Unidad 4 - Sem 12

Slide 1
Esther Flores Ugarte ESTADISTICA II
CAPTULO 13
Slide 2
Estadstica no Paramtrica
13-5
Prueba de Kruskal-Wallis
13-6
Correlacin de rangos
13-7
Prueba de rachas para detectar
aleatoriedad
Slide 3
ELEMENTARY STATISTICS by Mario Triola - 2004

Presentaciones originales de Pearson Addison
Wesley.
Interpretadas, traducidas y adaptadas por Esther Flores
Ugarte para fines acadmicos de la asignatura de
Estadstica II
Universidad Continental de Ciencias e Ingenieria
Huancayo- Per
Esther Flores Ugarte
ESTADISTICA II
Slide 4
SEMANA 12
Esther Flores Ugarte
ESTADSTICA II
Slide 5
Seccin 13-5
Prueba de Kruskal-Wallis
Created by Erin Hodgess, Houston, Texas
Prueba Kruskal-Wallis
Slide 6
(llamada tambin prueba H)
Definicin
La prueba Kruskal-Wallis es una prueba no
paramtrica que usa rangos de datos
muestrales de tres o ms poblaciones
independientes.
Es usada para probar la hiptesis nula de que

las muestras independientes provienen de
poblaciones con la misma distribucin.
Slide 7
Hiptesis
H0: las muestras provienen de
poblaciones con medianas iguales.
H1: las muestras provienen de
poblaciones con medianas que no todas
son iguales.
Slide 8

Calculamos el estadstico de prueba H, el cual
tiene una distribucin que puede aproximarse a la
distribucin chi cuadrada (2 ), siempre y cuando
cada
muestra
tenga
al
menos
cinco
observaciones.
Procedimiento para encontrar el valor

Slide 9
del estadstico de prueba
1. Combine todas las muestras en una sola lista
y asigne un rango para cada valor. (Ordene de
menor a mayor y en caso de empates asigne la
media de los rangos involucrados.
2. Para cada muestra, calcule la suma de los
rangos y determine el tamao de la muestra.
3. Calcule H con los resultados del paso dos.
Aseveraciones
Slide 10
1.
Tenemos por lo menos tres muestras
independientes, cada una de las cuales ha sido
seleccionada aleatoriamente.
. 2.
Cada muestra tiene por lo menos cinco
observaciones.
3. No existe requerimiento sobre las poblaciones
en el aspecto que deben estar normalmente
distribuidas o tener cualquier otra forma particular
de distribucin.
Notacin para la prueba

Kruskal-Wallis
Slide 11
N = nmero total de observaciones

combinadas
k
= nmero de muestras
R1 = suma de rangos de la muestra 1
n1 = nmero de observaciones en la
muestra 1
Para la muestra 2, la suma de rangos es R2 y el nmero de
observaciones es n2 , y una notacin similar es usada para las
otras muestras.
Estadstico de prueba de KruskalSlide 12

Wallis
H=
12
N(N + 1)
2
1
R
R2
+
+...+
n1
n2
Grados de libertad = k 1
Rk
nk
3 (N +1)
Estadstico de prueba para KruskalSlide 13

Wallis
Valores crticos
1. La prueba es a cola derecha.
2. Use la Tabla A-4 (debido a que el

estadstico de prueba H se aproxima
a travs de la distribucin 2 ).
3. Grados de libertad = k 1
Ejemplo:
Slide 14
Efectos de los tratamientos en los pesos

de lamos.
La tabla siguiente, lista los pesos en Kg.
de lamos que recibieron tratamientos
diferentes. Usemos la prueba Kruskal
Wallis para probar la hiptesis nula de que
las cuatro muestras provienen de
poblaciones con medianas iguales.
Slide 15
NINGUNO FERTILIZANTE
0.15
1.34
0.02
0.14
0.16
0.02
0.37
0.08
0.22
0.08
RIEGO
0.23
0.04
0.34
0.16
0.05
FERTIL
IZANTE
Y
RIEGO
2.03
0.27
0.92
1.07
2.38
Ejemplo
Slide 16
Ejercicio y estrs.
Se realiz un estudio para investigar los efectos del
ejercicio sobre el estrs. La siguiente tabla lista lecturas
de presin sangunea sistlica (en mmHg) de sujetos,
antes de iniciar 25 minutos de ejercicio aerbico en
bicicleta y antes de generarles estrs por medio de una
prueba de aritmtica y otra de expresin verbal.
Utilice el nivel de significancia de 0.05 para probar la
aseveracin de que los diferentes grupos de sujetos
tienen la misma mediana de presin sangunea. Con
base en los resultados, se puede considerar que los
grupos son muestras de la misma poblacin?.
Slide 17
MUJERES/ VARONES/ MUJERES/ VARONES/

AFROAM. AFROAM. CAUCSICA CAUCSICO
117.00
115.67
119.67
124.33
130.67
120.67
106.00
111.00
102.67
133.00
108.33
99.67
93.67
120.33
107.33
128.33
96.33
124.67
117.00
102.00
92.00
118.33
113.33
127.33
Pruebas no paramtricas 2.xls
Ejemplo: Clancy,
Rowling y Tolstoy
Use la data de la
tabla 12-5, pruebe la
severacin que las
puntuaciones de
lectura por pgina de
las tres muestras
tienen la misma
distribucin, use la
prueba KruskalWallis.
Slide 18
Ejemplo: Clancy,
Rowling y Tolstoy
Slide 19
H0: Las poblaciones de los rcords de lectura de las

pginas de los tres libros tienen medianas iguales
H1: Las tres medianas poblacionales no todas son
iguales.
Ejemplo: Clancy,
Rowling y Tolstoy
n1 = 12
n2 = 12
n3 = 12
N = 36
R1 = 201.5
R2 = 337
R3 = 127.5
Slide 20
Ejemplo: Clancy,
Rowling y Tolstoy
H=
H=
12
N(N + 1)
R1
R22
+
+...+
n1
n2
12
36(36+ 1)
201.5
12
337
12
Slide 21
Rk
nk
3 (N +1)
127.5
12
H = 16.949
3 (36 +1)
Slide 22
Seccin 13-6
Correlacin de rangos
Correlacin de Rangos
Slide 23
Definicin
La prueba de Correlacin de Rangos usa
rangos de datos apareados.
La prueba de Correlacin de Rangos es usada
para probar una asociacin entre dos variables
por lo que las hiptesis se plantean de la forma
siguiente:
Ho: s = 0 (No hay correlacin entre dos
variables)
H1: s 0 (Hay correlacin entre dos variables)
Ventajas
Slide 24
1. Los mtodos no paramtricos de correlacin de

rangos pueden usarse con una variedad mas amplia
de circunstancias que el mtodo paramtrico de
correlacin lineal. A diferencia de los mtodos
paramtricos, el mtodo de correlacin de rangos
no requiere una distribucin normal de cualquier
poblacin.
2. La correlacin de rangos puede usarse para

detectar algunas relaciones (no todas) que no son
lineales.
Desventajas
Slide 25
Una desventaja de la prueba de correlacin de

rangos es su tasa de eficiencia de 0.91. Esta
tasa de eficiencia indica que con todas las
dems circunstancias iguales, el mtodo no
paramtrico requiere de 100 pares de datos
muestrales para tener los mismos resultados
que solo 91 pares de observaciones muestrales
analizadas a travs del mtodo paramtrico
suponiendo que los requisitos ms estrictos
del mtodo paramtrico se satisfacen.
Requisitos
Slide 26
1.
Los datos muestrales deben ser

seleccionados aleatoriamente.
2.
A diferencia de los mtodos

paramtricos, no existe el requisito de
que los datos muestrales apareados
tengan una distribucin normal
bivariada. No existe el requisito de
una distribucin normal
Notacin
Slide 27
rs =
Coeficiente de correlacin de rangos para datos

muestrales apareados (rs es un estadstico muestral)
s =
Coeficiente de correlacin de rangos para todos los

datos poblacionales (s es un parmetro poblacional)
n =
nmero de pares de datos muestrales.
d =
diferencia entre los rangos de los dos valores

dentro de un par.
rs
con frecuencia se denomina coeficiente de correlacin

de rangos de Spearman.
Estadstico de prueba
Slide 28
Sin empates: despus de convertir los datos de cada muestra a

rangos, si no existen empates entre los rangos para la primera
variable y no existen empates entre los rangos para la segunda
variable, el valor exacto del estadstico de prueba puede
calcularse usando la frmula siguiente:
rs = 1
2
6
d
2
n(n 1)
Estadstico de prueba
Slide 29
Empates: despus de convertir los datos de cada muestra a

rangos, si cualquier variable tiene empates entre sus rangos, el
valor exacto del estadstico de prueba rs puede calcularse
utilizando la frmula siguiente con los rangos.
nxy (x)(y)
r=
n(x2) (x)2
n(y2) (y)2
Valores Crticos:
Slide 30
Si n 30, los valores crticos se

encuentran en la tabla A-9
Si n > 30, los valores crticos se
calculan utilizando la siguiente frmula
z
rs =
n1
Donde el valor de z corresponde al nivel de

significancia ( por ejemplo, si =0.05, z ser
1.96)
Figure 12-4
Rank Correlation for Testing H0: s = 0

Start
Slide 31
Are
the n pairs of data
in the form of ranks
?
No
Yes
Calculate the difference d for
each pair of ranks by subtracting
the lower rank from the higher
rank.
Square each difference d and

then find the sum of those
squares to get
Let n equal the
total number
(d2)
of signs.
Complete the computation of

2
rs = 1 62d
n(n 1)
to get the sample statistic.

Convert the data of the first

sample to ranks from 1 to n
and then do the same for the
second sample.
Figure 13-4
Rank Correlation for Testing H0: s = 0

Slide 32
Complete the computation of
2
rs = 1 62d
n(n 1)
to get the sample statistic.

Calculate the critical values
Is
n 30
?
No
Yes
rs =
z
n 1
where z corresponds to the

significance level
Find the critical values of rs

in Table A-9
If the sample statistic rs is positive and exceeds the positive critical

value, there is a correlation. If the sample statistic rs is negative and is
less than the negative critical value, there is a correlation. If the
sample statistic rs is between the positive and negative critical values,
there is no correlation.
Ejemplo:
Slide 33
Clasificacin de universidades por estudiantes y el

U.S. News and World Report. El problema del
captulo incluye las clasificaciones de universidades
por parte de los estudiantes y de la revista U.S. News
and World Report. La clasificacin aparece en la
tabla siguiente. Calcule el valor del coeficiente de
correlacin de rangos y utilcelo para determinar si
existe una correlacin entre la clasificacin de los
estudiantes y la clasificacin de la revista. Use un
nivel de significancia de 0.05.
Hiptesis
Slide 34
Ho: s = 0 (No hay correlacin entre las

dos variables)
H1: s 0 (Hay correlacin entre las
dos variables)
Data del ejercicio

CLASIFICACIN
CLASIFICACIN
SEGN
SEGN LA REVISTA
PREFERENCIA DE
U.S. NEWS AND
LOS ESTUDIANTES WORLD REPORT
UNIVERSIDAD
HARDVARD
YALE
CAL. INST. OF TECH.
MIT
BROWN
COLUMBIA
U. DE PENN.
NOTRE DAME
1
2
3
4
5
6
7
8
1
2
5
4
7
6
3
8
Slide 35
Ejemplo:
Percepcin de belleza
Slide 36
Use los datos de la Tabla 12-6 para determinar si hay una

correlacin entre las puntuaciones que otorgan varones y
mujeres a un grupo de candidatas elegidas finalistas de un
concurso de belleza. Use un nivel de significancia de =
0.05.
Ejemplo:
H0: s = 0
H 1: s 0
n = 10
rs = 1
rs = 1
2
6
d
2
n(n 1)
6(74)
2
10(10 1)
rs = 0.552
Slide 37
Ejemplo:
Slide 38
Usamos la Tabla A-9 para determinar que los valores

crticos son 0.648. Debido a que rs = 0.552 no excede el
valor crtico 0.648, no rechazamos Ho. No hay suficiente
evidencia para sustentar la aseveracin de que hay
correlacin entre los rankings de calificacin de hombres
y mujeres.
Ejemplo: Percepcin de belleza con

Slide 39
muestras grandes.
Considere que en el ejemplo anterior la muestra
incluye un total de 40 mujeres y que el
estadstico de prueba rs es 0.291, si el nivel de
significancia es de = 0.05, qu concluye acerca
de la correlacin?

Slide 40
muestras grandes.
rs =
z
n1
rs =
1.96 = 0.314
40 1
Estos son los valores crticos

Slide 41
muestras grandes.
El estadstico de prueba rs = 0.291 no excede al
valor crtico de 0.314, por tanto, no se rechaza Ho.
No hay suficiente evidencia para aseverar que
existe correlacin en la apreciacin de hombres y
mujeres.
Ejemplo: deteccin de
un patrn no lineal
Slide 42
Se utiliza una mquina de Pinboll para medir el aprendizaje

que resulta de repetir funciones manuales. Los sujetos se
seleccionaron para que fueran similares en caractersticas
importantes de edad, gnero,inteligencia, educacin etc. La
tabla siguiente lista los nmeros de juegos que se
realizaron y las ltimas puntuaciones ( en millones) de
sujetos seleccionados al azar del grupo de caractersticas
similares. Esperamos que haya una asociacin entre el
nmero de juegos realizados y las puntuaciones del Pinball.
Existe suficiente evidencia para sustentar la aseveracin de
que existe una asociacin como sta?, use alfa de 0.05.
un patrn no lineal
Slide 43
H0: s = 0
H1: s 0
n=9
un patrn no lineal
rs = 1
2
6
d
2
n(n 1)
rs = 1
6(6)
2
9(9 1)
rs = 0.950
Slide 44
un patrn no lineal
Slide 45
Usamos la tabla A-9 para obtener los valores crticos 0.700

( teniendo en cuenta alfa de 0.05 y 9 como tamao muestral).
El estadstico de 0.950 excede el valor crtico de 0.700, por
lo que concluimos que hay correlacin significativa. Los
nmeros ms altos de juegos parecen estar asociados con
puntuaciones ms altas. Parece que los sujetos aprenden
mejor el juego al jugar ms.
Slide 46
Seccin 13-7
Rachas para detectar
aleatoriedad
Slide 47
Rachas para detectar aleatoriedad
Definiciones
Rachas
Una racha es una secuencia de datos que tiene
la misma caracterstica, la secuencia es
precedida y seguida por datos con una
caracterstica diferente o por ningn dato en
absoluto.
Prueba de rachas
La prueba de rachas utiliza el nmero de
rachas en una secuencia de datos muestrales
para probar la aleatoriedad del orden de los
datos.
Principio fundamental de la
prueba de rachas
Slide 48
Rechace la aleatoriedad si el
nmero de rachas es muy bajo o
muy alto
Ejemplo
Slide 49
MMMMMHHHHH
2 RACHAS ( ES MUY BAJO); no es
aleatorio
MMMMM
HHHHH
1ra. Racha
2ra. Racha
Ejemplo
MHMHMHMHMH
10 RACHAS ( ES MUY ALTO); no es
aleatorio.
Slide 50
Ejemplo
Slide 51
DDDDRRDDDR
4 RACHAS
DDDD
1ra. racha
RR
2da. racha
DDD
3ra. racha
R
4ta. racha
Ejemplos
Slide 52
DDDDDRRRRR
solo 2 rachas
Si el nmero de rachas es muy bajo, no existe aleatoriedad.
DRDRDRDRDR
10 rachas
Si el nmero de rachas es muy alto, no existe aleatoriedad.
Requisitos
Slide 53
1. Los datos muestrales estn acomodados de

acuerdo con algn esquema de orden, por
ejemplo en el orden en el que se obtuvieron los
valores muestrales.
2. Cada valor de los datos se puede categorizar

en una de dos categoras separadas ( como
hombre / mujer, por ejemplo)
Notacin
Slide 54
n1 = Nmero de elementos en la secuencia que

tienen una caracterstica particular.(La
caracterstica elegida para n1 es arbitraria).
n2 = Nmero de elementos en la secuencia que

tienen la otra caracterstica.
G = Nmero de rachas o corridas.
Estadstico de prueba para la

prueba de rachas
Slide 55
Si = 0.05 y n1 20 y n2 20, el estadstico de prueba

es el nmero de rachas G.
Si 0.05 n1 > 20 n2 > 20, el estadstico de prueba es:
z=
Valores crtico:
Si el estadstico de prueba es G, los valores crticos se encuentran en la Tabla A-10
Si el estadstico de prueba es z, los valores crticos se encuentran en la Tabla A-2

usando el procedimiento ya conocido.
Clculos para el estadstico de prueba: caso

Slide 56
de muestras grandes
2n1n2
G = n + n + 1
1
2
Donde
(2n1n2) (2n1n2 n1 n2)

G
(n1 + n2) (n1 + n2 1)
= media de las corridas
= desviacin estndar de las corridas G

La distribucin del nmero de corridas G se
aproxima a la distribucin normal.
G
Figure 13-5
Runs Test for Randomness

Slide 57
Figure 13-5

Slide 58
Figure 13-5

Slide 59
Ejemplo:
Slide 60
CASO DE MUESTRA PEQUEA

Gnero de osos: Se lista el gnero de 10
osos.Utilice el nivel de significancia de
0.05 para probar la aleatoriedad de la
secuencia de gneros.
MMMMHHMMHH
Requisitos:
Los datos estan acomodados de acuerdo al muesteo, y se
encuentran mostrando dos categoras. Cumplidos los
requisitos haremos la prueba de aleatoriedad.
Ejemplo:
MMMM
1ra racha
HH
2da racha
MM
3ra racha
Slide 61
HH
4ta racha
Hay 6 machos y 4 hembras y el nmero e

rachas es 4, por tanto:
n1 = 6
n2 = 4
G=4
Puesto que las muestras son menores a 20 y =0.05 y G=4, en la tabla 10 los
valores crticos son de 2 y 9
Conclusin
Slide 62
G = 4 se encuentra entre los dos valores

extremos 2 y 9, por lo que no rechazamos
la aleatoriedad .
No existe evidencia suficiente para
rechazar la aleatoriedad en la secuencia
de gnero, parece que la secuencia de
gnero es aleatoria.
Ejemplo: Lluvia en Boston

los lunes
Slide 63
S, representa sin lluvia ( indica valores de 0.00), L

representa los lunes con algo de lluvia ( indica valores
mayores a 0.00).La muestra es de 52 lunes consecutivos
SSSSLSLSSLSSLSSSLSSLLLSSSSLSLSLLLSLSSSLSSSLS
LSSLSSSL
Use el 5% de nivel de significancia par probar la hiptesis
de que la secuencia es aleatoria.

los lunes
H0: La secuencia es aleatoria
H1: la secuencia no es aleatoria
n1 = 33 (seco S)
n2 = 19 (lluvioso L)
G = 30
Es n1>20?, s por lo tanto necesitamos evaluar el
estadstico de prueba z.
Slide 64

los lunes
G =
2n1n2
+1
n1+n2
G =
2(33)(19)
+1
33+19
= 25.115
Slide 65

los lunes
(2n1n2) (2n1n2 n1 n2)

G
(n1 + n2) (n1 + n2 1)

2(33)(19)[2(19)(33) 33 19]
(33 + 19) (33 + 19 1)
G = 3.306
Slide 66

los lunes
G G
z=
z=
30 25.115
3.306
= 1.48
Slide 67

los lunes
Slide 68
El valor crtico 1.96, debido a que = 0.05, tenemos

una prueba a dos colas. El estadstico de prueba 1.48
no cae dentro de la regin crtica, por lo que no
rechazamos la hiptesis nula de aleatoriedad.
Ejercicio
Slide 69
Se entrevist a una muestra de 36 personas en

una encuesta de investigacin de mercados,
con 22 mujeres y 14 hombres. Las personas
que integraron la muestra fueron consultadas en
el siguiente orden:
HMMMMHHHMHMMMHHMMMMHMMMHH
MMMHMHHMMMH
Haga la prueba de aleatoriedad al 5% de
nivel de significancia.

Unidad 4 - Sem 12

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Unidad 4 - Sem 12

Enviado por

Direitos autorais:

Formatos disponíveis

Slide 1

Esther Flores Ugarte ESTADISTICA II

Esther Flores Ugarte ESTADISTICA II

ELEMENTARY STATISTICS by Mario Triola - 2004

Esther Flores Ugarte

Esther Flores Ugarte

Created by Erin Hodgess, Houston, Texas

Esther Flores Ugarte ESTADISTICA II

(llamada tambin prueba H)

Es usada para probar la hiptesis nula de que

(llamada tambin prueba H)

Esther Flores Ugarte ESTADISTICA II

(llamada tambin prueba H)

Esther Flores Ugarte ESTADISTICA II

Procedimiento para encontrar el valor

Esther Flores Ugarte ESTADISTICA II

Esther Flores Ugarte ESTADISTICA II

Notacin para la prueba

N = nmero total de observaciones

R1 = suma de rangos de la muestra 1

Estadstico de prueba de KruskalSlide 12

Esther Flores Ugarte ESTADISTICA II

Estadstico de prueba para KruskalSlide 13

2. Use la Tabla A-4 (debido a que el

Efectos de los tratamientos en los pesos

Esther Flores Ugarte ESTADISTICA II

MUJERES/ VARONES/ MUJERES/ VARONES/

Esther Flores Ugarte ESTADISTICA II

H0: Las poblaciones de los rcords de lectura de las

Esther Flores Ugarte ESTADISTICA II

Esther Flores Ugarte ESTADISTICA II

Esther Flores Ugarte ESTADISTICA II

Created by Erin Hodgess, Houston, Texas

Esther Flores Ugarte ESTADISTICA II

1. Los mtodos no paramtricos de correlacin de

2. La correlacin de rangos puede usarse para

Esther Flores Ugarte ESTADISTICA II

Una desventaja de la prueba de correlacin de

Esther Flores Ugarte ESTADISTICA II

Los datos muestrales deben ser

A diferencia de los mtodos

Esther Flores Ugarte ESTADISTICA II

Coeficiente de correlacin de rangos para datos

Coeficiente de correlacin de rangos para todos los

nmero de pares de datos muestrales.

diferencia entre los rangos de los dos valores

con frecuencia se denomina coeficiente de correlacin

Sin empates: despus de convertir los datos de cada muestra a

Esther Flores Ugarte ESTADISTICA II

Empates: despus de convertir los datos de cada muestra a

Esther Flores Ugarte ESTADISTICA II

Si n 30, los valores crticos se

Donde el valor de z corresponde al nivel de

Rank Correlation for Testing H0: s = 0

Square each difference d and

Complete the computation of

to get the sample statistic.

Convert the data of the first

Rank Correlation for Testing H0: s = 0

to get the sample statistic.

where z corresponds to the

Find the critical values of rs

If the sample statistic rs is positive and exceeds the positive critical