Anda di halaman 1dari 35

http://www.ray-design.com.mx/psicoparaest/index.php?

option=com_content&view=category&id=53&Itemid=62

Pruebas no paramtricas
Descripcin.
Para escala nominal:
Leyes de la probabilidad y prueba binomial
Prueba ji2 de Pearson para una muestra
Prueba ji2 de Pearson para dos y ms muestras independientes
Prueba de bondad del ajuste mediante ji2
Prueba ji2 de proporciones para tres o ms muestras independientes
Prueba de probabilidad exacta de Fischer y Yates
Prueba de McNemar para muestras dependientes
Prueba Q de Cochran para tres o ms muestras dependientes
Anlisis secuencial
Para escala ordinal:
Prueba de Kolmogorov-Smirnov para una muestra
Prueba de U Mann-Whitney para dos muestras independientes
Prueba de Wilcoxon de rangos sealados y pares igualados para dos muestras dependientes
Anlisis de varianza de una entrada de Kruskal-Wallis para ms de dos muestras independientes
Anlisis de varianza de doble entrada por rangos de Friedman para ms de dos muestras dependientes

1 Descripcin de Pruebas no paramtricas

Raymund
o

15036

2 Leyes de la probabilidad y prueba binomial

Raymund
o

13808

3 Prueba ji cuadrada de Pearson para una muestra

Raymund
o

48909

4 Prueba ji cuadrada de Pearson para dos y ms muestras independientes

Raymund
o

19855

5 Prueba de bondad del ajuste mediante ji cuadrada

Raymund
o

26379

6 Prueba ji cuadrada de proporciones para tres o ms muestras independientes

Raymund
o

13926

7 Prueba de probabilidad exacta de Fischer y Yates

Raymund
o

11506

8 Prueba de McNemar para muestras dependientes

Raymund
o

24015

9 Prueba Q de Cochran para tres o ms muestras dependientes

Raymund
o

23535

1
Anlisis secuencial
0

Raymund
o

12249

Raymund
o

53623

1
Prueba de U Mann-Whitney para dos muestras independientes
2

Raymund
o

47174

1
Prueba de Wilcoxon de rangos sealados y pares igualados para dos muestras dependientes
3

Raymund
o

39358

1 Anlisis de varianza de una entrada de Kruskal-Wallis para ms de dos muestras


4 independientes

Raymund
o

34601

1 Anlisis de varianza de doble entrada por rangos de Friedman para ms de dos muestras
5 dependientes

Raymund
o

14028

11 Prueba de Kolmogorov-Smirnov para una muestra

Descripcin de Pruebas no paramtricas


Raymundo

Las pruebas no paramtricas nos permiten analizar datos en escala nominal u ordinal a pesar de que no se
conozcan los parmetros de una poblacin, utilizada para hacer un contraste de hiptesis.
Utilizacin:

Cuando los datos puntualizan a las escalas nominal u ordinal.

Se utiliza solo la frecuencia.

Poblaciones pequeas.

Cuando se desconocen los parmetros media, moda, etc.

Cuando los datos son independientes.

Cuando se quiere contrastar o comparar hiptesis.

Investigaciones de tipo social. (Muestras pequeas no representativas >5).

Cuando se requiere de establecer el nivel de confianza o significatividad en las diferencias.

Cuando la muestra es seleccionada no probabilsticamente.

Leyes de la probabilidad y prueba binomial


Raymundo

En la naturaleza existen dos clases de fenmenos: los determinsticos y los probabilsticos.


a.

Fenmenos determinsticos. Son aquellos en los que se conocen y renen todas las variables o
premisas, por ejemplo: la gravedad.

b.

Fenmenos probabilsticos. Son aquellos fenmenos en los que se desconocen algunas


variables, pero si se renen las conocidas, tendrn la posibilidad de presentarse (p) o de no
manifestarse (q), por ejemplo, por ejemplo: cuando un grupo de personas se pone en contacto con un
paciente que padece alguna enfermedad infecciosa. Todos tienen la probabilidad de ser contagiados
(p) o de no serlo (q); asimismo, tienen la probabilidad de manifestar o no la enfermedad.

De las circunstancias deducidas (p y q), si se lanza una moneda al aire y se pide guila, la esperanza de este
suceso p corresponde a 0.5 o ; lo contrario, o sea, que salga sol, tambin representa la misma proporcin
de 0.5. De ello se deduce que al sumar los eventos p y q, ambos resultan igual a uno. En ese momento se
simple con la primera ley de la probabilidad: la ley de la adicin, la cual establece que la suma de los eventos
simples de un experimento es igual a la probabilidad de ocurrencia del evento.
En un fenmeno con diversos eventos posibles, la suma de las proporciones correspondiente a cada evento
ser igual a uno, por ejemplo: si un sujeto se expone al contacto con pacientes que tengan alguna
enfermedad contagiosa, tendr, posiblemente, eventos distintos, como presentar la enfermedad en una forma

severa, moderada o leve o asintomtica, e incluso no manifestar algn dato clnico o de gabinete que
represente la enfermedad. Cada uno de estos posibles eventos tendr una proporcin diferente de
ocurrencia, de acuerdo con circunstancias debidas al husped, al entorno y al agente infectante, pero de
cualquier manera la suma de todos ellos resultar igual a 1.
Ensayo de Bernoulli.- Experimento aleatorio que produce en cada ensayo nicamente 1 de 2 resultados
mutuamente excluyentes. Por conveniencia se suele denominar arbitrariamente uno de los resultados de un
ensayo de Bernoulli como xito o fracaso. Se suele denotar p a la probabilidad de que un xito ocurra y q a la
probabilidad de que ocurra un fracaso.
p+q=1
p=1-q
q=1-p
Distribucin Binomial.- Es cuando se quiere determinar la probabilidad de que x xitos sean observados en
n ensayos, el orden en que ocurren los xitos no tiene importancia. Podemos calcular este nmero siguiendo
la frmula de las combinaciones, n causas, de las cuales x es de un tipo y n-x es de otro tipo.

Cxn(p)x(q)n-x
Como es sabido, si consultamos libros estadsticos nos encontramos a veces, que las frmulas son
estructuradas diferente, por ejemplo, encontramos otra:

Pxi = nCr pr - q(n-r)


Donde:
Pxi = probabilidad de acontecimientos de un evento.
nCr = nmero de combinaciones.
n = nmero total de eventos.
r = valor del arreglo esperado.
p = probabilidad de ocurrencia.
q = Probabilidad de no ocurrencia.

Ejemplos:
Se lanza una moneda cuatro veces, para calcular las probabilidades correspondientes aplicando la frmula
anterior. Esto se inicia con la probabilidad de que resulten cuatro guilas y cero soles, y para el caso se
simboliza como:

Como se advierte, las probabilidades calculadas mediante los procedimientos previos son idnticos; slo
hasta elaborar una tabla de densidad de probabilidades.
Densidad de probabilidades de los eventos de un suceso.
xi
4
3
2
1
0

Pxi
guilas
guilas
guilas
guila
guilas

Total

1/16
4/16
6/16
4/16
1/16

=
=
=
=
=

0.0625
0.25
0.375
0.25
0.625

16/16 = 1.0

Despus de realizar los clculos, es evidente que la ley de la adicin y multiplicacin de la probabilidad se ha
cumplido, por ejemplo, en la tabla anterior se muestra la suma de todas las probabilidades, en la cual la
probabilidad del suceso, que corresponde al total = 1.
Ahora bien, con lo anterior ya entendido, pasemos a un ejemplo ms complejo. Lanzamos 5 dados
simultneamente, cabe tener en cuenta que un dado tiene seis caras y para cada una existe la probabilidad
de 1/6 contra 5/6 de no ocurrencia.

En la siguiente tabla se muestran las probabilidades de los diferentes eventos propuestos de un suceso, as,
se puede observar que lo menos probable es un valor muy cercano a cero y lo ms factible es una
probabilidad muy grande de presentarse el evento.
Densidad de probabilidades de los eventos de un suceso.
xi
5
4
3
2
1
0

Pxi
caras iguales
caras iguales, 1 diferente
caras iguales, 2 diferentes
caras iguales, 3 diferentes
cara , 4 diferentes
caras , 5 diferentes

1/7776 = 0.00013
25/7776 = 0.0032
250/7776 = 0.032
1250/7776 = 0.161
3125/7776 = 0.40
3125/7776 = 0.40

Total

7776/7776 = 0.99633

El clculo de probabilidades explicado corresponde al modelo estadstico denominado prueba binomial,


llamado as en funcin de que est sujeto a la distribucin binomial, es decir, a la forma del desarrollo de un
binomio cuando se eleva a determinada potencia, como se ve en la siguiente tabla, en la que el binomio p + q
se eleva a distintos exponentes.
Potencia de un binomio (p + q)
Binomio y potencia
(p
(p
(p
(p
(p
(p
(p

+
+
+
+
+
+
+

q)0
q)1
q)2
q)3
q)4
q)5
q)n

Desarrollo
1
p+q
p2 + 2pq + q2
3
p + 3p2q + 3pq2 + q3
p4 + 4p3q + 6p2q2 + 4pq3 + q4
p5 + 5p4q + 10p3q2 + 10p2q3 + 5pq4 + q5
pn + npn-1q + ............................ q n

Ejemplo completo:
Una pareja de recin casados acude con un mdico y le plantea el deseo de tener 4 hijos: dos nias y dos
nios; sin embargo, piensan que esto es difcil, en razn de que de cuatro parientes del esposo, tres de ellos
han tenido solamente nias. As, surgen las probabilidades siguientes:

Tener nias exclusivamente.

Tener dos nias y dos nios.

Tener slo nios.


La probabilidad de tener un hijo o una hija corresponde a 0.75 = , por tanto, p + q = 1; 0.75 + 0.25 = 1.
Las permutaciones que cabe esperar, con dos posibles eventos (nio y nia) y una muestra de cuatro nios
son: 2 X 2 X 2 X 2 =16 probables arreglos diferentes.
En virtud de que se trata de una muestra de tres nias esperadas y de que se quiere conocer la probabilidad
de que ocurran tres eventos, se decide consultar la figura siguiente.
Eleccin de la prueba estadstica.
Se decide utilizar la prueba binomial, debido a que se puede medir en escala nominal y se ajusta a una
distribucin binomial. Vase: Estadstica/Flujogramas/Flujograma 1. El modelo matemtico ser la ecuacin:

Pxi = nCr pr - q(n-r)


Planteamiento de hiptesis.

Hiptesis alterna (Ha). Para concebir slo hijas o slo hijos, se determina de forma gentica. En tal
sentido, poder tener slo hijos varones tiene una probabilidad muy alta.

Hiptesis nula (Ho). Concebir hijos o hijas es una circunstancia dada por el azar.
Nivel de significancia.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.
Aplicacin de la prueba de acuerdo con la frmula.

Decisin.
En razn de que la probabilidad de tener slo hijos varones en comparacin con concebir exclusivamente
hijas es muy notable y, a su vez, menor que el nivel de significancia, se acepta Ha.
Interpretacin.
Los valores de probabilidad relativamente grandes de tener slo hijas, con el antecedente de que familiares
cercanos al esposo han procreado solamente nias en tres de cuatro parejas, hace suponer la existencia de
otro factor: la herencia, la cual interviene para aportar una baja probabilidad de concebir slo hijos varones.

Prueba ji cuadrada de Pearson para una muestra


Raymundo

La prueba estadstica de X2 para una muestra se emplea frecuentemente como prueba de bondad de ajuste,
sin embargo, en un plan experimental, en el que se cuenta con un grupo muestral, con diversas subclases y
las mediciones estn en escala nominal, resulta muy til este procedimiento.
La eficacia de la prueba est de acuerdo con el tamao de la muestra, pues con un grado de libertad, si hay
dos subclases, algunos autores consideran que la prueba es insensible, no obstante la informacin que
aporta ms de dos categoras es satisfactoria en funcin de la frmula:
Donde:
X2 = valor estadstico de ji cuadrada.
fo = frecuencia observada.
fe = frecuencia esperada.

La ji cuadrada se utiliza cuando:

Cuando los datos puntualizan a las escalas nominal u ordinal.

Se utiliza solo la frecuencia.

Poblaciones pequeas.

Cuando se desconocen los parmetros media, moda, etc.

Cuando los datos son independientes.

Cuando se quiere contrastar o comparar hiptesis.

Investigaciones de tipo social - muestras pequeas no representativas >5.

Cuando se requiere de establecer el nivel de confianza o significatividad en las diferencias.

Cuando la muestra es seleccionada no probabilsticamente.

X2 permite establecer diferencias entre f y se utiliza solo en escala nominal.

Poblacin > a 5 y < a 20.

Pasos.
1.

Arreglar las categoras y las frecuencias observadas.

2.

Calcular los valores tericos esperados para el modelo experimental o tipo de distribucin muestral:
normal, binomial y de Poisson.

3.

Calcular las diferencias de las frecuencias observadas en el experimento con respecto a las
frecuencias esperadas.

4.

Elevar al cuadrado las diferencias y dividirlas entre los valores esperados de cada categora.

5.

Efectuar la sumatoria de los valores calculados.

6.

Calcular los grados de libertad (gl) en funcin de nmero de categoras [K]: gl = K - 1.

7.

Comparar el estadstico X2 con los valores de la distribucin de ji cuadrada en la tabla.

8.

Decidir si se acepta o rechaza la hiptesis X2c X2t se rechaza Ho.

Ejemplo:
Un investigador quiere comparar si hay diferencias en la cantidad de cigarros fumados por causa del estrs
en personas que trabajan.

Eleccin de la prueba.
El modelo experimental tiene una muestra. Vase: Estadstica/Flujogramas/Flujograma 1

Planteamiento de la hiptesis.

Hiptesis alterna (Ha). Habr diferencia significativa entre la cantidad de cigarros fumados por causa
del estrs en personas que trabajan.

Hiptesis nula (Ho). No Habr diferencia significativa entre la cantidad de cigarros fumados por
causa del estrs en personas que trabajan.

Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.

Aplicacin de la prueba estadstica.


El clculo de la frecuencia esperada se efecta en virtud de que para una hiptesis nula, a todas las casillas
corresponde un valor igual, por lo tanto:

fo = 18
fe = 6

gl = 3 + 1 = 2
= 0.05
El valor calculado de X2 se compara con los valores crticos de la tabla de valores crticos de X2. Se puede
observar que para una probabilidad de 0.05 corresponde la cifra de 5.99; por lo tanto, el estadstico ji
cuadrada de 4.3 tiene una probabilidad mayor que 0.05.

Decisin.
En virtud de que la probabilidad obtenida al calcular el valor de X2 est dentro de la regin de rechazo, se
acepta Ho y se rechaza Ha. X2c X2t se rechaza Ho
Entonces tenemos que:
4.3 < 5.99 se acepta Ho No hay diferencias significativas entre el consumo de cigarros por causa del
estrs.
Interpretacin.
El consumo de cigarros por causa del estrs se puede considerar como efecto del azar.

Prueba ji cuadrada de Pearson para dos y ms muestras


independientes
Raymundo

Cuando las observaciones de una investigacin corresponden a muestras independientes y las mediciones
se tienen en escala nominal, la prueba de ji cuadrada es el procedimiento de eleccin para el contraste de
hiptesis. Esta prueba estadstica se emplea en el anlisis de dos o ms grupos y de dos o ms variables.
La eficacia de la prueba no se ha determinado con exactitud; sin embargo, a medida que el tamao de la
muestra aumenta, el valor de probabilidad de error para aceptar hiptesis alternas (Ha o Ho) se acerca a 1.
En sentido opuesto, cuando el nmero de la muestra es menor que 20, se pierde eficacia. En estas
condiciones, es conveniente no aplicar la prueba de ji cuadrada, pero existen alternativas.
a.

Si en el modelo experimental se tiene una tabla de contingencias de 2 X 2 y la muestra total es


menor a 20 e incluye cero en alguna casilla, la prueba estadstica aconsejable ser la de probabilidad
exacta de Fischer y Yates.

b.

Con grupos mltiples, pero con frecuencias pequeas, menores que cinco, se recomienda usar la
prueba de ji cuadrada de proporciones.

Las dos alternativas propuestas aumentan notoriamente la eficacia con muestras de tamao pequeo y se
limita la probabilidad de cometer el error del tipo I.
La frmula es:
Donde:
X2 = valor estadstico de ji cuadrada.
fo = frecuencia observada.
fe = frecuencia esperada.

Pasos:

1.

Arreglar las observaciones en una tabla de contingencias.

2.

Determinar el valor terico de las frecuencias para cada casilla.

3.

Calcular las diferencias entre los valores observados con respecto a los tericos de cada casilla.

4.

Elevar al cuadrado las diferencias y dividirlas entre el valor terico de la casilla correspondiente.

5.

Obtener la sumatoria de los valores anteriores, que es el estadstico X2.

6.

Calcular los grados de libertad (gl): gl = (K columnas -1) [H hileras -1].

7.

El valor de X2 se compara con los valores crticos de ji cuadrada de la tabla de valores crticos de
X2 y de acuerdo con los grados de libertad, y se determina la probabilidad.

8.

Decidir si se acepta o rechaza la hiptesis X2c X2t se rechaza Ho.

Ejemplo:
Comparar si el factor gnero influyes en la cantidad de cigarros fumados por causa del estrs en personas
que trabajan.
Eleccin de la prueba estadstica.
El modelo experimental tiene dos muestras independientes. Vase: Estadistica/Flujogramas/Flujograma 2
Planteamiento de la hiptesis.

Hiptesis alterna (Ha). Habr diferencia significativa entre la cantidad de cigarros fumados por causa
del estrs en hombres y mujeres que trabajan.

Hiptesis nula (Ho). No Habr diferencia significativa entre la cantidad de cigarros fumados por
causa del estrs en hombres y mujeres que trabajan.

Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.

Aplicacin de la prueba estadstica.


Calculamos los valores tericos para cada casilla.

Una vez obtenidos los valores tericos, aplicamos la frmula.

= 0.05 + 1.49 + 0.18 + 0.04 + 1.23 + 0.16 = 3.15

Clculo de los grados de libertad (gl).


gl = (K - 1) (H - 1) = (3 - 1) (2 - 1) = 2
El valor 3.15 con 2 grados de libertad se compara con los valores crticos de ji cuadrada; as, se puede
observar que ala cifra 5.99 corresponde la probabilidad de 0.05, lo cual significa que el estadstico calculado
tiene una probabilidad mayor que 0.05.
Decisin.
En razn de que el valor de ji cuadrada de 3.15 tiene una probabilidad mayor que 0.05, cae en la zona de
rechazo. Por tanto se acepta Ho y se rechaza Ha. X2c < X2t se rechaza Ho
3.15 > 5.99 se rechaza Ho Si hay diferencias significativas entre el consumo de cigarros por causa del
estrs entre hombres y mujeres que trabajan.
Interpretacin.
El consumo de cigarros por causa del estrs entre hombres y mujeres que trabajan, se debe a factores del
azar.

Prueba ji cuadrada de Pearson para tres o ms muestras

Ejemplo:
En una investigacin transversal de enfermedad diarreica en nios menores de seis aos, un mdico tuvo el
inters de conocer si existan diferencias respecto a condicin socioeconmica de una poblacin a la que
estudio.
Eleccin de la prueba estadstica.
El modelo experimental tiene 3 o ms muestras independientes. Vase: Flujograma 4

Planteamiento de la hiptesis.

Hiptesis alterna (Ha). La mayor frecuencia de la enfermedad diarreica se observa en la condicin


socioeconmica baja; a su vez, la mayor frecuencia observada en nios sanos es la condicin alta. Estas
diferencias son significativas.

Hiptesis nula (Ho). Las diferencias que se observan en las frecuencias de enfermedad diarreica en
las tres clases socioeconmicas se deben al azar.

Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.
Contingencia de la diarrea.

Aplicacin de la prueba estadstica.


Calculamos los valores tericos para cada casilla.

Una vez obtenidos los valores tericos, aplicamos la frmula.

Clculo de los grados de libertad (gl).


gl = (K - 1) (H - 1) = (2 - 1) (3 - 1) = 2
= 0.05
El valor crtico de ji cuadrada con 2 grados de libertad ms cercano al calculado es de 10.83, con una
probabilidad igual a 0.001.
Decisin.
El estadstico calculado de 29.64 con 2 grados de libertad tiene una probabilidad inferior a 0.001 y menor que
0.05, cayendo en el nivel de significancia. Por lo tanto, se acepta Ha y se rechaza Ho.
Interpretacin.
Existen diferencias significativas entre las frecuencias observadas de enfermedad diarreica en los tres grupos
de condicin socioeconmica. La poblacin de nios de condicin socioeconmica baja muestran la
frecuencia ms alta de diarrea, con respecto a los otros grupos sociales. Estas diferencias son significativas
al nivel de confianza de p menor que 0.001, segn la grfica siguiente.
Entre las clases socioeconmicas media y alta parece no existir diferencia alguna, lo cual se puede
comprobar al construir las tablas de contingencias y al ejecutar la prueba X2 como ejercicio e interpretarla.
Contingencia 2 X 2; clase media y alta en oposicin a clase baja.

X2(1gl) = 29.66 p menor que 0.001

Contingencia 2 X 2; clase media y alta en oposicin a clase baja.

X2(1gl) = 0.008 p menor que 0.05

Prueba de bondad del ajuste mediante ji cuadrada


Raymundo

De los datos obtenidos en una experimentacin, a veces es necesario conocer el tipo de distribucin a la cual
se ajustan adecuadamente (normal, binomial o de Poisson). As, el investigador podr tambin elegir el
procedimiento estadstico ms adecuado. Al respecto, es vlido el ejemplo siguiente:
Ejemplo:
Ajuste de datos para una distribucin normal, de un conjunto de mediciones en la tabla de nios de 5 aos.
Tamao de la muestra 100.
Eleccin de la prueba estadstica.
El modelo experimental tiene una muestra y nuestro objetivo es la bondad del ajuste.

Planteamiento de la hiptesis.

Hiptesis alterna (Ha). Las frecuencias observadas difieren de las que corresponden a una
distribucin normal.

Hiptesis nula (Ho). Las diferencias observadas entre los valores observados y los tericos se
deben al azar.

Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.

Talla de nios de 5 aos de edad.

Aplicacin de la prueba estadstica.


Para calcular el valor terico, se debe aplicar el valor Z; por lo tanto, primero se debe obtener el valor
promedio y la desviacin estndar de los valores por ajustar.
= 100.1
= 3.91
En seguida se determinan los lmites reales de cada clase y se calcula el valor Z para cada lmite real.

Para cada valor de Z, se localiza el valor del rea bajo la curva de valores Z.
Obtencin de valores tericos de la distribucin normal.

Una vez anotados los valores del rea bajo la curva normal para cada Z, se calcula el rea que corresponde
a cada talla. Para fines prcticos y a fin de ejecutar el procedimiento, el signo de Z se mantiene en el valor del
rea bajo la curva, y se realiza de la manera siguiente:
Clase 90 - 93 = -0.4656 - (-0.4951) = 0.0295
Clase 94 - 97 = -0.2852 - (-0.4656) = 0.1804
Clase 98 - 101 = 0.091 - (-0.2852) = 0.3762
Clase 102 - 105 = 0.3944 - 0.091 = 0.3034
Clase 106 - 109 = 0.4884 - 0.3944 = 0.094
Cada valor del rea para la curva de clase se multiplica por el tamao de la muestra (N); en este caso
corresponde a 100. Para obtener los valores tericos, se selecciona el valor entero ms cercano.
En seguida se aplica la ecuacin de X2.

X2 = 1.333 + 0 + 0.105 + (-0.1) + (-0.111) = 1.227


Clculo de los grados de libertad.
gl = K - 1 - 1 = 5 - 1 - 1 = 3
El valor de X2 calculado con 3 gl se compara con los respectivos valores crticos de la tabla de valores crticos
de X2 y corresponde a 7.82 para una probabilidad de 0.05.
Decisin.
En virtud de que el valor calculado cae en la zona de rechazo, se acepta Ho y se rechaza Ha.
Interpretacin.
Los valores de las frecuencias observadas para las cinco series de talla tienen una distribucin normal y no
difiere de los valores calculados en funcin de las reas bajo la curva normal tipificada.

Prueba ji cuadrada de proporciones para tres o ms muestras


independientes
Raymundo

La prueba de ji cuadrada de proporciones (X2) es un modelo estadstico aplicable cuando en el modelo


experimental se tienen mltiples muestras (tres o ms muestras) independientes.

La razn de dicha prueba estadstica radica en que si el tamao de las muestras es pequeo (menor que 5),
conservar la misma eficacia que la X2 de Pearson con tamaos grandes de muestra.
La frmula de esta prueba es:
Donde:
X2 = estadstica de ji cuadrada.
= proporcin promedio de que acontezca el suceso.
= proporcin promedio de que no acontezca el suceso,
expresada en proporcin.
p = proporcin observada del suceso.
Ni = tamao de la muestra del subgrupo.

Pasos.
1.

Elaborar una tabla de contingencias y calcular las proporciones de cada subgrupo. Determinar las
probabilidades promedio de que acontezca o no el suceso.

2.

Calcular las diferencias de las probabilidades observadas con respecto a la probabilidad promedio (p
-

), elevarlas al cuadrado (p -

la sumatoria Ni (p -

)2, multiplicarlas por el tamao de la muestra del subgrupo y obtener

)2 .

3.

Calcular el recproco del producto de

4.

Multiplicar este ltimo valor por la sumatoria calculada, que corresponde al estadstico X2p.

5.

Calcular los grados de libertad y el nmero de hileras -1 (H - 1).

6.

Comparar el estadstico de ji cuadrada de proporciones en la tabla de valores crticos de X2, de


modo que se obtenga la probabilidad.

7.

Decidir si se acepta o rechaza la hiptesis.

Ejemplo:
Un investigador desea conocer el efecto que ejerce el ambiente fsico de sobreestimulacin en las
caractersticas estructurales del cerebro, de manera que lo propone como alternativa para mejorar las
alteraciones que la desnutricin proteicocalrica produce en el encfalo. En virtud de ello, planea un diseo
experimental con 24 ratas de la raza Wistar, a la mitad de las cuales induce a la desnutricin con una dieta
baja en protenas. A las ratas restantes les aporta una dieta normal para roedores. Divide estos dos
subgrupos de animales en tres condiciones ambientales.

Al trmino del experimento, los animales son sacrificados y se les extrae el cerebro, para obtener el peso
hmedo. El investigador considera a la masa total como un primer indicador de los cambios estructurales del
encfalo.
En virtud de que los pesos enceflicos poseen varianzas desiguales, no se distribuyen normalmente y los
intervalos de los pesos no tienen una progresin aritmtica, el investigador decide no utilizar una prueba
paramtrica. Por ello, elige distribuir los pesos en funcin de la mediana.
Eleccin de la prueba estadstica.
El modelo experimental tiene tres o ms grupos independientes. Vase: Estadstica/Flujogramas/Flujograma
4
Planteamiento de la hiptesis.

Hiptesis alterna (Ha). Las frecuencias observadas de las ratas, cuyos pesos se distribuyeron en
funcin de la mediana, muestran diferencias significativas entre bien nutridos y desnutridos. Asimismo, hay
diferencias en los animales aislados y estimulados.

Hiptesis nula (Ho) Las diferencias en las frecuencias en la distribucin con base en la mediana de
los pesos enceflicos se deben al azar.
Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.
Aplicacin de la prueba estadstica.
Las frecuencias observadas de los pesos cerebrales distribuidos en funcin de la mediana y el clculo de las
proporciones para cada subgrupo.
Peso enceflico de 24 ratas.

Clculo de los grados de libertad (gl).


gl = H - 1 = 6 - 1 = 5
El estadstico X2p de 12 se compara con los valores crticos de X2 y se determina la probabilidad. Se puede
observar que el valor de 11.07 con cinco grados de libertad corresponde a un valor de p igual a 0.05. El
calculado es mayor que el crtico y, por lo tanto, con p menor que 0.05.
Decisin.
En razn de que el valor estadstico tiene una probabilidad menor que 0.05, cae en el nivel de significancia,
de manera que se acepta Ha y se rechaza Ho.
Interpretacin.
Existen diferencias significativas, al nivel de confianza de p menor que 0.05, entre las frecuencias de los
pesos de los cerebros distribuidos en relacin con la mediana. En los animales bien nutridos se observan
bajas frecuencias inferiores a la mediana, en oposicin a lo observado en ratas desnutridas.
Respecto al ambiente, parece que no hay diferencias entre los aislados y los estimulados; sin embargo, al
aplicarse la prueba estadstica, los animales no contestan la pregunta planteada por la hiptesis alterna, en el
sentido de que en los estimulados y los aislados tambin existen diferencias.

Prueba de probabilidad exacta de Fischer y Yates


Raymundo

Esta prueba estadstica se utiliza frecuentemente como alternativa, cuando no se puede aplicar la ji cuadrada
de Pearson. Es un procedimiento ms eficaz en la escala nominal con dos muestras independientes. La
razn de esto se basa en que se calcula directamente la probabilidad de una serie de arreglos de frecuencias
observadas en una tabla de contingencia de 2 X 2, dada en una distribucin hipergeomtrica.
La ecuacin para calcular la probabilidad exacta de Fischer y Yates es la siguiente:

Pasos.
1.

Arreglar las frecuencias observadas en una tabla de contingencia 2 X 2.

Muestra I

Muestra II

2.

Obtener los totales de las hileras (A + B) y (C + D) y de las columnas: (A + C) y (B + D), as como el


gran total (GT).

3.

Obtener los valores factoriales de los totales de hileras y columnas y despus multiplicarlos.

4.

Calcular los factoriales del gran total y multiplicar ste por todos los factoriales de cada casilla de la
tabla de contingencia.

5.

Dividir el primer valor de producto de factoriales entre el segundo. Este resultado es la probabilidad
exacta de Fischer y Yates.

6.

Decidir si se acepta o rechaza la hiptesis, en funcin de la probabilidad.

Ejemplo:
Un investigador rene una muestra de 15 sujetos con problemas de obesidad. Elige al azar a 7 pacientes
para ensayar una nueva tcnica teraputica para bajar de peso, y a los 8 restantes les aplica una tcnica
usada regularmente para el mismo efecto.
Eleccin de la prueba estadstica.
Se tiene un modelo experimental con dos muestras independientes. Vase:
Estadstica/Flujogramas/Flujograma 2

Planteamiento de la hiptesis.

Hiptesis alterna (Ha). Existe mayor frecuencia de perder peso al aplicar la nueva tcnica
teraputica, en comparacin con lo observado al aplica una tcnica usada regularmente.

Hiptesis nula (Ho). Las diferencias observadas en las dos tcnicas teraputicas se deben al azar.

Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.

Aplicacin de la prueba estadstica.

El valor de probabilidad calculado es menor que el nivel de significacin (0.05).


Decisin.
En virtud de que la probabilidad exacta de Fischer y Yates es menor que 0.05, cae en el nivel de significacin;
por lo tanto, se acepta Ha y se rechaza Ho.
Interpretacin.
La nueva tcnica teraputica es significativamente efectiva para el tratamiento de la obesidad, a un nivel de
confianza de p = 0.03.

Prueba de McNemar para muestras dependientes


Raymundo

Este procedimiento es til cuando las muestras son dos y resultan dependientes. EL tipo de escala es
nominal.
Dicha prueba estadstica es un equivalente de la prueba t de Student para muestras dependientes y slo
aplicable cuando existen dos momentos: antes y despus. Cuando en el momento experimental hay diversos
momentos de cambio con base en uno previo, convendr utilizar la prueba Q de Cochran. Ambos
procedimientos se distribuyen igual que la ji cuadrada, por lo que el estadstico calculado se simboliza como ji
cuadrada.
La ecuacin es la siguiente:

Pasos:

1.

Arreglar los datos en funcin de una tabla de contingencias 2 X 2, como se muestra abajo, donde las
casillas A y D corresponden a los cambios realizados en el tratamiento; por su parte, las casillas C y B
no mostraron cambio alguno. Los signos sealan los cambios que se suscitaron de antes a despus
del tratamiento.

2.

Aplicacin de la ecuacin de McNemar, la cual da a entender la diferencia existente entre las casillas
A y D, que son los cambios realizados en el experimento: restar 1 (corresponde a la correccin de
continuidad), elevarlo al cuadrado y dividirlo entre la sumatoria de A + D. Esto representa el valor de ji
cuadrada de la prueba de McNemar.

3.

Calcular los grados de libertad, que como es obligado para este procedimiento, siempre sern
iguales a uno.

4.

Comparar el valor estadstico calculado para valores crticos de ji cuadrada.

5.

Decidir si se acepta o rechaza la hiptesis.

Ejemplo:
Un investigador en medicina preventiva observa que los empleados en una fbrica padecen frecuentemente
un cuadro diarreico, motivo de gran ausencia. Todos los empleados comen en el comedor de la fbrica como
goce de una prestacin laboral. El investigador supone que el comn denominador de la causa de la diarrea
es el sitio de ingestin de alimentos, es decir, existe una higiene inadecuada en la preparacin de la comida;
sin embargo, la higiene personal de los empleados no es suficiente para atribuir toda la culpa al personal de
la cocina. Por lo tanto, elige una muestra al azar de 50 individuos, de los cuales resulta que 34 de ellos
presentan un cuadro diarreico frecuente y 16 no lo padecen. As, sugiere que, bajo vigilancia, se apliquen
medidas de higiene personal, consistentes en exhaustivo lavado de manos antes de ingerir alimentos, en un
perodo de dos semanas.
Al finalizar el tratamiento, obtiene los resultados siguientes: de los 34 sujetos con un cuadro diarreico
frecuente, despus del tratamiento de lavado de manos, 16 lograron hacer desaparecer el proceso intestinal
y 18 persistieron con evacuaciones diarreicas; a su vez, el grupo de 16 personas asintomticas, cuatro de
ellas presentaron diarrea a pesar del lavado de manos y 12 se mantuvieron en las mismas condiciones.
Eleccin de la prueba estadstica.
El modelo experimental tiene dos muestras dependientes. Vase: Estadstica/Flujogramas/Flujograma 3

Planteamiento de la hiptesis.

Hiptesis alterna (Ha). El lavado de manos, como medida preventiva y factor de higiene personal,
presenta cambios significativos de enfermedad diarreica en los empleados que asisten al comedor de la
fbrica en estudio.

Hiptesis nula (Ho). Las diferencias que se observan en las frecuencias de cambio por el lavado de
manos se deben al azar.

Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.
Resultado de la contingencia 2 X 2.

Aplicacin de la prueba estadstica.

Clculo de los grados de libertad (gl).


gl = 1.
El estadstico X2 de McNemar se compara con los valores crticos de ji cuadrada. Con un grado de libertad,
se observa que 3.84 corresponde a una probabilidad de 0.05, mientras que el clculo corresponde a una
probabilidad menor que 0.05.
Decisin.
En razn de que el valor de X2 calculado tiene una probabilidad menor que 0.05, cae en el nivel de
significancia, por lo tanto, se acepta Ha y se rechaza Ho.
Interpretacin.
El lavado de manos ejerci significativos cambios en la enfermedad diarreica de los empleados de la fbrica,
lo cual significa que la higiene personal deficiente contribuye de manera notoria en la frecuencia del proceso
intestinal, causa del ausentismo.
La aplicacin de la prueba estadstica no cancela la participacin de la higiene defectuosa en la preparacin
de los alimentos por parte del personal de la cocina, pues 4/16 empleados, que haban estado asintomticos
y bajo exhaustivo lavado de manos antes de comer, manifestaron diarrea; sin embargo, la prueba estadstica
revela que la higiene personal participa de manera ms significativa que el defecto en la preparacin de la
comida.

Prueba Q de Cochran para tres o ms muestras dependientes


Raymundo

La prueba Q de Cochran es una tcnica estadstica, extensin de la prueba de McNemar, que se utiliza en los
modelos experimentales con tres o ms muestras dependientes o relacionadas entre s, es decir, esta
poblacin sirve como su propio control, en el que existe un perodo previo y otro ulterior; adems, el tipo de
escala debe ser nominal.
El valor calculado en la prueba Q de Chochran se distribuye igual que la ji cuadrada, por lo cual el smbolo
utilizado ser X2Q.
La ecuacin es la siguiente:
Donde:
X2Q = estadstico ji cuadrada de la prueba Q de
Cochran.
K = nmero de tratamientos.
Gn = nmero total de respuestas de cambio de
cada tratamiento o columna.
Lc = nmero total de respuestas de cambio por
individuo de la muestra o hileras.

Pasos:
1.

Arreglar la muestra individualmente con sus respuestas de cambio.

2.

Efectuar las sumatorias de cambios por cada tratamiento o columna (Gn y Gn).

3.

Efectuar la sumatoria de cambios por cada hilera y elevarla al cuadrado y, a su vez, las sumatorias
de stas ( Lc y Lc2).

4.

Aplicar la frmula de la prueba Q de Cochran, de modo que se obtenga el valor X2Q.

5.

Calcular los grados de libertad (gl) con K tratamientos -1.

6.

Comparar el estadstico X2Q obtenido con respecto a los gl en la distribucin de ji cuadrada.

7.

Decidir si se acepta o rechaza la hiptesis.

Ejemplo:

Un psiclogo investiga el aprendizaje simple en 15 ratas, a las que aplica cuatro tratamientos diferentes a
intervalos de un mes cada uno, para lo cual utiliza laberintos distintos.
Los tratamientos corresponden a cuatro frmacos, que segn afirman los fabricantes de los productos, tienen
capacidad para facilitar el aprendizaje.
El investigador, para evitar que por efectos acumulativos de los frmacos pudiera haber error, al suponer que
una droga administrada en el cuarto perodo incidiera en mayor aprendizaje, aplica en secuencias y
aleatoriamente los tratamientos, de modo que las respuestas de los animales emitidas en el laberinto, en
funcin de un perodo fijo (tiempo crtico determinado por el experimentador), le permiten discriminar si fueron
positivas (1) o negativas (0).
En los cambios ejercidos en el aprendizaje de las ratas y que se evalan como 1 y 0, se toma la referencia
con respecto al inicio del experimento para cada animal. Por tanto, se considera que se trata de muestras
dependientes y por diversos perodos.
Eleccin de la prueba estadstica.
El modelo experimental tiene tres o ms muestras dependientes. Vase: Estadstica/Flujogramas/Flujograma
5

Planteamiento de la hiptesis.

Hiptesis alterna (Ha). Los frmacos favorecen el aprendizaje simple en las ratas en estudio. De
esta forma, se muestran diferencias significativas entre, antes y despus de los tratamientos.

Hiptesis nula (Ho). Los cambios observados entre los perodos previo y posterior a los tratamientos
se deben al azar.

Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.

Solucin de laberintos.

Aplicacin de la prueba estadstica.

Clculo de los grados de libertad (gl).


gl= K (tratamientos) - 1 = 4 - 1 = 3
El estadstico X2Q calculado se compara con los valores crticos de la distribucin de ji cuadrada y se localiza
con 3 gl y un valor de 7.82 con una probabilidad igual a 0.05. De esta manera, la cifra 6.06 tiene una
probabilidad mayor que 0.05.
Decisin.
En razn de que el estadstico calculado tiene una probabilidad mayor que 0.05, cae en la zona de rechazo,
por lo cual se acepta Ho y se rechaza Ha.
Interpretacin.
Ningn frmaco a nivel experimental en ratas produjo un cambio significativo y parece que se debe al azar,
aun cuando en el tercer tratamiento, 12 de 15 ratas presentaron cambio positivo. Esto seguramente ocurri
debido al tamao de la muestra, y el investigador habr de aumentar el nmero de animales para definir
mejor el fenmeno.

Anlisis secuencial
Raymundo

Inicialmente, la prueba estadstica de anlisis secuencial fue un procedimiento aplicable en fbricas, para un
mejor control de calidad. De acuerdo con este principio, se planteaba de la manera siguiente:
P1 = proporciones de calidad satisfactoria.
= probabilidad de rechazar un lote de calidad aceptable.
P2 = proporcin de calidad inaceptable.
= probabilidad de aceptar un lote de calidad inaceptable.
En las ciencias psicolgicas, existen problemas que se pueden plantear de manera similar -en trminos de un
estricto sentido matemtico-, pues diversas observaciones no permiten avanzar en la investigacin, debido a
que implican cambios muy lentos y el nmero de datos disponibles est en razn de la esperanza de vida del
observador, ms que de su inters o capacidad para trabajar en esta tarea. Algunas enfermedades son raras
y el mejor mtodo para adquirir los conocimientos y la capacidad necesarios a fin de ayudar a las vctimas
consiste en utilizar una tcnica acumulativa en el anlisis de las observaciones.
En ese orden de ideas, se pudo advertir que en la investigacin psicolgica existen algunos diseos
experimentales en los que este modelo estadstico se ajusta adecuadamente. El ejemplo ms claro es aquel
en el que el investigador, una vez que colecta una muestra de un tamao suficiente, con respecto al
fenmeno por el cual est interesado, slo logra reunir pocos casos. La magnitud de esta muestra se debi al
azar.
El planteamiento bajo el aspecto de la investigacin se realiza de la forma siguiente:
Pa = proporcin de calidad inaceptable para Ha.
= probabilidad de rechazar la hiptesis de nulidad (Ho).
Po = proporcin de calidad inaceptable para Ho.
= probabilidad de rechazar la hiptesis alterna (Ha).
Pasos:
1.

Obtener las frecuencias del fenmeno por estudiar (Pa y Po) e imponer los valores de la
probabilidad.

2.

Calcular las pendientes para delimitar las zonas de aceptacin y rechazo de las hiptesis (Ha y Ho).

3.

Graficar las pendientes de regresin de las zonas limitadas y anlisis de la casustica en funcin de
la frecuencia acumulada en la grfica.

4.

Aplicar el formulario, que en el curso de esta seccin se expondr con el fin de calcular los valores
del tamao de la muestra para cada valor de la escala de probabilidad (0, Po, Po + Pa / 2, Pa y 1.

5.

Decidir si se acepta o rechaza la hiptesis o si se contina la observacin, respecto al tamao de la


muestra calculada.

Ejemplo:
Un investigador est interesado en demostrar que la administracin por va oral de grandes volmenes de
lquido condiciona un factor de morbilidad y letalidad en el periodo perinatal en 364 recin nacidos. De esta

forma, elige dos grupos al azar, a uno de los cuales le administra pequeos volmenes de lquidos y al otro
un gran volumen. Entre los diversos aspectos analizados, existe un grupo de 24 bebs que manifestaron
permeabilidad del conducto arterioso (PCA), de los cuales 13 mostraron insuficiencia cardiaca y 11 no la
tuvieron. El investigador los relaciona en funcin de los ingresos de lquidos.
Eleccin de la prueba estadstica.
El modelo experimental tiene dos muestras independientes. Vase: Estadstica/Flujogramas/Flujograma 2

Planteamiento de la hiptesis.

Hiptesis alterna (Ha). La muestra obtenida aleatoriamente de un total de 364 nios nacidos revela
una alta morbilidad de insuficiencia cardiaca en la permeabilidad del conducto arterioso, debida a un alto
ingreso de lquidos por va oral.

Hiptesis nula (Ho). Con el tamao de la muestra obtenida aleatoriamente, los cambios observados
son producto del azar. No hay diferencias entre ambos grupos por la ingestin de lquidos por va oral.

Nivel de significacin.
La frecuencia acumulada de casos de insuficiencia cardiaca y alto volumen de lquidos alcanz una zona de
aceptacin, donde alfa () = 0.05.
Zona de rechazo.
La frecuencia acumulada de casos de insuficiencia cardiaca y bajo volumen de lquidos alcanz la zona de
aceptacin de Ho, donde beta () = 0.05.

Observacin en parejas de nios recin nacidos.

Aplicacin de la prueba estadstica.


Pa = proporcin de bebs sin insuficiencia cardiaca y con alto volumen de lquidos = 1/12 = 0.08
= 0.05
Po = proporcin de insuficiencia cardiaca y baja ingestin de lquidos = 2/12 = 0.17
= 0.05
Formula:
Las pendientes por calcular se basan en la ecuacin de la lnea recta que sigue:
Y = bX + a
Donde:
Y = valores del eje de las ordenadas.
a = punto de interseccin de la pendiente en el eje de las ordenadas.
b = incremento de Y cuando aumenta X.
X = valores del eje de las abscisas.
Clculo de las pendientes.

Al sustituir las literales de la ecuacin de la lnea recta, se construyen dos ecuaciones de las pendientes:

De las dos frmulas anteriores, se simplifica y queda:

De acuerdo con la ecuacin anterior, se calculan los lmites de los errores y , es decir, se delimitan las
zonas de aceptacin y rechazo de la hiptesis, se analiza cada observacin del investigador, y luego se
grafica en frecuencias acumuladas de valores absolutos.
En funcin de las ecuaciones calculadas, queda como sigue:
Y y Y' = 0.1366X 3.908
En seguida se calculan dos puntos de la recta, en el sentido de qu frecuencia se espera cuando la poblacin
total es cero y cul otra con un valor diferente de cero.
Y = 0.1366 (0) + 3.908 = 3.908
Y' = 0.1366 (0) - 3.908 = 3.908
Segn el valor X = 5
Y = 0.1366 (5) + 3.908 = 4.591
Y' = 0.1366 (5) - 3.908 = 3.225
Los valores de Y corresponden a los lmites de la zona de rechazo de Ho y aceptacin de Ha, mientras que
los correspondientes a Y' limitan la zona de aceptacin de Ho y rechazo de Ha. En la figura se dibujan los
puntos correspondientes y se unen con una lnea, como se ve en la grfica siguiente.

Lmites de las zonas de aceptacin y rechazo.


Posteriormente se analiza cada caso y se dibujan en puntos de frecuencia acumulada, por ejemplo, en la
tabla anterior muestra las observaciones del investigador, y se aprecia que la pareja 1 exhibe insuficiencia
cardiaca y un gran volumen de la ingesta, adems de estar acorde con la hiptesis alterna. Por lo tanto, se
dirige hacia el lado positivo, donde se ubica el error alfa. Las parejas 2, 3 , 4, 5 y 6 tienen la misma
caracterstica y continan acumulndose en el lado positivo; en cambio, las parejas 7 y 8 no son congruentes
con Ha, por lo cual no pueden acumularse y se mantienen en el mismo nivel. A su vez, las parejas
subsecuentes estn de acuerdo con Ha y se acumulan.
Con la frecuencia acumulada, el grupo alcanz y rebas la lnea lmite del error alfa, y la probabilidad de error
fue menor que 0.05.
Decisin.
El estudio presentado, con el tamao de la muestra disponible, alcanz la zona de error alfa mediante la
acumulacin de sus frecuencias, por lo cual se acepta Ha y se rechaza Ho.
Interpretacin.
En el ejemplo se verifica que el tamao de la muestra de la poblacin estudiada fue suficiente para
comprobar la hiptesis de trabajo del investigador. En este sentido, los nios recin nacidos mostraron
aumento en la morbilidad y mortalidad por insuficiencia cardiaca, en presencia de permeabilidad del conducto
arterioso e ingestin de un gran volumen de lquidos. Por otra parte, tambin es cierto que a los nios de la
misma cardiopata se les previno la insuficiencia cardiaca, al restringirles la ingestin de lquidos.
Bajo el supuesto de que la frecuencia acumulada no hubiera alcanzado cualquiera de las zonas y se hubiera
mantenido en el rea intermedia, se debe aplicar el formulario para determinar los valores promedio del
tamao de la muestra para cada probabilidad. Para fines de aprendizaje, se desarrollarn e interpretarn
como se indica en la siguiente tabla.

Valores de aceptacin y rechazo.

Dicha tabla muestra los valores promedio del tamao de la muestra, y se puede observar que cuando la
probabilidad es (Pa + Po) / 2 le corresponde la cifra 112. Esto significa que el estudio requiere tal tamao de
muestra y no necesariamente los 364 recin nacidos, con quienes se llev a cabo el estudio.
Para la probabilidad de Po, el valor promedio de muestra es de 62 nios recin nacidos. De stos, si 29 no
presentan insuficiencia cardiaca con una gran ingestin de lquidos en la existencia de permeabilidad del
conducto arterioso, se aceptar tcitamente Ho; en cambio, de un conjunto de 77 recin nacidos, si slo
cuatro o un valor cercano a cuatro presentan la cardiopata e insuficiencia cardiaca con alta ingestin de
lquidos por va oral, ello ser suficiente para aceptar Ha.
Se debe tener en cuenta que los valores promedio de la muestra en relacin con cada probabilidad se han
calculado en funcin de las proporciones originales del estudio, es decir, Pa = 0.17 y Po = 0.08.
Clculos.
Utilizando el formulario de la tabla anterior, tenemos que:

Como se apreci, las tcnicas disponibles para anlisis secuencial requieren algo ms que clculos
matemticos que la mayora de los procedimientos estadsticos descritos en cualquier libro de estadstica.
Estas pruebas estadsticas de anlisis secuencial permiten no slo interpretar los resultados de una
investigacin, sino tambin saber si el tamao de la muestra fue suficiente para demostrar las hiptesis.