Estadstica no Paramtrica La mayor parte de las pruebas de hiptesis hacen inferencia sobre parmetros de la poblacin, entre ellos la media

y la proporcin. Esas pruebas paramtricas utilizan los estadstico paramtricos de muestras que provienen de la poblacin que va a ser sometida a prueba. Para formular esas pruebas, hicimos suposiciones restrictivas sobre la poblacin de donde se sacaron las muestras eran grandes o que provenan de poblaciones distribuidas normalmente. Pero las poblaciones no siempre son normales. Y aun cuando una prueba de bondad de ajuste indique que una poblacin es aproximadamente normal, no siempre podemos estar seguros de que tengamos razn pues la prueba no es confiable 100%. Desde luego, se dan ciertas situaciones donde el ejemplo de la curva normal no es adecuado. En tales casos, necesitamos alternativas frente a la estadstica paramtrica y las pruebas especificas de hiptesis. Por fortuna los estadsticos han desarrollado tcnicas tiles que no hacen suposiciones sobre la forma de las distribuciones de poblacin. A estas se les conoce con el nombre de pruebas no paramtricas o, mas comnmente, sin distribucin. Las hiptesis de una prueba no paramtrica se ocupan de otra cosa que no es el valor de un parmetro de la poblacin. Se dispones de varias pruebas entre ellas: La prueba del signo de los datos pareados, cuando los signos positivos o negativos sustituyen a los valores cuantitativos. Una prueba de suma de rangos, a menudo denominada prueba U de MannWhitney, que puede emplearse para determinar si dos muestras independientes han sido tomadas de la misma poblacin. Usa mas informacin que la prueba del signo. Otra prueba de la suma de rangos, la de kruskal-wallis, que generaliza el anlisis de variancia para permitirnos prescindir de la suposicin de que las poblaciones estn distribuidas normalmente. La prueba de corridas con una muestra, mtodo que determina la aleatoriedad con que se haban seleccionado los elementos muestreados. La correlacin por rangos, mtodo con que se efecta el anlisis de correlacin cuando no se dispones de datos para utilizarlos en forma numrica, pero cuando la informacin es suficiente para clasificar por rangos los datos primero, segundo, tercero y as sucesivamente. La prueba de Kolmogorov-Smirnov, otro mtodo para determinar la bondad de ajuste entre una muestra observada y una distribucin terica de probabilidad.

Ventajas de los mtodos no paramtricos Los mtodos no paramtricos tienen varias ventajas muy notorias sobre los mtodos paramtricos. 1. No exigen hacer la suposicin de que una poblacin esta distribuida en la forma de una curva normal o tiene otra forma especifica. 2. En general, son mas fcil de llevar a cabo y de entender. La mayor parte de las pruebas no paramtricas no requieren el tipo de clculos tan laboriosos que suelen necesitarse, por ejemplo, para calcular la desviacin estndar, una prueba no paramtrica quiz nos pida reemplazar los valores numricos en el orden en que ocurren en una lista. 3. Algunas veces ni siquiera se requiere la ordenacin formal o la ordenacin por rangos. Con frecuencia, lo nico que podemos hacer es describir un resultado como mejor que otro. Cuando es as, o bien cuando las mediciones no son tan exactas como lo exigen las pruebas paramtricas, es posible aplicar mtodos no paramtricos. Desventajas de los mtodos no paramtricos Dos desventajas acompaan el uso de las pruebas no paramtricas. 1. Ignoran cierta cantidad de informacin. 2. A menudo no son tan eficientes o exactas como las pruebas paramtricas. La estimacin de un intervalo en el nivel de confianza del 95% usando una prueba no paramtrica puede ser dos veces mayor que la que se lograra aplicando una prueba paramtrica. Cuando recurrimos a pruebas no paramtricas hacemos un compromiso: perdemos eficiencia en la estimacin de intervalos, pero adquirimos la habilidad de utilizar menos informacin y calcular ms rpido. La prueba del signo para datos pareados Una de las pruebas no paramtricas mas sencillas de utilizar es la del signo. Su nombre proviene del hecho de que se basa en la direccin (o signos de mas y menos) de un par de observaciones y no en su magnitud numrica. Consideremos el resultado de un panel de prueba de 40 universidades de primer ao, que evala la eficacia de dos tipos de grupos escolares: grades grupos a cargo de profesores de tiempo completo o pequeos grupos a cargo de asistentes graduados. La tabla descrita abajo contiene las respuestas a la siguiente peticin: dos tipos de grupo, dndoles un numero de 4 a 1. Una clasificacin de 4 es excelente; la de 1 es deficiente. En este caso, la prueba del signo nos servir para determinar si los alumnos piensan que hay una diferencia en la eficacia de ambos tipos de grupo escolar.

Podemos comenzar, como lo hicimos en la tabla, convirtiendo en signos las evaluaciones de ambos mtodos de enseanza. Aqu un signo de mas preferencia por grupos pequeos; y un cero representa un empate (o ausencia de preferencia). Si contamos el regln de la parte inferior de la tabla obtenemos los siguientes resultados:

Establecimiento de las hiptesis Estamos usando la prueba de signo para determinar si nuestro panel percibe una diferencia real entre los dos tipos de clases. Puesto que estamos probando diferencias percibidas, excluiremos las evaluaciones empatadas (0). Vemos que hay 19 signos ms y 11 signos menos, para un total de 30 respuestas utilizables. Si no hay diferencia entre los dos tipos de clases, p (la probabilidad de que la primera calificacin exceda a la segunda) sera 0.5, y esperaramos obtener aproximadamente 15 signos ms y 15 signos menos. Estableceramos nuestras hiptesis de la siguiente manera:

Si observamos con cuidado veremos que la situacin se parece al lanzamiento de una moneda legal, si arrojamos una moneda 30 veces, P seria 0.5 y esperaras que el lado A saliera de unas 15 veces y el lado B unas quince veces tambin. En tal caso, nos serviramos de la distribucin binomial como la distribucin de muestro adecuada.

Calculo del error estndar Siguiendo el ejemplo anterior supongamos que la oficina del rector quiere probar la hiptesis de que no existe diferencia entre la percepcin de los estudiantes sobre ambos tipos de grupos en el nivel de significancia de 0.05. Efectuaremos una prueba calculando primeramente el error estndar de la proporcin:

Queremos saber si la verdadera proporcin es mayor o menos que la supuesta proporcin, por lo cual se trata seguramente de una prueba de dos colas. Dado que usamos la distribucin normal en la prueba, es posible determinar con la tabla 1 el valor de z para 0.475 del rea bajo la curva es de 1.96. Por tanto podemos calcular los lmites de la regin de aceptacin para la hiptesis nula como sigue: Calculo de lmite superior Ho+vc+es 0.5+ (1.96) (0.91)=0.678 Lmite superior Calculo del lmite Inferior 0.5-(1.96) (0.91)=0.322

Pruebas de Sumas de Rangos Prueba de U de Mann-Withey y la prueba de Kruskal-Wallis, estas pruebas nos permitirn determinar si las muestras independientes fueron extradas de la misma poblacin. Prueba de U De Mann-Withey Puntuaciones en la prueba SAT (actitudes Acadmicas) de estudiantes en dos ramas de la universidad Nacional.

Puntaciones de la Prueba SAT Clasificadas de la ms Baja a la ms alta

Smbolos que se Emplean: -n1 =Numero de elementos de la muestra 1; El nmero de estudiantes de la rama A. -n2 =Numero de elementos de la muestra 1; El nmero de estudiantes de la rama S. R1=suma de los rangos de los elementos de la muestra 1; siguiente tabla. R2=suma de los rangos de los elementos de la muestra 1; siguiente tabla. Calculo del Estadstico U -n1=15 n2=15 R1=247 U=n1n2+n1(n1+1)R1 2 U=(15)(15)+(15)(16)247 2 U= 98 estadstico U

R2=218

Media y error estndar del estadstico U U = n1n2 = (15)(15) = 112.5media del estadstico U 2 2
Error=n1n2(n1+n2+1)

12
Error =(15)(15)(15+15+1)

=24.1

12 Prueba de Hiptesis H0: 1= 2 No hay diferencia entre las dos poblaciones por lo tanto tienen la misma media. H1: 1 2 Hay diferencia entre las dos poblaciones por lo tanto tienen la misma media. En el nivel de significa de 0.15.

Graficas

Propiedades Especiales de la Prueba U Con la misma facilidad hubiramos obtenido el estadstico de U mediante el valor de R2 en la siguiente Forma: U=n1n2 + n2(n2 + 1) R2 2 Por ambas formas llegaremos a la misma conclusin ambos resultados caern en el mismo rango de aceptacin. Prueba de Kruskal-Wallis Puntaciones obtenidas en el examen escrito a 20 estudiantes de piloto entrenados en tres mtodos diferentes.

Clasificacin de la ms alta a la ms Baja

Calculo del Estadstico K -nj = nmero de elementos en la muestra j -Rj = suma de rangos de todos los elementos en la muestra j -k = el nmero de muestras. -n = n1 + n2.. + nk # total de observaciones. Datos y rangos ordenados segn el mtodo de enseanza

Formula

PRUEBA DE HIPOTESIS Ho: 1=2=3 No hay diferencias entre las tres Poblaciones. H1: 1 2 3 Hay diferencias entre las tres Poblaciones. En el Nivel de significancia de 0.10. Grafica

Correlacin por rangos Este coeficiente se emplea cuando una o ambas escalas de medidas de las variables son ordinales, es decir, cuando una o ambas escalas de medida son posiciones. Ejemplo: Orden de llegada en una carrera y peso de los atletas. Se calcula aplicando la siguiente ecuacin:

Nota: Los datos hay que traducirlos u ordenarlos en rangos. A los puntajes ms elevados le asignamos el rango 1 al siguiente el rango 2 y as sucesivamente. Si se repiten dos puntajes o ms se calculan las medias aritmticas. Ejemplo ilustrativo N 1: La siguiente tabla muestra el rango u orden obtenido en la primera evaluacin (X) y el rango o puesto obtenido en la segunda evaluacin (Y) de 8 estudiantes universitarios en la asignatura de Estadstica. Calcular el coeficiente de correlacin por rangos de Spearman. Estudiante X Y Dyana Elizabeth Mario Orlando Mathas Josu Anita Luca 1 3 2 4 3 1 4 5 5 6 6 2 7 8 8 7

Solucin: Para calcular el coeficiente de correlacin por rangos de Spearman de se llena la siguiente tabla:

Se aplica la frmula:

Por lo tanto existe una correlacin positiva moderada entre la primera y segunda evaluacin de los 8 estudiantes.