Dos muestras independientes

Prueba de suma de rangos de Wilcoxon.

Variable de respuesta ordinal.
Se usa bajo las siguientes hipótesis: Ho: dos conjuntos de resultados provienen de
la misma población. H1: Los resultados de las respuestas de una de las muestras
tienden a ser mayores que los de la otra o si provienen de dos poblaciones que
difieren en localización.
Esta prueba es sensible a las diferencias de localización y por lo tanto proporciona
un método simple para probar dichas diferencias. Es claro que los datos son
independientes, los resultados de la variable respuesta son ordinales continuos.
Esto es que cada persona deberá proporcionar un solo resultado en la variable
respuesta y todos los resultados de respuesta deberán ser ordenables sin muchos
empates.

1.1 Procedimiento.
Paso 1. Se especifica la hipótesis nula y alterna.
Paso 2. Nivel de significancia.
Paso 3. Prueba estadística.
a) Asignar t1 a la muestra mayor y t2 a la muestra menor.
𝑛 = 𝑡1 + 𝑡2
Colocar los resultados en orden creciente y asignarles un rango (R) sin
importar el método. Si más de la cuarta parte de los resultados de la
variable de respuesta están empatados, ver ejemplos.
b) Estadística de prueba:
Muestra Pequeña:
Si 𝑡1 𝑦 𝑡2 ≤ 25, la estadística de prueba es equivalente a la prueba de
Man Whitney, donde:
Método A: 𝑆 = 𝑃 − 𝑄 (método directo)
Método B: 𝑆 = 2𝑅 − 𝑡2 (𝑛 + 1) (suma de rangos)
Muestra grande:
Si 𝑡1 𝑦 𝑡2 o ambos son > 25, se considera muestra Grande. Para hallar
la probabilidad asociada se usa la tabla A.
Paso 4. Región de rechazo:
Muestra pequeña:
Para pruebas de dos colas.
Se rechaza Ho si |S|  Sc (Usar tabla X)
 Para pruebas de una Cola
Se rechaza Ho si, S  Sc cola derecha, S  Sc cola izquierda
Muestra grande:
Si 𝑝 ≤ 𝛼, se rechaza H0
.

1.2 Ejercicios resueltos

Ejemplo. Ilustrativo:
Se quiere comparar la efectividad de dos métodos (A y B) para enseñar a leer.
Para esto se selecciona al azar cinco niños de una población que no saben leer,
de los cuales a tres aleatoriamente seleccionados se les enseña con el método
A y a dos con el método B. Al final del curso, se determina la habilidad para
leer con una prueba de lectura en base a 100 puntos, los resultados obtenidos
fueron:

Tabla 141. Puntajes de la efectividad de los métodos

Método A Método B
70 80
90 100
50
Solución
1) Hipótesis estadística:
Ho: No existe diferencia entre los dos métodos de enseñanza.
H1: Existe diferencia entre los dos métodos de enseñanza.
2) Nivel de significancia α = 0.05
3) La variable explicativa es el método de enseñanza: método A y método B.
La variable de respuesta consta de los resultados en la prueba de lectura,
y son muestras independientes.
𝑡1 = 3: Número de niños de la muestra mayor
𝑡2 = 2: Número de niños de la muestra menor
𝑛 = 𝑡1 + 𝑡2 = 5, número total de niños.
Si la prueba es adecuada, puede ser razonable considerar que proporciona
una ordenación de los 5 niños en función de su habilidad para leer. Un
niño con un resultado más elevado que otro pudiera considerarse con razón
que es mejor que otro. De este modo puede suponerse que los resultados
de la variable de respuesta son ordinales. Además, parece correcto
considerar la habilidad para leer como variable continua.
 Tabla 142. Puntajes ordenados.
Puntajes ordenados 50 70 80 90 100
Rango 1 2 3 4 5
Método de enseñanza A A B A B
Muestra mayor: Método A: 𝑡1 = 3
Muestra menor: Método B: 𝑡2 = 2
Suma de rangos: ∑ 𝑅 𝑑𝑒 𝑡1 = 1 + 2 + 4 = 7
Suma de rangos: ∑ 𝑅 𝑑𝑒 𝑡2 = 3 + 5 = 8
5!
Resultados posibles: (𝑡𝑛 ) = (52) = = 10
2 2!(3)!

Tabla 143. Patrón de resultados posibles conforme Ho . 𝐶𝑢𝑎𝑛𝑑𝑜 𝑛 = 5, 𝑡1 =

3, 𝑡2 = 2
Rango Suma de S = 2𝑅 − 𝑡2 (𝑛 + 1)
1 2 3 4 5 rangos R (t2) p
1. A A A B B 9 6 0.1
2. A A B A B 8 4 0.1
3. A B A A B 7 2│
4. A A B B A 7 2│ 0.2
5. A B A B A 6 0 │
6. B A A A B 6 0 │ 0.2
7. A B B A A 5 -2│
8. B A A B A 5 -2│ 0.2
9. B A B A A 4 -4 0.1
10. B B A A A 3 -6 0.1

𝑅1 = 4 + 5 = 9; 𝑅2 = 3 + 5 = 8; 𝑅3 = 2 + 5 = 7; … . ; 𝑅10 = 1 + 2
=3
En cada uno de los patrones posibles de resultados se tiene una
probabilidad de 1/10 de ocurrir si la hipótesis nula es verdadera.
 Calculo de la prueba - S
La estadística de la prueba será el doble de la cantidad en la que el valor
de R se desvía del valor medio.
𝑆 = 2𝑅 − 𝑡2 (𝑛 + 1)
𝑆1 = 2(9) − 2(5 + 1) = 18 − 12 = 6
𝑆2 = 2(8) − 2(5 + 1) = 16 − 12 = 4
…….
𝑆10 = 2(3) − 2(5 + 1) = 6 − 12 = −6
En el ejemplo el patrón es: A A B A B que corresponde al patrón 2 del
cuadro. Entonces:
𝑆 = 2(8) − 2(5 + 1) = 16 − 12 = 4
Métodos alternativos para calcular S sin empates:
a) Uso de suma de Rangos. Se asignación rangos de menor a mayor de
manera directa no interesando el grupo.

Tabla 144. Cálculo de S con rangos.

Método A Método B
Resultado R Resultado R
70 2 80 3
90 4 100 5
50 1
Suma 7 suma 8

Recuerde que la muestra menor es 𝑡2 y su R=8

𝑆 = 2𝑅 − 𝑡2 (𝑛 + 1) = 2(8) − 2(5 + 1) = 16 − 12 = 4
b) Calculo directo de S. Se toma uno de los resultados A y se cuentan
cuantos de los resultados B son menores (Esto se denomina P) y
cuantos resultados B son mayores (Esto se denomina Q). Se hace esto
con cada uno de los resultados de A.
S se calcula con la siguiente fórmula:
𝑆 =𝑃−𝑄
Tabla 145. Cálculo de S con valores mayores y menores.
Método A Método B
Resultado P Q Resultado
70 2 0 80
 90 1 1 100
50 2 0
P=5 Q=1
70 es menor que 80 y 100; P =2 y Q = 0
90 es mayor a 80 y menor a 100; P =1 y Q = 1
50 es menor que 80 y 100, P =2 y Q = 0
𝑆 =𝑃−𝑄 =5−1=4
Este método se recomienda usar con muestras pequeñas.

Ejemplo. (Sin empates)

En un estudio sobre los efectos del "conjunto" en la resolución de problemas.
Una muestra de diez personas se divide al azar en dos grupos de cinco. Al
grupo 1 se le asigna una serie de problemas de preparación, cuyas soluciones
incluyen un principio común que es similar al que se necesita para resolver un
problema de prueba que se da posteriormente. Al grupo 2 se le asigna otra serie
diferente de problemas de preparación, los cuales no incluyen un principio
común. Se predice que el grupo 1 deberá resolver el problema con mayor
rapidez que el grupo 2. Todas las personas trabajan solas al resolver los
problemas, de modo que sus rendimientos son independientes. El tiempo para
resolver (en segundos) de cada persona se muestra en la tabla. (Se incluye
cálculo directo de S)

Tabla 146. Datos hipotéticos

Grupo 1 Grupo 2
Tiempo Tiempo
20 120
100 94
90 91
40 105
65 130
Solución
1) Hipótesis estadística:
Ho: No existe diferencia entre los dos grupos en cuanto al tiempo que les
toma resolver los problemas de prueba.
H1: El grupo 1 resuelve los problemas con mayor rapidez que el grupo 2.
2) Nivel de significancia: α = 0.05 y una prueba de una cola.
 3) Estadística de contraste.

Tabla 147. Cálculos de P y Q

Grupo 1 Grupo 2
Tiempo P Q Tiempo
20 5 0 120
100 3 2 94
90 5 0 91
40 5 0 105
65 5 0 130
P=23 Q=2

𝑆 = 𝑃 − 𝑄 = 23 − 2 = 21
4) Decisión:
La tabla X muestra el valor crítico. Para 𝑡1 = 5 𝑦 𝑡2 = 5, 𝑆𝑐 = 17
𝑆(21) > 𝑆𝑐 (17). Se rechaza Ho. Es decir, el grupo 1 resuelve los
problemas con mayor rapidez que el grupo 2.
En Código R
# resolucion de problemas
grupo1 <- c(20,100,90,40,65)
grupo2 <- c(120,94,91,105,130)
datos <- data.frame(grupo1,grupo2)
par(mfrow = c(1,2))
hist(grupo1, col = "cyan4", main = "")
hist(grupo2, col = "firebrick", main = "")
 Figura 63. histograma de frecuencias para el tiempo de resolución de
problemas

En el grafico podemos observar puntajes más altos en el grupo 2 y parecen no

tender a la normal.

par(mfrow = c(1,2))
boxplot(grupo1, col = "cyan4", main = "box plot grupo 1")
boxplot(grupo2, col = "firebrick", main = " box plot grupo 2")

Figura 64. diagrama de cajas para el tiempo de resolución de problemas

summary(datos)

## grupo1 grupo2
## Min. : 20 Min. : 91
## 1st Qu. : 40 1st Qu. : 94
## Median : 65 Median :105
## Mean : 63 Mean :108
## 3rd Qu. : 90 3rd Qu. :120
## Max. :100 Max. :130

Los promedios usando la media es 63 para el grupo 1 y 108 para el grupo 2, así
mismo, el promedio utilizando la medina para el grupo 1 es 65 y para el grupo 2,
105. El grupo 1 presenta menores tiempos en la resolución de problemas que el
grupo 2.

wilcox.test(x=grupo1,y=grupo2, alternative="two.sided",
mu=0, paired=FALSE, conf.int = 0.95)

## Wilcoxon rank sum test

##
## data: grupo1 and grupo2
## W = 2, p-value = 0.03175
## alternative hypothesis: true location shift is not equal to 0
## 95 percent confidence interval:
## -90 -1
## sample estimates:
## difference in location
## -40

Resumen
Diferencia en localización p-value Cola Intervalos
- 40 0.03275 Dos colas -90 - -1

𝑝(0.03275) < 𝛼 (0.05), existe significancia estadística al 5%, se rechaza Ho.

Es decir, el grupo 1 resuelve los problemas con mayor rapidez que el grupo 2.
la hipotesis fue que la ubicación no es igual a cero.

Método del rango promedio cuando existe empates

Supóngase que en el ejemplo de dos métodos de lectura de los cinco niños los
resultados hubieran sido:

Tabla 148. Datos hipotéticos.

METODO A METODO B
 50 70
70 100
70

Para estos casos se asigna un rango promedio a todos los resultados similares.
Al valor 50 que es el más bajo le corresponde rango 1. Al siguiente, dato 70
los rangos 2,3 y 4, que sacando promedio sería (2+3+4)/3 = 3.

Tabla 149. Patrones posibles.

Resultado De lectura 50 70 70 70 100
Rango 1 3 3 3 5
Método de enseñanza A A A B B Los patrones pueden variar.
R de 𝑡2 = 3 + 5 = 8

Tabla 150. Resultados posibles

Rango promedio de la variable respuesta
1 3 3 3 5 R S
1. A A A B B 8 4
2. A A B A B 8 4
3. A B A A B 8 4
4. A A B B A 6 0
5. A B A B A 6 0
6. B A A A B 6 0
7. A B B A A 6 0
8. B A A B A 4 -4
9. B A B A A 4 -4
10. B B A A A 4 -4

Rangos de t2
R1= 3+5=8 (3, rango correspondiente a 70 y 5, rango de 100)
...........................
R10= 1+3=4 (1, rango correspondiente a 50 y 3, rango de 70)
Estadística de prueba-S
𝑆 = 2𝑅 − 𝑡2 (𝑛 + 1)
𝑆1 = 2(8) − 2(5 + 1) = 4
𝑆2 = 2(8) − 2(5 + 1) = 4
.....
𝑆10 = 2(4) − 2(5 + 1) = −4
Suma de rangos de t2=3+5=8. Para el ejemplo:
𝑆 = 2(8) − 2(5 ) = 4

Otros métodos para calcular S cuando hay empates

Calculo Directo de S cuando hay empates

Tabla 151. Resultados para calcular S.

Método A Método B
Resultado P Q Resultado
50 2 0 70
70 1 0 100
70 1 0
P=4 Q=0
Se toma uno de los resultados A. Del ejemplo:
50 es menor que 70 y 100 (resultados B), entonces P = 2 y Q = 0.
70 es igual a 70 y menor que 100, entonces P = 1 y Q = 0.
S=P−Q=4−0=4

Calculo de S a partir de una tabla de contingencia ordenada.

Se usa cuando hay numerosos empates.
Una tabla de contingencia es aquella en la que los niveles de la variable
explicativa forman los renglones mientras que los niveles de la variable de
respuesta forman las columnas.
Una tabla de contingencia es ordenada si los niveles se escriben en forma
creciente o decreciente.

Tabla 152. Tabla de contingencia ordenada.

 Resultado de lectura
Método de enseñanza 50 70 100
A 1 2
B 1 1

El primer valor de A es 1, tiene a la derecha de B a 1y1: 1(1+1).

El segundo valor de A es 2, tiene a la derecha B a 1: 2(1), entonces P es:
𝑃 = 1(1 + 1 ) + 2(1) = 2 + 2 = 4
El primer valor de A es 1, tiene a la Izquierda B a 0: 1(0).
El segundo valor de A es 2, tiene a la izquierda B a 0: 2(0), entonces Q es:
𝑄 = 1(0) + 2(0) = 0 + 0 = 0
S viene dado por: S = P − Q = 4 − 0 = 4

Ejemplo. Suma de rangos con pocos empates. En una prueba de ansiedad se

compara a un grupo de ocho fumadores con un grupo de siete personas que no
fuman. Se predice que los fumadores deberán dar más evidencia de ansiedad.
Los resultados se muestran en la tabla. Use 5% y una prueba de una cola.

Tabla 153. Puntaje de ansiedad para fumadores y no fumadores

Fumadores P Q No fumadores
28 2 5 23
52 0 6 32
60 0 7 52
52 0 6 19
53 0 7 17
43 1 6 25
49 1 6 27
64 0 7
4 50
𝑡1 = 8; 𝑡2 = 7; 𝑃 = 4; 𝑄 = 50
Se observa que existen tres resultados iguales a 52, es menos de la cuarta
parte.
1) Hipótesis estadística
 Ho: No existe diferencia en el grado de ansiedad entre fumadores y no
fumadores.
H1: Existe menor grado de ansiedad en los no fumadores frente a los
fumadores.
2) Nivel de significancia α = 0.05
3) Estadístico de contraste:
|𝑆| = 𝑃 − 𝑄 = 4 − 50 = −46
4) Decisión: Tabla X (S crítica inferior)
S crítica con 𝑡1 = 8; 𝑡2 = 7 𝑦 𝛼 = 0.05, es Sc = -30
S(-46) < Sc(-30), Se rechaza la Ho.
Existe menor grado de ansiedad en los no fumadores frente a los
fumadores. O dicho de otra manera: La predicción de que los fumadores
tendrían resultados mayores en la prueba de ansiedad que los no
fumadores se confirma.

En codigo R
# cuando hay ties(ligaduras) o muestra grande se aproxima a la normal
fumadores <- c(28,52,60,52,53,43,49,64)
no_fumadores <- c(23,32,52,19,17,25,27)
hist(fumadores, col = "cyan4", main = "")
hist(no_fumadores, col = "firebrick", main = "")

Figura 64. histogramas de frecuencias

par(mfrow = c(1,2))
boxplot(fumadores, col = "cyan4", main = "box plot fumadores")
boxplot(no_fumadores, col = "firebrick", main = "box plot no fumadores")

Figura 64. diagramas de cajas para fumadores y no fumadores

De la figura 63 y 64 podemos concluir que los menores puntajes de ansiedad se

presentan en el grupo de no fumadores y puntajes altos en el grupo de
fumadores.

summary(fumadores)

## Min. 1st Qu. Median Mean 3rd Qu. Max.

## 28.00 47.50 52.00 50.12 54.75 64.00

summary(no_fumadores)

## Min. 1st Qu. Median Mean 3rd Qu. Max.

## 17.00 21.00 25.00 27.86 29.50 52.00

El promedio usando la media del grupo de fumadores es mayor que el grupo de no

fumadores (50.12 a 27.86) al igual que la mediana.

datos <- data.frame(grupo = rep(c("A", "B"), c(8, 7)),

valores = c(fumadores, no_fumadores))
datos
# grupo valores
## 1 A 28
## 2 A 52
## 3 A 60
## 4 A 52
## 5 A 53
## 6 A 43
## 7 A 49
## 8 A 64
## 9 B 23
## 10 B 32
## 11 B 52
## 12 B 19
## 13 B 17
## 14 B 25
## 15 B 27

require(coin)
wilcox_test(valores ~ grupo,data = datos, distribution = "exact", conf.int=0.95)

## Exact Wilcoxon-Mann-Whitney Test

##
## data: valores by grupo (A, B)
## Z = 2.6713, p-value = 0.00575
## alternative hypothesis: true mu is not equal to 0
## 95 percent confidence interval:
## 8 35
## sample estimates:
## difference in location
## 26

Resumen
Diferencia en localización Valor de p-value Cola Intervalos
la prueba
26 Z=2.6713 0.00575 Dos colas 8 - 35

𝑝(0.03275) < 𝛼(0.05). Se rechaza Ho. Existe menor grado de ansiedad en los no
fumadores frente a los fumadores. O dicho de otra manera: La predicción de que
los fumadores tendrían resultados mayores en la prueba de ansiedad que los no
fumadores se confirma. La verdadera media no es igual a 0.
# La funcion devuelve el valor de Z, por lo que se puede calcular facilmente el
# tamaño del efecto
tamanyo_efecto <- 2.6713/sqrt(8 + 7)
tamanyo_efecto

## [1] 0.6897267

El poder de la prueba es 0.689

Aproximación a la normal. Para muestras grandes (n>25).

Una propiedad importante de una distribución normal es que está especificada
completamente por su media su desviación estándar.
media = μ = S = 0
t1 t 2 (n + 1)
varianza = σ2 =
3
S−μ
Z= → n(0,1)
σ
A este proceso se le conoce como la normalización de los resultados de S y
tiene el efecto de convertirlo en una distribución con media cero y varianza
uno - simplemente se cambia de escala para permitir el uso de la tabla A.
Corrección por continuidad.
Para hacer uso de la distribución normal, se ha supuesto que S es una variable
continua, mientras que en realidad es discreta. Este paso de discreta a continua
necesita de una corrección por continuidad.
(S ± 1) − μ
Z=
σ
+1 cuando la S es negativa y
-1 cuando la S es positiva

Ejemplo. (Uso de la aproximación normal)

52 personas excedidas de peso toman parte en un estudio para comparar la
efectividad relativa de dos métodos sencillos para reducir de peso.
Veinticuatro simplemente llevan un registro detallado de todos los alimentos
que consumen junto con su contenido de calorías, el cual llevan cada semana
durante seis meses a una clínica en donde se pesan y se entrevistan con un
psicólogo. A las 28 personas restantes se les pide además que se aseguren de
consumir todos los alimentos exactamente en la misma habitación, sentados
frente a una mesa aun cuando solo quieran mordisquear un biscocho. A
ninguno de los dos grupos se les instruye en especial para que se abstengan de
comer ciertas cosas. Un año después de que termina el tratamiento, se registra
el porcentaje de pérdida de peso de cada persona. ¿Difieren los dos
tratamientos en efectividad?
Solución
Tabla 154. Datos hipotéticos del ejemplo, incluye cálculo de S y Z.
Grupo1 Grupo 2
% de pérdida R % de pérdida R
de peso de peso
-18.30 4 -16.11 5
3.33 32 2.42 18
3.42 33 2.76 25
-2.19 10 3.71 40
2.69 22 3.78 41
-20.34 1 5.93 48
-20.01 2 6.80 49
2.71 13 15.69 51
2.62 20 3.21 31
-19.50 3 3.79 42
2.59 19 3.80 43
2.30 17 10.12 50
1.28 13 3.58 35
1.34 14 3.44 34
2.77 26 -9.54 7
2.75 24 3.59 36
2.68 21 3.61 37
1.99 16 21.32 52
1.56 15 5.42 47
-5.13 8 3.65 38
3.13 30 -4.88 9
-15.23 6 4.83 45
0.15 12 4.85 46
2.79 28 3.92 44
3.66 39
2.78 27
3.01 29
-1.86 11
suma 389 Suma 979
1) Hipótesis estadística:
Ho: No se tiene evidencia confiable de una diferencia entre los dos métodos.
H1: Se tiene evidencia confiable de una diferencia entre los dos métodos.
2) Nivel de significancia: α = 0.01
3) Estadística de contraste.
𝑛 = 52; 𝑡1 = 28; 𝑡2 = 24
 𝑆 = 2𝑅 − 𝑡2 (𝑛 + 1) = 2(389) − 24(53) = 778 − 1272 = −494
media = μ = 0
t1 t 2 (n + 1) 28(24)(53)
varianza = σ2 = = = 11872
3 3
(S ± 1) − μ (−494 + 1) − 0
Z= = = −4.52
σ √11872
4) Decisión:
La tabla A muestra la probabilidad para Z= -4.52, p tiende a 0.00.
Como la tabla A esta dada para una cola, necesitamos duplicar p para
obtener la probabilidad para dos colas. p = 2(0.00) = 0.00.
p(0.00) < α(0.01). Se rechaza Ho.
Se tiene evidencia confiable de una diferencia entre los dos métodos con
α = 0.01.

Aproximación normal de S. (cuando existen empates)

Cuando existen empates, la prueba de rangos reduce el número de posibles
valores que pueda tomar S, y también reduce la varianza.
𝑡1 𝑡2 (𝑛3 − ∑ 𝑢𝑖3 )
2
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 = 𝜎 =
3𝑛(𝑛 − 1)

Ejemplo. Prueba de suma de rangos con más de una cuarta parte de los
resultados con empates.
Parte de la teoría del aprendizaje social de Rotter (1966) se refiere al grado en
el que las personas se ven a sí mismas controladas interna o externamente. Las
personas controladas de una manera externa consideran que lo que les sucede
depende principalmente del azar, del destino, etc. o que son impredecibles
debido a la complejidad que los rodea. Las personas controladas de una manera
interna piensan que lo que les sucede está bajo su propio control. Rotter
desarrollo la escala del locus interno-externo del control (escala I/E) como un
intento por medir esto. Los valores pequeños en la escala I/E reflejan una
creencia general en el control interno; los valores grandes reflejan una creencia
general en el control externo. Se quiere comparar los resultados (I/E) de 20
fumadores que no querían dejar de fumar y de 20 que sí querían dejar de fumar.
Los resultados se muestran a continuación.

Tabla 155. Puntaje de la escala I/E

Personas que no quieren 13 18 11 17 8 10 10 16 14 15 15 10 11 10 10 13 10 13 16 10
Dejar de fumar (A)
 Personas que si quieren 8 5 10 9 8 8 9 10 6 11 14 15 18 8 9 16 9 9 5 15
Dejar de fumar (B)

Existen muchos empates por lo que se usará la tabla de contingencia ordenada.

Resultados I/E
5 6 8 9 10 11 13 14 15 16 17 18 ti
B 2 1 4 5 2 1 1 2 1 1 20
A 1 7 2 3 1 2 2 1 1 20
ui 2 1 5 5 9 3 3 2 4 3 1 2 40
P = 2(1+7+2+3+1+2+2+1+1) + 1(1+7+2+3+1+2+2+1+1) +
4(7+2+3+1+2+2+1+1) + 5(7+2+3+1+2+2+1+1) + 2(2+3+1+2+2+1+1) +
1(3+1+2+2+1+1) +1(2+2+1+1) + 2(2+1+1) + 1(1+1) + 1(0)
= 40 + 20 + 76 + 95 + 24 + 10 + 6 + 8 + 2 + 0 = 281
Q = 2(0) + 1(0) + 4(0) + 5(1) + 2(1) + 1(1+7) + 1(1+7+2+3) + 2(1+7+2+3+1)
+ 1(1+7+2+3+1+2) + 1(1+7+2+3+1+2+2+1)
= 0 + 0 + 0 + 5 + 2 + 8 + 13 + 28 + 16 + 19 = 91
𝑆 = 𝑃 − 𝑄 = 281 − 91 = 190
Existen K=12 resultados diferentes, por lo que la corrección por continuidad
será:
2𝑛 − 𝑢1 − 𝑢𝑘 2𝑛 − 𝑢1 − 𝑢12 2(40) − 2 − 2
𝑆𝑚 = = = = 3.45
2(𝑘 − 1 ) 2 (𝑘 − 1) 2(11)
𝑆𝑐 = 𝑆 − 𝑆𝑚 = 190 − 3.45 = 186.55

∑ 𝑢𝑖3 = 23 + 13 + 53 + 53 + 93 + 33 +33 + 23 + 43 + 33 + 13 + 23
= 1150

2
𝑡1 𝑡2 (𝑛3 − ∑ 𝑢𝑖3 ) 20(20)(403 − 1150)
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 = 𝜎 = = = 5371.795
3𝑛(𝑛 − 1) 3(40)(39)
(Sc − μ) 186.55 − 0
Z= = = 2.55
σ √5371.795
El valor crítico de la tabla A, con α = 0.05 es 1.96.
Zc(2.55) > Zt(1.96), se rechaza Ho. Hay diferencia entre los dos grupos.

1.3 Ejercicios
1) Diez hombres y ocho mujeres contestan un cuestionario en el que se refleja
la distorsión del cuerpo, los resultados son.
 Tabla 156. puntajes de distorsión del cuerpo
Hombres 10 20 19 6 7 18 23 12 25 21
Mujeres 22 17 24 14 26 30 29 28
¿Confirman los datos la predicción de que las mujeres tienen un cuerpo
más distorsionado que los hombres?. Los resultados grandes implican una
mayor distorsión.
2) Se registró diariamente durante un periodo de 10 días, el número de
fusibles eléctricos defectuosos que salen de cada una de dos líneas de
producción A y B. supóngase que ambas líneas tienen la misma
producción diaria y que A produce más artículos defectuosos que B.
Tabla 164. numero de fusibles electrónicos defectuosos
Día A B
1 172 201
2 165 179
3 206 159
4 184 192
5 174 177
6 142 170
7 190 182
8 169 179
9 161 169
10 200 210