INFERENCIA ESTADISTICA

Unidad 3: Fase 4 - Pruebas no paramétricas

Tutor:
Dany Mariela Silva

Estudiantes:

Edid Amparo Bustos Ángel

Código: 51.991.955
Gladys Saavedra
Código: 65.767.519

Grupo: 212064-6

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
Fecha 07 de Mayo 2019
Bogotá
D
RÍA
 Células
Densidad Crioscopia % Proteína % Sólidos somáticas
Nº Muestra % Grasa
(g/ml) (°C) totales (células/ml
de leche)
1 4 1.03 -0.56 3.2 3.2 11.7 1901288
2 13 0.95 -0.58 3.1 3 11.4 1905216
3 22 1.06 -0.55 3.1 2.9 12 1896402
4 31 0.93 -0.53 3.2 3 11.6 1907809
5 40 1.03 -0.52 3.1 3.1 12.2 1909125
6 49 1 -0.52 3.4 3 12.3 1915963
7 58 1.05 -0.52 3.2 3 11.3 1903433
8 67 1.08 -0.51 3.3 2.9 11.8 1897753
9 76 1.03 -0.55 3 2.9 11.8 1904189
10 85 0.98 -0.55 3.4 3 11.6 1902162
11 94 1.04 -0.54 3.1 3.1 11.9 1908144
12 103 1.07 -0.54 3.1 2.8 11.6 1885096
13 112 1.06 -0.5 3.1 3.3 11 1916685
14 121 1.04 -0.52 3.3 3 11.7 1898908
15 130 1.03 -0.52 3.3 3.1 11.5 1906817
16 139 1.02 -0.55 3.2 3.1 11.4 1899013
17 148 1 -0.56 3.1 2.9 11.9 1893919
18 157 1 -0.5 3.1 3 11.6 1887630
19 166 1.01 -0.5 3.2 3 12.2 1909564
20 175 0.99 -0.56 3.1 2.8 12.4 1905026
21 184 1.07 -0.51 3.2 3.1 11.8 1887101
22 193 0.98 -0.51 3.2 3 11.8 1901129
23 202 1.13 -0.54 3 3 11.9 1901328
24 211 0.88 -0.5 3 3 12 1911921
25 220 1.1 -0.55 3.1 3.1 11.7 1920733
26 229 1.08 -0.54 3.2 2.9 11.6 1900273
27 238 1.1 -0.52 3.2 3 12 1890599
28 247 1.05 -0.54 3.3 3 11.9 1914918
29 256 0.94 -0.57 3.3 2.9 11.9 1896183
30 265 1.06 -0.54 3.1 3 11.5 1890880
31 274 1.04 -0.54 3.3 3 11.9 1884962
32 283 0.98 -0.49 3.2 2.9 11.6 1899582
33 292 0.96 -0.55 3.2 3 11.7 1901936
34 301 1.03 -0.49 3.3 3.1 12.2 1887657
35 310 1.09 -0.53 3.1 3.1 11.8 1901495
36 319 1.04 -0.53 3.4 3.2 12 1896702
37 328 1.08 -0.5 3.2 3.1 11.8 1896111
38 337 1.01 -0.51 3.2 3.1 11.7 1903521
39 346 1.09 -0.52 3.1 3.1 12.1 1891329
40 355 1.03 -0.53 3.3 2.8 12.2 1897690
41 364 1.05 -0.57 3.1 3 12 1891017
42 373 1.08 -0.5 3.3 2.9 12 1918214
43 382 0.97 -0.53 3.1 3 11.3 1881569
44 391 0.99 -0.55 3.2 3 11.6 1914245
45 400 1.03 -0.5 3.3 3.1 11.8 1894730
46 409 1.11 -0.53 3.4 3.1 11.8 1892157
47 418 0.99 -0.51 3.3 3 11.4 1915743
48 427 1.09 -0.5 3.3 3.1 12.3 1905727
49 436 1.04 -0.55 3.2 2.8 11.7 1912272
50 445 1.07 -0.54 3.2 3.1 12 1890866
51 454 1.09 -0.55 3.2 3 12.4 1902015
52 463 0.99 -0.48 3.3 2.9 11.6 1881347
53 472 1.06 -0.51 3.3 3 12.3 1898313
54 481 1.05 -0.51 3.1 3.1 11.9 1895276
55 490 1.02 -0.56 3.3 2.8 12.1 1898061
56 499 0.98 -0.53 3.2 3 11.6 1891824
57 508 1.04 -0.55 3.3 3 11.7 1908167
58 517 0.94 -0.51 3.3 3.2 11.9 1892476
59 526 1.11 -0.5 3.2 3.2 11.4 1888002
60 535 1 -0.57 3.3 3.1 12.1 1896918
61 544 1 -0.52 3.3 3 11.7 1907688
62 553 1.08 -0.56 3 3 11.7 1889710
63 562 1.04 -0.55 3.2 3 12.3 1904615
64 571 1.03 -0.49 3.1 2.9 12.1 1901976
65 580 0.96 -0.54 3.3 3 11.6 1885473
66 589 1.04 -0.55 3.3 3.2 11.3 1897895
67 598 1.12 -0.53 3.4 3 11.4 1895162
68 607 1.04 -0.56 3.1 3.2 11.5 1901862
69 616 1.02 -0.52 3.2 2.9 11.4 1908060
70 625 1.02 -0.53 3.2 2.9 12 1885202
71 634 1.03 -0.57 3.2 2.8 11.5 1902837
72 643 1.03 -0.54 3.1 2.8 11.6 1894227
73 652 0.99 -0.53 3.2 3.1 11.3 1896145
74 661 1 -0.53 3.2 3 11.8 1882737
75 670 1.01 -0.52 3.3 3.1 10.9 1890220
76 679 1.02 -0.52 3.2 3 11.5 1902683
77 688 1.05 -0.5 3.3 3 12 1898993
78 697 1.04 -0.51 3.2 3 11.6 1916741
79 706 1.04 -0.54 3 3 12.4 1907565
80 715 1.05 -0.49 3 3 11.9 1903502
81 724 1.03 -0.55 3 3.1 11.4 1898219
82 733 1.02 -0.53 3.2 3 12.5 1902503
83 742 1.08 -0.53 3.2 3 11.8 1898860
84 751 1 -0.52 3.3 3 12 1908142
85 760 1.14 -0.54 3.2 3 11.7 1910167
86 769 1.07 -0.52 3.2 2.9 11.7 1888294
 87 778 1.03 -0.57 3.2 3.1 11.3 1901124
88 787 1 -0.5 3 3 11.6 1905109
89 796 1.02 -0.52 3.2 3 11.8 1894924
90 805 0.98 -0.52 3.1 3.1 11.6 1893482
91 814 0.98 -0.52 3.2 2.9 11.8 1900988
92 823 1.08 -0.54 3.1 2.9 11.5 1902973
93 832 1 -0.54 3.2 3 11.8 1903614
94 841 1.04 -0.56 3.3 2.9 11.9 1907041
95 850 0.91 -0.54 3.2 3 11.2 1899154
96 859 1.07 -0.54 3.2 3.2 11.6 1895926
97 868 0.94 -0.55 3.2 3.1 11.6 1875162
98 877 0.93 -0.5 3.2 2.9 11.7 1886660
99 886 0.95 -0.52 3.2 3 11.6 1895626
100 895 1.09 -0.55 3.2 3.1 12.1 1905635
101 904 1.07 -0.57 3.2 3 11.3 1898904
102 913 1.01 -0.54 3.3 3 11.9 1919331
103 922 0.99 -0.52 3.3 3.1 11.7 1888067
104 931 1.01 -0.5 3.2 3.1 12 1887416
105 940 1.12 -0.56 3.3 3.1 11.7 1890535
106 949 1 -0.55 3.3 3 12 1910342
107 958 1.01 -0.54 3.2 3.2 11.6 1895413
108 967 1.07 -0.5 3.3 3.2 11.4 1895946
109 976 0.94 -0.47 3.3 2.8 11.5 1883178
110 985 1.06 -0.55 3.6 3 12.9 1893908
111 994 1.01 -0.53 3.4 2.9 11.5 1900793
112 1003 1.07 -0.55 3.3 2.9 11.8 1900591
113 1012 1.01 -0.55 3.1 2.9 12 1908127
114 1021 0.99 -0.55 3.2 2.9 11.8 1893414
115 1030 0.94 -0.56 3.2 2.7 12.1 1907596
116 1039 1.02 -0.55 3.3 3 11.6 1892464
117 1048 0.99 -0.56 3.2 2.9 12 1908066
118 1057 1.03 -0.53 3.3 3.1 11.5 1896578
119 1066 1.08 -0.52 3.2 2.8 12 1913637
120 1075 1.08 -0.5 3.2 3 11.9 1910114
121 1084 1.07 -0.52 3.2 3.1 11.1 1904671
122 1093 0.98 -0.53 3.2 2.9 11.8 1917349
123 1102 1.04 -0.56 3.3 2.9 12 1891747
124 1111 1.1 -0.53 3.1 3 11.7 1884521
125 1120 1.05 -0.56 3.3 3 11.7 1908898
126 1129 0.99 -0.56 3.1 3 11.7 1899801
127 1138 1.02 -0.53 3.1 2.9 11.8 1903458
128 1147 0.99 -0.51 3.2 2.9 11.9 1891292
129 1156 1.02 -0.54 3 3.2 11.8 1902772
130 1165 1.13 -0.53 3.1 2.9 12 1902538
131 1174 0.99 -0.54 3.3 2.9 12.1 1894116
132 1183 1.02 -0.52 3.3 3.1 12 1898281
133 1192 1.07 -0.52 3.3 3.2 11.7 1891749
134 1201 1.09 -0.49 3.2 2.9 11.1 1884270
135 1210 0.97 -0.53 3.3 2.9 12 1907130
136 1219 1.04 -0.53 3.3 2.9 11.7 1883041
137 1228 1.01 -0.5 3.4 2.9 11.6 1887360
138 1237 1.09 -0.57 3.2 3 11.6 1883137
139 1246 1.04 -0.53 3.4 3 11.9 1904781
140 1255 1.01 -0.56 3.2 3 11.5 1899405
141 1264 0.99 -0.54 3.2 2.9 11.8 1885051
142 1273 1 -0.53 3.2 3 11.6 1898768
143 1282 0.98 -0.51 3.1 3 12.5 1889675
144 1291 1 -0.53 3.2 3 11.8 1909205
145 1300 1 -0.54 3 3.1 12 1896044
146 1309 1.01 -0.5 3.3 3.1 11.2 1889339
147 1318 1.09 -0.54 3.3 2.9 11.9 1892118
148 1327 1.05 -0.52 3.3 3 12 1895400
149 1336 1.01 -0.52 3.2 2.9 12 1887000
150 1345 1.07 -0.51 3.2 3.1 11.7 1882682
151 1354 0.95 -0.52 3.3 2.9 11.3 1904628
152 1363 1.08 -0.53 3.2 3 12 1916834
153 1372 1.01 -0.5 3.4 2.9 11.7 1907865
154 1381 1.12 -0.58 3.3 3 11.5 1910101
155 1390 1.08 -0.51 3.2 2.9 12.1 1900861
156 1399 1 -0.5 3.2 3.1 11.9 1890566
157 1408 1.03 -0.52 3.3 3.1 12 1900100
158 1417 0.99 -0.53 3.1 3 11.4 1905101
159 1426 0.96 -0.52 3.1 3 11.6 1904786
160 1435 1.06 -0.51 3.4 3 11.5 1921016
161 1444 1.01 -0.52 3.2 2.9 11.7 1889835
162 1453 1.02 -0.54 3.1 2.9 11.4 1891294
163 1462 0.99 -0.53 3.3 3 12.1 1882575
164 1471 0.95 -0.51 3.1 2.9 11.5 1872643
165 1480 1.05 -0.51 3.3 3 11.9 1898411
166 1489 1 -0.56 3.2 3.1 12 1899167
167 1498 1.1 -0.49 3.2 2.9 12.3 1884859
168 1507 1.05 -0.54 3 3 11.5 1906201
169 1516 0.98 -0.53 3.2 2.8 11.7 1887066
170 1525 1.04 -0.52 3.2 3 11.7 1900686
171 1534 0.96 -0.49 3.1 3.1 11.2 1888027
172 1543 0.91 -0.55 3.2 2.9 11.7 1884816
173 1552 1.05 -0.51 3.2 2.9 12.2 1890019
174 1561 1.02 -0.51 3.3 2.9 11.5 1905199
175 1570 1.08 -0.5 3.3 3 11.6 1893723
176 1579 1.05 -0.53 3.2 2.9 11.2 1906107
177 1588 0.97 -0.55 3.4 3.1 11.5 1906113
178 1597 1.05 -0.52 3 2.9 12.3 1886621
179 1606 0.98 -0.51 3.4 2.9 11.8 1878454
180 1615 1 -0.57 3.2 3 11.5 1899104
181 1624 1.13 -0.5 3.2 3.1 12.1 1909336
182 1633 1.08 -0.53 3.1 2.9 11.1 1905819
183 1642 1.1 -0.52 3.1 3 11.7 1885295
184 1651 1.05 -0.52 3.3 2.9 12.4 1912085
185 1660 1.11 -0.48 3.1 3.2 11.9 1897147
186 1669 1.1 -0.54 3.1 2.9 11.9 1901426
187 1678 1.11 -0.54 3.2 2.9 11.9 1891415
188 1687 1.04 -0.57 3.2 3 11.3 1890600
189 1696 1.06 -0.53 3.3 2.9 11.7 1898443
190 1705 1 -0.54 3.1 3.1 11.3 1895317
191 1714 0.93 -0.52 3 3 12.3 1910013
192 1723 0.95 -0.55 3.2 3 11.2 1885847
193 1732 1.04 -0.52 3.3 3.1 11.9 1893834
194 1741 1.02 -0.52 3.2 2.9 11.8 1884617
195 1750 1.03 -0.56 3.2 2.9 11.8 1901443
196 1759 1 -0.52 3.2 2.9 11.6 1897308
197 1768 1.01 -0.54 3 3 12.2 1898274
198 1777 1.06 -0.52 3.1 3 11.8 1895252
199 1786 1.03 -0.55 3.1 3 12.2 1908091
200 1795 0.95 -0.51 3.1 3 11.8 1896721
201 1804 1.07 -0.55 3.2 2.9 11.5 1895051
202 1810 1.05 -0.56 3.1 3 11.8 1872011
 Tipo de Prueba de Temperatura
Peroxidasa Fosfatasa Temperatura Costo
leche yodo de recepcion

2 2 3 2 784 2 2
2 2 1 2 514 2 1
1 2 1 2 902 2 1
2 2 4 1 648 1 1
2 2 2 2 589 2 2
1 2 2 1 478 2 1
2 2 1 2 688 2 1
2 2 1 1 564 2 1
2 2 4 1 805 2 2
2 2 4 3 571 2 1
2 2 3 2 659 2 2
2 2 1 2 921 2 1
2 2 1 2 995 2 2
2 2 1 2 638 2 1
1 2 3 1 713 1 1
2 2 1 1 824 1 2
2 2 3 2 968 2 1
2 2 1 3 708 2 1
2 1 4 1 838 2 1
2 2 4 1 705 2 1
2 2 1 3 774 2 1
2 2 1 2 611 2 1
2 2 1 3 361 2 1
2 2 1 1 824 2 2
2 2 1 2 833 2 1
1 2 4 1 745 2 2
2 2 1 1 745 2 1
1 2 4 2 555 2 1
2 2 1 2 538 2 1
2 2 4 2 1005 2 2
2 2 4 3 625 2 2
1 2 3 2 628 2 1
2 2 1 1 698 2 1
2 2 1 2 632 2 1
2 2 1 2 322 2 1
2 2 1 2 821 2 1
2 2 1 1 864 2 2
2 2 3 2 622 2 1
2 2 3 2 653 2 2
1 2 1 2 659 2 1
1 2 2 2 750 2 1
2 1 1 3 1065 2 1
2 2 1 2 760 2 1
2 2 1 2 853 2 1
2 2 1 3 872 2 2
2 2 4 1 832 2 2
2 1 1 1 634 2 1
2 2 1 3 567 2 1
2 2 4 2 784 2 1
2 2 1 3 518 2 1
1 2 1 2 358 2 1
2 2 3 1 495 2 1
2 2 1 2 485 2 1
2 2 2 2 467 2 1
1 2 1 3 853 2 1
2 2 4 1 817 2 1
2 2 2 2 594 1 1
2 2 2 1 705 2 1
2 2 1 3 1047 2 1
2 2 1 3 560 2 1
1 2 1 3 865 2 2
2 2 2 2 935 2 1
2 2 1 3 535 2 1
1 2 4 2 435 2 1
2 2 1 2 709 2 2
2 2 1 2 593 2 1
2 2 4 1 500 1 1
1 2 1 2 587 2 1
1 2 1 3 799 2 1
2 2 4 2 502 2 1
2 2 4 2 472 2 1
2 2 4 1 870 2 1
2 2 1 1 786 1 1
1 2 4 2 728 2 1
1 2 3 1 978 2 1
2 2 1 3 522 1 2
2 2 3 3 468 2 2
2 2 1 2 941 1 2
2 2 1 3 438 2 2
2 2 1 1 740 1 1
2 2 1 2 848 2 1
2 2 2 3 598 2 2
2 2 4 2 530 2 1
1 2 1 2 714 2 1
2 2 4 2 633 2 1
2 2 2 2 707 2 1
2 2 4 1 342 2 1
2 2 2 3 486 2 1
2 2 1 2 890 2 1
2 2 1 1 746 2 1
1 2 4 2 929 2 1
2 2 1 2 633 2 2
2 2 3 2 492 2 1
1 2 1 3 638 2 2
2 2 2 3 624 2 1
1 2 1 2 684 2 2
2 2 2 1 428 2 1
2 2 1 3 379 2 1
2 2 1 1 1048 2 1
2 2 3 3 686 2 1
1 2 3 2 620 2 2
2 1 1 2 634 2 1
2 1 1 1 512 2 1
2 2 1 2 699 2 1
2 2 1 1 722 2 1
2 2 1 2 577 2 2
1 2 3 1 835 2 1
2 2 1 2 436 2 1
2 2 1 2 798 1 1
2 2 1 1 1053 2 1
2 2 1 1 528 2 2
2 2 4 1 332 2 1
2 2 3 2 689 2 2
2 2 1 1 568 2 1
2 2 1 2 261 1 1
1 2 1 1 896 2 1
2 2 2 1 657 2 1
2 2 1 3 718 2 1
2 2 3 2 684 2 1
2 2 1 1 622 2 1
2 2 4 2 644 2 1
2 2 1 1 403 2 1
2 2 3 3 664 2 2
2 2 1 3 1157 2 2
1 2 2 3 843 2 2
2 2 1 2 345 1 1
2 2 1 2 840 2 1
2 2 1 2 685 2 1
2 2 1 2 859 2 1
1 2 3 2 780 2 1
2 2 4 2 615 2 1
2 2 2 2 228 1 2
2 2 1 1 645 2 1
2 2 1 3 921 1 1
1 2 1 1 663 1 1
1 2 3 2 626 2 1
1 2 3 2 422 1 1
1 2 2 1 683 2 1
1 2 3 1 688 2 1
2 2 3 1 547 2 1
1 1 4 3 723 2 1
1 1 1 2 1026 2 1
2 2 2 3 895 2 1
1 2 2 2 1096 2 1
2 2 1 3 537 2 1
2 2 1 1 708 2 1
1 2 4 2 873 2 1
2 2 3 1 921 2 2
2 2 3 3 1026 2 2
1 2 1 2 465 2 1
1 2 4 2 766 2 1
2 2 2 2 660 2 1
2 2 1 3 602 2 1
2 2 1 1 451 2 1
2 2 4 3 829 2 1
2 2 4 1 762 2 1
2 2 1 1 728 2 2
2 2 1 2 593 2 2
2 2 4 1 674 2 1
1 2 3 3 508 2 1
2 2 1 3 760 2 1
2 2 1 2 752 2 1
2 2 1 2 509 2 1
1 2 1 2 885 2 2
2 2 2 1 688 2 1
2 2 1 2 708 2 1
1 2 1 2 853 2 1
2 2 1 2 759 2 1
2 2 2 1 593 2 1
2 2 1 2 468 2 1
2 2 3 3 965 2 2
2 2 1 1 455 2 2
2 2 1 2 650 2 1
2 2 4 2 384 2 2
2 2 1 1 1011 2 1
1 1 2 3 593 1 1
2 2 2 2 612 2 1
2 2 1 3 743 2 1
2 2 3 1 510 2 1
2 2 1 1 576 2 1
2 1 1 3 651 2 1
2 2 1 2 637 2 1
2 2 2 3 362 2 1
2 2 3 2 671 2 1
2 2 1 2 420 2 1
2 2 4 2 687 2 1
2 2 1 2 635 2 2
2 2 2 1 495 2 1
2 2 1 3 385 2 1
2 2 1 2 578 2 1
2 2 2 1 505 2 1
2 2 4 2 1046 2 2
2 2 3 1 540 2 1
2 2 1 2 556 2 1
1 2 1 3 974 1 2
1 2 1 1 413 2 1
2 2 1 2 897 2 1
2 2 1 2 964 2 1
1 2 1 2 994 2 1
1 2 1 2 992 2 1
2 2 1 1 606 2 1
2 2 1 2 622 2 1
Satisfacción Departamento

2 4
1 5
1 6
3 5
1 6
2 4
2 4
2 2
1 2
1 2
2 4
2 6
2 2
2 1
2 3
2 6
2 6
2 4
2 2
2 2
2 6
2 4
2 1
4 4
4 2
1 4
2 1
2 6
2 4
1 1
2 6
2 1
2 3
2 4
2 1
2 4
2 6
4 6
2 3
2 2
2 1
4 1
1 1
2 2
2 4
2 1
2 5
2 6
2 3
3 6
2 6
3 3
2 6
1 3
2 6
2 4
2 4
4 5
2 1
2 6
2 3
2 3
2 2
2 4
2 1
2 6
3 6
2 4
2 2
2 4
2 1
2 4
1 3
2 4
1 4
2 4
2 2
2 3
3 4
2 2
2 4
2 3
2 6
2 5
1 5
5 2
2 2
2 2
2 4
3 3
2 4
2 5
1 4
1 6
1 2
2 5
2 4
4 2
2 6
2 4
2 6
2 5
2 4
1 3
2 2
2 6
2 2
5 2
2 4
2 6
1 1
2 3
2 5
2 5
2 1
2 2
2 5
2 5
2 6
2 4
2 5
2 3
1 4
1 2
2 1
2 4
2 1
3 6
2 3
2 5
2 1
2 1
1 3
2 6
2 5
2 5
1 6
1 5
2 6
2 1
1 1
3 6
2 1
1 2
3 4
1 3
2 2
3 2
2 3
2 6
2 4
2 5
2 6
2 3
2 5
2 1
2 1
2 1
3 6
2 1
2 5
2 5
1 3
2 6
2 2
2 2
2 3
1 2
2 4
2 2
2 3
3 1
2 1
2 6
2 6
2 5
2 1
2 4
2 5
4 6
2 4
2 2
1 2
2 6
2 4
2 4
2 6
2 2
2 3
2 2
2 5
1 3
2 2
2 1
2 1
1 5
2 4
2 1
2 1
2 1
2 2
2 3
 Pruebas no paramétricas Características Principales

para el análisis de variables cualitativas. Su nombre lo toma de la distribución Chi cu

en la que se basa su formula es:

- Los datos puntualizan a las variables cualitativa (nominal u ordinal).

Chi-cuadrado
- Las poblaciones son pequeñas.
- Se desconocen los parámetros media, moda.
- Se quiere contrastar o comparar hipótesis propuestas.
- Existen investigaciones de tipo social - muestras pequeñas no representativas >5

La prueba de Kolmogorov-Smirnov de una muestra es una dócima de bondad de aj

el grado de acuerdo entre la distribución de un conjunto de valores de la muestra y
específica. Determina si razonablemente puede pensarse que las mediciones mués
población que tenga esa distribución teórica. En la prueba se compara la distribució
de la distribución teórica con la distribución de frecuencia acumulativa observada. S
Kolmogorov-Smirnov
que estas dos distribuciones muestran la mayor divergencia.
Hipótesis Ho: La distribución observada se ajusta a la distribución teórica. F(x) = Ft(
H1: La distribución observada no se ajusta a la distribución teórica.
También: F(x) ( Ft(x) para algún x F(x): es función desconocida Ft(x): es la función te
ejemplo la función normal con cierta

Intuitivamente, es idéntico al ANOVA con los datos reemplazados por categorías. Es

de la U de Mann-Whitney para 3 o más grupos.
Anova nos permite comparar las medias de r grupos, siendo r mayor o igual a 2. El
Anova presupone que las varianzas de los grupos son iguales y que los residuos o
KrusKal-Wallis independientes e idénticamente distribuidos siguiendo una ley normal con media 0 y
constante. La hipótesis nula de la prueba Anova de un factor es:

H0: Las medias de los k grupos son todas iguales

H1: Al menos una de las medias es diferente

Las distribución Chi cuadrado de contingencia, se derivan de la distribución Normal

teoría del muestreo pequeño n< 30. Son muy importantes pues son la base de meto
Chi-cuadrado de contingencia
como Intervalos de Confianza y Pruebas de Hipótesis. En otros estudios se les defin
diferencias cuadráticas relativas entre valores experimentales (observados) y valore
 CUADRO COMPARATIVO
Características Principales Cuando se
a) Cuando queremos comprobar si una v
de variables cualitativas. Su nombre lo toma de la�^2=∑_𝑖^𝑘▒
distribución Chi
〖〖 cuadrado
(� 〗 de la probabilidad, tiene una determinada función de probab
a su formula es: chi-cuadrado de ajuste.
_(0−) �_𝑒) 〗 ^2/�_𝑒 b) Cuando queremos averiguar si dos va
tualizan a las variables cualitativa (nominal u ordinal). independientes estadísticamente. En est
es son pequeñas. cuadrado de independencia o chi-cuadra
n los parámetros media, moda. aplica para comparar las frecuencias esp
rastar o comparar hipótesis propuestas. obtenidas (muestra) y a partir de esta com
gaciones de tipo social - muestras pequeñas no representativas >5 y población > a 5 y < a 20 significativas. Las frecuencias esperadas
frecuencias obtenidas son los resultados

lmogorov-Smirnov de una muestra es una dócima de bondad de ajuste. Esto es, se interesa en
erdo entre la distribución de un conjunto de valores de la muestra y alguna distribución teórica
Es aplicable a cualquier tamaño de mue
rmina si razonablemente puede pensarse que las mediciones muéstrales provengan de una
Compara las funciones de distribución te
nga esa distribución teórica. En la prueba se compara la distribución de frecuencia acumulativa
aplica a distribuciones de tipo ordinal.
n teórica con la distribución de frecuencia acumulativa observada. Se determina el punto en el
Se usa para probar hipótesis acerca de d
stribuciones muestran la mayor divergencia.
Se basa en calcular las diferencias, en va
distribución observada se ajusta a la distribución teórica. F(x) = Ft(x) para todo x.
acumuladas relativasobservadas y las es
ón observada no se ajusta a la distribución teórica.
Ft(x) para algún x F(x): es función desconocida Ft(x): es la función teórica. Esta puede ser por
ón normal con cierta

s idéntico al ANOVA con los datos reemplazados por categorías. Es una extensión de la prueba La prueba de Kruskal-Wallis es el método
-Whitney para 3 o más grupos. La prueba cuyas distribuciones
ite comparar las medias de r grupos, siendo r mayor o igual a 2. El modelo no son normales. Incluso cuando las pob
e que las varianzas de los grupos son iguales y que los residuos o errores son aleatorios, funciona muy bien.
e idénticamente distribuidos siguiendo una ley normal con media 0 y desviación También es adecuado cuando las desvia
pótesis nula de la prueba Anova de un factor es: son iguales entre sí,
sin embargo, el Anova de un factor es mu
de los k grupos son todas iguales desviaciones típicas
a de las medias es diferente difieren en gran magnitud.

chi-cuadrado de contingencia, permite h

Chi cuadrado de contingencia, se derivan de la distribución Normal y están relacionadas con la
carácteres estadísticos, lleva el nombre d
reo pequeño n< 30. Son muy importantes pues son la base de metodologías inferenciales, tales
dos carácteres, observados en una mism
de Confianza y Pruebas de Hipótesis. En otros estudios se les define como la suma de
muestra es $ n$. Las modalidades o clas
ráticas relativas entre valores experimentales (observados) y valores teóricos (esperados).
d1,......,ds.
TIVO
Cuando se debe Utilizar
emos comprobar si una variable, cuya descripción parece adecuada,
minada función de probabilidad. La prueba correspondiente se llama
ajuste.
emos averiguar si dos variables (o dos vías de clasificación) son
estadísticamente. En este caso la prueba que aplicaremos ser la chi-
ependencia o chi-cuadrado de contingencia. Se
parar las frecuencias esperadas (poblacionales) y las frecuencias
tra) y a partir de esta comparación decidir si existen diferencias
s frecuencias esperadas se refieren a la hipótesis nula (Ho) y las
nidas son los resultados alcanzados por el investigador.
Utilidad
Esta prueba puede utilizarse incluso con datos medibles en una esca
hipótesis nula de la prueba Chi-cuadrado postula una distribución de
totalmente especificada como el modelo matemático de la población
generado la muestra.
Para realizar este contraste se disponen los datos en una tabla de fre
cada valor o intervalo de valores se indica la frecuencia absoluta obs
empírica.

ualquier tamaño de muestra

ciones de distribución teórica y empírica.
ciones de tipo ordinal.
bar hipótesis acerca de distribuciones discretas.
ular las diferencias, en valor absoluto, entre las frecuencias
tivasobservadas y las esperadas, en cada clase.
se trata de comparar la distribución muestral observada con la resulta
Se
cierta la hipotética distribución de la población .En el caso de la chi-2
frecuencias absolutas observadas con sus homónimas teóricas , en e
de Kolmogorov-Smirnov las frecuencias a comparar serán las frecue
acumuladas de las dos distribuciones ; observada y teórica. De ahí s
aquellas ocasiones en las que los datos se encuentren en forma de e

La prueba de Kruskal-Wallis representa una forma sencilla y rápida d

existencia de las diferencias en la distribución de las tallas. Esto es im
uskal-Wallis es el método más adecuado para comparar poblaciones todo cuando el estudio de la variación se realiza desde un enfoque g
nes porque se corre el riesgo de compa-rar poblaciones que difieran en s
. Incluso cuando las poblaciones son normales, este contraste distribuciones de edad.Cuando la única forma factible de medición es
en. rango, la opción es emplear la prueba de KrusKal-Wallis (Kerlinger y
cuado cuando las desviaciones típicas de los diferentes grupos no fórmula es:
e sí,
Anova de un factor es muy robusto y sólo se ve afectado cuando las
cas
magnitud.

Su utilidad es precisamente evaluar la independencia entre dos varia

contingencia, permite hacer un test sobre la independencia de dos
ísticos, lleva el nombre de test de chi-cuadrado de contingencia. Los
observados en una misma población, son X e Y, el tamaño de la
. Las modalidades o clases de X se denotan c1,.....,cr, las de Y por
u ordinales, dando un método para verificar si las frecuencias observ
categoría son compatibles con la independencia entre ambas variabl
evaluarla se calculan los valores que indicarían la independencia abs
denomina frecuencias esperadas, comparándolos con las frecuencia
Como habitualmente, H0 indica que ambas variables con independie
que H1 indica que las variables tienen algún grado de asociación.
ad

os medibles en una escala nominal. La

stula una distribución de probabilidad
emático de la población que ha

datos en una tabla de frecuencias. Para

frecuencia absoluta observada o

observada con la resultante de dar por

n .En el caso de la chi-2 se comparaban
omónimas teóricas , en el caso del test
mparar serán las frecuencias relativas
vada y teórica. De ahí su utilidad para
ncuentren en forma de escala ordinal.

forma sencilla y rápida de evaluar la

n de las tallas. Esto es importante, sobre
liza desde un enfoque geográfico,
ciones que difieran en sus
a factible de medición es la ordinal o el
usKal-Wallis (Kerlinger y Lee, 2001). Su

endencia entre dos variables nominales

si las frecuencias observadas en cada
ncia entre ambas variables. Para
an la independencia absoluta, lo que se
dolos con las frecuencias de la muestra.
ariables con independientes, mientras
grado de asociación.
 Pruebas no paramétricas Características Principa
Se utiliza cuando:

- Los datos puntualizan a las variables cualitativa (nomin

- Las poblaciones son pequeñas.
Chi-cuadrado
- Se desconocen los parámetros media, moda.
- Se quiere contrastar o comparar hipótesis propuestas.
- Existen investigaciones de tipo social - muestras pequeñ
población > a 5 y < a 20

La prueba de Kolmogorov-Smirnov de una muestra es una

es, se interesa en el grado de acuerdo entre la distribución
muestra y alguna distribución teórica específica. Determin
pensarse que las mediciones muéstrales provengan de un
distribución teórica. En la prueba se compara la distribució
distribución teórica con la distribución de frecuencia acum
Kolmogorov-Smirnov
punto en el que estas dos distribuciones muestran la mayo
Hipótesis Ho: La distribución observada se ajusta a la dist
todo x.
H1: La distribución observada no se ajusta a la distribución
También: F(x) ( Ft(x) para algún x F(x): es función descono
Esta puede ser por ejemplo la función normal con cierta

La prueba Anova nos permite comparar las medias de r gr

modelo
Anova presupone que las varianzas de los grupos son igu
son aleatorios,
independientes e idénticamente distribuidos siguiendo una
KrusKal-Wallis
desviación
constante. La hipótesis nula de la prueba Anova de un fac

H0: Las medias de los k grupos son todas iguales

H1: Al menos una de las medias es diferente

Las distribución Chi cuadrado de contingencia, se derivan

relacionadas con la teoría del muestreo pequeño n< 30. S
Chi-cuadrado de contingencia base de metodologías inferenciales, tales como Intervalos
Hipótesis. En otros estudios se les define como la suma d
entre valores experimentales (observados) y valores teóric
 CUADRO COMPARATIVO
Características Principales Cuando se
ndo:
a) Cuando queremos comprobar s
parece adecuada, tiene una determ
untualizan a las variables cualitativa (nominal u ordinal).
prueba correspondiente se llama c
ones son pequeñas.
b) Cuando queremos averiguar si
cen los parámetros media, moda.
clasificación) son independientes e
ontrastar o comparar hipótesis propuestas.
prueba que aplicaremos ser la chi-
estigaciones de tipo social - muestras pequeñas no representativas >5 y
cuadrado de contingencia
5 y < a 20

Kolmogorov-Smirnov de una muestra es una dócima de bondad de ajuste. Esto

a en el grado de acuerdo entre la distribución de un conjunto de valores de la
una distribución teórica específica. Determina si razonablemente puede
las mediciones muéstrales provengan de una población que tenga esa Se aplica a distribuciones de tipo o
órica. En la prueba se compara la distribución de frecuencia acumulativa de la Se usa para probar hipótesis acerc
órica con la distribución de frecuencia acumulativa observada. Se determina el Se basa en calcular las diferencias
ue estas dos distribuciones muestran la mayor divergencia. frecuencias acumuladas relativaso
La distribución observada se ajusta a la distribución teórica. F(x) = Ft(x) para clase.

ución observada no se ajusta a la distribución teórica.

( Ft(x) para algún x F(x): es función desconocida Ft(x): es la función teórica.
er por ejemplo la función normal con cierta

ova nos permite comparar las medias de r grupos, siendo r mayor o igual a 2. El
La prueba de Kruskal-Wallis es el
comparar poblaciones cuyas distri
one que las varianzas de los grupos son iguales y que los residuos o errores
no son normales. Incluso cuando l
s,
contraste funciona muy bien.
es e idénticamente distribuidos siguiendo una ley normal con media 0 y
También es adecuado cuando las
diferentes grupos no son iguales e
hipótesis nula de la prueba Anova de un factor es:
sin embargo, el Anova de un facto
afectado cuando las desviaciones
as de los k grupos son todas iguales
difieren en gran magnitud.
una de las medias es diferente

chi-cuadrado de contingencia, per

ón Chi cuadrado de contingencia, se derivan de la distribución Normal y están
independencia de dos carácteres e
con la teoría del muestreo pequeño n< 30. Son muy importantes pues son la
de chi-cuadrado de contingencia. L
dologías inferenciales, tales como Intervalos de Confianza y Pruebas de
una misma población, son X e Y, e
otros estudios se les define como la suma de diferencias cuadráticas relativas
modalidades o clases de X se den
experimentales (observados) y valores teóricos (esperados).
d1,......,ds.
ATIVO
Cuando se debe Utilizar
eremos comprobar si una variable, cuya descripción
ada, tiene una determinada función de probabilidad. La
pondiente se llama chi-cuadrado de ajuste.
eremos averiguar si dos variables (o dos vías de
son independientes estadísticamente. En este caso la
plicaremos ser la chi-cuadrado de independencia o chi-
contingencia
stribuciones de tipo ordinal.
probar hipótesis acerca de distribuciones discretas.
alcular las diferencias, en valor absoluto, entre las
cumuladas relativasobservadas y las esperadas, en cada Kolmogorov-Smirnov las frecuencias a comparar serán la
Kruskal-Wallis es el método más adecuado para
laciones cuyas distribuciones
les. Incluso cuando las poblaciones son normales, este
ciona muy bien.
decuado cuando las desviaciones típicas de los
pos no son iguales entre sí,
el Anova de un factor es muy robusto y sólo se ve
ndo las desviaciones típicas
an magnitud.
de contingencia, permite hacer un test sobre la
a de dos carácteres estadísticos, lleva el nombre de test
do de contingencia. Los dos carácteres, observados en
oblación, son X e Y, el tamaño de la muestra es $ n$. Las
o clases de X se denotan c1,.....,cr, las de Y por
Utilidad
Esta prueba puede utilizarse incluso con datos medibles e
nominal. La hipótesis nula de la prueba Chi-cuadrado pos
distribución de probabilidad totalmente especificada como
matemático de la población que ha generado la muestra.
Para realizar este contraste se disponen los datos en una
frecuencias. Para cada valor o intervalo de valores se ind
frecuencia absoluta observada o empírica.
se trata de comparar la distribución muestral observada c
resultante de dar por cierta la hipotética distribución de la
.En el caso de la chi-2 se comparaban frecuencias absolu
observadas con sus homónimas teóricas , en el caso del
relativas acumuladas de las dos distribuciones ; observad
De ahí su utilidad para aquellas ocasiones en las que los
encuentren en forma de escala ordinal.
La prueba de Kruskal-Wallis representa una forma sencill
evaluar la existencia de las diferencias en la distribución d
Esto es importante, sobre todo cuando el estudio de la va
realiza desde un enfoque geográfico, porque se corre el r
compa-rar poblaciones que difieran en sus distribuciones
Su utilidad es precisamente evaluar la independencia ent
variables nominales u ordinales, dando un método para v
frecuencias observadas en cada categoría son compatible
independencia entre ambas variables. Para evaluarla se c
valores que indicarían la independencia absoluta, lo que s
frecuencias esperadas, comparándolos con las frecuencia
muestra. Como habitualmente, H0 indica que ambas varia
independientes, mientras que H1 indica que las variables
grado de asociación.
 ad

con datos medibles en una escala

ba Chi-cuadrado postula una
e especificada como el modelo
enerado la muestra.
nen los datos en una tabla de
alo de valores se indica la
írica.

muestral observada con la

ca distribución de la población
n frecuencias absolutas
cas , en el caso del test de
a comparar serán las frecuencias
buciones ; observada y teórica.
ones en las que los datos se
al.

ta una forma sencilla y rápida de

s en la distribución de las tallas.
o el estudio de la variación se
porque se corre el riesgo de
n sus distribuciones de edad

a independencia entre dos

do un método para verificar si las
goría son compatibles con la
. Para evaluarla se calculan los
cia absoluta, lo que se denomina
os con las frecuencias de la
dica que ambas variables con
ca que las variables tienen algún
 CUADRO COMPAR
Pruebas no paramétricas Características Principales Cuando
La prueba de chi o Ji cuadrado (Χ2), es sin duda la más
conocida y probablemente la más utilizada para el
análisis de variables cualitativas. Su nombre lo toma de la
distribución Chi cuadrado de la probabilidad, en la que se Esta prueba se aplica para
Chi-cuadrado basa su formula es: (poblacionales) y las frecuen
esta comparación decidir si
frecuencias esperadas se r
�^2=∑_𝑖^𝑘▒ 〖〖 (� 〗 frecuencias obtenidas so
_(0−) �_𝑒) 〗 ^2/�_𝑒 in
Determina la bondad de ajuste de dos distribuciones de
probabilidad entre sí. Es aplicable a cua
Kolmogorov-Smirnov Es más sensible a los valores cercanos a la mediana que a Compara las funciones d
los extremos de la distribución.

Intuitivamente, es idéntico al ANOVA con los datos Sirve para probar si un gru
KrusKal-Wallis reemplazados por categorías. Es una extensión de la población.No asume norm
prueba de la U de Mann-Whitney para 3 o más grupos. tradi

El coeficiente (también llamado contingencia

cuadrática), sobre el que se basa el coeficiente de Permite hacer un test sobre
Chi-cuadrado de contingencia contingencia, es una medida de la "intensidad" de la estadísticos, lleva el nombre d
relación entre las características observadas.
 CUADRO COMPARATIVO
Cuando se debe Utilizar
Esta prueba se aplica para comparar las frecuencias esperadas
(poblacionales) y las frecuencias obtenidas (muestra) y a partir de
esta comparación decidir si existen diferencias significativas. Las
frecuencias esperadas se refieren a la hipótesis nula (Ho) y las
frecuencias obtenidas son los resultados alcanzados por el
investigador
Es aplicable a cualquier tamaño de muestra
Compara las funciones de distribución teórica y empírica.
Sirve para probar si un grupo de datos proviene de la misma
población.No asume normalidad en los datos, en oposición al
tradicional ANOVA
Permite hacer un test sobre la independencia de dos carácteres
estadísticos, lleva el nombre de test de chi-cuadrado de contingencia.
Utilidad
La prueba de Chi cuadrado utiliza una aproximación a la distribució
cuadrado, para evaluar la probabilidad de una discrepancia igual o m
que la que exista entre los datos y las frecuencias esperadas según
hipótesis nula. La exactitud de esta evaluación depende de que los v
esperados no sean muy pequeños, y en menor medida de que el con
entre ellos no sea muy elevado.
Se pueden usar para comparar una muestra con una distribución
probabilidad de referencia (prueba K – S de una muestra), o par
comparar dos muestras (prueba K – S de dos muestras).
Cuando la única forma factible de medición es la ordinal o el rango
opción es emplear la prueba de KrusKal-Wallis (Kerlinger y Lee, 2001
fórmula es:
Los dos carácteres, observados en una misma población, son X e Y , e
tamaño de la muestra es n. Las modalidades o clases de X se denota
las de Y por . También vamos
denotar: el efectivo conjunto de y : es el número de
individuos para los cuales X toma el valor e Y el valor ,
el efectivo margina
: es el número de individuos para los cuales X toma el valor ,
el efectivo marginal de : es el número de individuos para los cuale
toma el valor .
Estos valores se representan en una tabla de doble entrada conocida
como tabla de contingencia.
d

proximación a la distribución Chi

de una discrepancia igual o mayor
frecuencias esperadas según la
uación depende de que los valores
menor medida de que el contraste
muy elevado.

uestra con una distribución de

K – S de una muestra), o para
a K – S de dos muestras).

dición es la ordinal o el rango, la

-Wallis (Kerlinger y Lee, 2001). Su
es:

isma población, son X e Y , el

des o clases de X se denotan,
. También vamos a
y : es el número de
or e Y el valor ,
el efectivo marginal de
les X toma el valor ,

de individuos para los cuales Y

a de doble entrada conocida
Densidad (g/ml) Prueba Chi
1.03 La prueba de Bondad de Ajuste ji-cuadrado (x2) tiene como objetiv
0.95 teorica, para variables cuantitativas discretas y continuas.
1.06 Estadístico de Prueba
0.93
1.03
1
1.05
1.08
1.03
0.98
1.04 Hipotesis
1.07 H0: Los datos provienen de una muestra al azar de una población
1.06 H1: Los datos no provienen de una muestra al azar de una poblac
1.04
1.03 Pasos a verificar:
1.02 1. Plantear las hipótesis nula y alterativa.
1 2. Determinar el nivel de significancia.
1 3. Estimar el valor del estadístico de prueba
1.01 4. Establecer la regla de decisión.
0.99 5. Tomar la decisión.
1.07
0.98 EJ
1.13 Pregunta de Investigación: Probar que la densidad se distribuy
0.88 Variable: Densidad en el proceso de produccion de derivados lact
1.1
1.08 Paso 1: Plantearla hipótesis
1.1 Hipotesis Nula (H0): La densidad se distribuyen como una norm
1.05 Hipotesis Altervativa(H1): La densidad no se distribuyen como
0.94
1.06 Paso 2: Determinar el nivel de significancia.
1.04
0.98 Tener en cuenta que: H0 es siempre una hipotesis de igualdad. U
0.96 nivel de significancia del 95% de confianza solo puedo rechazar H0
1.03
1.09 α= 0.05
1.04
1.08 Paso 3: Estimar el estadístico de prueba
1.01 Ingrese los valores solicitados en los espacios sombreados de ama
1.09
1.03 Datos iniciales
1.05 Media 1.0281683168
1.08 Desviación 0.0487567971
0.97 Num de datos (k) 24
0.99 n 202
1.03
1.11 Tabla de frecuencias
0.99

1.09 Oi ó fo f(xi) ó fe
Xi fe= n/k
1.04 0.88 1 8.417
1.07 0.91 2 8.417
1.09 0.93 3 8.417
0.99 0.94 5 8.417
1.06 0.95 6 8.417
1.05 0.96 4 8.417
1.02 0.97 3 8.417
0.98 0.98 10 8.417
1.04 0.99 14 8.417
0.94 1 18 8.417
1.11
1.01 15 8.417
1 1.02 14 8.417
1 1.03 16 8.417
1.08 1.04 18 8.417
1.04 1.05 15 8.417
1.03 1.06 8 8.417
0.96 1.07 12 8.417
1.04 1.08 13 8.417
1.12 1.09 8 8.417
1.04 1.1 6 8.417
1.02 1.11 4 8.417
1.02 1.12 3 8.417
1.03 1.13 3 8.417
1.03 1.14 1 8.417
0.99 Total 202 202
1
1.01 El valor del Chi-Cuadrado de prueba (calculado) es:
1.02 = 90.040
1.05
1.04 Paso 4: Establecer la regla de decisión.
1.04 El valor del Chi-cuadrado de tabla (teorico) es:
1.05 = 35.1724616269 Grados de liber
1.03
1.02 Paso 5: Tomar la decisión
1.08 Criterio de decisión:
1
1.14 Se rechaza la hipotesis nula al 5% del nivel de significancia
1.07
1.03 Análisis:
1 Con una significancia del 5 % se Rechaza la hipotesis nula es decir
1.02 calculado es mayor que el valor teorico
0.98
0.98
1.08
1
1.04
0.91
1.07
0.94
0.93
0.95
1.09
1.07
1.01
0.99
1.01
1.12
1
1.01
1.07
0.94
1.06
1.01
1.07
1.01
0.99
0.94
1.02
0.99
1.03
1.08
1.08
1.07
0.98
1.04
 1.1
1.05
0.99
1.02
0.99
1.02
1.13
0.99
1.02
1.07
1.09
0.97
1.04
1.01
1.09
1.04
1.01
0.99
1
0.98
1
1
1.01
1.09
1.05
1.01
1.07
0.95
1.08
1.01
1.12
1.08
1
1.03
0.99
0.96
1.06
1.01
1.02
0.99
0.95
1.05
1
 1.1
1.05
0.98
1.04
0.96
0.91
1.05
1.02
1.08
1.05
0.97
1.05
0.98
1
1.13
1.08
1.1
1.05
1.11
1.1
1.11
1.04
1.06
1
0.93
0.95
1.04
1.02
1.03
1
1.01
1.06
1.03
0.95
1.07
1.05
rueba Chi-Cuadrado X2
2) tiene como objetivo verificar si los datos de una muestra se asocian a una distribucuón
y continuas.

Oi= Frecuencias Observadas

Ei= Frcuencias Esperadas o también f(xi)
K= Número de observaciones
Con k-r grados de libertad.
k: es el número de eventos o categorías.
r: es el número de restricciones (r ≥1)

ar de una población distribuida de acuerdo a un modelo teórico.

l azar de una población distribuida de acuerdo a un modelo teórico.

EJEMPLO:
ensidad se distribuye como una normal.
on de derivados lacteos

yen como una normal

se distribuyen como una normal

a.

otesis de igualdad. Usualmente lo que se busca es evidencia para poder rechazar H0 con un
o puedo rechazar H0 si el valor de p que resulte de la prueba es menor que 0,05.

sombreados de amarillo:
 (Oi-fe)2 /fe

6.535
4.892
3.486
1.387
0.694
2.318
3.486
0.298
3.704
10.912
5.149
3.704
6.833
10.912
5.149
0.021
1.526
2.496
0.021
0.694
2.318
3.486
3.486
6.535
90.040

Grados de libertad= k-1

significancia

potesis nula es decir , la densidad No se distribuye como una normal. Ya que el valor
cian a una distribucuón

f(xi)

ías.
1)

poder rechazar H0 con un

enor que 0,05.
mal. Ya que el valor
% Proteína
Prueba Chi-Cuadrado
3.2 La prueba de Bondad de Ajuste ji-cuadrado (x2) tiene como objetivo verificar si los
3.1 distribucuón teorica, para variables cuantitativas discretas y continuas.
3.1 Estadístico de Prueba
3.2
3.1
3.4
3.2
3.3
3
3.4
3.1 Hipotesis
3.1 H0: Los datos provienen de una muestra al azar de una población distribuida de ac
3.1 H1: Los datos no provienen de una muestra al azar de una población distribuida de
3.3
3.3 Pasos a verificar:
3.2 1. Plantear las hipótesis nula y alterativa.
3.1 2. Determinar el nivel de significancia.
3.1 3. Estimar el valor del estadístico de prueba
3.2 4. Establecer la regla de decisión.
3.1 5. Tomar la decisión.
3.2
3.2 EJEMPLO:
3 Pregunta de Investigación: Probar que las horas laboradas se distribuye como u
3 Variable: Horas laboradas diariamente
3.1
3.2 Paso 1: Plantearla hipótesis
3.2 Hipotesis Nula (H0): Las horas laboradas se distribuyen como una normal
3.3 Hipotesis Altervativa(H1): Las horas laboradas no se distribuyen como una nor
3.3
3.1 Paso 2: Determinar el nivel de significancia.
3.3 Tener en cuenta que: H0 es siempre una hipotesis de igualdad. Usualmente lo qu
3.2 H0 con un nivel de significancia del 95% de confianza solo puedo rechazar H0 si el
3.2 menor que 0,05.
3.3
3.1 α= 0.05
3.4
3.2 Paso 3: Estimar el estadístico de prueba
3.2 Ingrese los valores solicitados en los espacios sombreados de amarillo:
3.1
3.3
Datos iniciales
3.1 Media 3.2064356436
3.3 Desviación 0.1032225452
3.1 Num de datos (k) 6
3.2 n 202
3.3
3.4 Tabla de frecuencias
3.3
Oi ó fo (Oi-fe)2 /fe
3.3 f(xi) ó fe
fe= n/k
Xi
3.2 3 14 33.667 11.488
3.2 3.1 41 33.667 1.597
3.2 3.2 80 33.667 63.766
3.3 3.3 54 33.667 12.281
3.3 3.4 12 33.667 13.944
3.1 3.6 1 33.667 31.696
3.3 Totales 202 202 134.772
3.2
3.3
3.3
3.2
3.3
3.3
3 El valor del Chi-Cuadrado de prueba (calculado) es:
3.2 = 134.772
3.1
3.3 Paso 4: Establecer la regla de decisión.
3.3 El valor del Chi-cuadrado de tabla (teorico) es:
3.4 = 11.070497694 Grados de libertad= k-1
3.1
3.2 Paso 5: Tomar la decisión
3.2 Criterio de decisión:
3.2
3.1 Se rechaza la hipotesis nula al 5% del nivel de significancia
3.2
3.2 Análisis: Se rechaza la hipotesis nula con una significancia del 5 % ya que es men
3.3 % Proteína No se distribuye como una normal.
3.2
3.3
3.2
3
 3
3
3.2
3.2
3.3
3.2
3.2
3.2
3
3.2
3.1
3.2
3.1
3.2
3.3
3.2
3.2
3.2
3.2
3.2
3.2
3.2
3.3
3.3
3.2
3.3
3.3
3.2
3.3
3.3
3.6
3.4
3.3
3.1
3.2
3.2
3.3
3.2
3.3
3.2
3.2
3.2
3.2
3.3
3.1
3.3
3.1
3.1
3.2
3
3.1
3.3
3.3
3.3
3.2
3.3
3.3
3.4
3.2
3.4
3.2
3.2
3.2
3.1
3.2
3
3.3
3.3
3.3
3.2
3.2
3.3
3.2
3.4
3.3
3.2
3.2
3.3
3.1
3.1
3.4
3.2
3.1
3.3
3.1
3.3
3.2
3.2
3
3.2
3.2
3.1
3.2
3.2
3.3
3.3
3.2
3.4
3
3.4
3.2
3.2
3.1
3.1
3.3
3.1
3.1
3.2
3.2
3.3
3.1
3
3.2
3.3
3.2
3.2
3.2
3
3.1
3.1
3.1
3.2
3.1
hi-Cuadrado X2
mo objetivo verificar si los datos de una muestra se asocian a una
y continuas.

Oi= Frecuencias Observadas

Ei= Frcuencias Esperadas o también f(xi)
K= Número de observaciones
Con k-r grados de libertad.
k: es el número de eventos o categorías.
r: es el número de restricciones (r ≥1)

oblación distribuida de acuerdo a un modelo teórico.

a población distribuida de acuerdo a un modelo teórico.

EJEMPLO:
das se distribuye como una normal.

n como una normal

distribuyen como una normal

ualdad. Usualmente lo que se busca es evidencia apra poder rechazar

puedo rechazar H0 si el valor de p que resulte de la prueba es

de amarillo:
libertad= k-1

a del 5 % ya que es menor el valor calculado al teorico es decir , la

 Células somáticas
(células/ml de leche)

1901288 Prueba Kolmogoro

1905216
1896402 La única premisa que se necesita es que las mediciones se encuentren al m
1907809 medición considerada sea básicamente continua. Además dicha prueba es
1909125
La prueba Kolmogorov-Smirnov compara las funciones de distribución teór
1915963
1903433 Estadístico de Prueba
1897753
1904189
1902162
1908144
1885096
1916685 Hipotesis
1898908 H0: Los datos analizados siguen una distribución M.
1906817 H1: Los datos analizados no siguen una distribución M.
1899013
1893919 Pasos a verificar:
1887630 1. Plantear las hipótesis nula y alterativa.
1909564 2. Determinar el nivel de significancia.
1905026 3. Estimar el valor del estadístico de prueba
1887101 4. Establecer la regla de decisión.
1901129 5. Tomar la decisión.
1901328
1911921 EJEMPLO:
1920733 Pregunta de Investigación: Realice una prueba de este tipo para proba
1900273 normal.
1890599 Variable: Celulas somaticas.
1914918 Paso 1: Plantearla hipótesis
1896183 Hipotesis Nula (H0): las celulas somaticas se distribuyen como una nor
1890880 Hipotesis Altervativa(H1): Las celulas somaticas no se distribuyen com
1884962
1899582 Paso 2: Determinar el nivel de significancia.
1901936 α = 0.05
1887657
1901495 Paso 3: Estimar el estadístico de prueba
1896702 Ingrese los valores solicitados en los espacios sombreados de amarillo:
1896111
1903521 Datos iniciales
1891329 Media 1898238.46
1897690 Desviación 9626.12457
1891017 Minimo 1872011
1918214 Máximo 1921016
1881569 Rango 49005
1914245 Número de Datos 202
1894730 Sturges( Nºde Intervalos) 18.52 19
1892157
Raiz de n( Nºde Intervalos) 14.21
1915743 Tamaño del Intervalo 2646.45
1905727
1912272 Tabla de frecuencias
1890866

1902015
Intervalos lim Inf Lim Sup
1881347 1 1872011 1874657.45
1898313 2 1874657.45 1877303.89
1895276 3 1877303.89 1879950.34
1898061 4 1879950.34 1882596.79
1891824 5 1882596.79 1885243.23
1908167 6 1885243.23 1887889.68
1892476 7 1887889.68 1890536.13
1888002 8 1890536.13 1893182.57
1896918 9 1893182.57 1895829.02
1907688 10 1895829.02 1898475.47
1889710 11 1898475.47 1901121.91
1904615 12 1901121.91 1903768.36
1901976 13 1903768.36 1906414.80
1885473 14 1906414.80 1909061.25
1897895 15 1909061.25 1911707.70
1895162 16 1911707.70 1914354.14
1901862 17 1914354.14 1917000.59
1908060 18 1917000.59 1919647.04
1885202 19 1919647.04 1922293.48
1902837 TOTAL
1894227
1896145
1882737
1890220
1902683 Paso 4. Establecer la Regla de Decisión
1898993
1916741 Estadistico de Prueba S 0.181360942
1907565 Nivel de Significancia 0.05
1903502 Grados de libertad 202
1898219
Estadistico obtenido de
la tabla (teorico) 0.095689266
1902503 La Hipotesis Se rechaza
1898860
1908142 NOTA: Si el estadistico de prueba es mayor que el estadísitico calculado S
1910167
1888294 Paso 5. Tomar la Decisión
1901124 Podemos concluir que no hay suficiente evidencia estadística para decir qu
1905109 0,09568927 < 0,18136094
1894924
1893482 Análisis: Con una significancia del 5 % se Rechaza la hipotesis nula es decir , las celulas som
1900988 es mayor que el valor teorico
1902973
1903614
1907041
1899154
1895926
1875162
1886660
1895626
1905635
1898904
1919331
1888067
1887416
1890535
1910342
1895413
1895946
1883178
1893908
1900793
1900591
1908127
1893414
1907596
1892464
1908066
1896578
1913637
1910114
1904671
1917349
1891747
1884521
1908898
1899801
1903458
1891292
1902772
1902538
1894116
1898281
1891749
1884270
1907130
1883041
1887360
1883137
1904781
1899405
1885051
1898768
1889675
1909205
1896044
1889339
1892118
1895400
1887000
1882682
1904628
1916834
1907865
1910101
1900861
1890566
1900100
1905101
1904786
1921016
1889835
1891294
1882575
1872643
1898411
1899167
1884859
1906201
1887066
1900686
1888027
1884816
1890019
1905199
1893723
1906107
1906113
1886621
1878454
1899104
1909336
1905819
1885295
1912085
1897147
1901426
1891415
1890600
1898443
1895317
1910013
1885847
1893834
1884617
1901443
1897308
1898274
1895252
1908091
1896721
1895051
1872011
ba Kolmogorov-Smirnov
mediciones se encuentren al menos en una escala de intervalo. Se necesita que la
ua. Además dicha prueba es aplicable cualquiera sea el tamaño de la muestra.

unciones de distribución teórica y empírica (sólo valido para variables continuas)

Siendo
Fn(x)= Función de distribución muestral
F0(x)= Función teórica

ión M.
bución M.

EJEMPLO:
eba de este tipo para probar que la celulas somaticas se distribuye como una

se distribuyen como una normal

maticas no se distribuyen como una normal

ia.

sombreados de amarillo:
 ABS(FOR ACUM-FER
FO FOR FOR ACUM FER ACUM)
2 0.009901 0.00990099 0.0540036018 0.0441026117
1 0.0049505 0.01485149 0.1080072037 0.0931557185
1 0.0049505 0.01980198 0.1620108055 0.1422088253
3 0.0148515 0.03465347 0.2160144074 0.181360942
14 0.0693069 0.1039604 0.2700180092 0.1660576132
12 0.0594059 0.16336634 0.3240216111 0.1606552744
11 0.0544554 0.21782178 0.3780252129 0.1602034307
17 0.0841584 0.3019802 0.4320288147 0.1300486167
18 0.0891089 0.39108911 0.4860324166 0.0949433077
23 0.1138614 0.5049505 0.5400360184 0.0350855234
19 0.0940594 0.5990099 0.5940396203 0.0049702807
23 0.1138614 0.71287129 0.6480432221 0.064828065
17 0.0841584 0.7970297 0.7020468239 0.094982879
16 0.0792079 0.87623762 0.7560504258 0.120187198
9 0.0445545 0.92079208 0.8100540276 0.1107380516
5 0.0247525 0.94554455 0.8640576295 0.081486925
6 0.029703 0.97524752 0.9180612313 0.0571862934
3 0.0148515 0.99009901 0.9720648332 0.0180341768
2 0.009901 1 1.026068435 0.026068435
202 1
ue el estadísitico calculado S-k se acepta que se distribuye como una normal

ncia estadística para decir que los datos se distribuyan como una normal, ya que

tesis nula es decir , las celulas somaticas No se distribuyen como una normal. Ya que el valor de prueba
Tabla de Estadístico Teorico
Tabla de Estadístico Teorico
rico
rico
Densidad
(g/ml)
1.03 Prueba Kolmogorov-S
0.95
1.06 La única premisa que se necesita es que las mediciones se encuentren al menos en
0.93 considerada sea básicamente continua. Además dicha prueba es aplicable cualquier
1.03
1
La prueba Kolmogorov-Smirnov compara las funciones de distribución teórica y em
1.05 Estadístico de Prueba
1.08
1.03
0.98
1.04
1.07
1.06 Hipotesis
1.04 H0: Los datos analizados siguen una distribución M.
1.03 H1: Los datos analizados no siguen una distribución M.
1.02
1 Pasos a verificar:
1 1. Plantear las hipótesis nula y alterativa.
1.01 2. Determinar el nivel de significancia.
0.99 3. Estimar el valor del estadístico de prueba
1.07 4. Establecer la regla de decisión.
0.98 5. Tomar la decisión.
1.13
0.88 EJEMPLO:
1.1 Pregunta de Investigación: Realice una prueba de este tipo para probar que el in
1.08 normal.
1.1 Variable: Ingreso Mensual Promedio.
1.05 Paso 1: Plantearla hipótesis
0.94 Hipotesis Nula (H0): El ingreso mensual promedio se distribuyen como una norm
1.06 Hipotesis Altervativa(H1): El ingreso mensual promedio no se distribuyen como
1.04
0.98 Paso 2: Determinar el nivel de significancia.
0.96 α= 0.05
1.03
1.09 Paso 3: Estimar el estadístico de prueba
1.04 Ingrese los valores solicitados en los espacios sombreados de amarillo:
1.08
1.01 Datos iniciales
1.09 Media 1.0281683168
1.03 Desviación 0.0487567971
1.05 Minimo 0.88
1.08 Máximo 1.14
0.97 Rango 0.26
0.99 Número de Datos 202

1.03
Sturges( Nºde
Intervalos) 18.517 19

1.11
Raiz de n( Nºde
Intervalos) 14.213

0.99
Tamaño del Intervalo 0.01
1.09
1.04 Tabla de frecuencias
1.07

1.09

Intervalos lim Inf Lim Sup

0.99 1 0.88 0.89
1.06 2 0.89 0.91
1.05 3 0.91 0.92
1.02 4 0.92 0.94
0.98 5 0.94 0.95
1.04 6 0.95 0.96
0.94 7 0.96 0.98
1.11 8 0.98 0.99
1 9 0.99 1.01
1 10 1.01 1.02
1.08 11 1.02 1.03
1.04 12 1.03 1.05
1.03 13 1.05 1.06
0.96 14 1.06 1.08
1.04 15 1.08 1.09
1.12 16 1.09 1.10
1.04 17 1.10 1.12
1.02 18 1.12 1.13
1.02 19 1.13 1.15
1.03 TOTAL
1.03
0.99
1
1.01 Paso 4. Establecer la Regla de Decisión
1.02
1.05 Estadistico de Prueba S-k 0.2592133317
1.04 Nivel de Significancia 0.05
1.04 Grados de libertad 202

1.05 Estadistico obtenido

de la tabla (teorico) 0.0956892661
1.03 La Hipotesis se rechaza
1.02
1.08 NOTA: Si el estadistico de prueba es mayor que el estadísitico calculado S-k se ace
1
1.14 Paso 5. Tomar la Decisión
1.07 Podemos concluir que no hay suficiente evidencia estadística para decir que los dat
1.03 0,09568927 < 0,25921333
1
1.02 Análisis: Con una significancia del 5 % se Rechaza la hipotesis nula es deci
0.98 normal. Ya que el valor de prueba es mayor que el valor teorico
0.98
1.08
1
1.04
0.91
1.07
0.94
0.93
0.95
1.09
1.07
1.01
0.99
1.01
1.12
1
1.01
1.07
0.94
1.06
1.01
1.07
1.01
0.99
0.94
1.02
0.99
1.03
1.08
1.08
1.07
0.98
1.04
1.1
1.05
0.99
1.02
0.99
1.02
1.13
0.99
1.02
1.07
1.09
0.97
1.04
1.01
1.09
1.04
1.01
0.99
1
0.98
1
1
1.01
1.09
1.05
1.01
1.07
0.95
1.08
1.01
1.12
1.08
1
1.03
0.99
0.96
1.06
1.01
1.02
0.99
0.95
1.05
1
1.1
1.05
0.98
1.04
0.96
0.91
1.05
1.02
1.08
1.05
0.97
1.05
0.98
1
1.13
1.08
1.1
1.05
1.11
1.1
1.11
1.04
1.06
1
0.93
0.95
1.04
1.02
1.03
1
1.01
1.06
1.03
0.95
1.07
1.05
 Kolmogorov-Smirnov
nes se encuentren al menos en una escala de intervalo. Se necesita que la medición
a prueba es aplicable cualquiera sea el tamaño de la muestra.

es de distribución teórica y empírica (sólo valido para variables continuas)

Siendo
Fn(x)= Función de distribución muestral
F0(x)= Función teórica

M.

EJEMPLO:
e este tipo para probar que el ingreso mensual promedio se distribuye como una

se distribuyen como una normal

omedio no se distribuyen como una normal

eados de amarillo:
 ABS(FOR
ACUM-FER
FO FOR FOR ACUM FER ACUM)
1 0.004950495 0.004950495 0.0540036018 0.049053107
0 0 0.004950495 0.1080072037 0.103056709
2 0.0099009901 0.014851485 0.1620108055 0.14715932
3 0.0148514851 0.02970297 0.2160144074 0.186311437
11 0.0544554455 0.084158416 0.2700180092 0.185859593
4 0.0198019802 0.103960396 0.3240216111 0.220061215
3 0.0148514851 0.118811881 0.3780252129 0.259213332
24 0.1188118812 0.237623762 0.4320288147 0.194405052
18 0.0891089109 0.326732673 0.4860324166 0.159299743
29 0.1435643564 0.47029703 0.5400360184 0.069738989
16 0.0792079208 0.54950495 0.5940396203 0.04453467
18 0.0891089109 0.638613861 0.6480432221 0.009429361
23 0.1138613861 0.752475248 0.7020468239 0.050428424
12 0.0594059406 0.811881188 0.7560504258 0.055830762
21 0.103960396 0.915841584 0.8100540276 0.105787557
6 0.0297029703 0.945544554 0.8640576295 0.081486925
4 0.0198019802 0.965346535 0.9180612313 0.047285303
6 0.0297029703 0.995049505 0.9720648332 0.022984672
1 0.004950495 1 1.026068435 0.026068435
202 1
stadísitico calculado S-k se acepta que se distribuye como una normal

tadística para decir que los datos se distribuyan como una normal, ya que

aza la hipotesis nula es decir , la dencidad No se distribuyen como una

e el valor teorico
Tabla de Estadístico Teorico
orico
% Proteína P
3.2
3.1
3.1
3.2
3.1
3.4
3.2
3.3
3
3.4
3.1
3.1
3.1
3.3
3.3
3.2
3.1
3.1
3.2
3.1
3.2
3.2
3
3
3.1
3.2
3.2
3.3
3.3
3.1
3.3 Ejercicio: Realice una prueba de este tipo
3.2
3.2 Solución.
3.3 1. Paso 1 ordenar los datos u observaciones
3.1
3.4
3.2
3.2
3.1
3.3
3.1
3.3
3.1
3.2
3.3 2. Paso 2: Asignar Rangos
3.4
3.3 Rangos
3.3 1
3.2 2
3.2 3
3.2 4
3.3 5
3.3 6
3.1 7
3.3
3.2 3.Calcular suma de Rangos
3.3
3.3 Rangos
3.2 1
3.3 2
3.3 3
3 4
3.2 5
3.1 6
3.3 7
3.3 TOTAL
3.4 Total ^2
3.1
3.2 4. Calcular el estadístico de Prueba
3.2

3.2

3.1

3.2
3.2

3.3

3.2
3.3
3.2 5. Establecer Nivel de significancia e hipotesis:
3
3 Nivel de significancia
3 Hipótesis
3.2 H0: Las cuatro medias de los tratamientos del po
3.2 Ha: Las cuatro medias de los tratamientos del po
3.3
3.2
3.2 6.Estadístico Teorico
3.2
3 La región de rechazo para el estadísitoco H con a
3.2
3.1 Para el estadístico teorico con el 5% de significan
3.2
3.1
3.2
3.3 H
3.2
3.2
3.2 7.Toma de Decisión
3.2 No hay evidencia insuficiente para indicar difere
3.2
3.2 Análisis: Con una significancia del 5 % se Recha
3.2 calculado no es mayor que el estadistico teorico
3.3
3.3
3.2
3.3
3.3
3.2
3.3
3.3
3.6
3.4
3.3
3.1
3.2
3.2
3.3
3.2
3.3
3.2
3.2
3.2
3.2
3.3
3.1
3.3
3.1
3.1
3.2
3
3.1
3.3
3.3
3.3
3.2
3.3
3.3
3.4
3.2
3.4
3.2
3.2
3.2
3.1
3.2
3
3.3
3.3
3.3
3.2
3.2
3.3
3.2
3.4
3.3
3.2
3.2
3.3
3.1
3.1
3.4
3.2
3.1
3.3
3.1
3.3
3.2
3.2
3
3.2
3.2
3.1
3.2
3.2
3.3
3.3
3.2
3.4
3
3.4
3.2
3.2
3.1
3.1
3.3
3.1
3.1
3.2
3.2
3.3
3.1
3
3.2
3.3
3.2
3.2
3.2
3
3.1
3.1
3.1
3.2
3.1
 PRUEBA H DE KRUSKAL-WALLIS

prueba de este tipo para el porcentaje de proteina del proceso de produccion de derivados lacteos

os u observaciones

T1 T2 T3 T4
3.1 3.1 3.2 3.3
3.4 3.3 3.1 3.2
3.2 3.3 3.4 3.2
 3.2 3.4 3.2 3.2
3.1 3.1 3.3 3.2
3.3 3.2 3
3.2

T1 T2 T3 T4
3.1 3.1 3 3.2
3.1 3.1 3.1 3.2
3.2 3.2 3.2 3.2
3.2 3.2 3.2 3.2
3.3 3.3 3.3 3.3
3.4 3.3 3.4
3.4

T1 T2 T3 T4
3.1 3.1 3 3.2
3.1 3.1 3.1 3.2
3.2 3.2 3.2 3.2
3.2 3.2 3.2 3.2
3.3 3.3 3.3 3.3
3.4 3.3 3.4
3.4
19.3 22.6 19.2 16.1
372.49 510.76 368.64 259.21

12/24(24+1)=
12/24*25

0.02

248.3293809524
 75

-70.033412381

nificancia e hipotesis:

0.05

los tratamientos del porcentaje de proteinas tienen la misma media

los tratamientos del porcentaje de proteinas no tienen la misma media

a el estadísitoco H con a=0,05 incluye valores de H ≥ , donde esta básado en (k-1) = (4-1)=3 grados de liberta

o con el 5% de significancia tenemos que:

7.81473

-70.033412381 Comparamos teniendo en

7.81473 cuenta la regla de decisión

ente para indicar diferencia en las distribuciones del porcentaje de proteinas.

ancia del 5 % se Rechaza la hipotesis nula es decir , el porcentaje de proteinas No tienen la misma media. Ya que el estadistic
ue el estadistico teorico
WALLIS

derivados lacteos

n= 24
-1) = (4-1)=3 grados de libertad.

ma media. Ya que el estadistico

Densidad
(g/ml) PRUEBA H DE KR
1.03

0.95

1.06

0.93

1.03

1.05

1.08

1.03

0.98

1.04

1.07

1.06

1.04

1.03

1.02

1
 1

1.01

0.99

1.07

0.98

1.13

0.88

1.1

1.08

1.1

1.05

0.94

1.06

1.04 Ejercicio: Realice una prueba de este tipo para el ingreso mensual promedio.
0.98
0.96 Solución.
1.03 1. Paso 1 ordenar los datos u observaciones
1.09
1.04 T1 T2
1.08 0.95 1.03
1.01 1.06 1.09
1.09 0.93 1.04
1.03 1.03 1.08
1.05 1 1.01
1.08 1.09
0.97
0.99
1.03 2. Paso 2: Asignar Rangos
1.11
0.99 Rangos T1 T2
1.09 1 0.93 1.01
1.04 2 0.95 1.03
1.07 3 1 1.04
1.09 4 1.03 1.08
0.99 5 1.06 1.09
1.06 6 1.09
1.05 7
1.02
0.98 3.Calcular suma de Rangos
1.04
0.94 Rangos T1 T2
1.11 1 0.93 1.01
1 2 0.95 1.03
1 3 1 1.04
1.08 4 1.03 1.08
1.04 5 1.06 1.09
1.03 6 1.09
0.96 7
1.04 TOTAL 4.97 6.34
1.12 Total ^2 24.7009 40.1956
1.04
1.02 4. Calcular el estadístico de Prueba
1.02

1.03
12/24(24+1)= 12/24*25
1.03
0.02

0.99
24.6196538095

1
75

1.01
-74.5076069238
1.02
1.05
1.04 5. Establecer Nivel de significancia e hipotesis:
1.04
1.05 Nivel de significancia 0.05
1.03 Hipótesis
1.02 H0: Las cuatro medias de los tratamientos del ingreso mensual promedio tienen la misma media
1.08 Ha: Las cuatro medias de los tratamientos del ingreso mensual promedio no tienen la misma media
1
1.14
1.07 6.Estadístico Teorico
1.03
1 La región de rechazo para el estadísitoco H con a=0,05 incluye valores de H ≥
1.02
0.98 Para el estadístico teorico con el 5% de significancia tenemos que:
0.98 7.81473
1.08
1
Comparamos teniendo en
1.04 H -74.5076069238 cuenta la regla de
0.91 7.81473 decisión
1.07
0.94 7.Toma de Decisión
0.93 No hay evidencia insuficiente para indicar diferencia en las distribuciones del porcentaje de la dencidad.
0.95
1.09 Análisis: Con una significancia del 5 % se Rechaza la hipotesis nula es decir , el porcentaje de proteinas
1.07 que el estadistico teorico
1.01
0.99
1.01
1.12
1
1.01
1.07
0.94
1.06
1.01
1.07
1.01
0.99
0.94
1.02
0.99
1.03
1.08
1.08
1.07
0.98
1.04
1.1
1.05
0.99
1.02
0.99
1.02
1.13
0.99
1.02
1.07
1.09
0.97
1.04
1.01
1.09
1.04
1.01
0.99
1
0.98
1
1
1.01
1.09
1.05
1.01
1.07
0.95
1.08
1.01
1.12
1.08
1
1.03
0.99
0.96
1.06
1.01
1.02
0.99
0.95
1.05
1
1.1
1.05
0.98
1.04
0.96
0.91
1.05
1.02
1.08
1.05
0.97
1.05
0.98
1
1.13
1.08
1.1
1.05
1.11
1.1
1.11
1.04
1.06
1
0.93
0.95
1.04
1.02
1.03
1
1.01
1.06
1.03
0.95
1.07
1.05
EBA H DE KRUSKAL-WALLIS
mensual promedio.

T3 T4
1 1 n= 24
0.93 0.93
0.95 0.95
1.04 1.04
1.02 1.02
1.03 1.03
1.05
T3 T4
0.93 0.93
0.95 0.95
1 1
1.02 1.02
1.03 1.03
1.04 1.04
1.05

T3 T4
0.93 0.93
0.95 0.95
1 1
1.02 1.02
1.03 1.03
1.04 1.04
1.05
7.02 5.97
49.2804 35.6409
dio tienen la misma media
dio no tienen la misma media

, donde esta básado en (k-1) = (4-1)=3 grados de libertad.

nes del porcentaje de la dencidad.

decir , el porcentaje de proteinas No tienen la misma media. Ya que el estadistico calculado no es mayor
 Determinar si el tipo de leche depende de la temperatura entrega

Paso 1: Establecer la prueba de hipotesis

�_0 El tipo de leche no depende de la temperatura
versus
�_1 El tipo de leche depende de la temperatura

Paso 2: Establecer el nivel de significancia

� 0.05

Paso 3: Realizar la tabla de contingencia

valores observados
Etiquetas de fila Alta - mayor o igual a 140 °C Media - entre 100 °C y 140 °C
1 29 57
2 9 10
3 9 14
4 13 17
Total 60 98

Paso 4: Calcular los valores esperados de cada celda.

valores esperados
Etiquetas de fila Alta - mayor o igual a 140 °C Media - entre 100 °C y 140 °C
1 33.5643564356 54.8217821782
2 7.7227722772 12.6138613861
3 8.6138613861 14.0693069307
4 10.099009901 16.495049505

Paso 5: Calcular el valor de chi-cuadrado, utilizando la formula

0.6207 0.0865
0.2112 0.5416
0.0173 0.0003
 0.8333 0.0155

Χ_𝑐^2 4.4556

Paso 6: Calcular el chi-cuadrado teorico

numero de filas 4
numero de columnas 3
grados de libertad 6
� 0.05
Χ_�^2 12.5915872437

Paso 7: Regla de decision

CONCLUSION

Con una significancia del 5 % se acepta la hipotesis nula es decir , la temperatura No depende del tipo de leche. Ya que el valo
calculado es menor que el valor teorico
e de la temperatura entregado por los proovedores.

ados Count - Tipo de leche

Baja - menor o igual a 100 °C Total general Tipo de leche
27 113 1
7 26 2
6 29 3
4 34 4
44 202 Total Result

dos
Baja - menor o igual a 100 °C
24.6138613861
5.6633663366
6.3168316832
7.4059405941

0.2313
0.3155
0.0159
 1.5664

de del tipo de leche. Ya que el valor

Temperatura
1 2 3 Total Result
29 57 27 113
9 10 7 26
9 14 6 29
13 17 4 34
60 98 44 202
 Determinar si el Depertamento depende de la Peroxida

Paso 1: Establecer la prueba de hipotesis

�_0 El departamento no depende de la peroxidasa A
versus
�_0 el departamento depende de la peroxidasa R

Paso 2: Establecer el nivel de significancia

� 0.05

Paso 3: Realizar la tabla de contingencia

valores observados
Etiquetas de fila Inferiores a 10°C Superiores a 10°C Total General
1 8 26 34
2 6 30 36
3 3 23 26
4 8 33 41
5 8 18 26
6 11 28 39
Total 44 158 202

Paso 4: Calcular los valores esperados de cada celda.

valores esperados
etiqueta la fila Inferiores a 10°C Superiores a 10°C
1 7.406 26.594
2 7.842 28.158
3 5.663 20.337
4 8.931 32.069
5 5.663 20.337
6 8.495 30.505

Paso 5: Calcular el valor de chi-cuadrado, utilizando la formula

0.048 0.013
0.432 0.120
1.253 0.349
0.097 0.027
 0.964 0.268
0.739 0.206

Χ_𝑐^2 4.516
Paso 6: Calcular el chi-cuadrado teorico

numero de filas 6
numero de columnas 2
grados de libertad 5
� 0.05
Χ_�^2 11.0704976935

Paso 7: Regla de decision

CONCLUSION
con una significancia del 5%, se acepta la hipotesis nula, es decir, la temperatura de
reseccion no depende del departamento ya que el valor calculado es menor al
teorico.
epende de la Peroxidasa.

Cuenta de Peroxidasa Etiquetas de columna

Etiquetas de fila 1 2 Total general
1 8 26 34
2 6 30 36
3 3 23 26
4 8 33 41
5 8 18 26
6 11 28 39
Total general 44 158 202
 CONCLUSIONES
Se describen las pruebas no paramétricas resaltando su fundamento y las indicaciones para su em
Cuadrado, Kolmogorov-Smirnov, H de Kruskal-Wallis, ). Cuando se usan variables cuantitativas continu
una distribución normal, con varianzas similares (ho-mogeneidad), y el tamaño de las mues
estadísticasparamétricas. En caso de que no se cumplan estos requisi-tos, y sobre todo cuando la
tamaño de lamuestra sea menor, el empleo de las prueba

Fuerza al investigador a profundizar en el conocimiento y dominio de las técnicas de pruebas de hipóte

este respecto es considerable

Se amplían en forma técnica, los criterios de decisión evitando con ello el utilizar uno solo con elconse
analiza ni se discute. Estoreviste singular interés en el momento presente en que se analizan y discute

Con este trabajo nos Permitió identificar cada uno de los componentes que contiene un trabajo de inve
entorno que se utilice.

Los diferentes modelos y su desarrollo nos permite tener una concepción global de lo que es realment
las hipótesis a manejar yaque es un componente que se puede incluir en cualquier aspecto de la vida
El uso de la estadística es de gran importancia en la investigación científica.
Casi todas las investigaciones aplicadas requieren algún tipo de análisis estadístico para que seaposib
En algunos casos, para resolver un problema de carácter empírico, es preciso llevar a cabo unanálisis
muy simple y directo.
La elección de uno u otro tipo de análisis estadístico depende del problema que se plantee en elestudi
La estadística constituye un instrumento de investigación y no un producto final.
Como conclusion final, la estadistica no parametrica puede apliacarse dentro de las investigacones de
 CLUSIONES
dicaciones para su empleo cuando se trata de de varias muestras con datos independientes (Chi-
es cuantitativas continuas y la mediaaritmética y desviación estándar de las muestras tienden atener
el tamaño de las muestras es suficiente (ma-yor a 30 casos) se deben utilizar las pruebas
y sobre todo cuando la normalidad de las distribucionesde la variable en estudio esté en duda y el
el empleo de las pruebas no paramétricas está indicado.

as de pruebas de hipótesis, instrumento muy utilizado en la actualidad. La ganancia en

r uno solo con elconsecuente problema de convertirlo en una norma absoluta que no se
e se analizan y discuten diferentes temas deactualidad.

tiene un trabajo de investigación y sus diferentes matices en cuanto su utilización en el

de lo que es realmente el tema de la investigación y su implementación en cuanto a

uier aspecto de la vida cotidiana.

stico para que seaposible evaluar sus resultados.

evar a cabo unanálisis bastante complejo, otras veces, basta con efectuar un análisis

se plantee en elestudio así como la naturaleza de los datos.

e las investigacones de mercadotecnia

 REFERENCIAS BIBLIOGRAFICAS

Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial Migue
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=74&docID=10902747&
Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial Migue
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=82&docID=10902747&
Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial M
Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=101&docID=1090
Rivera, A. S., &http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=82&docID=10902747&tm
García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial M
Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=107&docID=1090
https://www.medigraphic.com/pdfs/pediat/sp-2003/sp032i.pdf
Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial M
Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=107&docID=1090
Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial M
Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=107&docID=1090
Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial M
Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=107&docID=1090
CAS

F., MX: Editorial Miguel Ángel Porrúa. pp. 73-76. Recuperado

=74&docID=10902747&tm=1498265581473
F., MX: Editorial Miguel Ángel Porrúa. pp. 81-88. Recuperado
=82&docID=10902747&tm=1498265668763
co, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 100-103.
?ppg=101&docID=10902747&tm=1498265776979
2&docID=10902747&tm=1498265668763
co, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 106-110.
?ppg=107&docID=10902747&tm=1498265831994
2003/sp032i.pdf
co, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 106-110.
?ppg=107&docID=10902747&tm=1498265831994
co, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 106-110.
?ppg=107&docID=10902747&tm=1498265831994
co, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 106-110.
?ppg=107&docID=10902747&tm=1498265831994