACION
POR JERARQuIAs DE SPIWlMAN
El investigador cuenta con varias medidas no parametricas de correlaci6n. Un procedi
miento utilizado con frecuencia y que resulta interesante por la sencillez de los calculos
que implica, se atribuye a Spearman (11). A la medida de correlaci6n que se calcula
mediante este metodo se Ie conoce como coeficiente de correlaci6n por jerarqufas de
Spearman, y se designa por rs' Este procedimiento utiliza los dos con juntos de jerar
quias que pueden asignarse a los valores de las muestras de X y Y, que representan a las
variables independiente y continua, respectivamente, de una.distribuci6n bivariada.
Hip6lesis Las hip6tesis nulas y altemativas que se prueban con mayor frecuencj;:>
son:
a) Ho: X Y Y son mutuamente independientes.
H
A
: X y Y no son mutuamente independientes.
b) Ho: X y Y son mutuamente independientes.
H
A
: Existe una tendencia a formar parejas entre los valores grandes de X y Y.
c) Ho: X y Y son mutuamente independientes.
HI.: Existe una tendencia de los valores grandes de X a formar parejas con los
valores pequefios de Y.
Las hip6tesis especificadas en el inciso a conducen a una prueba bilateral, y se
utilizan cuando se desea descubrir cualquier desviaci6n de la independencia. Las
pruebas unilaterales indicadas en los incisos bye se utilizan, respectivamente, cuando
el investigador desea saber si es posible concluir que las variables estan directa 0
inversamente relacionadas.
Procedimiento El procedimiento para probar las hip6tesis comprende los si
guientes pasos:
1. Clasificar porjerarqufa los valores de X desde 1 hasta n (el numero de parejas
de valores de X y Y en la muestra). Clasificar por jerarquia los valores de Y
desde 1 hasta n.
2. Calcular d
j
para cada pareja de observaciones, restando la jerarqufa de Y
i
de la
jerarquia de Xi'
3. Elevar al cuadrado cada d; y calcular I.d;2, la suma de los val ores al cuadrado.
4. Calcular
6I.d
2
1-' t
r,
(13.10.1)
n(n2 -1)
5. Si n esta entre 4 y 30, se compara el valor calculado de rs con los valores criticos,
r,*, de la tabla P del apendice. Para la prueba bilateral, se rechaza Ho en el nivel de
significaci6n a. si rs es mayor que r; 0 menor que - r;, donde r; esta en la intersec
ci6n de la columna encabezada por a/2 y el rengl6n que corresponde a n. Para la
prueba unilateral con HA que especifica una correlaci6n directa, se rechaza Ho
708 CAPITULO 13 . ESTADISTICA NO PARAMETRICA
en el nivel de significaci6n a; si r, esmayor que r,' para a; y n. La hip6tesis
nula se rechaza en el nivel de significaci6n a; en la otra prueba unilateral
cuando r, es menor que - r;para a; y n.
6. Si n es mayor que 30, se puede calcular
z=r)n-l (13.10.2)
y utilizar la tabla D para obtener los valores crfticos.
7. Las observacionesde igual valor numerico plantean un problema: el uso de la
tabla P es estrictamente valido solo cuando no hay dos valores iguales (a me
nos que se emplee alglin procedimiento aleatorio para cambiar los que sean
iguales). Sin embargo, en la pnktica, con frecuencia se utiliza la tabla despues
de que se ha utilizado alglin otro metodo para manejar los valores numerica
mente iguales. Si el numero de valores iguales es grande, puede utilizarse la
siguiente correcci6n pot valores iguales:
t
3
-t
T=--
(13.10.3)
12
donde t es el nlimero de observaciones de igual valor numerico para algunajerar
quia particular. Cuando se utiliza este factor de correcci6n, r, se calcula a partir de
(I3.I0.4)
en lugar de utilizar la ecuaci6n 13.10.1.
En la ecuaci6n 13.10.4 se tiene
r, :::: --;=====-
12
Tx. ::::: la suma de los valores de T para diversas jerarqufas de valor
numerico igual en X
T ::::: la suma de los valores de T para diversas jerarquias de igual
v ~ l o r numerico en Y
Muchos investigadores sefialan que a menos que sea excesivo el numero de canti
dades iguales, la correcci6n produce una diferencia muy pequefia en el valor de
r,. Cuando el numero de valores iguales es pequeno, puede seguirse el procedi
miento habitual de asignar a las observaciones de igual valor numerico la media
de las jerarquias que intervienen y proceder con los pasos anteriores del 2 al6.
FJEMPLO 13.10.1
En un estudio de la relacion entre la edad y los resultados delelectroencefalogra
rna (EEG), se recopilaron datos en 20 personas con edades entre 20 y 60 anos. La
tabla 13.10.1 muestra las edadesy un valor de rendimiento del EEG particular para
cada una de esas 20 personas. Los investigadores pretenden saber si es posible con
cluir que este rendimiento del EEG particular tiene relaci6n inversa con la edad.
13.10 COEFICIENTE DE CORRELACION POR JERARQUiAS DE SPEARMAN 709
TABlA 13.10.1 Edad y valores
resultantes del EEG para 20 individuos
Numerode Valor resultante
individuo Edad (X) del EEG (Y)
1 20 98
2 21 75
3 22 95
4 24 100
5 27 99
6 30 65
7 31 64
8 33 70
9 35 85
10 38 74
11 40 68
12 42 66
13 44 71
14 46 62
15 48 69
16 51 54
17 53 63
18 55 52
19 58 67
20 60 55
. Solucion:
2. Supuestos.Se supone que la muestra disponible para el analisis es
una muestra aleatoria simple y que X y Y son medidas en, por 10
menos, una escala ordinaL
3. Hipotesis.
Ho: El rendimiento del EEG y la edad son mutuamente indepen
dientes. .
H
A
: Existe una tendencia del rendimiento del EEG a disminuir con
la edad.
Sea a =.05.
4. Estadistica de prueba. Vease la ecuaci6n 13.10.1.
5. ])istribuci6n de la estadistica de prueba. Los valores crfticos de
la estadistica de prueba se encuentran en la tabla P del apendice.
6. RegIa de decision. Para esta prueba se rechazani Ho si el valor
calculado de r, es menor que -.3789.
TABlA 13.10.2 Jerarquias para los datos del ejemplo
13.10.1
Numerode
individuo J erarquia (X) Jerarquia (1') d.
,
di
1 1 18 -17 289
2 2 15 -13 169
3 3 17 -14 196
4 4 20 -16 256
5 5 19 -14 196
6 6 7 -1 1
7 7 6 1 1
8 8 12 --4 16
9 9 16 -7 49
10 10 14 --4 16
11 11 10 1 1
12 12 8 4 16
13 13 13 0 0
14 14 4 10 100
15 15 11 4 16
16 16 2 14 196
17 17 5 12 144
18 18 1 17 289
19 19 9 10 100
20 20 3 17 289
IA2 =2340
7. Calculo de la estadistica de prueba. Cuando los valores de X y Y
son clasificados por jerarqufa, se obtienen los resultados de 1a tabla
13.10.2. Los d, d
2
Y 'l,d
2
se muestran en la misma tabla.
La de datos de la tabla 13.10.2 en la ecuaci6n
13.10.1 proporciona
r,= 1- 6(2340) = -.76
20[(20)2 1]
8. Decision estadistica. Dado que e1 valor calculado de r, -.76 es
menor que e1 valor crftico de r:, se rechaza la hipotesis nula.
9. Conclusion. Se concluye que las dos variables se encuentran
inversamente re1acionadas;
10. Valor dep. Puesto que -.76 < -0.6586, se tiene que para esta prue
bap < .001.
13.10 COEFICIENTE DE CORRELACION POR JERARQUiAS DE SPEARMAN 711
EI siguierite ejemplo muestra el procedimiento para una muestra con n > 30
Y algunas observaciones iguales.
EJEMPLO 13.10.2
En la tabla 13.10.3 se muestran las edades y las concentraciones (ppm) de cierto
mineral en el tejido de 35 individuos a quienes se les practico la autopsia como
parte de un proyecto amplio de investigacion.
En la "tabla 13.10.4 se muestran lasjerarqufas de los val ores de d
i
, d
i
2
Y ld
i
2

Se pretende probar, en un nivel de significacion de .05, la hipotesis nula de que X
y Y son mutuamente independientes contra la hipotesis alternativa bilateral de que no
son mutuamente independientes. .
Soluci6n: A partir de los datos en la tabla 13.10.4, el caIculo es
6(1788.5)
rs =1 .75
35[35
2
1]
Para probar la significacion de r, se calcula
z . 7 5 ~ 3 5 - 1 4.37
TABlA 13.10.3 Edad y concentraci6n de mineral (ppm) en el
tejido de 35 indlri.duos
Concentraci6n Concentraci6n
Ntimero de Edad de mineral Ntimero de Edad de mineraI
individuo (X) (Y) individuo (X) (Y)
1 82 169.62 19 50 4.48
2 85 48.94 20 71 46.93
3 83 41.16 21 54 30.91
4 64 63.95 22 62 34.27
5 82 21.09 23 47 41.44
6 53 5.40 24 66 109.88
7 26 6.33 25 34 2.78
8 47 4.26 26 46 4.17
9 37 3.62 27 27 6.57
10 49 4.82 28 54 61.73
11 65 108.22 29 72 47.59
12 40 10.20 30 41 10.46
13 32 2.69 31 35 3.06
14 50 6.16 32 75 49.57
15 62 23.87 33 50 5.55
16 33 2.70 34 76 50.23
17 36 3.15 35 28 6.81
18 53 60.59
TARLI\ 13.10.4 Jerarquias para los datos del ejemplo 13.10.2
Numerode Jerarquia Jerarquia
individuo (X) (Y) d.
I
Numerode Jerarquia Jerarquia
individuo (X) (Y) d
i
19 17 9 8 64.00
20 28 25 3 9.00
21 21.5 21 .5 .25
22 23.5 22 1.5 2.25
23 13.5 24 -10.5 110.25
24 27 34 -7 49.00
25 6 3 3 9.00
26 12 7 5 25.00
27 2 15 -13 169.00
28 21.5 31 -9.5 90.25
29 29 26 3 9.00
30 11 18 -7 49.00
31 7 4 3 9.00
32 30 28 2 4.00
33 17 12 5 25.00
34 31 29 2 4.00
35 3 16 -13 169.00
32.5.
2 35
3 34
4 25
5 32.5
6 19.5
7 1
8 13.5
9 9
10 15
11 26
12 10
13 4
14 17
15 23.5
16 5
17 8
18 19.5
35
27
23
32
19
11
14
8
6
10
33
17
1
13
20
2
5
30
-2.5
8
11
-7
13.5
8.5
-13
5.5
3
5
-7
-7
3
4
3.5
3
3
-10.5
6.25
64.00
121.00
49.00
182.25
72.25
169.00
30.25
9.00
25.00
49.00
49.00
9.00
16.00
12.25
9.00
9.00
25
.. 110. 1
.E = 1788.5
Dado que 4.37 es mayor que z = 3.S9,p < 2(.0001) =.0002, por 10
que se rechaza Ho Y se concluye que las dos variables en estudio no son
mutuamente independientes.
Con fines comparativos, a continuaci6n se realiza la correcci6n para
valores iguales mediante la ecuaci6n 13.10.3. Y despues se calcula r, me
diante la ecuaci6n 13.10.4.
En las je'r;lrqufas de X se tuvieron seis grupos de valores iguales
que se modificaron asignando los valores 13.5, 17, 19.5,21.5,23.5 Y 32.5.
En cinco de los grupos, dos observaciones son iguales en valor numeri
co, y en un grupo tres de sus observaciones son iguales. Por 10 tanto, se
calculan cinco valores de

x 12 12
yun valor de
T 24=2
x 12 12
A partir de estos dlculos, se tiene que I. T" =: 5(.5) + 2 4.5, de tal
forma que
4.5 =3565.5
12
EJERCICIOS 713
Caja de dialogo: Comando de la sesi6n:
Stat> Basic Statistics> Correlation MTB > CORRELATION Cl-C3
Teclear C3-C4 en Variables. Clic OK.
Resultados:
Correlaciones (Pearson)
Correlation of (X) Rank and (Y)Rank -0.759
FIGURA 13.10.1 Procedimiento MINITAB y resultados para calcular el coeficiente de co
rrelaci6n por jerarquias de Speannan, ejemplo 13.10.1.
Dado que no se tienen valores iguales en las jerarquias de Y, se
dene que 2.. TOyque
y ,
3
2..y2 == 35 -35 -0 3570.0
12
A partir de la tabla 13.10.4 se tiene 2..# = 1788.5. A partir de estos
datos, puede calcularse ahora, mediante la ecuaci6n 13.10.4,
r, == 3565.5 +3570.0 -1788.5 ==.75
2 ~ (3565.5)(3570)
Se observa en este caso que la correcci6n para los valores iguales no
produce diferencia alguna en el valor de r,.
Anmisis por comp1!-tado1'U Es posible utilizar el paquete MINITAB, igual
que otms paquetes de software estadfstico, para calcular el coeficiente de correla
ci6n de Spearman. Para utilizar el paquete MINITAB, primem es necesario que se
jerarquicen las observaciones y se almacenen las jerarqufas en columnas separadas,
una para las jerarqufas de X y otra para las jerarqufas de Y. Si se dasifican por
jerarquias los valores de Xy Y, del ejemplo 13.10.1, y despues se almacenan en las
columnas 3 y 4, es posible obtener el coeficiente de correlaci6n por jerarqufas de
Spearman medianteel procedimiento que aparece en la figura 13.10.1. Otms pa
quetes de software como SAS y SPSS, por ejemplo, dasifican las medici ones en
jerarqufas de manera automatica antes de calcular el coeficiente, por 10 que se
elimina un paso extra en el pmcedimiento.
Para los siguientes ejercicios, lleve a cabo la prueba en elnivel de significaci6n indicado y
determine el valor de p.
714 CAPiTULO 13 ESTADisTICANO PARAMETRICA
13.10.1 La siguiente tabla muestra 15 regiones geograficas seleccionadas al azar y ordenadas por
jerarqufas seg1in la densidad de poblacion y la tasa de mortalidad ajustada por edades.
posible concluir, en un nivel de significacion de .05, que la densidad de poblaci6n y la tasa
de mortalidad ajustada por edades no son mutuamente independientes?
Jerarquia por Jerarquia por
Area
Densidad de
poblacion (X)
Tasa de muertes
ajustada por
edad (1') Area
Densidad de
poblacion (X)
Tasa de muertes
ajnstada por
edad (1')
1 8
2 2
3 12
4 4
5 9
6 3
7 10
8 5
10
14
4
15
11
I
12
7
9
10
11
12
13
14
15
6 8
14 5
7 6
1 2
13 9
15 3
11 13
13.10.2 La siguiente tabla muestra 10 comunidades jerarquizados por numero de dientes con caries,
faltantes y obturados (CFO) por cada 100 ninos y la concentraci6n de fluoruro, en ppm, en
el suministro publico de agua.
Jerarquia por Jerarqula por
Comunidad
Dientes
CFO por
cada 100
ninos (X)
Concentraci6n
de fluoruro
(1') I Comunidad
Dientes
CFOpor
cada 100
ninos (X)
Concentracion
de fluoruro
(1')
I 8 1 6 4 7
2 9 3 7 1 10
3 7 4 8 5 6
4 3 9 9 6 5
5 2 8 10 10 2
estos datos evidencia suficiente para indicar que el numero de dientes CFO
por cada 100 ninostiende a decrecer en la medida que aumenta la concentracion de fluoruro?
Sea a =.05.
13.10.3 EI prop6sito de un estudio realizado por McAtee y Mack (1\-11) era investigar las posibles
relaciones entre el desempeno de los parametros de tecnicas atipicas de la subprueba de
copiado de disenos (CD) de las pruebas de integraci6n sensorial y practica (PISP) y las cali- .
ficaciones de las pruebas de integracion sensorial del sur de California (PISSC). Los indivi
duos estudiados eran ninos atendidos en una cHnica privada de terapia ocupacional. Los
siguientes datos corresponden a las calificaciones de 24 ninos para elparametro limite de
PISP-CD y la subprueba de imitaci6n de posturas (IP) de PISSC:
EJERCICIOS 715
Limite IP Limite IP
3 -1.9 -1.1
3 .8 5 -.6
8 -.5 2 -.3
2 -.9 2 .9
7 .1 6 -1.3
2 .3 2 .8
3 -.7 2 -.7
2 .3 2 .3
3 -1.7 0 1.3
4 -1.6 1 .5
5 -1.6 3 .2
0 .8 2 .2
FUENTE: U tilizada con autorizaci6n de Shay McAtee,
M.A.,OTR.
posible concluir, con base en esta informacion, que las calificaciones respecto a las dos
variables tienen correlaci6n? Sea a = .01.
13.10.4 Barbera et al. (A-12) realizaron un estudio para investigar si las caracterfsticas patol6gicas
pulmonares de pacientes con enfermedad pulmonar obstructiva cr6nica estan 0 no relacio
nadas con las respuestas de intercambio de gases durante el ejercicio. Los individuos eran
pacientes sometidos a resecci6n de un lobulo 0 un pulmon debido a la identificacion de
neoplasmas pulmonares. Entre los datos recolectados estan las mediciones de Pa
o
durante
el ejercicio (E) y en reposo (R), asf como las calificaciones del enfisema (CE). Los
para estas variables son los signientes:
Pa
o
Num.de
2
paciente R E CE
1 87 95 12.5
2 84 93 25.0
3 82 78 11.3
4 69 79 30.0
5 85 77 7.5
6 74 89 5.0
7 90 87 3.8
8 97 110 .0
9 67 61 70.0
Pa
02
Num.de
paciente R E CE
10 78 69 18.8
11 101 113 5.0
12 79 82 32.5
13 84 93 .0
14 70 85 7.5
15 86 91 5.0
16 66 79 10.0
17 69 87 27.5
Media SEM 81:!: 3 86 3 16.0 4.4
FUENTE: Joan A. Barbera, J osep Roca, J osep Ramirez, Peter D. Wagner, Pie tat Ussetti y Robert Rodriguez-
Roisin, "Gas Exchange During Exercise in Mild Chronic Obstructive Pulmonary Disease: Correlation
with Lung Structure". American Review Respiratory Disease, 144, ,520-525.
Calcule T, para Pa durante el ejercicio y la CEo Pruebe con un nivel de significacion de .01.
02
13.10.5 Con los datos del ejercicio 13.10.4, calcule r, para Pa
o
en rep()so y la CEo Pruebe con un nivel
de significaci6n de .01. . 2
13.10.6 Como parte de un estudio realizado por Miller y Tricker (A-13) 76 prominentes profesiona
les de salud y educaci6n ffsica evaluaron 17 mercados blanco de promoci6n de la salud con
base en la importancia durante los ultimos 10 aDOS y los pr6ximos 10 aDOS. EI promedio de
calificaciones clasificadas sobre una escala de agradable a muy agradable (5 extremada
mente importante, 4 muy importante, 3 importante, 2 = poco importante, 1 = sin
importancia) son los siguientes:
Proximos 10 aiios Anteriores 10 aiios
---.... ~ ~ ~ -
Clasificaci6n Clasificacion
Mercado media media
Mujeres
Ancianos
Empleados/empresas grandes
Niiios
Jubilados
Obreros de fa.bricas
Adictos a drogas/alcohol
EmpJeados/pequenas empresas
Pacientes enfermos del coraz6n1pulmones
PUblico en general
Obesos 0 con trastornos de la alimentaci6n
Minorias discapacitadas
Buscadores de tiempo de ocio/recreaci6n
Mercado en casa
Lesionados (espalda/extremidades)
Atletas
Enfermos mentales
4.36
4.25
4.22
4.17
4.15
4.03
4.03
3.90
3.83
3.81
3.80
3..56
3.52
3.51
3.42
3.13
2.83
3.23
2.61
3.66
2.63
2.08
2.15
2,95
2.11
3.41
2.84
2.97
2.00
2.95
2.12
2.51
3.30
1.88
FUENTE: Cheryl Miller y Ray Tricker, "Past and Future Priorities in Health Promotion in the United
States: A Survey of Experts", AmericanJournal ofHealth Promotion, 5, 360-367. Utilizada con autori
zaci6n.
Calcule r, para los dos con juntos de datos y pruebe con un nivel de significaci6n de a .05.
13.10.7 Diecisiete pacientes con una historia dinica de insuficiencia cardiaca congestiva participaron
en un estudio para estimar el efecto del ejercicio sobre varias funciones corporales. Durante
un periodo de ejercicio, se recolectaron los siguientes datos sobre el cambio porcentual en la
norepinefrina plasmatica (Y) y el cambio porcentual en el consumo de oxigeno (X).
Individuo X Y
1 500 525
2 475 130
3 390 325
Individuo X Y
4 325 190
5 325 90
6 205 295
(ContinUa)
13.11 ANALISIS DE REGRESION NO PARAt)lETRICO 717
Individuo X Y
7 200 180
8 75 74
9 .230 420
10 50 60
11 175 105
12 130 148
Individuo X Y
13 76 75
14 200 250
15 174 102
16 201 151
17 125 130
Con base en estos datos, posib1e concluir que existe una asociaci6n entre las dos varia
bles? Sea a = .05.
13.11 ANAuSIS DE REGRESION
NOpARAMETRICO
Cuando las suposiciones que fundamentan el analisis de regresion lineal simple
que se estudia en el capitulo 9 no se cumplen, es posible utilizar procedimientos no
parametricos. En esta seccion se presentan estimadores de la pendiente y la orde
nada al origen que son alternativas faciles de calcular para los estimadores de mini
mos cuadrados, descritos en el capitulo 9.
Estimador de la pendiente de Theil Theil (12) propuso un metodo para
obtener la estimacion puntual del coeficiente de la pendiente. Se supone que los
datos constituyen el modelo clasico de regresion.
y; = a + + e
i
, i = 1, ... , n
donde las Xi sonconstantes conocidas, a y son parametros no conocidos, y Y
i
es un
valor observado de la variable aleatoria continua Yen x.. Para cada valor de x, se
supone una subpoblacion de Y valores, y las e
i
son
Las Xi son todas distintas (no existenvalores iguales), y se tiene que Xl < x
2
< ... <x
ll
'
Los datosse componen den pares de observaciones de la muestra, (xl,y
j
), (x
2
,
Y
2
), ... , (xn' Y
n
), donde el i-esimo par representa las mediciones tomadas de la i-esima
unidad de asociacion. .
Para obtener el estimador de Theil para primero se forman todas las pendien
tes posib.les de la muestra S. = <:y.-y)/(x-x), donde i <j. ExistiranN = C valores de
lJ J I J t n 2 1\
Sij' El estimador de designado por es la mediana de los valores Sij' Esto es,
mediana {S} (13.1Ll)
'1
EI siguiente ejemplo ilustra el calculo de
EJEMPLO 13.11.1
En latabla 13.1 LIse muestran los niveles (Y) plasmaticos de testosterona (ng/ml) y
los niveles de acido dtrico seminal (mg/ml) en una muestra de ocho hombres adul
tos. Se pretende calcular la estimacion del coeficiente de la pendiente de regresion
con el metodo de TheiL
TABLA 13.11.1 Testosterona en el plasDla y
concentraciones de acido citrico seDlinal en varones
adultos
Testosterona: 230 175 315 290 275 150 360 425
Acido dtrico: 421 278 618 482 465 105 550 750
TABLA 13.11.2 Valores ordenados de Sij
para el ejemplo 13.11.1
-.6618 .5037
.1445 .5263
.1838 .5297
.2532 .5348
.2614 .5637
.3216 .5927
.325 .6801
.3472 .8333
.3714 .8824
.3846 .9836
.4118 1.0000
.4264 1.0078
.4315 1.0227
.4719 1.0294
Soluci6n: Los N aC2 28 valores ordenados de S. se encuentran en la tabla
13.11.2. "
8i se designa ail yj 2; que son los indicadores del primero y
segundo valor de Yy X de la tabla 13.1 L 1, es posible calcular 5
12
como
sigue:
5
12
=(175 230)/(278 - 421)= -.3846
Cuando todas las pendientes son calculadas en forma similar y se orde
nan como se puede apreciar en la tabla 13.11.2, -.3846 acaba como el
decimo valor en el arreglo ordenado,
La mediana de los valores 5 .. es .4878. En consecuencia, la estima
cion del coeficiente de la pendierite de la poblacion es =.4878.
Un estinzador del coeficiente de la ordenada a/origen Dietz (13)
recomienda dos estimadores de la ordenada al origen. EI primero, designando
aiM' como la mediana de los n terminos 1', - donde es el estimador de Theil.
Este estimador se recomienda cuando el investigador no se inclina a suponer que
los terminos de error se distribuyen en forma simetrica alrededor de O. 8i el inves
tigador se inclina a suponer que existe una distribucion simetrica de los terminos
de error, Dietz recomienda el estimador a
2M
, el cual es la mediana de los prome
dios por pares n(n + 1)/2 de los Y
i
...;. EI ejemplo siguiente ilustra el
calculo de cada uno de los estimadores.
EJERCICIOS 719
FJEMPLO 13.11.2
Con los datos del ejemplo 13.11.1, calcule <XrN Y <X2N a partir dc:ilos datos corres
pondientes a los niveles de testosterona Y acido cftrieo.
Soluci6n: Los terminos ordenados Y
i
.487&:;, son: 13.5396, 24.6362, 39.3916,
48.1730,54.8804,59.1500, 91.7100y 98.7810. Lamediana, 51.5267 es
el estimador <X
rN
.
Los 8(8+ 1)/2=36 pares de promedios ordenados de Y; - .4878x
i
son:
13.5396 49.2708 75.43
19.0879 51.5267 76.8307
24.6362 52.6248 78.9655
26.4656 53.6615 91.71
30.8563 54.8804 95.2455
32.0139 56.1603 98.781
34.21 57.0152
36.3448 58.1731
36.4046 59.15
39.3916 61.7086
39.7583 65.5508
41.8931 69.0863
43.7823 69.9415
47.136 73.2952
48.173 73.477
La mediana de estos promedios, 53.l432, es el estimador <X
2N
Por 10
tanto, la ecuaei6n de estimaei6n es Y
i
= 53.1432 + .4878x
i
si la inc1ina
ei6n es suponer que la distribuci6n de los terminos de error es simetrica
alrededor de O. Si no hay inclinaci6n a suponer tal simetrfa, entonees la
ecuaci6n de estimaei6n es Yj 51.5267 + .4878x
j

EJERCICIOS
13.11.1 Los siguientes datos corresponden a la frecuencia cardiaca (Fe: latidos por minuto) y a los
valores del consumo de oxigeno (V02:caVkg/24 h) de nueve nifios con insuficiencia cardiaca
congestiva.
FC(X): 163 164 156 151 152 167 165 153 155
Vo
2
(y): 53.9 57.4 41.0 40.0 42.0 64.4 59.1 49.9 43.2
Calcule ~ , <XIN y <X
2N

13.11.2 Los siguientes datos corresponden al peso corporal (gramos) ya la superficie corporal total
(cm2) de nueve animales de laboratorio:
Peso corporal (X): 660.2, 706.0, 924.0, 936.0, 992.1, 888.9, 999.4, 890.3, 841.2
Superficie corporal (Y): 781.7,888.7, 1038.1, 1040.0, 1120.0, 1071.5, 1134.5,965.3,925.0
Calcule el estimador de la pendiente y dos estimadores de la ordenada al origen.
13.12 RESUMEN
En este capitulo se estudian las plUebas estadisticas no parametricas. Estas pruebas
se pueden utilizat cuando los supuestos que fundamentan las plUebas parametricas
no secumplen 0 cuando los datos que se han de analizar son medidos en una escala
muy debil para los procedimientos aritmeticos necesarios que requieren las prue
bas parametricas.
Se describen e ilustran nueve plUebas no parametricas. Con excepci6n de
la plUeba de bondad de ajuste de Kolgomorov-Smirnov, cad a prueba constituye
una alternativa no parametrica a una prueba parametrica bien conocida. Exis
ten otras plUebas no parametricas. Ellector interesado puede consultar muchas de
las obras dedicadas a los metodos no parametricos, entre las que se incluyen las
de Gibbons (14) y Pett (15).
PREGUNTAS YEJERCICIOS DE REPASO
1. Defina las estadisticas no parametricas.
2. significa el termino prueba estadistica de libre distribucion?
3. son las ventajas de las pruebas estadisticas no parametricas?
4. cCm'iles son algunas de las desventajas de las pruebas no parametricas?
5. Describa una situaci6n del area de interes particular del estudiante dondecada una de las
siguientes pruebas pueda utilizarse. Uti lice datos reales 0 ficticios para probar una hip6tesis
adecuada mediante cada prueba.
a) La pruebadel signo
b) La prueba de la mediana
c) La prueba de Wilcoxon
d) La prueba de Mann-Whitney
e) La prueba de bondad de ajuste de Kolmogorov-Smirnov
f) EI analisis unilateral de la variancia por jerarqufas de Kruskal-Wlllis
g) EI analisis bilateral de la variancia por jerarquias de Friedman
h) EI coeficiente de correlad6n por jerarqufas de Spearman
i) Ani.ilisis de regresi6n no parametrico
6. La siguiente tabla indica las jerarquias de edades (X) de 20 pacientes de cirugia y la dosis (Y)
de un analgesico necesario para bloquear un segmento de la columna vertebral.
Jerarquia J erarquia de los
deedad en reqnerimientos
aftos (X) de dosis (1')
1 1
2 7
3 2
4 4
Jerarquia Jerarquia de los
de edad en requerimientos
aDos (X) de dosis (1')
11 13
12 5
13 11
14 16
(ContinUa)
721 PREGUNTAS Y EJERCICIOS DE REPASO
Jerarquia J erarquia de los
de edadeu requerimientos
aflos (X) de dosis (Y)
5 6
6 8
7 3
8 15
9 9
10 12
Jerarquia Jerarquia de los
de edad en requerimientos
aflos (X) de dosis (Y)
15 20
16 18
17 19
18 17
19 10
20 14
Calcule r, Y efectiie la prueba bilateral de significaci6n. Sea a = .05. Determine el valor de p
para esta prueba.
7. Se reunieron los siguientes datos acerca del funcionamiento pulmonar en ninos con distrofia
muscular, antes y despues de un periodo de terapia respiratoria. Los resultados se expresan
como porcentajes de los valores normales pronosticados por estatura, peso y medida de la
superficie corporaL
Capacidad pulmonar forzada
Antes: 74 65 84 89 84 65 78 86 83 82
Despues: 79 78 100 92 104 70 81 84 85 90
Utilice la prueba del signo para determinar si la terapia es eficaz. Sea a = .05. (Cual es el
valor dep?
8. Se compararon tres metodos para reducir, con el bano, la flora bacteriana de la pieL Se
efectu6 un conteo de bacterias en el pie derecho de las personas antes y despues del trata
miento. La variable de interes fue el porcentaje de disminuci6n de las bacterias. Veintisiete
estudiantes de enferrneria participaron voluntariamente en el experirnento. Los tres rneto
dos de bano del pie fueron centrifugaci6n del agua, aspersi6n y rernojo. Los resultados son
los siguientes:
Centrifugado Aspersion Remojo
91 80 18 16 6 10
87 92 22 15 6 12
88 81 20 26 8 5
84 93 29 19 9 9
86 25 13
ms posible conduir, con base en estos datos, que los tres rnetodos no son igualrnente efica
ces? Sea a = .05. '::Cu:H es el valor de p para esta prueba?
9. Diez personas con asma bronquial participaron en un experimento para estimar la eficacia
relativa de tres medicamentos. La siguiente tabla muestra el cambio en el VEFj (volumen
espiratorio forzado en I segundo), en litros, dos horas despues de la administraci6n del
medicamento.
Medicamento
Individuo A B C
1
2
3
4
5
.00
.04
.02
.02
.04
.13
.17
.20
.27
.11
.26
.23
.21
.19
.36
Medicamento
Individuo A B C
6
7
8
9
10
.03
.05
.02
.00
.12
.18
.21
.23
.24
.08
.25
.32
.38
.30
.30
eSon suficientes estos datos para indicar que existe una diferencia en la eficacia de los medi
camentos? Sea a =.05. (Cmil es el valor de p para esta prueba?
10. Se estudiaron los sueros de dos grupos de personas, despues de sufrir una infecci6n por
estreptococos, para observar la acci6n neutralizante de los anti cuerpos ante la estreptolisina
o (AEO). Los resultados son los siguientes:
AEO (medidas en unidades Todd)
GrupoA Grupo B
324 558
275 108
349 291
604 863
566 303
810 640
340 358
295 503
AEO (medidas en unidades Todd)
GrupoA GrupoB
357 646
580 689
344 250
655 540
380 630
503 190
314
2Proporcionan estos datos la evidencia suficiente para indicar una diferencia en las media
nas de las poblaciones? Sea a = .05. 2CuaI es el valor de ppara esta prueba? Utilice Ia prueba
de la mediana y la prueba de Mann-Whitney, y compare los resultados obtenidos.
11. Los siguientes valores Pa
ca
(mm Hg) de 16 pacientes con enfermedad broncopulmonar:
2
39,40,45,48,49,56,60,75,42,48,32,37,32,33,33,36
Utilice la prueba de Kolmogorov-Smirnov para probar la hip6tesis nuia de que los valores de
Paco de la poblaci6n muestreada siguen una distribuci6n normal con IJ. 44 Y(j' 12.
2
12. La siguiente tabla muestra los consumos de calorias (cal!dia/kg) y de oxfgeno V0
2
(ml!min/kg)
de 10 infantes.
Consumo
de calorias (X) Vo
2
(y)
50 7.0
70 8.0
90 10.5
120 11.0
40 9.0
Consumode
calorias (X) Vo
2
(y)
100 10.8
150 12.0
100 10.0
75 9.5
160 11.9
Pruebe la hip6tesis nula de que las dos variables son mutuamente independientes, contra la
hipotesis alternativa de que estan relacionadas directamente. Sea a = .05. es el valor
de ppara esta prueba?
13. Los siguientes datos corresponden a los niveles de estriol (mglespecimen de orina de 24
horas) de 16 mujeres embarazadas y el peso (en gramos x 100) de los bebes recien nacidos.
Niveles Peso a1 Niveles Peso al
de estriol nacer de estriol nacer
15 31 17 34
17 31 17 29
17 32 17 28
18 31 15 28
20 32 10 26
22 31 26 33
25 32 28 35
16 33 25 39
Pruebe la hipotesis nula de que las dosvariables son mutuamente independientes, contra la
hipotesis alternativa de que estan directamente relacionadas. La probabilidad de cometerun
error del tipo I es de .05. es el valor de p?
14. Los siguientes datos corresponden a los promedios de las calificaciones (PC) de 12 estudian
tes que recibieron el grado de B.S. en enfermeria y sus calificaciones obtenidas en el examen
de certificaci6n estatal (ECE).
PC: 2.5 2.2 3.0 2.8 2.8 2.5 2.3 3.1 3.7 2.9 2.7 2.4
ECE: 84 85 91 83 87 89 86 95 93 79 90 85
(Es posible concluir, en un nivel de significaci6n de .05, que las dos variables no son mutua
mente independientes? es el valor de p para esta prueba?
En cada uno de los ejercicios del 15 al 29, realice una 0 mas de las siguientes acciones segiln
corresponda:
a) ApJique una 0 mas de las tecnicas estudiadas en estecapitulo.
b) Aplique una 0 mas de las tecnicas estudiadas en los capftulos anteriores.
c) Formule hip6tesis trascendentes, apIique pruebas adecuadas y caIcule los valores de p.
d) Establezca decisiones estadfsticas y condusiones cHnicas que esten justificadas por las
pruebas de hip6tesis.
e) Describa las poblaciones donde las inferencias pueden ser validas.
f) Establezca los supuestos necesarios para que el analisis sea v ~ H i d o .
15. EI prop6sito de un estudio realizado por Damm et at. (A-14) era investigar la sensibilidad y la
secreci6n de insulina en mujeres con diabetes gestacional previa (DMG). Los individuos eran
12 mujeres de peso normal, con tolerancia a la glucosa (edad media, 36.6 aiios; desviaci6n
estandar, 4.16) y diabetes gestacional previa, as! como 11 individuos de control (edad media,
35 aiios; desviaci6n estandar, 3.3). Entre los datos recolectados estin los siguientes valores
de insulina en el plasma (mmol/l), registrados en los individuos en ayuno. Utilke la prue
ba de Mann-Whitney para determinar si es posible conduir, con base en estos datos, que
las dos poblaciones representadas difieren con respecto al nivel promedio de insulina en el
plasma (en ayuno).
Controles PreviaDMG
46.25
40.00
31.25
38.75
41.25
38.75
30.00
41.25
56.25
45.00
46.25
46.25
Controles PreviaDMG
40.00
30.00
51.25
32.50
43.75
31.25
56.25
61.25
50.00
53.75
62.50
FUENTE: Utilizada con autorizaci6n del Dr. Peter Damm.
16. Gutin et at. (A-15) comparo tres medidas de la composicion corporal, que indufan absortometria
de energfa dual con rayos X (ADX). Los individuos eran niiios aparentemente sanos (21
niiios y 22 niiias) con edades entre nueve y II aiios. Entre los datos recolectados estan las
siguientes mediciones de los compartimientos de composicion corporal por ADX. Los investi
gadores estaban interesados en la correlaci6n entre todos los pares posibles para esas variables.
Contenido Tejido
Porcentaje Volumen Volumen libre de minerales blando
de grasa de grasa de grasa 6seos libre de grasa
11.35 3.8314 29.9440 1.19745 28.7465
22.90 6.4398 21.6805 0.79250 20.8880
12.70 4.0072 27.6290 0.95620 26.6728
42.20 24.0329 32.9164 1.45740 31.4590
24.85 9.4303 28.5009 1.32505 27.1758
26.25 9.4292 26.4344 1.17412 25.2603
23.80 8.4171 26.9938 1.11230 25.8815
37.40 20.2313 33.8573 1.40790 32.4494
14.00 3.9892 24.4939 0.95505 23.5388
19.35 7.2981 30.3707 1.45545 28.9153
29.35 11.l863 26.8933 1.17775 25.7156
18.05 5.8449 26.5341 1.13820 25.3959
(Continua)
Contenido Tejido
Porcentaje Volumen Volumen libre de minerales blando
de grasa de grasa de grasa 6seos libre de grasa
13.95 4.6777 28.9144 1.23730 27.6771
32.85 13.2474 27.0849 1.17515 25.9097
11.40 3.7912 29.5245 1.42780 28.0967
9.60 3.2831 30.8228 1.14840 29.6744
20.90 7.2277 27.3302 1.24890 26.0813
44.70 25.7246 31.8461 1.51800 30.3281
17.10 5.1219 24.8233 0.84985 23.9734
16.50 5.0749 25.7040 1.09240 24.6116
14.35 5.0341 30.0228 1.40080 28.6220
15.45 4.8695 26.6403 1.07285 25.5674
28.15 10.6715 27.2746 1.24320 26.0314
18.35 5.3847 23.9875 0.94965 23.0379
15.10 5.6724 31.9637 1.32300 30.6407
37.75 25.8342 42.6004 1.88340 40.7170
39.05 19.6950 30.7579 1.50540 29.2525
22.25 7.2755 25.4560 0.88025 24.5757
15.50 4.4964 24.4888 0.96500 23.5238
14.10 4.3088 26.2401 1.17000 25.0701
26.65 11.3263 31.2088 1.48685 29.7219
20.25 8.0265 31.5657 1.50715 30.0586
23.55 10.1197 32.8385 1.34090 31.4976
46.65 24.7954 28.3651 1.22575 27.1394
30.55 10.0462 22.8647 1.01055 21.8541
26.80 9.5499 26.0645 1.05615 25.0083
28.10 9.4096 24.1042 0.97540 23.1288
24.55 14.5113 44.6181 2.17690 42.4412
17.85 6.6987 30.8043 1.23525 29.5690
20.90 6.5967 24.9693 0.97875 23.9905
33.00 12.3689 25.1049 0.96725 24.1377
44.00 26.1997 33.3471 1.42985 31.9172
19.00 5.0785 21.6926 0.78090 20.9117
FUENTE: Utilizada con la autorizaci6n del Dr. Mark Litaker.
17. EI objetivo de un estudio realizado por Crim et al. (A-16) era conocer la funci6n potencial del
anaIisis de flujo citometrico del fluido dellavado broncoalveolar para el diagn6stico de re
chazo agudo pulmonar. Los investigadores se dieron cuenta de que estudios anteriores suge
rian una asociaci6n de rechazo agudo pulmonar con aumento de linfocitos CD8+, ye1 aumento
de manifestaciones de antigenos tipo (HLA)-DR de antigenos humanos de linfocitos y el au
mento del receptor interleuquina 2 (IL-2R). Los grupos de individuos estaban formados por
pacientes que habian recibido transplante de pulm6n (TP) y no tenlan pruebas histo16gicas
que evidenciaran rechazo 0 infecci6n, individuos normales v01untarios (NORM), v01untarios
sanos que habian recibido el transplante de coraz6n (TC), y pacientes con transplante de
pulmon que experimentaban rechazo agudo del organo transplantado (RA). Entre los datos
recolectados estan los siguientes porcentajes de linfocitos obtenidos en e11avado bronco al
veolar, CD8+ que tambien se manifestaron IL-2R, que se observaron en los cuatro grupos.
NORM TC TP RA
0 0 1 6 12
2 0 0 6 0
1 5 5 8 9
0 4 0 16 7
0 6 0 24 2
2 0 5 5 6
3 0 18 3 14
0 4 2 22 10
0 8 2 10 3
1 8 8 0 0
0 8 0
7 3 1
2 4 1
5 4 0
1 18 0
0 4
FUENTE: Utilizada can autorizaci6n del Dr. Courtney Crim.
18. Ichinose et aI. (A-17) estudiaron la intervenci6n de las taquicininas end6genas en la construc
ci6n de las vias respiratorias producida por el ejercicio en pacientes con asma, por medio de
la FK-888, un antagonista selectivo del receptor 1 de neurocinina. Nueve individuos (ocho
varones y una mujer), con edades entre 18 y 43 alios, con al menos 40 por ciento de reduc
cion en la conductancia espedfica de las vias respiratorias participaron en el estudio. Los
siguientes datos corresponden al consumo de oxigeno (m1/min) para los individuos en repo
so y durante e1 ejercicio mientras segufan un tratatmiento con placebo y FK-888.
Placebo FK-888
En reposo Ejercicio Enreposo Ejercicio
303
288
285
280
295
270
274
185
364
2578
2452
2768
2356
2112
2716
2614
1524
2538
255
348
383
328
321
234
387
198
312
2406
2214
3134
2536
1942
2652
2824
1448
2454
FUENTE: Utilizada can autorizaci6n del Dr. Kunio Shirato.
727 PREGlJl\"TAS Y EJERCICIOS DE REPASO
19. El factor a de transformacion del crecimiento (fGFa), de acuerdo con Tomiya y Fujiwara
(A-18),juega un papel en la progresion maligna as! como en el crecimiento de celulas nor
males en una manera autosecretativa, y se ha visto que sus niveles sericos aumentan durante
dicha progresion. Estos investigadores desarrollaron un ensayo inmunoabsorbente ligado a
encimas (EISLE) para medir los niveles sericos de TGFa en el diagnostico de carcinomas
hepatocelulares (CHC) complicadas con cirrosis. En un estudio donde evaluaron la significa
cion de los niveles de TGFa en el suero con propositos de diagnostico, recolectaron las
siguientes mediciones de las pruebas de funcionamiento hepatico, TGFa (pg/ml) y a
fetoprotefna serica (AFP) (ng/ml) en pacientes con carcinoma hepatocelular.
TGFa. AFP TGFa. AFP
32.0 12866
65.9 9
25.0 124.3
30.0 9
22.0 610
40.0 238
52.0 153
28.0 23
11.0 28
45.0 240
29.0 66
45.0 83
21.0 4
38.0 214
44.0
75.0
36.0
65.0
44.0
56.0
34.0
300.0
39.0
82.0
85.0
24.0
40.0
9.0
23077
371
291
700
40
9538
19
11
42246
12571
20
29
310
19
TGFa. AFP TGFa. AFP
100.0
12.0
32.0
98.0
20.0
20.0
9.0
58.0
39.0
479 15.0 921
47 34.0 118
177 lOO.O 6.2
9 26.0 19
1063 53.0 594
21 140.0 lO
206 24.0 292
32 20.0 11
628 35.0 37
52.0 35
50.0 742
95.0 lO
18.0 291
FUENTE: Utilizada con autorizaci6n del Dr. Kenji Fujiwara.
20. El objetivo de un estudio realizado por Sakhaee et al. (A-19) es averiguar la cantidad de alumi
nio (Al) en el cuerpo utilizando el aumento de aluminio serico y urinario despues de administrar
deferoxamina intravenosa (DFO) en pacientes con calculos renales y mujeres osteoporosicas
sometidos a tratamientos de largo plaza con citrato de potasio (KsCit) Y decitrato tricalcico
(Ca
s
Cit
2
), respectivamente. Los inrlividuos eran 10 pacientes con nefrolitiasis y cinco pacien
tes con osteoporosis que se habfan mantenido con citrato de potasio 0 citrato de calcio de
dos a ocho alios, respectivamente, ademas de 16 voluntarios sin antecedentes de uso regu
lar de antiacido que contuviera aluminio. Entre los datos recolectados estan las mediciones
C!..lg/dia) de excreci6n de aluminio en orina de 24 horas, antes (PRE) y despues (POST) de
una infusi6n de dos horas de DFO.
Grupo PRE POST
Control 41.04 135.00
Control 70.00 95.20
Control 42.60 74.00
Control 15.48 42.24
Control 26.90 104.30
Control 16.32 66.90
Control 12.80 10.68
Grupo
Control
Control
Control
Control
Control
Control
Control
PRE POST
9.39
10.72
16.48
10.20
11.40
8.16
14.80
12.32
13.42
17.40
14.20
20.32
12.80
62.00
(ContinUa)
728 CAPiTULO 13 ESTADISTICANO PARAMETRICA
Grupo PRE POST
Control
Control
Paciente
Paciente
Paciente
Paciente
Paciente
Paciente
Paciente
68.88
25.50
0.00
2.00
4.89
25.90
19.35
4.88
42.75
46.48
73.80
14.16
20.72
15.72
52.40
35.70
70.20
86.25
Grupo PRE POST
Paciente
Paciente
Paciente
Paciente
Paciente
Paciente
Paciente
Paciente
15.20 27.15
8.70 38.72
5.52 7.84
13.28 31.70
3.26 17.04
29.92 151.36
15.00 61.38
36.80 142.45
FUENTE: Utilizada con autorizacion del Dr. Khashayar Sakhaee.
21. EI proposito de un estudio realizado por Dubuis et al. (A-20) era determinar si el deficit
neurofisiologico de niftos con una forma severa de hipotiroidismo congenito puede 0 no
evitarse mediante el inicio de una terapia mas temprana y dosis mayores de levotiroxina. Los
individuos eran 10 niftos (de 3 a 24 dfas de nacidos) con hipotiroidismo congenito severo y
35 nifios (con edades de 2 a 10 dfas) con hipotiroidismo congenito moderado. Entre los
datos recolectados estan las siguientes mediciones del nivel plasmatico de T4 (nmol/I):
Casos severos Casos moderados
T4
Sexo (nmoI!l) Sexo
T4
(nmoI!l) Sexo
T4
(nmoI!l)
M 16
M 57
M 40
F 50
F 57
F 38
F 51
F 38
M
*
F 60
F
F
F
F
F
F
F
F
F
M
M
M
F
F
F
F
20
34
188
69
162
148
108
54
96
76
122
43
40
29
83
62
F
M
F
F
F
F
F
F
F
F
M
F
M
M
M
M
M
F
62
50
40
116
80
97
51
84
51
94
158
*
47
143
128
112
III
84
M 55
*= Dato faltante.
FUDITE: Utilizada con autorizacion del Dr. Guy van Vliet.
22. Kuna et al. (A-21) condujeron un estudio relacionado con las quimiocinas en la rinitis aIer
gica estacional. Estudiaron a 18 individuos atopicos con problemas de rinitis alergica tem
poral causada por el polen de plantas. Entre los datos recolectados de estos individuos estan
las siguientes mediciones de histamina y protefna eosinofila cationica (PCE).
PCE (ng/mt)
511.0
388.0
14.1
314.0
74.1
8.8
144.0
56.0
205.0
Histamina (ng/ml)
31.2
106.0
37.0
90.0
29.0
87.0
45.0
151.8
86.0
PCE (ng/ml)
25.3
31.1
325.0
437.0
277.0
602.0
33.0
661.0
162.0
Histamina (ng/ml)
5.6
62.7
138.0
116.0
70.6
184.0
8.6
264.0
92.0
FUENTE: Utilizada con autorizaci6n del Dr. Allen P. Kaplan.
23. El prop6sito de un estudio realizado por Kim et al. (A-22) era investigar los cambios en serie en
los niveles lipoproteicos Lp(a) con la perdida de hormonas sexuales femeninas en mujeres
con menopausia quirfugica y terapia de sustitucion de estrogenos. Los individuos estudiados
eran 44 mujeres premenopausicas que se sometieron a histerectomia transabdominal. Treinta
y una de las mujeres tenian la histerectomia y salpingo-oforectomia unilateral (SOD), y 13
tenian la histerectomia y salpingo-oforectomia bilateral (SOB). Las mujeres tenian entre 30 y
53 afios de edad. Los individuos en el grupo SOB recibieron .625 mg de estrogeno equino
conjugado diariamente durante dos meses despues de la operacion. Los siguientes datos co
rresponden a los niveles de co1estero1 total antes (CTO), dos meses despues (CT2) y cuatro
meses despues (CT4) del procedimiento quirurgico y 1a terapia de sustitucion hormonal.
SOU SOB
Individuo CTO CT2 CT4 Individuo CTO CT2 CT4
1 202 203 196 23 140 175 167
2 204 183 203 24 167 186 195
3 206 199 192 25 134 131 135
4 166 180 176 26 163 190 185
5 150 171 154 27 196 183 192
6 137 134 129 28 181 194 208
7 164 168 171 29 160 162 181
8 207 249 223 30 188 200 181
9 126 121 140 31 172 188 189
10 131 141 167 32 224 218 239
11 133 159 149 33 202 196 231
12 142 152 140 34 181 182 208
13 225 193 180 35 191 230 208
14 158 182 179 36 248 284 279
(ContinUa)
SOU SOB
Individuo CTO CT2 CT4 Individuo CTO CT2 CT4
15 184 177 182 37 224 228 199
16 223 244 234 38 229 318 272
17 154 178 187 39 147 199 194
18 176 137 162 40 248 258 302
19 205 253 288 41 160 218 229
20 167 156 136 42 175 187 166
21 164 176 191 43 262 260 247
22 177 168 185 44 189 199 181
FUENTE: Utilizada con autorizad6n del Dr. CheeJeong Kim.
24. Velthuis et at. (A-23) condujeron un estudio para evaluar si la combinaci6n de capas de hepari
na inmoviIizada pasivamentey la heparinizaci6n normal pueden reducir la activaci6n del com
plemento en pacientes sometidos a intervenci6n quirurgica cardiaca. Los investigadores se
dieron cuenta de que los circuitos extracorporales con capas de heparina reducen la activa
ci6n de complemento durante operaciones cardiacas, pero que existe poca informaci6n in
vivo respecto a la reducci6n de la activaci6n por la via alternativa y clasica. La activaci6n de
complemento inicia una respuesta inflamatoria sistemica durante y despues de operaciones
cardiacas, Yjle asocia con acontecimientos fisiopatol6gicos como depresi6n cardiaca posopera
toria, derrames capilares pulmonares y hem6lisis. Los individuos estudiados eran 20 pacientes
sometidos a injerto con derivaci6n cardiopulmonar (DCP) electiva seleccionados aleatoria
mente para ser tratados con circuitos extracorporales de capas de heparina (H) 0 con circui
tos sin capas (S). Entre los datos recolectados esran las siguientes concentraciones plasmaticas
del complejo de complemento terminal (SC5b-9) al inicio, diez minutos despues de comenzar
la DCp, al terminar la DCp, y despues de la administraci6n de sulfato de protamina:
Paciente Tratamiento Inicial IOminDCP FinDCP Protamina
1 S 0.37 0.81 l.88 2.12
2 S 0.48 0.73 3.28 3.31
3 S 0.48 0.42 2.94 1.46
4 H 0.37 0.44 1.28 3.82
5 H 0.38 0.31 0.50 0.68
6 S 0.38 0.43 1.39 5.04
7 H 0.46 0.57 1.03 1.29
8 H 0.32 0.35 0.75 1.10
9 S 0.41 0.94 1.57 2.53
10 S 0.37 0.38 2.07 1.69
11 H 0.48 0.33 1.12 1.04
12 H 0.39 0.39 1.69 1.62
13 S 0.27 0.41 1.28 2.26
14 H 0.51 0.27 1.17 1.05
15 H 0.97 0.75 1.82 1.31
(ContinUa)
Paciente Tratamiento Inicial 10 min DCP FinDCP Protamina
16 S 0.53 1.57 4.49 2.15
17 S 0.41 0.47 1.60 1.87
18 S 0.46 0.65 1.49 1.24
19 H 0.75 0.78 1.49 1.57
20 H 0.64 0.52 2.11 2.44
FIJENTE: Utilizada con autorizaci6n del Dr. Henk te Velthuis.
25. Heijdra et al. (A-24) aseguran que muchos pacientes con enfermedad pulmonar obstructiva
cr6nica tienen baja saturaci6n de oxigeno arterial durante la noche. Los investigadores condu
jeron un estudio para determinar si existen relaciones causales entre Ia disfunci6n muscular
respiratoria y la saturacion nocturna. Los iridividuos eran 20 pacientes (cinco mujeres y 15
varones) con enfermedad pulmonar obstructiva cr6nica a quienes aleatoriamente se les asigno
que recibieran entrenamiento muscular inspiratorio para un mejor flujo de aire (EMI-MFA) al
60 por ciento de presion maxima de inspiracion por la boca (PI
m
;\,) 0 EMI-MFA sustituta al10
por ciento de PI
m
"," Entre los datos recolectados estan los siguientes tiempos de resistencia
(tiempo, en s) para cada individuo alinicio del entrenamiento y 10 semanas despues:
Tiempo (s) EMIMFA Tiempo (s) EMIMFA
60%Pl
m
:ix 10%P1m:ix
Semana 0 Semana 10 SemanaO Semana 10
330
400
720
249
144
440
440
289
819
540
544
590
624
330
369
789
459
529
1099
930
430
400
900
420
679
522
116
450
570
199
476
320
650
330
486
369
110
474
700
259
FIJENTE: Utilizada con autorizaci6n de la Dra. Yvonne F. Heijdra.
26. Wolkin et al. (A-25) establecieron tres objetivos para un estudio que consisda en determinar
a) los efectos de un tratamiento por mas de tres meses con haloperidol en el metabolismo
cerebral de pacientes esquizofrenicos, b) la relacion entre los sintomas negativos y los cam
bios locales producidos por eI haloperidol en la utilizacion de glucosa cerebral y c) la relacion
entre los cambios metabolicos y los efectos antipsic6ticos clinicos. Los individuos examina
dos eran 18 pacientes internos de un hospital para veteranos de guerra (10 negros, cinco
blancos y tres hispanos) con descompensacion esquizofrenica aguda 0 cr6nica. Los indivi
duos tenfan entre 26 y 44 anos de edad, y la duracion de su enfermedad estaba entre siete y
27 afios. Entre los datos recolectados estan las siguientes calificaciones pretratamiento de la
subprueba de sustituci6n de sfmbolos por digitos de Ia WAlSeR (DSYIRW) y las mediciones
de los cambios provocados por el haloperidol en la corteza dorsolateral izquierda absoluta
prefrontal (DLLA3Vl) y en la corteza dorsolateral derecha absoluta prefrontal (DLRA3Vl),
en unidades de flIIlol de glucosa/1OO g de tejido/min:
732 CAPITULO 13 ESTADISTICA NO PARAlVIETRICA
DSYIRW DLLA3VI DLRA3VI DSYIRW DLLA3VI DLRA3VI
47 -7.97
16 -8.08
31 -lO.15
34 -5.46
22 -17.12
70 -12.12
59 -9.70
41 -9.02
0 4.67
-17.17
-9.59
-11.58
-2.16
-12.95
-13.01
-12.61
-7.48
7.26
18
0
29
17
38
64
52
50
62
-4.91 -9.58
-1.71 .40
-4.62 -4.57
9.48 11.31
-6.59 -6.47
-12.19 -13.61
-15.13 -11.81
-10.82 -9.45
-4.92 -1.87
FUENTE: Utilizada con autorizaci6n del Dr. Adam Wolkin.
27. El prop6sito de un estudio realizado por Maltais et at. (A-26) era comparar y correlacionar
el incremento de acido Mctico arterial (La) durante el ejercicio y la capacidad oxidante del
musculo esqueletico en pacientes con enfermedad pulmonar obstructiva cr6nica (EPOC) e
individuos de control (C). En cada grupo habia nueve individuos. La edad media de los
pacientes era de 62 anos con una desviaci6n estandar de 5. Los individuos de control tenfan
una edad media de 54 aiios con desviaci6n estandar de 3 aiios. Entre los datos recolectados
estan los valores de la actividad de fosfofructocinasa (FFC) hexocinasa (HC) y deshidrogenasa
lactica (DHL) para los dos grupos.
FFC HC DHL
C EPOC C EPOC C EPOC
106.8 49.3 2.0 2.3 241.5 124.3
19.6 107.1 3.2 1.4 216.8 269.6
27.3 62.9 2.5 1.0 105.6 247.8
51.6 53.2 2.6 3.6 133.9 200.7
73.2 105.7 2.4 1.3 336.4 540.5
89.6 61.3 2.4 2.9 131.1 431.1
47.7 28.2 3.5 2.2 241.4 65.3
113.5 68.5 2.2 1.5 297.1 204.7
46.4 40.8 2.4 1.6 156.6 137.6
FUEI>'TE: Utilizada con autorizaci6n del Dr. Fraw;;ois Maltais.
28. Torre et at. (A-27) realizaron un estudio para determinar los niveles sericos de nitrito en pa
cientes pediatricos infectados por e1 virus tipo 1 de inmunodeficiencia humana (VIH-l). Los
individuos investigados induian 10 ninos de control sanos (6 ninos y 4 nifias), con edad media
de 9.7 aiios y desviaci6n estandar de 3.3. Los demas individuos eran 21 ninos que nacieron
infectados por el VIH-L De estos, siete (3 ninos y 4 ninas) estaban afectados por e1 SIDA; sus
edades promediaban 6 anos con una desviaci6n estandar de 2.8 anos. Los restantes 14 ninos (7
ninos y 7 nifias) se volvieron seronegativos para e1 VIH-l durante el primer ano de vida. Entre
los datos recolectados estan los siguientes nive1es de nitrato en el suero (!lffiol/l):
BIBLIOGRAFiA 733
Controles Ninos seronegativos Padentes VlRl positivos
n =10 n =14 n=7
0.301
0.167
0.201
0.234
0.268
0.268
0.201
0.234
0.268
0.30]
0.335
0.986
0.846
1.006
2.234
1.006
0.803
0.301
0.936
0.268
0.134
0.335
0.167
0.234
0.503
0.268
0.335
0.946
0.846
0.268
0.268
FUENTE: Utilizada can autorizad6n del Dr. Donato Torre.
29. Seghaye et al. (A-28) analizaron la influencia de dosis bajas de aprotinina sobre la activacion
del complemento, estimulaci6n de leucocitos, producci6n de citoquina y respuestas de fase
aguda en ninos sometidos a operaciones cardiacas. El criterio de inclusion para el estudio
fue un defecto cardiaco congenito no cian6tico que requeria de un procedimiento quirurgico
primario relativamente senciIlo asociado con riesgos posoperatorios bajos. Entre los datos
recolectados est{m las siguientes mediciones de interleuquina-6 (IL-6) y proteina C reactiva
(PCR) que se obtuvieron 4 y 24 horas despues de la operaci6n, respectivamente:
IL6 peR IL6 peR IL6 peR
122
203
458
78
239
165
32
39
63
7
62
22
467
421
421
227
265
97
53
29
44
24
31
12
215
415
66
58
213
50
41
12
14
9
FUENTE: Utilizada can autorizaci6n de la Dra. Marie-Christine Seghaye.
BmUOGRAFfA
Bibliograffa de metodologia
1. Frank Wilcoxon, "Individual Comparisons by Ranking Methods", Biometrics, 1,80-83.
2. A M. Mood, Introduction to the Theory of Statistic, McGraw-Hill, New York.
3. J. Westenberg, "Significance Test for Median and Interquartile Range in Samples from
Continuous Populations of Any Form", Proceedings Knninklijke Nederlandse Akademie van Wet
enschappen, 51,252-261
4. G."\IV: Brown and A. M. Mood, "On Median Tests for Linear Hypotheses", Proceedings of the
Second Berkeley Symposium on Mathematical Statistics and Probability, University of California
Press, Berkeley, 159-166.
5. H. B. Mann and D. R. Whitney, "On a Test of Whether One of Two Random Variables Is
Stochastically Larger than the Other", Annals ofMathematical Statistics, 18,50-60.
6. A. N. Kolmogorov, "Sulla Determinazione Empirial di una Legge di Distribuizione", Giornale
dell'lnstitute Italiano degli Altuari, 4, 83-91.
7. N. V. Smirnov, "Estimate of Deviation Between Empirical Distribution Functions in Two
Independent Samples" (en ruso), Bulletin Moscow University, 2, 3-16.
8. W. H. Kruskal y"\IV: A. Wallis, "Use of Ranks in One-Criterion Analysis ofVariance",journal of
the American Statistical Association, 47, 583-621; errata, ibid., 48,907-911.
9. M. Friedman, "The Use of Ranks to Avoid the Assumption of Normality Implicit in the
Analysis ofVariance " ,journal ofthe American Statistical Association, 32, 675-701.
10. M. Friedman, "A Comparison of Alternative Tests of Significance for the Problem of m
Rankings", Annals ofMathematical Statistics, II, 86-92.
11. C. Spearman, "The Proof and Measurement ofAssociation Between Two Things", American
journal ofPsychology, 15, 72-101.
12. H. Theil, HA Rank-Invariant Method of Linear and Polynomial Regression Analysis. III",
Koninklijke Nederlandse Akademie van Wetenschappen, Proceedings, Serle A, 53, 1397-1412.
13. E. Jacquelin Dietz, "Teaching Regression in a Nonparametric Statistic Course", The American
Statistician, 43,35-40.
14. Jean D. Gibbons, Nonparametric Methods for Quantitative Analysis, tercera edici6n, American
Sciences Press, Siracusa, NY.
15. MaIjorie A. Pett, Nonparametric Statistics for Health Care Research, Sage. Publications, Thousand
Oaks, CA.
Bibliografia de aplicaciones
A-I. M. Vaubourdolle, J. Guechot, O. Chazouilleres, R. E. Poupon y J. Giboudeau, "Effect of
Dihydrotestosterone on the Rate of Ethanol Elimination in Healthy Men", Alcoholism: Clinical
and Experimental Research, 15 (No.2), 238-240.
A-2. Hilton Davis, Amanda Stroud y Lynette Green, "Maternal Language Environment of Children
with Mental Retardation", American journal on Mental Retardation, 93, 144-153.
A-3. E Demotes-Mainard, G. Vin<;on, M. Amouretti, E Dumas,j. Necciari, G. Kieffery B. Begaud,
"Pharmacokinetics and Protein Binding of CefpiraInide in Patients with Alcoholic Cirrhosis",
Clinical Pharmacology and Therapeutics, 49, 263-269.
A-4. Y. Lebranchu, G. Thibault, D. Degenne y P. Bardos, "Abnormalities in CD4+T Lymphocyte
Subsets in Patients with Common Variable Immunodeficiency", Clinical Immunology and
Immunopathology, 61, 83-92.
A-5. Mark C. Liu, Walter C. Hubbard, David Proud, Becky A. Stealey, Stephen j. Galli, Anne
Kagey-Sobotka, Eugene R. Bleeker y Lawrence M. Lichtenstein, "Immediate and Late
BIBLIOGRAFIA 735
Inflammatory Responses to Ragweed Antigen Challenge of the Peripheral Airways in Allergic
Asthmatics", American Review ofRespiratory Disease, 144, 51-58.
A-6. Gary C. Walker, Diana D. Cardenas, Mark R. Guthrie, Alvin McLean Jr. y Marvin M. Brooke,
"Fatigue and Depression in Brain-Injured Patients Correlated with Quadriceps Strength and
Endurance", Archives of Physical Medicine and Rehabilitation, 72, 469-472.
A-7. HendrikJ. Du Toit, Andre R. Coetzee y Derek O. Chalton, "HeparinTreatment in Thrombin
Induced Disseminated Intravascular Coagulation in the Baboon", Critical Care Medicine, 19,
1195-1200.
A-B. Antonio Tartaglione, Maria Laura Inglese, Fabio Bandini, Luciano Spadevecchia, Kerry
Hamsher y Emilio Favale, "Hemisphere Asymmetry in Decision Making Abilities: An Expe
rimental Study in Unilateral Brain Damage", Brain, 114, 1441-1456.
A-9. D. Warde, H. Nagi y S. Raftery, "Respiratory Complications and Hypoxic Episodes During
Inhalation Induction with Isoflurane in Children", Britishjournal ofAnaesthesia, 66, 327-330.
A-IO. Peter E. Ellis, Graham W. Mellsop, Ruth Beetson y Russell R. Cooke, "Platelet Tritiated
Imipramine Binding in Patients Suffering from Mania" ,journal ofAffictive Disorders, 22, 105
110.
A-II. Shay McAtee y Wendy Mack, "Relations Between Design Copying and Other Tests of Sensory
Integrative Dysfunction: A Pilot Study", The Americanjournal of Occupational Therapy, 44, 596
601.
A-12. Joan A. Barbera, Josep Roca, Josep Ramirez, Peter D. Wagner, Pietat Ussetti y Robert
Rodriguez-Roisin, "Gas Exchange During Exercise in Mild Chronic Obstructive Pulmonary
Disease: Correlation with Lung Structure", American Review of Respiratory Disease, 144, 520
525.
A-I3. Cheryl Miller y Ray Tricker, "Past and Future Priorities in Health Promotion in the United
States: A Survey of Experts", Americanjournal of Health Promotion, 5, 360-367.
A-14. Peter Damm, Henrik Vestergaard, Claus KOhl y OlufPedersen, "Impaired Insulin-Stimulated
Nonoxidative Glucose Metabolism in Glucose-Tolerant Women with Previous Gestational
Diabetes", Americanjournal of Obstetrics and Gynecology, 174,722-729.
A-I5. Bernard Gutin, Mark Litaker, Syed Islam, Tina Manos, Clayton Smith y Frank Treiber, "Body
Composition Measurement in 9-11-y-old Children by Dual-Energy X-Ray Absorptiometry,
Skinfold-Thickness Measurements, and Bioimpedance Analysis", Americanjournal of Clinical
Nutrition, 63, 287-292.
A-I6. Courtney Crim, Cesar A. Keller, Cherie H. Dunphy, Horacio M. Malufy Jill A. Ohar, "Flow
CytometricAnalysis of Lung Lymphocytes in Lung Transplant Recipients",Americanjournal
ofRespiratory and Critical Care Medicine, 153, 1041-1046.
A-I7. Masakazu Ichinose, Motohiko Miura, Hideyuki Yamauchi, Natsuko Kageyama, Masafumi
Tomaki, Tatsuya Oyake, Yuzuru Ohuchi, Wataru Hida, Hiroshi Miki, Gen Tamura y Kunio
Shirato, "A Neurokinin I-Receptor Antagonist Improves Exercise-Induced Airway Narrowing
in Asthmatic Patients", American journal of Respiratory and Critical Care Medicine, 153,936
941.
A-lB. Tomoaki Tomiya y Kenji Fujiwara, "Serum Transforming Growth Factor a. Level as a Marker
of Hepatocellular Carcinoma Complicating Cirrhosis", Cancer, 77, 1056-1060.
A-19. Khashayar Sakhaee, Lisa Ruml, Paulette Padalino, Sharon Haynes y Charles Y. C. Pak, "The
Lack of Influence of Long-Term Potassium Citrate and Calcium Citrate Treatment in Total
Body Aluminum Burden in Patients with Functioning Kidneys" ,Journal' ofthe American College
/ ofNutrition, 15,
A-20. jean-Michel Dubuis, Jacqueline Glorieux, Faisca Richer, Cheri L. Deal, JeanH. Dussault y
Guy Van Vliet, "Outcome ofSevere Congenital Hypothyroidism: Closing the Developmental
Gap with Early High Dose Levothyroxine Treatment", Journal of Clinical Endocrinology and
Metabolism, 81, 222-227.
A-2l. Piotr Kuna, Mark Lazarovich y Allen P. Kaplan, "Chemokines in Seasonal Allergic Rhinitis",
Journal ofAllergy and Clinical immunology, 97, 104-112.
A-22. CheeJeong Kim, Wang Seong Ryu,Ju Won Kwak, Chong Taik Park y Un Ho Ryoo, "Changes
in Lp(a) Lipoprotein and Lipid Levels Mter Cessation of Female Sex Hormone Production
and Estrogen Replacement Therapy", Archives ofinternal Medicine, 156, 500-504.
A-23. Henk te Velthuis, Piet G. M.Jansen, C. Erik Hack, Leon Eijsman y Charles R. H. Wildevuur,
"Specific Complement Inhibition with Heparin-Coated Extracorporeal Circuits", Annals of
Thoracic Surgery, 61, ll53-1157.
A-24. Yvonne F. Heijdra, P. N. Richard Dekhuijzen, Cees L. A. van Herwaarden y Hans Th: M.
Folgering, "Nocturnal Saturation Improves by Target-Flow Inspiratory Muscle Training in
Patients with COPD", AmericanJournal 'of Respiratory and Critical Care Medicine, 153, 2.60-265.
A-25. Adam Wolkin, Michael Sanfilipo, Erica Duncan, Burton Angrist, Alfred P. Wolf, Thomas B.
Cooper, Jonathan D. Brodie, Eugene Laska y John P. Rostrosen, "Blunted Change in
bral Glucose Utilization After Haloperidol Treatment in Schizophrenic Patients with Prominent
Negative Symptoms", AmericanJournal ofPsychiatry, 153,346-354.
A-26. Franc;ois Maltais, Andree-Anne Simard, Clermont Simard, Jean Jobin, Pierre Desgagnes y
Pierre LeBlanc, "Oxidative Capacity of the Skeletal Muscle and Lactic Acid Kinetics During
Exercise in Normal Subjects and in Patients with COPD", AmericanJournal ofRespiratory and
Critical Care Medicine, 153,288-293.
A-27. Donato Torre, Giulio Ferrario, Filippo Speranza, Roberto Martegani y Claudia Zeroli,
"Increased Levels of Nitrite in the Sera of Children Infectedwith Human Immunodeficiency
Virus Type 1 ", Clinicallnfectio'us Diseases, 22, 650-653.
A-28. Marie-Christine Seghaye, Jean Duchateau, Ralph G. Grabitz, KarstenJablonka, Tobias Wenzl,
Christiane Marcus, Bruno J. Messmer, y Goetz von Bernuth, "Influence ofLow-Dose Aprotinin
on the Inflammatory Reaction Due to Cardiopulmonary Bypass in Children", Annals ofThoracic
Surgery, 61,1205-1211.

Daniels Capítulo 13 Bioestadística: Base para El Análisis de Las Ciencias de La Salud - Daniel Wayne W

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Daniels Capítulo 13 Bioestadística: Base para El Análisis de Las Ciencias de La Salud - Daniel Wayne W

Diunggah oleh

Hak Cipta:

Format Tersedia

13.

Anda mungkin juga menyukai