Estos Resmenes y Tablas han sido extrados del libro

40 10 horas de BIOESTADSTICA (2013)

publicado en esta misma Editorial y por los mismos autores
A. Martn Andrs y J. de D. Luna del Castillo

RESMENES y TABLAS de

BIOESTADSTICA
3 edicin (2013)

ATENCIN!
No puede escribirse nada en este cuadernillo,
salvo correcciones de erratas autorizadas por los profesores

 Antonio Martn Andrs

Juan de Dios Luna del Castillo
EDICIONES CAPITEL, S.L.
Europolis, C/ Bruselas 16B- 28232 LAS ROZAS ( Madrid)
e-mail (editor): rpa@norma-capitel.com.
e-mail (autores): amartina@ugr.es y jdluna@ugr.es.

Reservados los derechos de edicin, adaptacin o reproduccin para todos los pases.
No est permitida la reproduccin total o parcial de este libro, ni su tratamiento informtico, ni la transmisin de ninguna forma o por cualquier medio, ya sea electrnico,
mecnico, por fotocopia, por registro u otros mtodos, sin el permiso previo y por escrito de los titulares del Copyright.
ISBN: 978-84-8451-054-3.
Depsito Legal: M-24.370-2013

INTRODUCCIN

RESUMEN DEL CAPTULO I

INTRODUCCIN
1.1 NECESIDAD
Las Ciencias de la Salud se basan en el mtodo inductivo (extensin al todo
de las conclusiones obtenidas en una parte), siendo el Mtodo Estadstico el nico modo de validarlo. Las razones que siguen son reflejo de la anterior:
a) La variabilidad biolgica de los individuos objeto de estudio origina que
sus datos sean impredecibles: el Mtodo Estadstico lo controla.
b) La naturaleza cuantitativa de las Ciencias de la Salud requiere del Mtodo
Estadstico para analizar y poner orden en los datos que proporciona.
c) La investigacin en las Ciencias de la Salud requiere de la Estadstica en sus
etapas de diseo, recopilacin de datos y anlisis de los resultados, permitiendo leer crtica y comprensivamente los resultados cientficos ajenos.
d) La naturaleza del trabajo clnico es en esencia de tipo probabilstico o estadstico, disciplinas que dan rigor y objetividad a los clsicos procesos subjetivos de diagnstico, pronstico y tratamiento.
e) La perspectiva comunitaria de las Ciencias de la Salud requiere del uso de
la Estadstica para poder extrapolar las conclusiones desde la parte estudiada
de la poblacin a su globalidad.
1.2 DEFINICIN DE ESTADSTICA
Es el conjunto de mtodos necesarios para recoger, clasificar, representar y
resumir datos, as como para hacer inferencias (extraer consecuencias) cientficas a partir de ellos (Bioestadstica alude a la aplicacin terica y/o prctica de
la Estadstica a las Ciencias de la Salud). De ah que conste de dos partes:
a) Estadstica Descriptiva, cuyo fin es la recogida, clasificacin, representacin y resumen de los datos.
b) Inferencia Estadstica, cuyo fin es extender a toda la poblacin las conclusiones obtenidas en una parte de ella (la muestra).
1.3 CONSIDERACIONES FINALES
a) El mtodo estadstico es un mtodo riguroso para el anlisis de datos. Su validez est condicionada por la verificacin de ciertas hiptesis que no pueden
ser violadas (y que, por tanto, deben ser comprobadas).
b) Es importante planificar adecuadamente la experiencia. Una planificacin incorrecta puede hacer desaprovechable la experiencia o elevar indeseablemente el coste de la misma.
c) La Estadstica Descriptiva no tiene valor inferencial alguno. Ella slo describe lo que hay y sugiere posibles preguntas, pero no permite extraer conclusiones ciertas sobre nada.

INTRODUCCIN

1.4 CONTENIDOS DE ESTOS RESMENES

El Cuadro R.1.1 presenta esquemticamente los objetivos de inters y el
Resumen del Captulo que los contiene.
Cuadro R.1.1
Captulo donde encontrar los conceptos generales que se indican
Descriptiva

Herramientas

Estadstica

II

Intervalos de confianza
Cunto vale una caracterstica en una poblacin?

Distribucin de los datos

Inferencial
III

IV y partes del VI al X
Test de Hiptesis
Es cierta una hiptesis?
Generalidades: V

Hiptesis que implican dos

caractersticas
(Problemas de Asociacin)

Hiptesis que implican a una proporcin o

una media en:

1 poblacin

2 poblaciones

3 o ms poblaciones

VI

VII

VIII

Ambas
no numricas
VIII

Ambas
numricas
IX y X

Una numrica y otra

no
X

ESTADSTICA DESCRIPTIVA

RESUMEN DEL CAPTULO II

ESTADSTICA DESCRIPTIVA
2.1 TIPOS DE DATOS
Los datos obtenidos de un experimento pueden ser:
a) Cuantitativos: Cuando su resultado es un nmero. Se dividen en:
i) Discretos: Si toman valores numricos aislados (se cuentan).
ii) Continuos: Si toman cualquier valor entre unos mrgenes (se miden).
b) Cualitativos: Cuando su resultado no es un nmero. Pueden ser:
i) Dicotmicos o Binarios: Si admiten solo dos posibilidades.
ii) Multicotmicos o Policotmicos: Si admiten ms de dos posibilidades.
Estos a su vez pueden ser ordinales (nominales) segn que sus resultados
s (no) admitan una ordenacin lgica.
2.2 PRESENTACIN TABULAR DE LOS DATOS
a) Cuando los datos son discretos o cualitativos, con cada valor de los mismos
se forman las clases o modalidades del carcter. Cuando son continuos (o
discretos con muchos valores posibles), con cada conjunto de valores de los
mismos se forman los intervalos de clase (que deben tener igual longitud).
En ambos casos, la primera y/o ltima clases pueden ser excepcin.
b) Los intervalos de clase vienen definidos por dos nmeros, el lmite inferior LI
y el lmite superior LS; la diferencia de ellos es la longitud de clase L = LILS
y la semisuma es la marca de clase (LI+LS)/2, valor que representa a toda
ella.
c) A cada clase o intervalo de clase se le anota la frecuencia absoluta fi -o nmero de datos que pertenecen a la clase- y la frecuencia relativa hi = fi/n (con
n = nmero total de datos). Suceder que fi = n y hi = 1. Multiplicando hi
por 100, 1.000, se obtienen los % (tantos por ciento), 0/00 (tantos por
mil),....
d) Toda tabla debe tener un enunciado claro, indicar las unidades de medida,
contar con igual n de decimales en cada columna, especificar el total de cada
columna y quedar bonita (las fi deben crecer/decrecer razonablemente).
2.3 PRESENTACIN GRFICA DE LOS DATOS
a) Histograma/Diagrama de barras: Si sobre cada punto (intervalo) del eje de
abscisas se levanta una barra (rectngulo) de tanta altura como frecuencia
haya, se obtiene un diagrama de barras (histograma). Con frecuencia, la palabra histograma alude a ambas representaciones.
b) Polgono de frecuencias: Es la lnea poligonal obtenida uniendo los puntos
del plano que tienen por abscisa la clase o marca de clase y por ordenada la
frecuencia.
c) Diagramas de sectores: Se obtiene si en un crculo se asigna a cada clase un
sector de rea proporcional a la frecuencia de la clase. El ngulo que lo delimita es 360hi (en grados).

ESTADSTICA DESCRIPTIVA

En los dos primeros casos la frecuencia puede ser absoluta o relativa. Las grficas deben verificar propiedades similares a las del resumen 2.2.d.
2.4 SNTESIS DE DATOS
Para sintetizar la informacin de todos los datos de la muestra mediante uno
o ms nmeros representativos de ella, se definen las medidas de una distribucin de frecuencias. Son de dos tipos:
a) Medidas de posicin: Describen cmo se encuentra el resto de la muestra
con respecto a ellas.
i) Moda: La clase cuya frecuencia alcanza un mximo absoluto (si la cualidad es nominal) o relativo (en otro caso).
ii) Mediana: Es el valor que divide a la muestra ordenada (de menor a mayor) en dos partes iguales; ocupa la posicin (n+1)/2.
iii) Percentil: El percentil pi es el n que deja a su izquierda (incluido l mismo) un "i% de la muestra ordenada de menor a mayor (i = 1, 2,...., 99).
iv) Cuartil: c1 = p25, c2 = p50, c3 = p75.
v) Decil: d1 = p10, d2 = p20,..., d9 = p90.
vi) Media aritmtica (la importancia de cada dato la da su frecuencia):
Para datos no agrupados: x = xi / n.
x = fixi / n, con fi = n.
Para datos agrupados:
vii) Media ponderada (la importancia de cada dato la da su frecuencia y otro
criterio): x p =wixi /wi, con wi los pesos de ponderacin.
b) Medidas de dispersin (describen cmo de dispersos son los datos):
i) Recorrido, rango o amplitud: Es la diferencia entre los valores ms grande
y ms pequeo de la muestra.
ii) Varianza o desviacin cuadrtica media: Es la medida de dispersin adecuada cuando se utiliza la media como medida de posicin. Se define como la media de los cuadrados de las desviaciones a la media. Se obtiene
mediante las frmulas que siguen (en donde la primera frmula es la definicin, la segunda es la apropiada para el clculo y n =fi ):
2
2
xi x
1 2 xi

Datos no agrupados: s 2 =
i

n 1
n 1
n
2
2
f x x
fi xi ,
1
2

f
x
Datos agrupados: s 2 = i i
i i

n 1
n 1
n

iii) Desviacin tpica o estndar: es la raz cuadrada (s) de la varianza.

iv) Rango intercuartlico: Es la medida de dispersin adecuada cuando se utiliza la mediana como medida de posicin. Se define como RI = c3c1 (en
un margen de RI unidades se encuentran el 50% de los datos).
v) Coeficiente de variacin: Se utiliza para evaluar un mtodo de medida.
Como CV = (s/ x )100%, su interpretacin es que por cada 100 unidades
medidas, el mtodo se equivoca en CV (en trminos de s).

DISTRIBUCIONES DE PROBABILIDAD

RESUMEN DEL CAPTULO III

DISTRIBUCIONES DE PROBABILIDAD
3.1 DEFINICIONES
a) Fenmeno aleatorio: aquel fenmeno cuyos resultados son impredecibles.
b) Probabilidad (de un resultado dado de un fenmeno aleatorio): es el lmite
de la frecuencia relativa del resultado cuando el nmero de experiencias (repeticiones del fenmeno) tiende hacia infinito.
c) Variable aleatoria: es el resultado numrico de un fenmeno aleatorio y
pueden ser:
i) Discretas: se identifican por la funcin de probabilidad Pr (x) (regla que
asocia a cada valor x de la variable, su probabilidad Pr (x)).
ii) Continuas: se identifican por la funcin de densidad f(x) (que indica cmo
de probable es que la variable caiga en los alrededores del valor x), cuya
representacin grfica es la curva de densidad. El rea bajo la curva de
densidad entre dos valores a y b indica la probabilidad de que la variable x
se encuentre entre dichos valores: Pr (a x b).
En general a ambas funciones se les llama distribucin de probabilidad.
d) Parmetros poblacionales: por contraposicin a los parmetros muestrales
del resumen R.2.4 (que describen las muestras), se definen de modo similar
los parmetros poblacionales (que describen las poblaciones o las variables
aleatorias). Los paralelos a los parmetros muestrales x , s2, s y h = p son los
parmetros poblacionales , 2, y p.
3.2 DISTRIBUCIONES DE PROBABILIDAD TERICAS
La mayora de las variables de la Naturaleza siguen alguna de las siguientes
(se excluyen las distribuciones en el muestreo que se ven ms adelante):
a) Distribucin Normal:
i) Definicin: una variable x sigue la distribucin Normal (como la de la
portada de este cuadernillo) si su curva de densidad tiene forma de campana (campana de Gauss) con centro de simetra en (media, moda y
mediana) y desviacin tpica (la distancia desde el eje vertical en al
punto de inflexin de la curva). Por tanto x toma valores entre y +.
Para aludirla se indicar x N(; ), con y los dos parmetros de
la distribucin.
ii) Tipificacin: si x es una variable cualquiera de media y desviacin ,
entonces (x)/, la variable x tipificada, tiene de media 0 y de desviacin 1. Cuando adems x N(; ), entonces z = (x)/ N(0; 1) es
la llamada Normal tpica o estndar.
iii) Tabla 1: para cada probabilidad la tabla da el valor z de una N(0; 1) tal
que Pr (z z +z) = 1. Por ello, si x N(; ), los intervalos x
z, x + z2 y x z2 contienen al (1)100% de las observaciones de la variable x.

DISTRIBUCIONES DE PROBABILIDAD

iv) Teorema Central del Lmite: si x es una variable cualquiera de media y

desviacin tpica , y si x es la media de una muestra de tamao n 30,
x se distribuye aproximadamente como una Normal: x N(; / n ),
con / n el error estndar. Si x es Normal, lo anterior se verifica exactamente para cualquier valor de n.
b) Distribucin Binomial:
i) Definicin: si de una poblacin de tamao (N) infinito, cuyos individuos verifican una cierta caracterstica dicotmica con probabilidad p, se extrae una
muestra de tamao n, el nmero x de individuos de entre los n que verifican
la caracterstica sigue una distribucin Binomial. Cuando N < , x sigue
aproximadamente una Binomial si N > 40 y n/N (fraccin de muestreo)
0,10. Por tanto 0 x n. Para aludirla se indicar x B(n; p), con n y p los
dos parmetros de la distribucin.
ii) Media y Varianza: son = np y 2 = npq respectivamente, con q = 1p.
iii) Propiedad: Si n es suficientemente grande (np, nq > 5 suele bastar), la Binomial se aproxima a la Normal en el sentido de que la probabilidad de que
la Binomial valga x es aproximadamente igual a la probabilidad de que la
Normal valga entre x0,5 y x+0,5 (el valor 0,5 es la correccin por continuidad o mitad del salto de la variable).
c) Distribucin de Poisson:
i) Identificacin: Son variables x de Poisson (ley de los sucesos raros): i)
Aproximadamente, una Binomial con n grande y p pequeo; ii) El nmero
de partculas por unidad de medio (si un gran nmero de partculas estn repartidas al azar en una gran cantidad de medio); iii) El nmero de sucesos
que ocurren por unidad de tiempo (si estos suceden al azar e independientemente entre s). Por tanto 0 x < . Para aludirla se indicar x P(),
con el nico parmetro de la distribucin.
ii) Media y Varianza: = 2 = en ambos casos.
iii) Propiedad: Si es suficientemente grande, se aproxima a la Normal (en el
mismo sentido que el indicado para la Binomial).

INTERVALOS DE CONFIANZA

RESUMEN DEL CAPTULO IV

INTERVALOS DE CONFIANZA
4.1 MUESTREO ALEATORIO
Las muestras deben tomarse al azar, de modo que todo individuo de la poblacin tenga igual probabilidad de ser seleccionado y que la seleccin de uno
de ellos no condicione la seleccin de otro. El azar puede imitarse mediante dados, bolas en urna, etc., pero lo mejor es hacerlo a travs de una Tabla de
Nmeros Aleatorios como la Tabla 2. Solo en ese caso la muestra es representativa de la poblacin y ser vlido todo lo que se indica en estos Resmenes.
4.2 ESTIMACIN
Los parmetros poblacionales no suelen ser conocidos y con frecuencia es
imposible conocerlos exactamente. La Teora de la Estimacin es la parte de la
Inferencia Estadstica que sirve para determinar el valor de los parmetros poblacionales en base al de los parmetros muestrales. La estimacin puede ser:
a) Por punto: si se asigna al parmetro desconocido () un nico valor ( )
que ser su valor aproximado y que es una funcin de los valores de la muestra. Antes de tomar la muestra se dice que es un estimador de ; despus
de tomarla, el valor de en ella es una estimacin de . Usualmente es el
parmetro muestral homnimo al parmetro poblacional a estimar ( x ,
2 = s2 y p = h). Es conveniente que el valor promedio de en todas las
muestras posibles sea el verdadero valor a estimar; de ser as, es un estimador insesgado o centrado de (los estimadores citados arriba lo son); en
otro caso es un estimador sesgado o no centrado de .
b) Por intervalo: si se asigna al parmetro desconocido () un intervalo de valores (I; S) -dados por una frmula- entre los cuales est con una cierta
probabilidad 1. Al tomar una muestra y determinar I y S en base a ella,
se obtiene el intervalo de confianza (I; S), con el error del intervalo y
1 la confianza del mismo: el investigador espera que este sea uno de los
(1)100 intervalos de cada 100 que contienen realmente a (y no uno de
los 100% de cada 100 que fallan).
4.3 INTERVALO DE CONFIANZA PARA UNA MEDIA
a) Intervalo: si x es una variable aleatoria de media y varianza 2 desconocidas, y si x1, x2, ..., xn es una muestra aleatoria de ella con media x y desviacin tpica s, entonces x ts/ n -con t en la Tabla 3 con (n1) gl y
s/ n el llamado error estndar estimado- si:
i) x es Normal.
ii) x es cualquiera pero n 60. Cuando x es discreta (y saltando de 1 en 1), a
la expresin anterior hay que aadirle una correccin por continuidad:
x [ts/ n +1/(2n)]
b) Tamao de muestra: Si x N(; ), con y desconocidas, y se desea
obtener un tamao de muestra n tal que la media x de esa muestra verifique
que x d x d, entonces:
i) Si se conoce un valor mximo de 2: n = {z(Mx ) / d}2, con z en la
Tabla 1.
ii) Si 2 es desconocida pero hay una muestra piloto: n = (ts/d)2, con t en
la Tabla 3 con ( n l) gl, n el tamao de la muestra piloto y s2 su varianza.

INTERVALOS DE CONFIANZA

iii) En otro caso: Hacer d = K y n = (z/K)2, con z en la Tabla 1.

Si el n resultante es grande ( 60), las frmulas anteriores tambin valen,
aproximadamente, si x es no Normal.
Los casos i) e ii) requieren comprobar que la muestra del tamao n aconsejado verifica las especificaciones: tomada la muestra y obtenido el intervalo
de confianza (I; S) en base a ella, debe ocurrir que (SI)/2 d (de no
ser as hay que volver a determinar el tamao de muestra).
4.4 INTERVALO DE CONFIANZA PARA UNA PROPORCIN p
Sea x B(n; p) y x una observacin (en lo que sigue z siempre en la Tabla 1):
a) Intervalo:
i) Mtodo de Wilson con cpc: si x, nx > 5:

z2
z2
x 0,5

2
p x 0,5 z x 0,5 1
n z
2
4
n

(del smbolo , usar el para el extremo inferior y el + para el superior),

expresin que se simplifica en el clsico mtodo de Wald con cpc (el de
casi todos los libros) si x > 20 y nx > 20 (en ella p = x/n y q 1 p ):

x n x

pq
1
p p z
= x z
0 ,5 n
n
n 2n

El mtodo de Wilson es siempre mejor que el de Wald.

ii) Mtodo de Wald ajustado: vlido siempre pero peor que el de Wilson (utilizar solo si el anterior no es vlido)

x 2 n x+2 n+4
p x 2 z

n4

b) Tamao de muestra: Si se desea obtener un tamao de muestra n tal que la
proporcin p de ella verifique que p p d p p d, entonces:
i) Con informacin: Si en base a una informacin previa -bibliogrfica o de
muestra piloto- se conoce que p (pI; pS), n = (z/d)2pq, con p el valor
de dicho intervalo que est ms cercano a 0,5 y q = 1p.
ii) Sin informacin: n = (z/2d)2.
En el primer caso hace falta comprobar al final que la muestra del tamao n
aconsejado verifica las especificaciones: tomada la muestra y obtenido el intervalo de confianza p (pI; pS) y el valor de p en base a ella, debe ocurrir
que p pI d y p pS d (de no ser as hay que volver a determinar el
tamao de muestra).

4.5 GENERALIDADES SOBRE LOS INTERVALOS DE CONFIANZA

Lo que sigue es vlido para todos los intervalos de confianza:
a) Los intervalos de confianza de estos Resmenes son siempre de dos colas -es
decir del tipo (I; S)- con una confianza de 1. Cuando se desee un
intervalo de confianza de una cola, obtener el extremo que interese (I o S)
al error 2. El intervalo ser S o I.
b) Las frmulas de tamao de muestra son vlidas para un intervalo de confianza de dos colas al error . Cuando se le desee de una cola, cambiar en ellas
por 2.

CONCEPTO GENERAL DE TEST DE HIPTESIS

RESUMEN DEL CAPTULO V

CONCEPTO GENERAL DE TEST DE HIPTESIS

5.1 OBJETIVO
Un test o contraste de hiptesis es un conjunto de reglas tendentes a decidir
cul de dos hiptesis -H0 (hiptesis nula) o H1 (hiptesis alternativa)- debe
aceptarse en base al resultado obtenido en una muestra.
5.2 TIPOS
a) Test bilateral o de dos colas: Si H1 es la negacin total de H0.
b) Test unilateral o de una cola: Si H1 es una parte de la negacin de H0.
5.3 ELECCIONES PREVIAS
Antes de realizar un test, el investigador debe decidir:
a) H0: Hiptesis formulada como una igualdad o una afirmacin positiva. Una
conclusin por ella no implica seguridad alguna acerca de su certeza (salvo
que se fije de antemano el tamao de la muestra).
b) H1: Es la hiptesis que se quiere demostrar fuera de toda duda, es decir aquella que, de concluirse, se quiere estar prcticamente seguro de que es cierta.
Puede ser una parte de la negacin de H0 (test de una cola) si la otra parte implica una conclusin/accin equivalente a la que proporcionara una aceptacin de H0.
c) : Es un valor tanto ms pequeo cuantas ms garantas se precisen de que
una decisin por H1 sea correcta. Usualmente = 5% .
d) Estadstico de contraste: Es la variable que se va a utilizar para realizar el
test; viene dada por una funcin de los valores de la muestra que resume toda
la informacin relevante de ella respecto del test a realizar.
e) Tamao de muestra n (opcional): Si se desea que una conclusin por H0 sea
tambin fiable (ver los detalles en R.5.7).
5.4 MTODO
Para tomar la decisin debe obtenerse un intervalo de valores del estadstico de contraste cuya probabilidad, bajo H0, sea 1. El intervalo -que ser de
dos colas en los tests bilaterales y de una cola (con la desigualdad en sentido
opuesto al indicado por H1) en los unilaterales- se denomina regin de aceptacin; los valores que estn fuera de l se denominan regin crtica o regin de
rechazo. Obtenida la muestra, si el valor que toma en ella el estadstico de contraste est en la regin de aceptacin se acepta H0; si est fuera (es decir, en la
regin de rechazo) se acepta H1. En el primer caso se dice que el test (o el resultado) es estadsticamente no significativo; en el segundo se dice que el test (o el
resultado) es estadsticamente significativo (ambos para un test realizado al
error ).

10

CONCEPTO GENERAL DE TEST DE HIPTESIS

5.5 ERRORES ASOCIADOS A LA CONCLUSIN DE UN TEST

a) Definiciones: Toda decisin de un test de hiptesis puede ser errnea. Las
dos posibilidades de error se denominan:
i) Si se concluye H1: error = error de Tipo I = nivel de significacin =
= Pr (decidir H1es cierta H0).
ii) Si se concluye H0: error = error de Tipo II =
= Pr (decidir H0es cierta H1).
b) Consecuencias:
i) El error est controlado, pues se fija de antemano y es tan pequeo como se desee; de ah que una decisin por H1 es siempre fiable.
ii) El error no est controlado de antemano, pudiendo ser grande; de ah
que una decisin por H0 no sea fiable (lo nico que indica es que no se ha
podido demostrar que es falsa).
iii) El error es un nico nmero (puesto que H0 alude a un nico valor, al
venir dada por una igualdad), pero el error alude a muchos nmeros
(puesto que depende de la alternativa H1 que se considere).
iv) El error disminuye conforme aumenta , conforme H1 se aleja de H0 y
conforme aumenta el tamao n de la muestra (si todo lo dems permanece constante).
5.6 POTENCIA DE UN TEST
Se llama potencia a la capacidad que tiene un test para detectar las hiptesis alternativas verdaderas, es decir:
= 1 = Pr (decidir H1es cierta H1)
Como tambin depende de la hiptesis alternativa, ella alude a muchos nmeros que, en el caso de tests acerca de parmetros, dan lugar a una representacin
grfica llamada curva de potencia (de vs. H1). Un test es tanto mejor cuanto
ms potente sea.
5.7 TAMAO DE MUESTRA
Determinando el tamao de muestra n de antemano, las conclusiones por
H0 tambin son fiables (las conclusiones por H1 siempre lo son) pues su error
asociado tambin est controlado (como lo estaba ). Si H0: = 0 (con el
parmetro de inters), para determinar n hace falta especificar:
a) El error del test;
b) La primera alternativa de inters o primera H1 (digamos 1) que se desea
diferenciar de H0. Esto es equivalente a fijar la mnima diferencia de inters
=10, pues la primera alternativa de inters ser 1 = 0 + (para H1:
> 0), 1 = 0 (para H1: < 0) o 1 = 0 (para H1: 0).
c) El error (o la potencia = 1) para tal alternativa.
El n obtenido garantiza que el test realizado con tal muestra (al error )
dar significativo el (1)100% de las veces en que la verdadera hiptesis H1
se diferencie de H0 en la cantidad especificada (o ms veces si la diferencia es
mayor, o menos veces si es menor).

10

CONCEPTO GENERAL DE TEST DE HIPTESIS

11

5.8 INTERVALOS DE CONFIANZA TRAS UN TEST DE HIPTESIS

Tras realizar un test de hiptesis acerca de un parmetro usualmente es conveniente obtener un intervalo de confianza para el mismo, tanto si se concluye
H0 (para ver si la conclusin es fiable o debera aumentarse la muestra) como si
se concluye H1 (para as indicar cunto de falsa es H0). Las reglas son:
a) Cuando el test es de dos colas, el intervalo ser de dos colas:
i) Si se concluy H1: al error .
ii) Si se concluy H0: al error 2.
b) Cuando el test es de una cola, el intervalo ser de una cola:
i) Si se concluy H1: al error y con la desigualdad en el sentido que indica
H1.
ii) Si se concluy H0: al error y con la desigualdad en el sentido contrario
al que indica H1.
c) En ambos casos, si se concluye H0:
i) Si n fue fijado de antemano: la conclusin es fiable y no es preciso obtener el intervalo.
ii) Si n no fue fijado de antemano: la conclusin es fiable solo si el intervalo
obtenido no contiene a la/s primera/s alternativa/s de inters. En otro caso
la conclusin no es fiable, debe aumentarse n y repetirse el test.
d) En ambos casos, si se concluye H1: el intervalo obtenido (que sirve para ver
cunto de falsa es H0) no debe contener al valor del parmetro bajo H0.
Adicionalmente, cuando se concluye H1 puede interesar conocer si tambin
hay significacin biolgica: la hay si el intervalo al error (de dos colas si el
test es de dos colas; de una cola, con la desigualdad en sentido contrario al que
indica H1, si el test es de una cola) contiene a algn valor relevantemente distinto del valor del parmetro bajo H0.
5.9 VALOR P
a) Definicin: El valor P, nivel crtico P o nivel mnimo de significacin es
i) El mnimo error al cual un resultado es significativo.
ii) La probabilidad de obtener un resultado tan extrao o ms que el obtenido
cuando H0 es cierta.
b) Consecuencias:
i) P mide las evidencias que hay en contra de H0 (pero no mide cunto de
falsa es H0).
ii) El valor P de un test de una cola (con H1 en la direccin a que apuntan
los datos) suele ser la mitad del valor P del test de dos colas.
iii) Fijado un valor de : si P se decide H1; si P > se decide H0.
5.10 REGLAS PARA TOMAR LA DECISIN
a) Regla usual para un error dado (generalmente = 5%):
i) Si P % se concluye H1 (la decisin es fiable);
ii) Si P > % se concluye H0 (la decisin ser fiable si se verifica 5.8.c).

12

CONCEPTO GENERAL DE TEST DE HIPTESIS

b) Regla Automtica de Decisin para el caso de = 5%:

i) Si P 5%: se concluye H1;
ii) Si P > 15%: se concluye H0;
iii) En otro caso: Se concluye H0, indicando que hay indicios de significacin (en realidad conviene ampliar la muestra y repetir el test).
5.11 PRESENTACIN DE LAS CONCLUSIONES
a) Las tablas estadsticas generalmente no permiten conocer el valor exacto de
P, sino una cota del mismo. Las conclusiones entonces suelen ser del tipo: H1
(P < 2%) o H0 (P 30%) por ejemplo.
b) Cuando P es > 5%, 5%, 1% o 1 se dice que el test o el resultado es
no significativo, significativo, muy significativo o altamente significativo
respectivamente. En otras ocasiones encima del valor experimental se coloca
nada, *, ** o *** respectivamente (para indicar que P toma los valores reseados arriba).
5.12 CRITERIOS GENERALES PARA TODOS LOS TESTS
a) Tests de dos colas realizados a un error : Calcular una cantidad experimental Cexp a partir de los datos y compararla con la/s cantidad/es terica/s C
que indique/n la Tabla del Apndice apropiada (al error ), decidiendo como
sigue:
i) Si la tabla proporciona dos lmites CI y CS (como en las Tablas 4, 6 y 7):
Si C I Cexp CS
aceptar H 0 al error

Si Cexp C I o Cexp CS aceptar H1 con error

ii) Si la tabla proporciona solo un lmite C:
Si Cexp C aceptar H 0 al error

Si Cexp C aceptar H1 con error

b) Clculo de P y test de dos colas en base al mismo: Localizar en la Tabla
del Apndice apropiada los dos valores 1 y 2 consecutivos (con 1 < 2) en
los que el test pasa de concluir H0 a concluir H1; entonces 1 < P 2 y la
decisin se toma del modo indicado en el Resumen 5.10.
c) Tests de una cola al error : Comprobar si el resultado experimental es
conforme con H1 y entonces:
i) Si NO es conforme con H1: Decidir H0 sin ms operaciones (P 50%).
ii) Si S es conforme con H1: Actuar como en a), pero en base al error 2, o
como en b), pero con el P obtenido dividido por 2: 1/2 < P 2/2.
d) Tamao de muestra: Las frmulas de tamao de muestra que se vern sirven para determinar el mnimo tamao de muestra preciso para que un test de
dos colas al error d significativo el (1)100% de las veces en que la
verdadera hiptesis H1 se diferencie de H0 en la cantidad que se especifique
(o ms veces si la diferencia es mayor, o menos veces si es menor). En todo
caso, cuando el test es de una cola hay que cambiar en la frmula por 2.

12

13

TESTS CON UNA MUESTRA

RESUMEN DEL CAPTULO VI

TESTS CON UNA MUESTRA

6.1 TEST DE NORMALIDAD DE DAGOSTINO (H0: La muestra proviene
de una variable aleatoria Normal)
Si x1, x2, ..., xn es una muestra aleatoria (ordenada de menor a mayor) de
una variable aleatoria x, comparar con una D de la Tabla 4 (por el modo all
indicado) la cantidad:
n 1
ixi
xi
2
Dexp =
2 xi 2
n n xi

6.2 TEST DE HIPTESIS PARA UNA PROPORCIN (H0: p = p0)

Sea xB(n; p), con p desconocido:
a) Test: Si x es una observacin de ella y ocurre que np0 > 5 y nq0 > 5, con q0 =
1p0, comparar zexp = (xnp00,5) / np0 q0 con una z de la Tabla 1.
b) Tamao de la muestra: Para detectar alternativas p1, con p1p0= :
2

z p q z2 p1q1
n= 0 0

con q1 = 1p1, las cantidades z en la Tabla 1 y:

i) En tests de una cola: p1 = p0 para H1: p < p0; p1 = p0+ para H1: p > p0
(adems de cambiar por 2 como es tradicional);
ii) En tests de dos colas: p1 el valor ms cercano a 0,5 de entre los p0 .

14

TESTS DE HOMOGENEIDAD CON DOS MUESTRAS

RESUMEN DEL CAPTULO VII

TESTS DE HOMOGENEIDAD CON DOS MUESTRAS

7.1 GENERALIDADES VLIDAS PARA EL RESUMEN ACTUAL
a) Muestras: Dos muestras son independientes cuando cada individuo de las
mismas proporciona una nica observacin. Son apareadas, relacionadas o
dependientes cuando cada individuo proporciona dos observaciones (los datos se obtienen por parejas). Cuando la asociacin entre esas parejas de datos
es positiva, el muestreo apareado es preferible al independiente.
b) Test: Las comprobaciones previas a un test de una cola (H1: 1 < 2 o H1: p1
< p2 por ejemplo) son las lgicas ( x1 x2 o p1 p2 ).
c) Intervalos de confianza: Todos estn construidos como de dos colas. Para
una cola cambiar por 2 y conservar slo el extremo apropiado.
d) Tamaos de muestra: En las frmulas debe entenderse que:
i) El tamao pronosticado alude al tamao de cada una de las dos muestras
(n = n1 = n2) cuando estas se planifican como iguales.
ii) Aluden a un test de dos colas: cuando sea de una cola cambiar por 2.
iii) La mnima diferencia importante alude al primer valor de 12 o
de p1p2 a diferenciar del valor 0. Si el test es de una cola, lo anterior
es vlido sin el valor absoluto.
7.2 TESTS PARAMTRICOS PARA COMPARAR DOS MEDIAS DE
VARIABLES NORMALES (H0: 1 = 2)
a) Test para muestras independientes: Si las muestras -de tamaos n1 y n2,
medias x1 y x2 y varianzas s12 y s22 - provienen de variables de medias 1 y
2 y varianzas 12 y 22 desconocidas, obtener Fexp = s12 / s22 , con s12 s22 , y
compararla con F0,10 [n11; n21] de la Tabla 5; entonces:
i) Si Fexp < F0,10 (Varianzas iguales: 12 22 2 ) (Test de Student): Comparar con una t(n1+n22) de la Tabla 3 la cantidad:
x1 x2
n 1 s12 n2 1 s22
texp =
, con s 2 = 1
n1 n2 2
n n
s2 1 2
n1n2
ii) Si Fexp F0,10 (Varianzas distintas: 12 22 ) (Test de Welch): Comparar
con una t(f) de la Tabla 3 la cantidad:
2
x x
A B
s2
s2
texp = 1 2 , con A = 1 , B = 2 y f =
A2
B2
n1
n2
A B

n1 1 n2 1
b) Test para muestras apareadas (Test de Student): Dadas dos variables (x1 y
x2 de medias 1 y 2 respectivamente) y n parejas de datos (x1i; x2i) de las
mismas, con i = 1, 2, , n, obtener sus diferencias di = x1ix2i y la media ( d )
y varianza ( sd2 ) de las mismas. El test consiste en comparar:
d
texp =
vs. t(n1) de la Tabla 3
2
sd / n

14

TESTS DE HOMOGENEIDAD CON DOS MUESTRAS

15

c) Intervalo de confianza para la diferencia de medias: La siguiente expresin es vlida para los tres casos citados en a) y b), con la misma notacin,
condiciones y alusiones de entonces:
12(numerador de la texp sin valor absoluto) t(denominador de la texp)
d) Tamao de muestra: Con igual notacin que en a) y b), para detectar una
diferencia 12= (en lo que sigue zx se mira en la Tabla 1 y tx en la Tabla 3 con f gl):
i) Muestras independientes (Varianzas iguales): n1 = n2 = n, con:
2
2
2
z z2
t t2
z z2
2
2

n 2

, n = 2s
, n = 2

2
la primera expresin se utiliza cuando (o su valor mximo) es conocido, la segunda cuando hay muestras piloto de tamaos ni y varianza
comn s2 (con f = n1 n2 2 ) y la tercera cuando = K (con K un valor dado de antemano que usualmente verifica 0 K 0,5).
ii) Muestras apareadas:
2
2
2
z z2 2
t t2 2
z z2

,
,
n=
n
=
s
n
=
d

K
la primera expresin se utiliza cuando d2 (o su valor mximo) es conocido, la segunda cuando hay una muestra piloto de tamao n y varianza
s2 (con f = n 1 gl), la tercera cuando 12= Kd.
7.3 TESTS PARAMTRICOS PARA COMPARAR DOS MEDIAS DE
VARIABLES CUALESQUIERA (H0: 1 = 2)
Si, en las condiciones y notacin del Resumen 7.2, las variables implicadas
(x o d) no son Normales, gran parte de lo indicado all es aproximadamente vlido si las muestras son grandes (mayores que 60 si las variables son marcadamente no Normales). Las reglas aconsejadas son las siguientes:
a) Test e intervalo para muestras independientes: Aplicar el test de Welch
del Resumen 7.2.a.ii) y el intervalo del Resumen 7.2.c.
b) Test e intervalo para muestras apareadas: Aplicar el test de Student del
Resumen 7.2.a.i) y el intervalo del Resumen 7.2.c.
c) Tamao de muestra: Es vlido lo indicado en el Resumen 7.2.d si el n final
predicho es superior a 60.
d) Variables discretas: En los casos a) y b), si la variable implicada es discreta
y saltando de 1 en 1 conviene efectuar una cpc consistente en sumar al radio
del intervalo de confianza la cantidad c (o restar al numerador de la texp la
cantidad c) con:
i) Muestras independientes: c = (n1+n2)/2n1n2.
ii) Muestras apareadas: c = 1/2n.

16

TESTS DE HOMOGENEIDAD CON DOS MUESTRAS

7.4 TESTS NO PARAMTRICOS (TESTS DE WILCOXON) PARA

COMPARAR DOS MUESTRAS DE VARIABLES CUALESQUIERA
(H0: La primera poblacin no tiende a dar valores ms altos o ms bajos que
la segunda, lo que es prcticamente equivalente a afirmar que 1 = 2)
a) Asignacin de rangos: En lo que sigue se hablar de asignar rangos a una
muestra ordenada. Por tal se entiende al proceso de, dada una muestra ordenada de menor a mayor (x1 x2 ... xn), asignar el rango 1 al elemento x1, el
rango 2 al elemento x2, ..., el rango n al elemento xn. Cuando haya varios elementos xi consecutivos iguales (empates) a cada uno de ellos se le asigna el
rango promedio que tendran si fueran distintos; por ejemplo, si xr = xr+1 = ...
= xs, a cada elemento se le asigna el rango promedio (r+s)/2.
b) Muestras independientes (test de Wilcoxon): Dadas dos muestras independientes de tamaos n1 y n2 (n1 n2 por convenio), unir las dos muestras en
una sola, ordenarla de menor a mayor, asignarle rangos a sus elementos y
calcular las sumas de rangos (R1 y R2) de los elementos de cada una de las
muestras. Deber suceder que R1+R2 = (n1+n2)(n1+n2+1)/2. Llamar por Rexp a
la suma de rangos (R1) de la muestra de menor tamao y entonces:
i) Si n1+n2 30: Comparar Rexp con el valor R de la Tabla 6 por el modo
all indicado.
ii) Si n1+n2 >30: Comparar con el valor z de la Tabla 1 la cantidad (en lo
que sigue no se tiene en cuenta la posible existencia de empates):
Rexp 0,5
n n 1 n1 y 2 = n2
zexp=
, con = 1 2

6
2
La verificacin del sentido de la significacin se hace en base a los rangos
mdios Ri = Ri/ni de cada muestra: si R1 < R2 entonces 1 < 2.
c) Muestras apareadas (test de Wilcoxon): Dadas n' parejas de datos, obtener
las n' diferencias entre ellas, rechazar las que sean cero, ordenar el resto (n)
de menor a mayor valor de sus valores absolutos, asignarles rangos y calcular
las sumas de rangos -R(+) y R()- de las diferencias positivas y negativas.
Deber suceder que R(+) + R() = n(n+1)/2. Entonces:
i) Si n 25: Comparar R(+) -o R(), es lo mismo- con el valor R de la Tabla 7 por el modo all indicado.
ii) Si n > 25: Comparar con el valor z de la Tabla 1 la cantidad (en lo que
sigue no se tiene en cuenta la posible existencia de empates):
R 0,5
n n 1
2n 1
, con =
y 2 =
zexp =

6
4
La verificacin del sentido de la significacin se hace en base a los rangos: si
R(+) < R() entonces 1 < 2.
7.5 TESTS DE COMPARACIN DE DOS PROPORCIONES (MUESTRAS INDEPENDIENTES) (H0: p1 = p2)
Si xi B(ni; pi) -con i = 1, 2- son independientes y si de cada una de ellas
se obtiene una muestra en el formato de la Tabla R.7.1, entonces, llamando por
pi =xi/ni, p =a1/N, q i =1 pi y q 1 p (en lo que sigue las cantidades zx siempre en la Tabla 1, pues se utiliza la aproximacin de la Binomial a la Normal):

16

17

TESTS DE HOMOGENEIDAD CON DOS MUESTRAS

Tabla R.7.1
Presentacin de datos cuando se comparan
dos proporciones independientes

Caracterstica
Muestras
1
2
Totales

NO

Totales

x1
x2
a1

y1
y2
a2

n1
n2
N

Tabla R.7.2
Presentacin de datos cuando se comparan
dos proporciones apareadas

B
A
S
NO
Total

NO

n11
n21

n12
n22

Total

a) Test: Sea E = Mn (a1; a2)Mn (n1; n2)/N. El test incondicionado consiste en

comparar:
1/n n si n1 n2
N
pq
zexp = p1 p2 c
, con c= 1 2
vs. z
n1n2
2 /n1n2 si n1 n2

siendo vlido si E 14,9 (aunque cuando N 500, basta con que E 7,7).
Ms conservador es el test condicionado clsico con la cpc de Yates que
se obtiene haciendo arriba c = N/2n1n2, el cual suele decirse (errneamente)
que es vlido si E > 5.
b) Intervalo de confianza para la diferencia de proporciones:
i) Mtodo de Wald (clsico): Si x1, x2, y1, y2 son todos mayores que 5:

p q
p q
p1 p2 ( p1 p2 ) z 1 1 2 2 c con c como arriba
n1
n2

ii) Mtodo de Agresti-Caffo (mejor que el anterior): Si h = z2 4 :

x1 h y1 h x2 h y2 h
x h
x h
2
z
p1p2 1
n1 2h n2 2h
n13
n23

(el mtodo de Wald, para c = 0 y con los datos incrementados en z2 4 ).

c) Tamao de muestra: Para detectar una diferencia = p1p2:
i) Con informacin (sobre las pi):
2

z 2 pq z2 p1q1 p2 q2
n
,

con p = (p1+p2)/2, q = 1p, qi = 1pi y las p1 y p2 lo ms cercanas posibles

a 0,5 /2, compatibles con la informacin que se posea sobre ellas y tales que p1 p2 = .
ii) Sin informacin: haciendo pi = 0,5 /2 arriba:
2
1 z z2 1

n=
2

18

TESTS DE HOMOGENEIDAD CON DOS MUESTRAS

7.6 TEST DE COMPARACIN DE DOS PROPORCIONES (MUESTRAS APAREADAS) (H0: p1 = p2)

Si los n individuos de una muestra son clasificados segn que presenten
(S) o no (NO) una determinada caracterstica tras la aplicacin de un tratamiento A (entendido de modo genrico: no tiene porqu ser un tratamiento mdico) y
lo mismo tras la aplicacin de otro tratamiento B, los datos pueden presentarse
como en la Tabla R.7.2. Si p1 y p2 son las proporciones de respuestas S a cada
tratamiento (en lo que sigue zx siempre en la Tabla 1):
a) Test de McNemar: Si n12+n21 > 10, comparar

zexp =

n12 n21 0,5

n12 n21

vs. z.

b) Intervalo de confianza para la diferencia de proporciones:

i) Mtodo de Wald (clsico): Si n12, n21 > 5:

p1 p2 n12 n21 z

n12 n21

n n21
12

0,5 n

ii) Mtodo de Agresti-Min (mejor que el anterior): Equivalente a aplicar el

anterior omitiendo el 0,5 e incrementando los datos en 0,5:

p1 p2

(n12 n21 ) z (n12 n21 +1)

(n12 n21 )2
n2

n2
c) Tamao de muestra: Para valores , y =p1p2=p12p21:
i) Con informacin (sobre las pi): hacer (p12+p21) () lo mximo posible en:

ii) Sin informacin: n = z

n=

p12 p21 2

z p12 p21 z2

z2 1 2

7.7 COMPARACIONES MLTIPLES: Mtodo de Bonferroni

Cuando deban hacerse K tests de hiptesis sobre los que se desea un error
global de , el nivel de error a utilizar en cada test individual debe ser de /K.
La Tabla 8 ayuda a obtener las cantidades tericas t/K (f gl) y z/K (la de antes
en f = ).

18

19

TEST CHI-CUADRADO Y TABLAS 22

RESUMEN DEL CAPTULO VIII

TEST CHI-CUADRADO Y TABLAS 22

8.1 TESTS EN TABLAS rs DISTINTAS DE 22
a) Test de homogeneidad de varias muestras cualitativas (H0: La proporcin
de individuos que caen en una determinada clase es la misma para todas las
poblaciones y esto vale para todas las clases Todas las muestras provienen
de igual poblacin).
Tabla R.8.1: Tabla de contingencia rs

Columnas

Oij

Filas

Totales

O11

O12

O1s

F1

O21

O22

O2s

F2

Or1

Or2

Ors

Fr

C1

C2

Cs

Totales

i) Presentacin de los datos: Dadas r muestras cuyos individuos se clasifican en s clases como en la Tabla R.8.1 (muestras = filas; clases = columnas), se define:
Oij = N de individuos de la muestra i que caen en la clase j
= Cantidades Observadas;
Fi = Total de la fila i = n total de individuos de la muestra i = jOij;
Cj = Total de la columna j = n total de individuos de la clase j =iOij;
T = Gran total = n total de individuos = Fi = Cj =Oij.
ii) Realizacin del test: Calcular las Cantidades Esperadas Eij = FiCj/T
(cuyos totales de fila y de columna han de ser las Fi y Cj de antes) y entonces, si ninguna Eij es inferior a 1 y no ms del 20% de ellas son inferiores o iguales que 5, comparar

ij

Eij

Oij2

T vs. 2 {gl = (r1)(sl)} de la Tabla 9,

Eij
i , j Eij
La cantidad experimental anterior se denomina estadstico chi-cuadrado
de Pearson (su segunda expresin es la ms apropiada para el clculo).
iii) Bsqueda de la significacin (si ocurre): A travs de los % por filas.
b) Test de independencia entre dos cualidades (H0: Los caracteres A y B son
independientes no estn asociados no estn relacionados).
Si en los T individuos de una muestra aleatoria se determinan dos caracteres cualitativos A y B, el primero dividido en r clases y el segundo en s clases, y se les clasifica en base a ello en una tabla como la Tabla R.8.1 (con filas y columnas cambiadas por clases del carcter A y clases del carcter B respectivamente) proceder como en el Resumen a) anterior. Ahora las
causas de la significacin se pueden buscar por filas o columnas.
2
exp

i,j

20

TEST CHI-CUADRADO Y TABLAS 22

8.2 TESTS EN TABLAS 22

Con la misma notacin y objetivos de la seccin anterior, para todo lo que
sigue se define E = Mn (F1 ; F2)Mn (C1; C2) / T = mnima cantidad esperada
de la tabla. La cantidad terica para el test es siempre 2 {gl = l} de la Tabla 9.
a) Tests clsicos para cualquier tabla 22: (NO USAR)
i)Test chi-cuadrado de Pearson = test chi-cuadrado sin correccin por continuidad: Si E > 5, aplicar el estadstico del Resumen 8.1 que es igual a:
2
O O O12O21 T
P2 = 11 22
F1 F2C1C2
ii) Test chi-cuadrado de Yates = test chi-cuadrado con la correccin por
continuidad de Yates: Si E 20,7 (aunque si N 500 basta con E 8,8),
aplicar el estadstico del Resumen 8.1 con la cpc de Yates:
2
T

2
O
O
O
O

11 22

12 21
Oij Eij 0,5
2

T
Y2
Eij
F1 F2C1C2
b) Test (ptimo) de homogeneidad en tablas 22: (S USAR) Si E 14,9
(aunque cuando N 500, basta con que E 7,7):

O22 O12O21 c

1 si F1 F2
T , con c=
F1 F2C1C2
2 si F1 F2
c) Test (ptimo) de independencia en tablas 22: (S USAR) Si E 6,2 (aunque cuando N 500, basta con que E 3,9):

2
exp

11

2
exp

O22 O12 O21 0,5

11

F1 F2 C1C2

8.3 ASIGNACIN DE VALORES CUANTITATIVOS ARBITRARIOS

a) Los mtodos basados en datos cuantitativos (como los tests de Student) son
preferibles a los basados en datos cualitativos (como el test 2), pues dan lugar a tests ms potentes.
b) Si una caracterstica cualitativa es ordinal, es posible y preferible asignarle
valores numricos a sus clases y analizar los nuevos datos por la tcnica
cuantitativa apropiada (en lugar de por el test chi-cuadrado).
c) La asignacin puede hacerse si el fenmeno estudiado hubiera podido medirse en una escala continua (de haber dispuesto de los instrumentos adecuados)
y si las clases obtenidas pueden considerarse como un agrupamiento de tal
escala por medio de otra ms burda formada por sus valores redondeados.
8.4 MEDIDAS DE ASOCIACIN EN TABLAS 22
Con frecuencia los dos caracteres dicotmicos estudiados (E y FR) suelen
aludir a la presencia o no de una enfermedad o efecto indeseado (E o E ) y a la
presencia o no de un factor de riesgo (FR o FR ). En lo que sigue se asume que
la enfermedad se ubica en filas, el factor de riesgo en columnas y el S en primer lugar, obteniendo as unos datos como los de la Tabla R.8.2.
a) Tipos de muestreo y tipos de estudio (epidemiolgico): Para estudiar la
asociacin entre E y FR los tipos de muestreo pueden ser dos y los tipos de

20

21

TEST CHI-CUADRADO Y TABLAS 22

estudio tres (en lo que sigue se utiliza el nombre que est subrayado):
Tabla R.8.2
Formato estndar para los estudios epidemiolgicos
Factor de riesgo
Enfermedad

S = FR

NO = FR

Totales

S = E
NO = E

O11
O21

O12
O22

F1
F2

Totales

C1

C2

i) Muestreo de Tipo I (Estudio Transversal): Tomar T individuos al azar y

clasificarlos en base a E y FR.
ii) Muestreo de Tipo II (Preferible al de Tipo I si las Fi o las Cj se planifican
como iguales):
Estudio Prospectivo, Longitudinal o de Seguimiento: Tomar C1 y C2 individuos al azar y clasificarlos en base a E.
Estudio Retrospectivo o de Caso-Control: Tomar F1 y F2 individuos al
azar y clasificarlos en base a FR.
Desde un punto de vista estadstico, el diseo ptimo consiste en tomar
muestras de igual tamao de los niveles de la caracterstica cuya frecuencia
dista ms de 0,5 (en general la enfermedad: estudio retrospectivo).
b) Test apropiado (H0: E y FR son independientes):
i) En el muestreo de Tipo I: Si E 6,2 (basta con E 3,9 si N 500):

2
exp

O22 O12 O21 0,5

11

F1 F2 C1C2

ii) En el muestreo de Tipo II: Si E 14,9 (basta con E 7,7 si N 500):

2
exp

O22 O12O21 c

11

F1 F2C1C2

T con:

1 si F1 F2
1 si C1 C2
; Si Prospectivo: c=
Si Retrospectivo: c=
2 si F1 F2
2 si C1 C2
c) Medidas de asociacin: Una medida de asociacin es un nmero que indica
el grado de dependencia existente entre los dos caracteres E y FR estudiados,
pero la medida a usar depende del fin perseguido y su clculo ser lcito o no
en funcin del muestreo utilizado. El Cuadro R.8.1 las resume (pero l es
aplicable solo a datos en el formato de la Tabla R.8.2).
8.5 EVALUACIN DE UN MTODO DE DIAGNSTICO BINARIO
Si en la Tabla R.8.2 se entiende que FR alude a que un test diagnstico ha
dado positivo (suceso D), se obtiene entonces la Tabla R.8.3. El objetivo es evaluar la bondad del test.
a) Tipos de muestreo: La tabla puede haberse obtenido de dos modos:
i) Muestreo de Tipo I: T individuos al azar se clasifican en base a su estado real
y al resultado del test (estudio transversal del Resumen 8.4).
ii) Muestreo de Tipo II: F1 enfermos y F2 sanos se clasifican en base al resultado del test (estudio retrospectivo del Resumen 8.4).

22

TEST CHI-CUADRADO Y TABLAS 22

Tabla R.8.3
Resultados de un test diagnstico en funcin del estado real del individuo

Presencia de la S (E)
enfermedad
NO ( E )

Resultado del test

+(D)
(D)
O11
O12
O21
O22
C1
C2

F1
F2
T

b) Evaluacin de la calidad de un test: Se basa en los porcentajes de aciertos

SN y EP al diagnosticar a los enfermos y sanos respectivamente:
SN = Sensibilidad = % de enfermos diagnosticados positivamente;
FN = Falsos Negativos = % de enfermos diagnosticados negativamente;
EP = Especificidad =
% de sanos diagnosticados negativamente;
FP = Falsos Positivos =
% de sanos diagnosticados positivamente;
en donde SN+FN=EP+FP = 100 (FP y FN aluden a fallos en el diagnstico).
Tales parmetros son proporciones binomiales que se estiman puntualmente (bajo cualquiera de los dos muestreos) por:
O O21
O11 , FN
= O12 , E

SN
P 22 , FP
F1
F1
F2
F2
y por intervalo de confianza como en el Resumen 4.4.a). En base a ellos:
i) Si EP es alta: el test es til para afirmar la enfermedad (conviene aplicarlo
a individuos sospechosos de poseerla).
ii) Si SN es alta: el test es til para descartar la enfermedad (conviene aplicarlo como procedimiento de rutina para el diagnstico precoz de ella).
c) Evaluacin de la utilidad clnica de un test: Se basa en los % de aciertos de
los diagnsticos positivo o negativo (los de inters para el enfermo):
VPP = Valor Predictivo Positivo = % de diagnsticos positivos que son correctos,
VPN = Valor Predictivo Negativo = % de los diagnsticos negativos que son correctos,

cuyos valores que dependen de SN, EP y de la prevalencia p (% de enfermos)

de la poblacin a la que se est aludiendo. Para estimarlos hay que contemplar dos situaciones:
i) Muestreo de Tipo I: Como son proporciones binomiales, se estiman por
intervalo de confianza como en el Resumen 4.4.a) y puntualmente por:
O11 , VPN
= O22
VPP
C1
C2
ii) Muestreo de Tipo II: No se pueden estimar hasta conocer la prevalencia p
como en i)):
y EP
de la poblacin de inters, en cuyo caso ( S

1 p EP
p S

=
=
VPP
, VPN
+ 1 p 1 EP

+ p 1 SN

p SN
1 p EP

En base a tales valores (y para la prevalencia asumida):

i) Si VPP es alto: el test es til para afirmar la enfermedad.
ii) Si VPN es alto: el test es til para descartar la enfermedad.

22

Cuadro R.8.1
Medidas de asociacin epidemiolgicas en tablas 22
(Asociacin )
Definicin (1) Valores Independencia
posibles

Caso

Estimacin (2)

(Asociacin +)

Estudios en
que es vlida

Intervalo de Confianza (aproximado)

(z en la TABLA 1) (3)

1 < 0
O11O22 O12O21 Transversales
O O
O O
z 11 3 12 21 3 22 en h = z2 / 4
=0
General =
Prospectivos
C
C
C
C2
1 2
1
0 < +1
Diferencia de Berkson: La probabilidad de enfermar en los individuos con el FR aumenta en un 100 % (en trminos absolutos) respecto de los sin el FR.
= p1p2

R=

p1
p2

General

R=1

O C
R = 11 2
O12C1

Transversales
Prospectivos

Mejor: R

en h = 0,5.

O21
O
O21O22

2
22 z2
1 z
en h = z / 4
O21
O
C
O
C
O
O
C
C

11
1
12
2
11
12
1
2

1 z
O11C1
2

1<R<
(4) Si
p < 0,1

R O

Retrospectivos

1
1
1
1
R O exp z

O11 O12 O21 O22

en h = 0,5

Riesgo relativo (de FR para E): La probabilidad de enfermar es R veces mayor en los individuos con el FR que en los sin el FR.

O=

p1 1 p2
p2 1 p1

0O<1
O=1
1<O

General

= O11O22
O
O12O21

Transversales
Prospectivos
Retrospectivos

1
1
1
1
exp z
O O

en h = 0,5

O11 O12 O21 O22

TEST CHI-CUADRADO Y TABLAS 22

0R<1

O21
O
22
Clsica: R R exp z
O11C1 O12C2

Razn del producto cruzado: La fraccin de individuos que enferman frente a los que no, es O veces mayor en los individuos con el FR que en los sin el FR.

23

(1) p1 (p2) = % de enfermos en el grupo con (sin) el FR.

(2) Si alguna Oij = 0, efectuar la estimacin para h = 0,5: ver la nota (3) que sigue.
(3) Cuando se indica en h = quiere decir que la frmula se aplica no en base a los datos originales (Oij; Fi; Cj), sino en base a los datos incrementados (Oij+h; Fi +2h; Cj+2h).
(4) p = Prevalencia de la enfermedad (% de enfermos en la poblacin).

RESUMEN DEL CAPTULO IX

REGRESIN LINEAL SIMPLE

23

24

TEST CHI-CUADRADO Y TABLAS 22

9.1 INTRODUCCIN
a) Objetivos: Dadas dos variables cuantitativas x e y medidas en los mismos individuos, la tcnica de regresin puede perseguir tres objetivos:
i) Estudiar si ambas variables estn relacionadas o si son independientes.
ii) Estudiar el tipo de relacin que las liga (si existe).
iii) Predecir los valores de una de ellas a partir de los de la otra.
b) Relaciones deterministas y aleatorias: En las Ciencias Exactas la relacin
entre dos variables es determinista (conocido el valor de una de ellas se conoce exactamente el de la otra), pero en las Ciencias de la Salud la relacin es
aleatoria (conocido el valor de una variable se conoce el de la otra slo de un
modo aproximado). Ello sucede por dos causas:
i) La variabilidad biolgica de los individuos a estudiar.
ii) La variabilidad aleatoria de los mtodos utilizados al medir las dos variables implicadas.
c) Sobre la existencia de regresin: Dadas n parejas de valores (xi; yi) obtenidos de una muestra, su representacin por puntos en el plano cartesiano da
lugar a una nube de puntos. Si a ella se ajusta alguna curva, se dice que existe
regresin, a la curva se le llama lnea de regresin y a la funcin que la representa se le llama funcin de regresin. A la variable ubicada en el eje
horizontal (usualmente x) se le llama variable independiente o controlada; a
la ubicada en el eje vertical (usualmente y) se le llama variable dependiente.
d) Tipos de regresin:
i) Regresin lineal simple (la de este captulo): Si hay solo dos variables, x
e y, relacionadas entre s mediante una lnea recta.
ii) Regresin curvilnea: Si hay slo dos variables, x e y, relacionadas entre
s mediante una lnea curva.
iii) Regresin mltiple: Si hay una variable objetivo y a relacionar con ms
de una variable de apoyo x1, x2,
e) Asociacin y causalidad: La demostracin estadstica de que dos variables
estn asociadas no constituye una prueba de que una de ellas sea causa de la
otra. Puede ocurrir:
i) Que x sea realmente la causa de y.
ii) Que ambas variables se influyan mutuamente.
iii) Que ambas variables dependan de una causa comn (una tercera variable
z no contemplada).

REGRESIN LINEAL SIMPLE

25

9.2 MODELO DE REGRESIN LINEAL SIMPLE Y SUS CONSECUENCIAS

a) Modelo: Para cada valor de x, la variable y sigue una distribucin Normal de
media x = +x y de varianza 2 constante (independiente de x). A x =
+x se le llama recta de regresin poblacional, a altura en el origen poblacional (altura en que corta la recta al eje vertical, es decir cuando x = 0), a
pendiente poblacional (lo que aumenta la media de y cuando x aumenta en
una unidad) y a 2 varianza de regresin poblacional (variabilidad de y alrededor de la recta de regresin). Las claves del modelo son pues: Normalidad,
linealidad y homogeneidad de varianzas.
Los parmetros poblacionales anteriores se estimarn por sus correspondientes parmetros muestrales = a (altura en el origen muestral), = b
(pendiente muestral), 2 = s2 (varianza de regresin muestral) e y = a+bx
(recta de regresin muestral), en donde el trmino muestral puede sustituirse por experimental o por estimada.
b) Predicciones y residuales: y = a+bx proporciona la prediccin de y en cada valor de x, siendo di = yi yi los residuos o residuales (o error de la prediccin).
c) Quin sobre quin?: Los parmetros anteriores se entiende que son ayx, byx
y s y2 x por haber sido obtenidos de la regresin de y sobre x (y en el eje ver-

tical; x en el horizontal). Los resultados no son los mismos (axy, bxy y sx2 y ) si
en el eje horizontal se pone a la variable y y en el vertical la variable x (regresin de x sobre y). Se realizar la regresin de y sobre x cuando el objetivo sea predecir y a partir de x.
d) Tipos de muestreo: La obtencin de las n parejas (xi; yi) pueden hacerse mediante dos tipos de muestreo (es preferible el segundo), siendo la clave que
los valores de yi deben obtenerse siempre al azar:
i) Muestreo de Tipo I: Tomar n individuos al azar y anotar sus valores de x
e y.
ii) Muestreo de Tipo II: Tomar n valores de x elegidos de antemano (que no
tienen porqu ser todos distintos) y obtener un valor de y al azar en cada
uno de ellos.
El muestreo de Tipo I permite hacer las dos regresiones; el de Tipo II
(que es preferible por controlar la variabilidad de los valores xi, que conviene
que sea grande) slo la de y sobre x. La prediccin puntual de x en este
ltimo caso se hace por calibracin lineal: x y / b a / b . En todo caso, las predicciones solo son vlidas dentro del rango de muestreo (entre el
valor mnimo y el valor mximo de xi).
e) Comprobacin del modelo: Sea la nube de puntos normal que se obtiene al
representar en el plano las n parejas de valores (xi, yi). Sea la nube de puntos
de residuales que se obtiene al representar di = yi yi (en el eje vertical) contra yi (en el eje horizontal). Las tres condiciones del modelo de regresin se
pueden verificar del siguiente modo (el basado en los residuales es mejor):
i) Normalidad: No se verifica si la variable y es discreta o si el test de Normalidad es significativo al aplicarlo a cada conjunto de observaciones y

en cada x (lo que requiere de un muestreo con observaciones repetidas).

ii) Linealidad: La nube de puntos normal ha de mostrar una tendencia exclusivamente lineal. La de residuales ha de ser paralela al eje horizontal.
Cuando esto no es as, a veces un cambio de escala apropiado puede
convertir la curva en recta (linealizacin): cambiar x por log x, 1/x,
x , etc. y/o similarmente con y.
iii) Homogeneidad de varianzas: La nube de puntos normal ha de ser ovalada, sin mostrar tendencia a ser ms ancha o ms estrecha con el aumento
de x. La de residuales igual con el aumento de y .

a) Intervalo de confianza para la pendiente: b t

s2
.
xx

b) Test de independencia (H0: = 0): Si la relacin es lineal, comparar texp =

26

xx
s2

vs. t.

23

9.4 INFERENCIAS EN REGRESIN LINEAL SIMPLE

En los dos casos que siguen, t se busca en la Tabla 3 con (n2) g1:

TEST CHI-CUADRADO Y TABLAS 22

9.3 ESTIMACIN DE LOS PARMETROS DEL MODELO DE REGRESIN LINEAL

Si (xi; yi), con i = 1, 2, ..., n, son n parejas de valores de (x; y) obtenidos por
alguno de los tipos de muestreo anteriores, los estimadores a de y b de que
dan lugar a la recta de regresin estimada y = a+bx se determinan por el principio de los mnimos cuadrados, es decir haciendo que la suma de los cuadrados
de las diferencias entre lo real (y) y lo estimado ( y ) -(yi y )2= (yiabxi)2sea lo ms pequea posible. El criterio ocasiona que tales estimadores y el estimador s2 de 2 sean:
xy , a = y bx y 2 1
xy
b=
s
yy

n2
xx)
xx
con:
2
xi

2
2
= xi
(xx) = (xi x )
n
2
yi
(yy) = (yi y )2
= yi2
n
xi yi
(xy) = (xi x )(yi y ) = xiyi
n
en donde la segunda expresin es la definicin, la tercera su mtodo abreviado
de clculo y la primera su smbolo corto para referencias.

CORRELACIN

27

RESUMEN DEL CAPTULO X

CORRELACIN
10.1 INTRODUCCIN
a) Objetivos: Dadas dos variables cuantitativas x e y cuyos valores (xi; yi) se
miden en los n individuos de una muestra, con i = 1,..., n, se trata de:
i) Medir la fuerza con ambas variables que estn relacionadas: mediante el
coeficiente de correlacin.
ii) Realizar el test de independencia entre ambas: mediante el contraste de
H0: x e y son independientes vs. H1: x e y son dependientes.
b) Muestreo vlido:
i) Para medir la fuerza: de Tipo I (los valores xi e yi se eligen al azar).
ii) Para el test de independencia: de Tipo I o de Tipo II (los valores de xi o yi
estn dados de antemano).
10.2 COEFICIENTE DE CORRELACIN LINEAL SIMPLE (O DE
PEARSON): CORRELACIN PARAMTRICA
a) Modelo, comprobacin del modelo y valores de (xx), (xy) e (yy): Como en
los Resmenes 9.2.a) y e) y 9.3.
b) Estimacin: La fuerza con que las dos variables estn ligadas se mide mediante el coeficiente de correlacin poblacional (lineal simple) , el cual se
estima (en el muestreo I) por el coeficiente de correlacin muestral ( = r):
xy .
r
xx yy
c) Propiedades de (lo que sigue es vlido tambin para r):
i) 1 +1 es un nmero adimensional que no depende de las unidades
de medida ni del orden en que se enuncien las variables (xy=yx).
ii) 2 es la proporcin de la variabilidad total de y que est explicada por su
regresin lineal en x (el resto, 12, es la parte no explicada que depende
de otras variables no contempladas en el problema).
iii) El valor absoluto mide la fuerza de relacin entre x e y (a ms
ms fuerza), en tanto que el signo de indica el sentido de la misma: positiva si > 0 (a ms x, ms y), negativa si < 0 (a ms x, menos y) o nula (es decir, x e y son independientes) si = 0.
iv) Cuanto ms aplastada es una nube de puntos respecto de una misma recta
de regresin, ms grande es . Cuando tiene forma circular o es paralela a uno de los ejes entonces = 0.
d) Test de independencia entre x e y (H0: = 0): Cualquiera que sea el muestreo utilizado, comparar (test idntico al del Resumen 9.4.b):

n r 2

vs. t (n2 gl) de la Tabla 3

1 r2
e) Regresin o correlacin? Dadas dos variables (x, y) se utilizar la tcnica
de correlacin si el nico objetivo es saber si ambas estn relacionadas y con
qu fuerza. Se utilizar la tcnica de regresin si lo que se desea es saber si
estn relacionadas y efectuar predicciones de una variable a partir de la otra.
Es muy habitual simultanear ambos resultados.
texp =

28

CORRELACIN

10.3 COEFICIENTE DE CORRELACIN DE SPEARMAN: CORRELACIN NO PARAMTRICA

a) Objetivo: Medir la asociacin entre dos variables cuantitativas cualesquiera.
b) Modelo: Las dos variables pueden ser cualesquiera, pero la asociacin entre
las mismas ha de ser monotnica (una variable siempre crece o siempre decrece con la otra), lo que puede comprobarse a travs de la nube de puntos.
c) Estimacin: La fuerza de la asociacin la mide el coeficiente de correlacin
poblacional de Spearman S, el cual se estima (en el muestreo I) por el coeficiente de correlacin muestral S = rS que se obtiene como sigue:
(1) Obtener una muestra de n parejas de valores (xi; yi).
(2) Ordenar de menor a mayor los valores de xi y asignarles rangos Ri como en
el Resumen 7.4.a).
(3) Proceder igual con los valores de yi asignndoles rangos Ri .
(4) Anotar las parejas (Ri; Ri ) correspondientes a las parejas (xi; yi) originales,
comprobando que Ri = Ri = n(n+1)/2.
(5) Obtener el coeficiente de correlacin lineal simple para las n parejas de rangos, es decir, y con igual convenio que en el Resumen 9.3,
RR
rS
RR RR
Cuando no hay empates, la frmula anterior se simplifica en la siguiente:
2
Ri Ri

rS = 1 6
n 1 n n+1
d) Propiedades: Como en el Resumen 10.2.c), pero relativas a los rangos.
e) Test de independencia entre x e y (H0: S = 0): con cualquier muestreo:
i) Si n 30: Comparar rS con r de la Tabla 10 por el modo all indicado.
ii) Si n > 30: Comparar con z de la Tabla 1 la cantidad zexp = rS n 1 .
10.4 TEST DE INDEPENDENCIA CON VARIABLES MIXTAS (H0: Los
valores de un individuo con respecto a una variable cuantitativa x son independientes de la clase a que este pertenece respecto de una cualidad C).
Sea x una variable cuantitativa cualquiera y C una cualidad con s clases. Si
se toma una muestra de n individuos se obtendrn n parejas de valores (x; C) a
partir de las cuales hay que contrastar H0. Los mtodos para ello son:
a) Si C es una cualidad ordinal: Convertir la cualidad en cantidad (asignndole a sus clases valores cuantitativos arbitrarios y por el mtodo del Resumen
8.3) y aplicar a las parejas (xi; yi) as obtenidas los Resmenes 10.2 o 10.3.
b) Si C es una cualidad no ordinal:
i) Si s = 2: Comparar los valores medios de x (1 y 2) en las dos clases de
C por el procedimiento de los Resmenes 7.2.a), 7.3.a) o 7.4.b).
ii) Si s > 2: Comparar los valores medios de x (1, 2, ..., s) en las s clases de
C por el procedimiento del anlisis de la varianza (no contemplado en estos Resmenes). Alternativamente, convertir la cantidad x en cualidad
(definiendo r intervalos de clase arbitrarios), formar la tabla contingencia
rs que ello produce y analizarla por la tcnica de 2 del Resumen 8.1
(aunque ello conlleva una gran prdida de potencia).

28

TABLAS

29

TABLAS DE BIOESTADSTICA
Pg.

Tabla 1

.... Distribucin Normal tpica (dos colas) ...............................

30

Tabla 2

.... 2.500 nmeros aleatorios .....................................................

31

Tabla 3

.... Distribucin t de Student ......................................................

32

Tabla 4

.... Lmites de significacin para el test de Normalidad de

DAgostino ...........................................................................

33

Tabla 5

.... Distribucin F de Snedecor ..................................................

34

Tabla 6

.... Lmites de significacin para el test de Wilcoxon

(dos muestras independientes) .............................................

35

Tabla 7

.... Lmites de significacin para el test de Wilcoxon

(dos muestras apareadas) ......................................................

36

Tabla 8

.... Distribucin de Bonferroni ..................................................

37

Tabla 9

.... Distribucin .....................................................................

38

Tabla 10 .... Lmites de significacin para el coeficiente de correlacin

de Spearman .........................................................................

39

REFERENCIAS
D'Agostino, R.B. and Stephens, M.A. (Eds) (1986). Goodness-of-fit Techniques. Marcel
Dekker, Inc. New York.
Glasser, G.J. and Winter, R.E. (1961). Critical values of the coefficient of rank correlation for testing the hypothesis of independence. Biometrika 48, 444-448.
Ros, S. (1967). Mtodos estadsticos. Ediciones del Castillo. Madrid.
Tukey, J.W. (1949). The simplest signed rank tests. Memorandum report n 17 Statistical Research group. Princeton. New Jersey.
White, C. (1952). The use of ranks in a test of significance for comparing two treatments. Biometrics 8, 33-40.

30

TABLAS
Tabla 1
Distribucin Normal tpica (dos colas)

/2

/2

z 0 z

0,00

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0,08

0,09

0,0
0,1
0,2
0,3
0,4

1,645
1,282
1,036
0,842

2,576
1,598
1,254
1,015
0,824

2,326
1,555
1,227
0,994
0,806

2,170
1,514
1,200
0,974
0,789

2,054
1,476
1,175
0,954
0,772

1,960
1,440
1,150
0,935
0,755

1,881
1,405
1,126
0,915
0,739

1,812
1,372
1,103
0,896
0,722

1,751
1,341
1,080
0,878
0,706

1,695
1,311
1,058
0,860
0,690

0,5
0,6
0,7
0,8
0,9

0,674
0,524
0,385
0,253
0,126

0,659
0,510
0,372
0,240
0,113

0,643
0,496
0,358
0,228
0,100

0,628
0,482
0,345
0,215
0,088

0,613
0,468
0,332
0,202
0,075

0,598
0,454
0,319
0,189
0,063

0,583
0,440
0,305
0,176
0,050

0,568
0,426
0,292
0,164
0,038

0,553
0,412
0,279
0,151
0,025

0,539
0,399
0,266
0,138
0,013

Tabla para los pequeos valores de

0,002
3,090

0,001
3,290

0,000 1
3,891

0,000 01
4,417

0,000 001
4,892

0,000 000 1
5,327

Nota: Para cada valor de (en el caso de la tabla principal, la suma de la primera columna y de la
primera fila) en el interior de la tabla se da el valor z tal que a la izquierda de z y a la
derecha de + z hay un rea total de .

30

31

TABLAS
Tabla 2
2.500 nmeros aleatorios

0347437386
9774246762
1676622766
1256859926
5559563564
1622779439
8442175331
6301637859
3321123429
5760863244
1818079246
2662389775
2342406474
5236281995
3785943512
7029171213
5662183735
9949572277
1608150472
3116933243
6834301370
7457256576
2742378653
0039682961
2994989424
1690826659
1127947506
3524101620
3823168638
3196259147
5667406714
1490844511
6805511800
2046787390
6419589779
0526937060
0797108823
6871868585
2699616553
1465526875
1753775871
9026592119
4123525599
6020508169
9125380590
3450577437
8522043943
0979137748
8875801814
9096237000

3696473661
4281145720
5650267107
9696682731
3854824622
4954435482
5724550688
1695556719
7864560782
0947279654
4417165809
8416074499
8297777781
5092261197
8339500830
4033203826
9683508775
8842954572
3327143409
5027898719
5574307740
5929976860
4855906572
6637322030
6849691082
8362641112
0609197466
3332512638
4238970150
9644334913
6405719586
7573880590
3396027519
9751401402
1506159320
2235851513
0998429964
5487664754
5837788070
8759362241
7141615072
2352233312
3104496996
3199736868
9458284136
9880330091
7381539479
7382972221
2295754249
3900030690

4698637162
4253323732
3290797853
0503729315
3162430990
1737932378
7704744767
9810507175
5242074438
4917460962
7983861962
8311463224
0745321408
0056763138
4234079688
1389510374
9712259347
1664361600
4559346849
2015370049
4422788426
7191386754
9657693610
7784570329
5375919330
6719007174
0294373402
7978450491
8775668141
3486825391
1105650968
5227411486
0760629355
0402333108
0190107506
9203515977
6171629915
7332081112
4210506742
2678630655
1241949626
9693021839
1047484588
3581330376
4537590309
0977931982
3362468628
0503272483
3932822249
5585783836

3326168045
2707360751
1355385859
5712101421
0618443253
8735209643
2176335025
1286735807
1551001342
9052847727
0676500310
2014858845
3298940772
8022025353
5442068798
1776371304
7033240354
0443186679
1272073445
5285666044
0433460952
1358182476
9646924245
1045650426
3425205727
6047212968
7670903086
1692535616
4001749162
0052434885
7683203790
2298122208
5933824390
3954164936
4078788962
5956780683
0651291693
4495926316
3217558574
1308270150
4495273699
0702183607
1341438920
2430124860
9035572912
7494800404
0831544631
7289440560
0248077037
9437306932

6011141095
2451798973
8897541410
8826498176
2383013030
8426349164
8392120676
4439523879
9966027954
0802734328
5523640505
1093728871
9385791075
8660420453
3585294839
0774211930
9777464480
9477242190
9927729514
3868881180
6807970657
1554559552
9760490491
1104966724
4048735192
0202370331
3845943038
0275509598
4851840832
2755268962
5716001166
0752749580
4937384459
4795931330
0267741733
5291057074
5805770951
2956242948
9444671694
1529393943
0296743083
2599327023
9717144917
1899107234
8262546560
4507316649
5394133847
3580399488
1604616787
9089007633

Nota: Los nmeros pueden seleccionarse en cualquier orden (de izquierda a derecha, de arriba
abajo, ...) y comenzando por cualquier posicin.

Ros (1967)

32

TABLAS
Tabla 3
Distribucin t de Student

/2

/2

t 0 t

0,50

0,40

0,30

0,20

0,10

0,05

0,02

0,01

1
2
3
4
5
6
7
8
9
10

1,000
0,816
0,765
0,741
0,727
0,718
0,711
0,706
0,703
0,700

1,376
1,061
0,978
0,941
0,920
0,906
0,896
0,889
0,883
0,879

1,963
1,386
1,250
1,190
1,156
1,134
1,119
1,108
1,100
1,093

3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372

6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812

12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228

31,821
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764

63,656
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169

636,578
31,600
12,924
8,610
6,869
5,959
5,408
5,041
4,781
4,587

11
12
13
14
15
16
17
18
19
20

0,697
0,695
0,694
0,692
0,691
0,690
0,689
0,688
0,688
0,687

0,876
0,873
0,870
0,868
0,866
0,865
0,863
0,862
0,861
0,860

1,088
1,083
1,079
1,076
1,074
1,071
1,069
1,067
1,066
1,064

1,363
1,356
1,350
1,345
1,341
1,337
1,333
1,330
1,328
1,325

1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725

2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086

2,718
2,681
2,650
2,624
2,602
2,583
2,567
2,552
2,539
2,528

3,106
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845

4,437
4,318
4,221
4,140
4,073
4,015
3,965
3,922
3,883
3,850

21
22
23
24
25
26
27
28
29
30

0,686
0,686
0,685
0,685
0,684
0,684
0,684
0,683
0,683
0,683

0,859
0,858
0,858
0,857
0,856
0,856
0,855
0,855
0,854
0,854

1,063
1,061
1,060
1,059
1,058
1,058
1,057
1,056
1,055
1,055

1,323
1,321
1,319
1,318
1,316
1,315
1,314
1,313
1,311
1,310

1,721
1,717
1,714
1,711
1,708
1,706
1,703
1,701
1,699
1,697

2,080
2,074
2,069
2,064
2,060
2,056
2,052
2,048
2,045
2,042

2,518
2,508
2,500
2,492
2,485
2,479
2,473
2,467
2,462
2,457

2,831
2,819
2,807
2,797
2,787
2,779
2,771
2,763
2,756
2,750

3,819
3,792
3,768
3,745
3,725
3,707
3,689
3,674
3,660
3,646

35
40
45
50
60
80
100

0,682
0,681
0,680
0,679
0,679
0,678
0,677
0,674

0,852
0,851
0,850
0,849
0,848
0,846
0,845
0,842

1,052
1,050
1,049
1,047
1,045
1,043
1,042
1,036

1,306
1,303
1,301
1,299
1,296
1,292
1,290
1,282

1,690
1,684
1,679
1,676
1,671
1,664
1,660
1,645

2,030
2,021
2,014
2,009
2,000
1,990
1,984
1,960

2,438
2,423
2,412
2,403
2,390
2,374
2,364
2,326

2,724
2,704
2,690
2,678
2,660
2,639
2,626
2,576

3,591
3,551
3,520
3,496
3,460
3,416
3,390
3,290

g.l.

0,001

Nota: Para cada valor de los gl (primera columna) y de (primera fila), en el interior de la tabla
se da el valor t tal que a la izquierda de t y a la derecha de +t queda un rea total de .

32

33

TABLAS
Tabla 4
Lmites de significacin para el test de Normalidad de DAgostino

0,20

0,10

0,05

0,02

0, 01

10
12
14
16
18

0,2632 - 0,2835
0,2653 - 0,2841
0,2669 - 0,2846
0,2681 - 0,2848
0,2690 - 0,2850

0,2573 - 0,2843
0,2598 - 0,2849
0,2618 - 0,2853
0,2634 - 0,2855
0,2646 - 0,2857

0,2513 - 0,2849
0,2544 - 0,2854
0,2568 - 0,2858
0,2587 - 0,2860
0,2603 - 0,2862

0,2436 - 0,2855
0,2473 - 0,2859
0,2503 - 0,2862
0,2527 - 0,2865
0,2547 - 0,2866

0,2379 - 0,2857
0,2420 - 0,2862
0,2455 - 0,2865
0,2482 - 0,2867
0,2505 - 0,2868

20
22
24
26
28

0,2699 - 0,2852
0,2705 - 0,2853
0,2711 - 0,2853
0,2717 - 0,2854
0,2721 - 0,2854

0,2657 - 0,2859
0,2667 - 0,2860
0,2675 - 0,2861
0,2682 - 0,2861
0,2688 - 0,2861

0,2617 - 0,2863
0,2629 - 0,2864
0,2639 - 0,2865
0,2647 - 0,2866
0,2655 - 0,2866

0,2564 - 0,2867
0,2579 - 0,2869
0,2591 - 0,2869
0,2603 - 0,2870
0,2612 - 0,2870

0,2525 - 0,2869
0,2542 - 0,2870
0,2557 - 0,2871
0,2570 - 0,2872
0,2581 - 0,2873

30
32
34
36
38

0,2725 - 0,2854
0,2729 - 0,2854
0,2732 - 0,2854
0,2735 - 0,2854
0,2738 - 0,2854

0,2693 - 0,2862
0,2698 - 0,2862
0,2703 - 0,2862
0,2707 - 0,2862
0,2710 - 0,2862

0,2662 - 0,2866
0,2668 - 0,2867
0,2674 - 0,2867
0,2679 - 0,2367
0,2683 - 0,2867

0,2622 - 0,2871
0,2630 - 0,2871
0,2636 - 0,2871
0,2643 - 0,2871
0,2649 - 0,2871

0,2592 - 0,2872
0,2600 - 0,2873
0,2609 - 0,2873
0,2617 - 0,2873
0,2623 - 0,2873

40
42
44
46
48

0,2740 - 0,2854
0,2743 - 0,2854
0,2745 - 0,2854
0,2747 - 0,2854
0,2749 - 0,2854

0,2714 - 0,2862
0,2717 - 0,2861
0,2720 - 0,2861
0,2722 - 0,2861
0,2725 - 0,2861

0,2688 - 0,2867
0,2691 - 0,2867
0,2695 - 0,2867
0,2698 - 0,2866
0,2702 - 0,2866

0,2655 - 0,2871
0,2659 - 0,2871
0,2664 - 0,2871
0,2668 - 0,2871
0,2672 - 0,2871

0,2630 - 0,2874
0,2636 - 0,2874
0,2641 - 0,2874
0,2646 - 0,2874
0,2651 - 0,2874

50
60
70
80
90

0,2751 - 0,2853
0,2757 - 0,2852
0,2763 - 0,2851
0,2768 - 0,2850
0,2771 - 0,2849

0,2727 - 0,2861
0,2737 - 0,2860
0,2744 - 0,2859
0,2750 - 0,2857
0,2756 - 0,2856

0,2705 - 0,2866
0,2717 - 0,2865
0,2726 - 0,2864
0,2734 - 0,2863
0,2741 - 0,2861

0,2676 - 0,2871
0,2692 - 0,2870
0,2704 - 0,2869
0,2713 - 0,2868
0,2721 - 0,2866

0,2655 - 0,2874
0,2673 - 0,2873
0,2687 - 0,2872
0,2698 - 0,2871
0,2707 - 0,2870

100
120
140
150
160
180

0,2774 - 0,2849
0,2779 - 0,2847
0,2782 - 0,2846
0,2784 - 0,2845
0,2785 - 0,2845
0,2787 - 0,2844

0,2759 - 0,2855
0,2765 - 0,2853
0,2770 - 0,2852
0,2772 - 0,2851
0,2774 - 0,2851
0,2777 - 0,2850

0,2745 - 0,2860
0,2752 - 0,2858
0,2758 - 0,2856
0,2761 - 0,2856
0,2763 - 0,2855
0,2767 - 0,2854

0,2727 - 0,2865
0,2737 - 0,2863
0,2744 - 0,2862
0,2747 - 0,2861
0,2750 - 0,2860
0,2755 - 0,2859

0,2714 - 0,2869
0,2725 - 0,2866
0,2734 - 0,2865
0,2737 - 0,2864
0,2741 - 0,2863
0,2745 - 0,2862

200
250
300
350
400
450

0,2789 - 0,2843
0,2793 - 0,2841
0,2796 - 0 2840
0,2798 - 0:2839
0,2799 - 0,2838
0,2801 - 0,2837

0,2779 - 0,2848
0,2784 - 0,2846
0,2788 - 0,2844
0,2791 - 0,2843
0,2793 - 0,2842
0,2795 - 0,2841

0,2770 - 0,2853
0,2776 - 0,2850
0,2781 - 0,2847
0,2784 - 0,2847
0,2787 - 0,2845
0,2789 - 0,2844

0,2759 - 0,2857
0,2767 - 0,2855
0,2772 - 0,2853
0,2776 - 0,2851
0,2780 - 0,2849
0,2782 - 0,2848

0,2751 - 0,2860
0,2760 - 0,2857
0,2766 - 0,2855
0,2771 - 0,2853
0,2775 - 0,2852
0,2778 - 0,2850

500
550
600
650
700
750

0,2802 - 0,2836
0,2803 - 0,2835
0,2804 - 0,2835
0,2804 - 0,2834
0,2805 - 0,2834
0,2806 - 0,2834

0,2796 - 0,2840
0,2797 - 0,2839
0,2799 - 0,2839
0,2799 - 0,2838
0,2800 - 0,2837
0,2801 - 0,2837

0,2791 - 0,2843
0,2792 - 0,2842
0,2794 - 0,2842
0,2795 - 0,2841
0,2796 - 0,2840
0,2797 - 0,2840

0,2785 - 0,2847
0,2787 - 0,2846
0,2788 - 0,2845
0,2790 - 0,2844
0,2791 - 0,2844
0,2792 - 0,2843

0,2780 - 0,2849
0,2782 - 0,2848
0,2784 - 0,2847
0,2786 - 0,2846
0,2787 - 0,2846
0,2789 - 0,2845

800
850
900
950

0,2806 - 0,2833
0,2807 - 0,2833
0,2807 - 0,2833
0,2807 - 0,2832

0,2802 - 0,2837
0,2802 - 0,2836
0,2803 - 0,2836
0,2803 - 0,2835

0,2798 - 0,2839
0,2799 - 0,2839
0,2799 - 0,2838
0,2800 - 0,2838

0,2793 - 0,2842
0,2794 - 0,2842
0,2795 - 0,2841
0,2796 - 0,2841

0,2790 - 0,2844
0,2791 - 0,2844
0,2792 - 0,2843
0,2793 - 0,2843

1000
1250
1500
1750
2000

0,2808 - 0,2832
0,2809 - 0,2831
0,2810 - 0,2830
0,2811 - 0,2830
0,2812 - 0,2829

0,2804 - 0,2835
0,2806 - 0,2834
0,2807 - 0,2833
0,2808 - 0,2832
0,2809 - 0,2831

0,2800 - 0,2838
0,2803 - 0,2836
0,2805 - 0,2835
0,2806 - 0,2834
0,2807 - 0,2833

0,2796 - 0,2840
0,2799 - 0,2839
0,2801 - 0,2837
0,2803 - 0,2836
0,2804 - 0,2835

0,2793 - 0,2842
0,2797 - 0,2840
0,2799 - 0,2839
0,2801 - 0,2838
0,2802 - 0,2837

Nota: Para cada tamao de muestra n (primera columna) y para cada nivel de significacin (primera fila),
en el interior de la tabla se dan dos nmeros (DI - DS) tales que si el estadstico Dexp de DAgostino
verifica que Dexp DI o Dexp DS, entonces se rechaza la hiptesis nula de Normalidad.
DAgostino and Stephens (1986).

34

TABLAS
Tabla 5: Distribucin F de Snedecor
(a) = 10%

v2

v1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120

10

12

15

20

F
24

30

40

60

120

39,86 49,50 53,59 55,83 57,24 58,20 58,91 59,44 59,86 60,19 60,71 61,22 61,74 62,00 62,26 62,53 62,79 63,06 63,33
8,53 9,00 9,16 9,24 9,29 9,33 9,35 9,37 9,38 9,39 9,41 9,42 9,44 9,45 9,46 9,47 9,47 9,48 9,40
5,54 5,46 5,39 5,34 5,31 5,28 5,27 5,25 5,24 5,23 5,22 5,20 5,18 5,18 5,17 5,16 5,15 5,14 5,13
4,54 4,32 4,19 4,11 4,05 4,01 3,98 3,95 3,94 3,92 3,90 3,87 3,84 3,83 3,82 3,80 3,79 3,78 3,76
4,06 3,78 3,62 3,52 3,45 3,40 3,37 3,34 3,32 3,30 3,27 3,24 3,21 3,19 3,17 3,16 3,14 3,12 3,10
3,78 3,46 3,29 3,18 3,11 3,05 3,01 2,98 2,96 2,94 2,90 2,87 2,84 2,82 2,80 2,78 2,76 2,74 2,72
3,59 3,26 3,07 2,96 2,88 2,83 2,78 2,75 2,72 2,70 2,67 2,63 2,59 2,58 2,56 2,54 2,51 2,49 2,47
3,46 3,11 2,92 2,81 2,73 2,67 2,62 2,59 2,56 2,54 2,50 2,46 2,42 2,40 2,38 2,36 2,34 2,32 2,29
3,36 3,01 2,81 2,69 2,61 2,55 2,51 2,47 2,44 2,42 2,38 2,34 2,30 2,28 2,25 2,23 2,21 2,18 2,16
3,29 2,92 2,73 2,61 2,52 2,46 2,41 2,38 2,35 2,32 2,28 2,24 2,20 2,18 2,16 2,13 2,11 2,08 2,06
3,23 2,86 2,66 2,54 2,45 2,39 2,34 2,30 2,27 2,25 2,21 2,17 2,12 2,10 2,08 2,05 2,03 2,00 1,97
3,18 2,81 2,61 2,48 2,39 2,33 2,28 2,24 2,21 2,19 2,15 2,10 2,06 2,04 2,01 1,99 1,96 1,93 1,90
3,14 2,76 2,56 2,43 2,35 2,28 2,23 2,20 2,16 2,14 2,10 2,05 2,01 1,98 1,96 1,93 1,90 1,88 1,85
3,10 2,73 2,52 2,39 2,31 2,24 2,19 2,15 2,12 2,10 2,05 2,01 1,96 1,94 1,91 1,89 1,86 1,83 1,80
3,07 2,70 2,49 2,36 2,27 2,21 2,16 2,12 2,09 2,06 2,02 1,97 1,92 1,90 1,87 1,85 1,82 1,79 1,76
3,05 2,67 2,46 2,33 2,24 2,18 2,13 2,09 2,06 2,03 1,99 1,94 1,89 1,87 1,84 1,81 1,78 1,75 1,72
3,03 2,64 2,44 2,31 2,22 2,15 2,10 2,06 2,03 2,00 1,96 1,91 1,86 1,84 1,81 1,78 1,75 1,72 1,69
3,01 2,62 2,42 2,29 2,20 2,13 2,08 2,04 2,00 1,98 1,93 1,89 1,84 1,81 1,78 1,75 1,72 1,69 1,66
2,99 2,61 2,40 2,27 2,18 2,11 2,06 2,02 1,98 1,96 1,91 1,86 1,81 1,79 1,76 1,73 1,70 1,67 1,63
2,97 2,59 2,38 2,25 2,16 2,09 2,04 2,00 1,96 1,94 1,89 1,84 1,79 1,77 1,74 1,71 1,68 1,64 1,61
2,96 2,57 2,36 2,23 2,14 2,08 2,02 1,98 1,95 1,92 1,87 1,83 1,78 1,75 1,72 1,69 1,66 1,62 1,59
2,95 2,56 2,35 2,22 2,13 2,06 2,01 1,97 1,93 1,90 1,86 1,81 1,76 1,73 1,70 1,67 1,64 1,60 1,57
2,94 2,55 2,34 2,21 2,11 2,05 1,99 1,95 1,92 1,89 1,84 1,80 1,74 1,72 1,69 1,66 1,62 1,59 1,55
2,93 2,54 2,33 2,19 2,10 2,04 1,98 1,94 1,91 1,88 1,83 1,78 1,73 1,70 1,67 1,64 1,61 1,57 1,53
2,92 2,53 2,32 2,18 2,09 2,02 1,97 1,93 1,89 1,87 1,82 1,77 1,72 1,69 1,66 1,63 1,59 1,56 1,52
2,91 2,52 2,31 2,17 2,08 2,01 1,96 1,92 1,88 1,86 1,81 1,76 1,71 1,68 1,65 1,61 1,58 1,54 1,50
2,90 2,51 2,30 2,17 2,07 2,00 1,95 1,91 1,87 1,85 1,80 1,75 1,70 1,67 1,64 1,60 1,57 1,53 1,49
2,89 2,50 2,29 2,16 2,06 2,00 1,94 1,90 1,87 1,84 1,79 1,74 1,69 1,66 1,63 1,59 1,56 1,52 1,48
2,89 2,50 2,28 2,15 2,06 1,99 1,93 1,89 1,86 1,83 1,78 1,73 1,68 1,65 1,62 1,58 1,55 1,51 1,47
2,88 2,49 2,28 2,14 2,05 1,98 1,93 1,88 1,85 1,82 1,77 1,72 1,67 1,64 1,61 1,57 1,54 1,50 1,46
2,84 2,44 2,23 2,09 2,00 1,93 1,87 1,83 1,79 1,76 1,71 1,66 1,61 1,57 1,54 1,51 1,47 1,42 1,38
2,79 2,39 2,18 2,04 1,95 1,87 1,82 1,77 1,74 1,71 1,66 1,60 1,54 1,51 1,48 1,44 1,40 1,35 1,29
2,75 2,35 2,13 1,99 1,90 1,82 1,77 1,72 1,68 1,65 1,60 1,55 1,48 1,45 1,41 1,37 1,32 1,26 1,19
2,71 2,30 2,08 1,94 1,85 1,77 1,72 1,67 1,63 1,60 1,55 1,49 1,42 1,38 1,34 1,30 1,24 1,17 1,00

(b) = 5%
v1

v2
1
2
3
4

5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120

10

12

15

20

24

30

40

60

120

161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9 243,9 245,9 248,0 249,1 250,1 251,1 252,2 253,3 254,3
18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,41 19,43 19,45 19,45 19,46 19,47 19,48 19,49 19,50
10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66 8,64 8,62 8,59 8,57 8,55 8,53
7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,97 5,91 5,86 5,80 5,77 5,74 5,72 5,69 5,66 5,63
6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,73 4,68 4,62 4,56 4,53 4,50 4,46 4,43 4,40 4,36
5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,70 3,67
5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,31 3,27 3,23
5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,28 3,22 3,15 3,12 3,08 3,04 3,00 2,97 2,93
5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94 2,90 2,86 2,83 2,79 2,75 2,71
4,96 4,10 3,71 3,48 3,33 3,22 3,14 3:07 3,02 2,98 2,91 2,85 2,77 2,74 2,70 2,66 2,62 2,58 2,54
4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65 2,61 2,57 2,53 2,49 2,45 2,40
4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54 2,51 2,47 2,43 2,38 2,34 2,30
4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46 2,42 2,38 2,34 2,30 2,25 2,21
4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39 2,35 2,31 2,27 2,22 2,18 2,13
4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,48 2,40 2,33 2,29 2,25 2,20 2,16 2,11 2,07
4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,35 2,28 2,24 2,19 2,15 2,11 2,06 2,01
4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,38 2,31 2,23 2,19 2,15 2,10 2,06 2,01 1,96
4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,34 2,27 2,19 2,15 2,11 2,06 2,02 1,97 1,92
4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,31 2,23 2,16 2,11 2,07 2,03 1,98 1,93 1,88
4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,28 2,20 2,12 2,08 2,04 1,99 1,95 1,90 1,84
4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,25 2,18 2,10 2,05 2,01 1,96 1,92 1,87 1,81
4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,23 2,15 2,07 2,03 1,98 1,94 1,89 1,84 1,78
4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,20 2,13 2,05 2,00 1,96 1,91 1,86 1,81 1,76
4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,18 2,11 2,03 1,98 1,94 1,89 1,84 1,79 1,73
4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,16 2,09 2,01 1,96 1,92 1,87 1,82 1,77 1,71
4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,15 2,07 1,99 1,95 1,90 1,85 1,80 1,75 1,69
4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,25 2,20 2,13 2,06 1,97 1,93 1,88 1,84 1,79 1,73 1,67
4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,12 2,04 1,96 1,91 1,87 1,82 1,77 1,71 1,65
4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,18 2,10 2,03 1,94 1,90 1,85 1,81 1,75 1,70 1,64
4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,09 2,01 1,93 1,89 1,84 1,79 1,74 1,68 1,62
4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,00 1,92 1,84 1,79 1,74 1,69 1,64 1,58 1,51
4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,92 1,84 1,75 1,70 1,65 1,59 1,53 1,47 1,39
3,92 3,07 2,68 2,45 2,29 2,18 2,09 2,02 1,96 1,91 1,83 1,75 1,66 1,61 1,55 1,50 1,43 1,35 1,25
3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,75 1,67 1,57 1,52 1,46 1,39 1,32 1,22 1,00

Nota: Para cada valor de los primeros gl (v1 en la primera fila) y de los segundos gl (v2 en la primera columna), en el interior de la tabla se da el valor F que deja a su derecha un rea de .

34

35

TABLAS
Tabla 6
Lmites de significacin para el test de Wilcoxon
(dos muestras independientes)
n1 , n2
4, 4
4, 5
4, 6
4, 7
4, 8
4, 9
4, 10
4, 11
4, 12
4, 13
4, 14
4, 15
4, 16
4, 17
4, 18
4, 19
4, 20
4, 21
4, 22
4, 23
4, 24
4, 25
4, 26
5, 5
5, 6
5, 7
5, 8
5, 9
5, 10
5, 11
5, 12
5, 13
5, 14
5, 15
5, 16
5, 17
5, 18
5, 19
5, 20
5, 21
5, 22
5, 23
5, 24
5, 25
6, 6
6, 7
6, 8
6, 9
6, 10
6, 11
6, 12
6, 13
6, 14
6, 15
6, 16
6, 17
6, 18
6, 19
6, 20
6, 21
6, 22
6, 23
6, 24
7, 7
7, 8
7, 9
7, 10
7, 11
7, 12
7, 13
7, 14
7, 15
7, 16
7, 17

0,10

0,05

0,01

11 - 25
12 - 28
13 - 31
14 - 34
15 - 37
16 - 40
17 - 43
18 - 46
19 - 49
20 - 52
21 - 55
22 - 58
24 - 60
25 - 63
26 - 66
27 - 69
28 - 72
29 - 75
30 - 78
31 - 81
32 - 84
33 - 87
34 - 90
19 - 36
20 - 40
21 - 44
23 - 47
24 - 51
26 - 54
27 - 58
28 - 62
30 - 65
31 - 69
33 - 72
34 - 76
35 - 80
37 - 83
38 - 87
40 - 90
41 - 94
43 - 97
44 - 101
45 - 105
47 - 108
28 - 50
29 - 55
31 - 59
33 - 63
35 - 67
37 - 71
38 - 76
40 - 80
42 - 84
44 - 88
46 - 92
47 - 97
49 - 101
51 - 105
53 - 109
55 - 113
57 - 117
58 - 122
60 - 126
39 - 66
41 - 71
43 - 76
45 - 81
47 - 86
49 - 91
52 - 95
54 - 100
56 - 105
58 - 110
61 - 114

10 - 26
11 - 29
12 - 32
13 - 35
14 - 38
14 - 42
15 - 45
16 - 48
17 - 51
18 - 54
19 - 57
20 - 60
21 - 63
21 - 67
22 - 70
23 - 73
24 - 76
25 - 79
26 - 82
27 - 85
27 - 89
28 - 92
29 - 95
17 - 38
18 - 42
20 - 45
21 - 49
22 - 53
23 - 57
24 - 61
26 - 64
27 - 68
28 - 72
29 - 76
30 - 80
32 - 83
33 - 87
34 - 91
35 - 95
37 - 98
38 - 102
39 - 106
40 - 110
42 - 113
26 - 52
27 - 57
29 - 61
31 - 65
32 - 70
34 - 74
35 - 79
37 - 83
38 - 88
40 - 92
42 - 96
43 - 101
45 - 105
46 - 110
48 - 114
50 - 118
51 - 123
53 - 127
54 - 132
36 - 69
38 - 74
40 - 79
42 - 84
44 - 89
46 - 94
48 - 99
50 - 104
52 - 109
54 - 114
56 - 119

10 - 34
10 - 38
11 - 41
11 - 45
12 - 48
12 - 52
13 - 55
13 - 59
14 - 62
15 - 65
15 - 69
16 - 72
16 - 76
17 - 79
18 - 82
18 - 86
19 - 89
19 - 93
20 - 96
20 - 100
21 - 103
15 - 40
16 - 44
16 - 49
17 - 53
18 - 57
19 - 61
20 - 65
21 - 69
22 - 73
22 - 78
23 - 82
24 - 86
25 - 90
26 - 94
27 - 98
28 - 102
29 - 106
29 - 111
30 - 115
31 - 119
32 - 123
23 - 55
24 - 60
25 - 65
26 - 70
27 - 75
28 - 80
30 - 84
31 - 89
32 - 94
33 - 99
34 - 104
36 - 108
37 - 113
38 - 118
39 - 123
40 - 128
42 - 132
43 - 137
44 - 142
32 - 73
34 - 78
35 - 84
37 - 89
38 - 95
40 - 100
41 - 106
43 - 111
44 - 117
46 - 122
47 - 128

n1 , n2
7, 18
7, 19
7, 20
7, 21
7, 22
7, 23
8, 8
8, 9
8, 10
8, 11
8, 12
8, 13
8, 14
8, 15
8, 16
8, 17
8, 18
8, 19
8, 20
8, 21
8, 22
9, 9
9, 10
9, 11
9, 12
9, 13
9, 14
9, 15
9, 16
9, 17
9, 18
9, 19
9, 20
9, 21
10, 10
10, 11
10, 12
10, 13
10, 14
10, 15
10, 16
10, 17
10, 18
10, 19
10, 20
11, 11
11, 12
11, 13
11, 14
11, 15
11, 16
11, 17
11, 18
11, 19
12, 12
12, 13
12, 14
12, 15
12, 16
12, 17
12, 18
13, 13
13, 14
13, 15
13, 16
13, 17
14, 14
14, 15
14, 16
15, 15

0,10

0,05

0,01

63 - 119
65 - 124
67 - 129
69 - 134
72 - 138
74 - 143
51 - 85
54 - 90
56 - 96
59 - 101
62 - 106
64 - 112
67 - 117
69 - 123
72 - 128
75 - 133
77 - 139
80 - 144
83 - 149
85 - 155
88 - 160
66 - 105
69 - 111
72 - 117
75 - 123
78 - 129
81 - 135
84 - 141
87 - 147
90 - 153
93 - 159
96 - 165
99 - 171
102 - 177
82 - 128
86 - 134
89 - 141
92 - 148
96 - 154
99 - 161
103 - 167
106 - 174
110 - 180
113 - 187
117 - 193
100 - 153
104 - 160
108 - 167
112 - 174
116 - 181
120 - 188
123 - 196
127 - 203
131 - 210
120 - 180
125 - 187
129 - 195
133 - 203
138 - 210
142 - 218
146 - 226
142 - 209
147 - 217
152 - 225
156 - 234
161 - 242
166 - 240
171 - 249
176 - 258
191 - 274

58 - 124
60 - 129
62 - 134
64 - 139
66 - 144
68 - 149
49 - 87
51 - 93
53 - 99
55 - 105
58 - 110
60 - 116
62 - 122
65 - 127
67 - 133
70 - 138
72 - 144
74 - 150
77 - 155
79 - 161
81 - 167
62 - 109
65 - 115
68 - 121
71 - 127
73 - 134
76 - 140
79 - 146
82 - 152
84 - 159
87 - 165
90 - 171
93 - 177
95 - 184
78 - 132
81 - 139
84 - 146
88 - 152
91 - 159
94 - 166
97 - 173
100 - 180
103 - 187
107 - 193
110 - 200
96 - 157
99 - 165
103 - 172
106 - 180
110 - 187
113 - 195
117 - 202
121 - 209
124 - 217
115 - 185
119 - 193
123 - 201
127 - 209
131 - 217
135 - 225
139 - 233
136 - 215
141 - 223
145 - 232
150 - 240
154 - 249
160 - 246
164 - 256
169 - 265
184 - 281

49 - 133
50 - 139
52 - 144
53 - 150
55 - 155
57 - 150
43 - 93
45 - 99
47 - 105
49 - 111
51 - 117
53 - 123
54 - 130
56 - 136
58 - 142
60 - 148
62 - 154
64 - 160
66 - 166
68 - 172
70 - 178
56 - 115
58 - 122
61 - 128
63 - 135
65 - 142
67 - 149
69 - 156
72 - 162
74 - 169
76 - 176
78 - 183
81 - 189
83 - 196
71 - 139
73 - 147
76 - 154
79 - 161
81 - 169
84 - 176
86 - 184
89 - 191
92 - 198
94 - 206
97 - 213
87 - 166
90 - 174
93 - 182
96 - 190
99 - 198
102 - 206
105 - 214
108 - 222
111 - 230
105 - 195
109 - 203
112 - 212
115 - 221
119 - 229
122 - 238
125 - 247
125 - 226
129 - 235
133 - 244
136 - 254
140 - 263
147 - 259
151 - 269
155 - 279
171 - 294

Nota: Para cada pareja de tamaos de muestra n1 (primera columna) y n2 (segunda columna), y para cada nivel de significacin (primera fila), en el interior de la tabla se dan dos nmeros (RI - RS) tales que si
la suma de los rangos Rexp de la muestra de menor tamao verifica que Rexp RI o Rexp RS, entonces
se rechaza la hiptesis nula de homogeneidad de ambas muestras. La falta de lmites se indica con un
guin (-). White (1952).

36

TABLAS
Tabla 7
Lmites de significacin para el test de Wilcoxon
(dos muestras apareadas)

0,10

0,05

0,01

5
6
7
8
9

0 - 15
2 - 19
3 - 25
5 - 31
8 - 37

0 - 21
2 - 26
3 - 33
5 - 40

0 - 36
1 - 44

10
11
12
13
14

10 - 45
13 - 53
17 - 61
21 - 70
25 - 80

8 - 47
10 - 56
13 - 65
17 - 74
21 - 84

3 - 52
5 - 61
7 - 71
9 - 82
12 - 93

15
16
17
18
19

30 - 90
35 - 101
41 - 112
47 - 124
53 - 137

25 - 95
29 - 107
34 - 119
40 - 131
46 - 144

15 - 105
19 - 117
23 - 130
27 - 144
32 - 158

20
21
22
23
24

60 - 150
67 - 164
75 - 178
83 - 193
91 - 209

52 - 158
58 - 173
66 - 187
73 - 203
81 - 219

37 - 173
42 - 189
48 - 205
54 - 222
61 - 239

25

100 - 225

89 - 236

68 - 257

Nota: Para cada valor del nmero n de parejas de datos (primera columna) y para cada nivel de
significacin (primera fila), en el interior de la tabla se dan dos nmeros (RI - RS) tales
que si la suma de los rangos positivos R(+) verifica que R(+) RI o R(+) RS, entonces se
rechaza la hiptesis nula de homogeneidad de ambas muestras. El test puede hacerse tambin con la suma de los rangos negativos R(). La falta de lmites se indica con un guin
(-).

Tukey (1949).

36

37

TABLAS
Tabla 8: Distribucin de Bonferroni
K
f
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120

2,92
2,35
2,13
2,02
1,94
1,89
1,86
1,83
1,81
1,80
1,78
1,77
1,76
1,75
1,75
1,74
1,73
1,73
1,72
1,71
1,70
1,68
1,67
1,66
1,64

4,30
3,18
2,78
2,57
2,45
2,36
2,31
2,26
2,23
2,20
2,18
2,16
2,14
2,13
2,12
2,11
2,10
2,09
2,09
2,06
2,04
2,02
2,00
1,98
1,96

5,34
3,74
3,19
2,91
2,75
2,64
2,57
2,51
2,47
2,43
2,40
2,38
2,36
2,34
2,33
2,32
2,30
2,29
2,29
2,26
2,23
2,20
2,18
2,15
2,13

6,21
4,18
3,50
3,16
2,97
2,84
2,75
2,69
2,63
2,59
2,56
2,53
2,51
2,49
2,47
2,46
2,45
2,43
2,42
2,39
2,36
2,33
2,30
2,27
2,24

6,96
4,54
3,75
3,36
3,14
3,00
2,90
2,82
2,76
2,72
2,68
2,65
2,62
2,60
2,58
2,57
2,55
2,54
2,53
2,49
2,46
2,42
2,39
2,36
2,33

7,65
4,86
3,96
3,53
3,29
3,13
3,02
2,93
2,87
2,82
2,78
2,75
2,72
2,69
2,67
2,65
2,64
2,63
2,61
2,57
2,54
2,50
2,46
2,43
2,39

8,28
5,14
4,15
3,68
3,41
3,24
3,12
3,03
2,96
2,91
2,86
2,83
2,80
2,77
2,75
2,73
2,71
2,70
2,68
2,64
2,60
2,56
2,52
2,49
2,45

8,86
5,39
4,31
3,81
3,52
3,34
3,21
3,11
3,04
2,98
2,93
2,90
2,86
2,84
2,81
2,79
2,77
2,76
2,74
2,70
2,66
2,62
2,58
2,54
2,50

9,41
5,63
4,47
3,93
3,62
3,42
3,28
3,18
3,11
3,05
3,00
2,96
2,92
2,89
2,87
2,85
2,83
2,81
2,80
2,75
2,71
2,66
2,62
2,58
2,54

K
f
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120

4,30
3,18
2,78
2,57
2,45
2,36
2,31
2,26
2,23
2,20
2,18
2,16
2,14
2,13
2,12
2,11
2,10
2,09
2,09
2,06
2,04
2,02
2,00
1,98
1,96

6,21
4,18
3,50
3,16
2,97
2,84
2,75
2,69
2,63
2,59
2,56
2,53
2,51
2,49
2,47
2,46
2,45
2,43
2,42
2,39
2,36
2,33
2,30
2,27
2,24

7,65
4,86
3,96
3,53
3,29
3,13
3,02
2,93
2,87
2,82
2,78
2,75
2,72
2,69
2,67
2,65
2,64
2,63
2,61
2,57
2,54
2,50
2,46
2,43
2,39

8,86
5,39
4,31
3,81
3,52
3,34
3,21
3,11
3,04
2,98
2,93
2,90
2,86
2,84
2,81
2,79
2,77
2,76
2,74
2,70
2,66
2,62
2,58
2,54
2,50

K
f
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120

9,92 14,09 17,28 19,96 22,33 24,47 26,43 28,26 29,97 31,60 38,71 44,70 49,99 54,76 59,16 63,26 67,06 70,71
5,84 7,45 8,58 9,46 10,21 10,87 11,45 11,98 12,47 12,92 14,82 16,33 17,60 18,71 19,71 20,60 21,44 22,20
4,60 5,60 6,25 6,76 7,17 7,53 7,84 8,12 8,38 8,61 9,57 10,31 10,92 11,44 11,90 12,31 12,68 13,04
4,03 4,77 5,25 5,60 5,89 6,14 6,35 6,54 6,71 6,87 7,50 7,98 8,36 8,69 8,98 9,23 9,47 9,68
3,71 4,32 4,70 4,98 5,21 5,40 5,56 5,71 5,84 5,96 6,43 6,79 7,07 7,32 7,52 7,71 7,87 8,02
3,50 4,03 4,36 4,59 4,79 4,94 5,08 5,20 5,31 5,41 5,80 6,08 6,31 6,50 6,67 6,81 6,95 7,06
3,36 3,83 4,12 4,33 4,50 4,64 4,76 4,86 4,96 5,04 5,37 5,62 5,81 5,97 6,11 6,23 6,34 6,44
3,25 3,69 3,95 4,15 4,30 4,42 4,53 4,62 4,71 4,78 5,08 5,29 5,46 5,60 5,72 5,83 5,93 6,01
3,17 3,58 3,83 4,00 4,14 4,26 4,36 4,44 4,52 4,59 4,85 5,05 5,20 5,33 5,44 5,53 5,62 5,69
3,11 3,50 3,73 3,89 4,02 4,13 4,22 4,30 4,37 4,44 4,68 4,86 5,00 5,12 5,22 5,31 5,38 5,45
3,05 3,43 3,65 3,81 3,93 4,03 4,12 4,19 4,26 4,32 4,55 4,72 4,85 4,96 5,05 5,13 5,20 5,26
3,01 3,37 3,58 3,73 3,85 3,95 4,03 4,10 4,16 4,22 4,44 4,60 4,72 4,82 4,91 4,98 5,05 5,11
2,98 3,33 3,53 3,67 3,79 3,88 3,96 4,03 4,09 4,14 4,35 4,50 4,62 4,71 4,79 4,86 4,93 4,98
2,95 3,29 3,48 3,62 3,73 3,82 3,90 3,96 4,02 4,07 4,27 4,42 4,53 4,62 4,70 4,77 4,83 4,88
2,92 3,25 3,44 3,58 3,69 3,77 3,85 3,91 3,96 4,01 4,21 4,35 4,45 4,54 4,62 4,68 4,74 4,79
2,90 3,22 3,41 3,54 3,65 3,73 3,80 3,86 3,92 3,97 4,15 4,29 4,39 4,48 4,55 4,61 4,66 4,71
2,88 3,20 3,38 3,51 3,61 3,69 3,76 3,82 3,87 3,92 4,10 4,23 4,33 4,42 4,49 4,55 4,60 4,65
2,86 3,17 3,35 3,48 3,58 3,66 3,73 3,79 3,84 3,88 4,06 4,19 4,28 4,36 4,43 4,49 4,54 4,59
2,85 3,15 3,33 3,46 3,55 3,63 3,70 3,75 3,80 3,85 4,02 4,15 4,24 4,32 4,39 4,44 4,49 4,54
2,80 3,09 3,26 3,38 3,47 3,54 3,60 3,66 3,70 3,75 3,91 4,02 4,11 4,18 4,24 4,29 4,34 4,38
2,75 3,03 3,19 3,30 3,39 3,45 3,51 3,56 3,61 3,65 3,80 3,90 3,98 4,05 4,11 4,15 4,20 4,23
2,70 2,97 3,12 3,23 3,31 3,37 3,43 3,47 3,51 3,55 3,69 3,79 3,86 3,92 3,98 4,02 4,06 4,09
2,66 2,91 3,06 3,16 3,23 3,29 3,34 3,39 3,43 3,46 3,59 3,68 3,75 3,81 3,85 3,89 3,93 3,96
2,62 2,86 3,00 3,09 3,16 3,22 3,26 3,31 3,34 3,37 3,49 3,58 3,64 3,69 3,74 3,78 3,81 3,84
2,58 2,81 2,94 3,02 3,09 3,14 3,19 3,23 3,26 3,29 3,40 3,48 3,54 3,59 3,63 3,66 3,69 3,72

10

15

20

25

30

35

40

45

50

9,92 12,19 14,09 15,76 17,28 18,67 19,96 21,18 22,33

5,84 6,74 7,45 8,05 8,58 9,04 9,46 9,85 10,21
4,60 5,17 5,60 5,95 6,25 6,52 6,76 6,97 7,17
4,03 4,46 4,77 5,03 5,25 5,44 5,60 5,76 5,89
3,71 4,06 4,32 4,52 4,70 4,85 4,98 5,10 5,21
3,50 3,81 4,03 4,21 4,36 4,48 4,59 4,69 4,79
3,36 3,63 3,83 3,99 4,12 4,23 4,33 4,42 4,50
3,25 3,51 3,69 3,83 3,95 4,06 4,15 4,23 4,30
3,17 3,41 3,58 3,72 3,83 3,92 4,00 4,08 4,14
3,11 3,33 3,50 3,62 3,73 3,82 3,89 3,96 4,02
3,05 3,27 3,43 3,55 3,65 3,73 3,81 3,87 3,93
3,01 3,22 3,37 3,49 3,58 3,66 3,73 3,80 3,85
2,98 3,18 3,33 3,44 3,53 3,61 3,67 3,73 3,79
2,95 3,15 3,29 3,39 3,48 3,56 3,62 3,68 3,73
2,92 3,12 3,25 3,36 3,44 3,52 3,58 3,64 3,69
2,90 3,09 3,22 3,33 3,41 3,48 3,54 3,60 3,65
2,88 3,07 3,20 3,30 3,38 3,45 3,51 3,56 3,61
2,86 3,04 3,17 3,27 3,35 3,42 3,48 3,53 3,58
2,85 3,03 3,15 3,25 3,33 3,40 3,46 3,51 3,55
2,80 2,97 3,09 3,18 3,26 3,32 3,38 3,42 3,47
2,75 2,92 3,03 3,12 3,19 3,25 3,30 3,35 3,39
2,70 2,86 2,97 3,05 3,12 3,18 3,23 3,27 3,31
2,66 2,81 2,91 2,99 3,06 3,11 3,16 3,20 3,23
2,62 2,76 2,86 2,93 3,00 3,05 3,09 3,13 3,16
2,58 2,71 2,81 2,88 2,94 2,98 3,02 3,06 3,09
10

15

20

25

30

35

40

45

50

9,92 10,89 11,77 12,59 13,36 14,09 17,28 19,96 22,33 24,47 26,43 28,26 29,97 31,60
5,84 6,23 6,58 6,90 7,18 7,45 8,58 9,46 10,21 10,87 11,45 11,98 12,47 12,92
4,60 4,85 5,07 5,26 5,44 5,60 6,25 6,76 7,17 7,53 7,84 8,12 8,38 8,61
4,03 4,22 4,38 4,53 4,66 4,77 5,25 5,60 5,89 6,14 6,35 6,54 6,71 6,87
3,71 3,86 4,00 4,12 4,22 4,32 4,70 4,98 5,21 5,40 5,56 5,71 5,84 5,96
3,50 3,64 3,75 3,86 3,95 4,03 4,36 4,59 4,79 4,94 5,08 5,20 5,31 5,41
3,36 3,48 3,58 3,68 3,76 3,83 4,12 4,33 4,50 4,64 4,76 4,86 4,96 5,04
3,25 3,36 3,46 3,55 3,62 3,69 3,95 4,15 4,30 4,42 4,53 4,62 4,71 4,78
3,17 3,28 3,37 3,45 3,52 3,58 3,83 4,00 4,14 4,26 4,36 4,44 4,52 4,59
3,11 3,21 3,29 3,37 3,44 3,50 3,73 3,89 4,02 4,13 4,22 4,30 4,37 4,44
3,05 3,15 3,24 3,31 3,37 3,43 3,65 3,81 3,93 4,03 4,12 4,19 4,26 4,32
3,01 3,11 3,19 3,26 3,32 3,37 3,58 3,73 3,85 3,95 4,03 4,10 4,16 4,22
2,98 3,07 3,15 3,21 3,27 3,33 3,53 3,67 3,79 3,88 3,96 4,03 4,09 4,14
2,95 3,04 3,11 3,18 3,23 3,29 3,48 3,62 3,73 3,82 3,90 3,96 4,02 4,07
2,92 3,01 3,08 3,15 3,20 3,25 3,44 3,58 3,69 3,77 3,85 3,91 3,96 4,01
2,90 2,98 3,06 3,12 3,17 3,22 3,41 3,54 3,65 3,73 3,80 3,86 3,92 3,97
2,88 2,96 3,03 3,09 3,15 3,20 3,38 3,51 3,61 3,69 3,76 3,82 3,87 3,92
2,86 2,94 3,01 3,07 3,13 3,17 3,35 3,48 3,58 3,66 3,73 3,79 3,84 3,88
2,85 2,93 3,00 3,06 3,11 3,15 3,33 3,46 3,55 3,63 3,70 3,75 3,80 3,85
2,80 2,88 2,94 3,00 3,05 3,09 3,26 3,38 3,47 3,54 3,60 3,66 3,70 3,75
2,75 2,82 2,89 2,94 2,99 3,03 3,19 3,30 3,39 3,45 3,51 3,56 3,61 3,65
2,70 2,78 2,84 2,89 2,93 2,97 3,12 3,23 3,31 3,37 3,43 3,47 3,51 3,55
2,66 2,73 2,79 2,83 2,88 2,91 3,06 3,16 3,23 3,29 3,34 3,39 3,43 3,46
2,62 2,68 2,74 2,78 2,82 2,86 3,00 3,09 3,16 3,22 3,26 3,31 3,34 3,37
2,58 2,64 2,69 2,73 2,77 2,81 2,94 3,02 3,09 3,14 3,19 3,23 3,26 3,29
5

10

15

20

25

30

35

40

45

=10%

= 5%

50

= 1%

Nota: Para cada nivel de significacin (a la derecha de cada tabla), grados de libertad f (primera
columna) y nmero K de comparaciones (primera fila), en el interior de la tabla se da el valor t/K de una distribucin t de Student (con f gl) tal que a la izquierda de t/K y a la derecha de + t/K queda un rea total de /K. Cuando f = , t/K es el valor z/K de la Tabla 1.

BIOESTADSTICA para las Ciencias de la Salud (+)

38

Tabla 9
Distribucin 2

0,100

0,050

0,025

0,010

0,005

0,001

1 1,642 2,706
2 3,219 4,604
3 4,642 6,252
4 5,989 7,782
5 7,291 9,237
6 8,559 10,646
7 9,804 12,020
8 11,031 13,363
9 12,243 14,686

3,842
5,995
7,817
9,492
11,073
12,596
14,070
15,512
16,925

5,024
7,379
9,356
11,150
12,838
14,459
16,020
17,546
19,031

6,637
9,220
11,325
13,280
15,087
16,810
18,470
20,082
21,654

7,905
10,589
12,819
14,824
16,762
18,549
20,270
21,938
23,563

10,808
13,690
16,291
18,431
20,750
22,676'
24,526
26,317
28,059

gl

0,200

10
11
12
13
14

13,443
14,633
15,813
16,986
18,152

15,990
17,278
18,551
19,814
21,067

18,311
19,681
21,030
22,367
23,691

20,495
21,930
23,349
24,745
26,132

23,194
24,754
26,246
27,717
29,169

25,154
26,714
28,249
29,878
31,376

29,762
31,430
33,069
34,681
36,271

15
16
17
18
19

19,312
20,466
21,616
22,761
23,902

22,310
23,546
24,771
25,992
27,206

25,000
26,301
27,593
28,877
30,148

27,498
28,858
30,201
31,538
32,867

30,605
32,027
33,435
34,831
36,216

32,856
34,321
35,771
37,208
38,632

37,840
39,391
40,925
42,443
43,947

20
21
22
23
24

25,039
26,173
27,304
28,431
29,556

28,415
29,619
30,817
32,012
33,199

31,416
32,678
33,933
35,178
36,421

34,181
35,493
36,792
38,089
39,380

37,591
38,957
40,314
41,662
43,003

40,046
41,449
42,843
44,228
45,604

45,439
46,918
48,386
49,844
51,292

25
26
27
28
29

30,678
31,796
32,913
34,028
35,140

34,384
35,566
36,745
37,920
39,092

37,660
38,894
40,119
41,344
42,565

40,659
41,938
43,206
44,475
45,738

44,337
45,665
46,986
48,300
49,610

46,973
48,334
49,688
51,036
52,377

52,730
54,160
55,582
56,997
58,404

30 36,251 40,261 43,782 46,992 50,914 53,713 59,804

Notas:

1) Para cada valor de los gl (primera columna) y de (primera fila), en el interior de la

tabla se da el valor 2 que deja a su derecha un rea de .
2) Cuando ocurre que gl = f > 30, para 0,20 puede utilizarse la siguiente aproxima-

cin (z2 en la Tabla 1): 2 f

38

z2

f
f

39
Tabla 10
Lmites de significacin para el coeficiente de correlacin de Spearman

0,10

0,05

0,01

0,001

5
6
7
8
9
10

0,9000
0,8286
0,7143
0,6429
0,6000
0,5636

1,0000
0,8857
0,7857
0,7381
0,6833
0,6485

-1,0000
0,9286
0,8810
0,8333
0,7939

--1,0000
0,9762
0,9333
0,9030

11
12
13
14
15
16
17
18
19
20

0,5294
0,4973
0,4748
0,4562
0,4396
0,4247
0,4112
0,3989
0,3877
0,3774

0,6194
0,5910
0,5658
0,5436
0,5238
0,5061
0,4900
0,4754
0,4620
0,4496

0,7724
0,7509
0,7294
0,7080
0,6865
0,6650
0,6440
0,6247
0,6071
0,5909

0,8875
0,8720
0,8565
0,8410
0,8255
0,8100
0,7945
0,7790
0,7635
0,7480

21
22
23
24
25
26
27
28
29
30

0,3678
0,3589
0,3507
0,3430
0,3358
0,3290
0,3226
0,3166
0,3108
0,3054

0,4383
0,4277
0,4179
0,4087
0,4001
0,3920
0,3844
0,3772
0,3704
0,3640

0,5760
0,5621
0,5492
0,5371
0,5258
0,5152
0,5052
0,4957
0,4868
0,4783

0,7325
0,7170
0,7015
0,6861
0,6717
0,6581
0,6453
0,6333
0,6219
0,6110

Nota: Para cada nmero n de parejas de datos (primera columna) y para cada nivel de significacin (primera fila), en el interior de la tabla se da un valor r tal que si el coeficiente de
correlacin de Spearman rS verifica que rS r, entonces se rechaza la hiptesis nula de
independencia.
Las casillas con -- indican que para esos valores de n y el test no puede dar significativo.

Glasser and Winter (1961).