Tutor:
Dany Mariela Silva
Estudiantes:
Grupo: 212064-6
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
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.
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
eremos comprobar si una variable, cuya descripción Esta prueba puede utilizarse incluso con datos medibles e
ada, tiene una determinada función de probabilidad. La nominal. La hipótesis nula de la prueba Chi-cuadrado pos
pondiente se llama chi-cuadrado de ajuste. distribución de probabilidad totalmente especificada como
eremos averiguar si dos variables (o dos vías de matemático de la población que ha generado la muestra.
son independientes estadísticamente. En este caso la Para realizar este contraste se disponen los datos en una
plicaremos ser la chi-cuadrado de independencia o chi- frecuencias. Para cada valor o intervalo de valores se ind
contingencia frecuencia absoluta observada o empírica.
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
Esta prueba se aplica para comparar las frecuencias esperadas La prueba de Chi cuadrado utiliza una aproximación a la distribució
(poblacionales) y las frecuencias obtenidas (muestra) y a partir de cuadrado, para evaluar la probabilidad de una discrepancia igual o m
esta comparación decidir si existen diferencias significativas. Las que la que exista entre los datos y las frecuencias esperadas según
frecuencias esperadas se refieren a la hipótesis nula (Ho) y las hipótesis nula. La exactitud de esta evaluación depende de que los v
frecuencias obtenidas son los resultados alcanzados por el esperados no sean muy pequeños, y en menor medida de que el con
investigador entre ellos no sea muy elevado.
Es aplicable a cualquier tamaño de muestra Se pueden usar para comparar una muestra con una distribución
Compara las funciones de distribución teórica y empírica. probabilidad de referencia (prueba K – S de una muestra), o par
comparar dos muestras (prueba K – S de dos muestras).
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.
EJEMPLO:
ensidad se distribuye como una normal.
on de derivados lacteos
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
potesis nula es decir , la densidad No se distribuye como una normal. Ya que el valor
cian a una distribucuón
f(xi)
ías.
1)
EJEMPLO:
das se distribuye como una normal.
de amarillo:
libertad= k-1
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.
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
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
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
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
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
a el estadísitoco H con a=0,05 incluye valores de H ≥ , donde esta básado en (k-1) = (4-1)=3 grados de liberta
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.
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
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
0.6207 0.0865
0.2112 0.5416
0.0173 0.0003
0.8333 0.0155
Χ_𝑐^2 4.4556
numero de filas 4
numero de columnas 3
grados de libertad 6
� 0.05
Χ_�^2 12.5915872437
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.
dos
Baja - menor o igual a 100 °C
24.6138613861
5.6633663366
6.3168316832
7.4059405941
0.2313
0.3155
0.0159
1.5664
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
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.
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.
r uno solo con elconsecuente problema de convertirlo en una norma absoluta que no se
e se analizan y discuten diferentes temas deactualidad.
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