B.

  No-paramétricas

*Prueba para K muestras independientes.

Las pruebas estadísticas no paramétricas se aplican en aquellos casos donde se

cuenta con k muestras independientes de observaciones de variables cualitativas,
estas son las pruebas de ji-cuadrado, Kruskal-Wallis, de la mediana y Jonckheere.

1. Prueba Ji-Cuadrado

El problema en el que se centra el estadístico Z es el de comprobar si existe

diferencia significativa entre las proporciones de dos poblaciones
independientes, teniendo como requisito que la suma de los tamaños de las
muestras extraídas de las dos poblaciones debe ser superior a 30. Sin
embargo, la prueba de Ji-Cuadrado se centra en comprobar si existe diferencia
significativa entre las proporciones de k poblaciones independientes.

El procedimiento que se sigue para realizar esta prueba es el siguiente:

i. Seleccionar k muestras independientes por muestreo aleatorio simple

que provengan de k poblaciones independientes.

ii. Los datos se ordenan en una tabla de contingencia de k filas y c

columnas.

Tabla . Estructura de datos de la prueba ji-cuadrado

Fuente:

Donde Oij es la frecuencia conjunta observada en cada categoría.

iii. Se calculan las frecuencias esperadas mediante:

Donde:

ni: Tamaño de la i-esima muestra

O*j: Suma de frecuencias observadas

n: Suma de tamaños de las k muestras

 iv. Se calcula el estadístico de prueba mediante:

*Prueba para K muestras relacionadas.

Ejemplo de aplicación:

Cacao S. A. es una empresa dedicada a la fabricación de golosinas y chocolates,

últimamente el gerente de producción ha notado una serie de problemas en el proceso
productivo, por lo que encarga a un equipo especializado realizar un estudio al respecto.
Se selecciona una muestra de 81 trabajadores y se registra información de las siguientes
variables: turno y si el trabajador ha tenido capacitación previa o no. Para verificar si la
proporción de trabajadores capacitados es igual en los tres turnos, se opta por realizar
una prueba de hipótesis con 5% de significación.

Tabla . Frecuencias observadas

SOLUCION:

a) Hipotesis

H0 : La proporción de trabajadores capacitados no es diferente en los tres

turnos.

H0 : p1j = p2j = p3j

H1 : La proporción de capacitados es diferente en los tres turnos.

H1 : phj ≠ plj para algún h ≠ l

b) Nivel de significación igual a 5%, es decir, α = 0,05.

c) Estadístico de prueba

Se obtiene de valores esperados Eij y el valor estadístico.

Tabla . Frecuencias esperadas

d) Valor critico

El valor critico es 5,991

e) Regla de decisión

Si el valor del estadístico de prueba excede al crítico, se rechaza la hipótesis,

caso contrario se acepta.

f) Decisión

No se rechaza Ho

2. Prueba de Kruskal-Wallis

La prueba de Kruskal-Wallis esta diseñada para efectuar la comparación de k

muestras independientes al trabajar con rangos en las observaciones, ya que
según el autor es mucho mas conveniente utilizarlos en lugar de las
observaciones originales, porque los cálculos se simplifican.

El procedimiento que se sigue para realizar esta prueba es el siguiente:

i. Se consideran k muestras aleatorias independientes de tamaño n1, n2,

…, nk, y n al conjunto total de observaciones.

ii. Se asignan rangos desde 1 hasta n al conjunto de n observaciones, de

menor a mayor tamaño

iii. El rango asignado a la i-esima observación de la j-esima muestra es R ij y

a la suma de rangos asignados se denomina

iv. Si la hipotesis nula es verdadera los R j de las k muestras serán

parecidos, por lo que es posible obtener, tanto como punto de partida
la suma de los rangos y un estadistico que brinde la informacion sobre
el parecido entre las k poblaciones.
Caso aplicativo:

Se desea saber si las ventas semanales promedio de 4 distribuidoras de

aceite de oliva son similares, para lo cual se han registrado los montos
de las ventas de 10 semanas de estas 4 distribuidoras seleccionadas
aleatoriamente.

Tabla Datos de las muestras para la prueba Kruskal-Wallis

SOLUCION

1. Se denota los montos de las ventas como Y siendo Yij la i-esima

observación de la j-esima muestra y se asignan los rangos
correspondientes.

Tabla. Asignación de los rangos de la prueba Kruskal-Wallis

Luego se obtienen la suma de los rangos:

Hipotesis:

H0: Los promedios de las ventas semanales de las cuatro agencias del
minimarket no son diferentes.
 H0: µ1 =µ2 =µ3 =µ4

H1: Los promedios de las ventas semanales de las cuatro agencias del
minimarket son diferentes.

H1: µ ≠µ h v para algún para h ≠ v

Nivel significativo, se asume un 5%, es decir un α = 0,05.

El valor estadistico de prueba es:

El valor critico es 7,815 siendo k=4 el numero de poblaciones

muestradas aleatoriamente

Decision: Como H = 2,204 > c2 (k-1; 1-α) = 7,815, H0 no se rechaza

2. Prueba de la mediana

Permite determinar que tan probable es que dos o mas muestras

independientes, hayan sido extraidas de la misma población o de
poblacion con igual mediana.

Procedimiento:

i. Se dispone de k muestras independientes y se ordenan de

menor a mayor, obteniéndose la mediana del conjunto.

ii. De acuerdo al valor de la mediana, se construyen dos grupos

o categorías, estando la primera formada por las medianas
superiores a Me y la segunda formada por iguales o
inferiores a Me.

Tabla. Contingencia de las frecuencias observadas

iii. Se calculan las frecuencias esperadas y se aceptan o no las
hipótesis nulas.

Caso: Una empresa azucarera desea saber el nivel de satisfacción

laboral de sus operarios, por lo que en una escala de 1 a 10, donde
1 es “totalmente insatisfecho” y 10 “totalmente satisfecho”.

DESARROLLO

La muestra esta constituida por 121 empleadores, los cuales se

clasifican como directivos, administrativos y obreros.

Se calculan los valores esperados

Hipótesis
H0 : La categoría laboral no influye en el nivel de satisfacción laboral
H0 : Me1 = Me2 = Me3
 H1 : La categoría laboral sí influye en el nivel de satisfacción
laboral, o, lo que es lo mismo, los trabajadores de las distintas
categorías tienen distinto nivel de satisfacción laboral en la empresa.
H1 : Mei ≠ Mej para i ≠ j
Nivel significativo es α = 0,05
El valor estadistico de prueba es 2,590
EL valor critico es 5,99146
Decision: Ho no se rechaza
*Prueba para K muestras relacionadas

El objetivo de este tipo de pruebas es obtener evidencias de que existe una diferencia
global entre las k muestras observadas, para ello se hace uso de prubas como la de Q
de Cochran, de Friedman y W de Kendall-

1. Prueba Q de Cochran

Se desarrolla con el fin de conocer si la variable respuesta es nominal y

dicotómica, es decir “éxito” o “fracaso”, para ello la muestra usada es aleatoria y
en cada unidad experimental se deben de tener k observaciones.

Procedimiento de la prueba Q de Cochran

i. Se recopilan datos de la muestra experimental para cada tratamiento,

se registran los éxitos y/o fracasos.

Tabla . Datos para la prueba Q de Cochran

ii. Hipotesis por plantear

H0 : No existe diferencia significativa en los k tratamientos (las

fluctuaciones o los cambios no se deben al azar).

H1 : Existen diferencias significativas entre los k tratamientos (las

fluctuaciones o los cambios se deben al azar)

iii. El nivel de significación es la máxima probabilidad de cometer error tipo

I, y se denota como α; para 0 ≤ α ≤ 0,10

iv. Estadistico de prueba

v. Valor critico se obtiene de la tabla, cabe ademas mencionar que los
grados de libertas están determinados por gl = k – 1

vi. Regla de decisión:

EJEMPLO APLICATIVO

Una empresa de helados desea lanzar tres nuevos sabores al mercado,

para ello hizo degustar estos helados a 150 consumidores potenciales y
se registro su respuesta como 0 o 1, donde 0 es que no le agrado y 1, si.

Tabla . Frecuencia conjunta observada

Hipotesis:

H0 : No existen diferencias significativas en las opiniones respecto a los

3 sabores de helado.

H1 : Existen diferencias significativas en las opiniones respecto a los

3 sabores de helado.

Nivel significativo: α = 0,05

Estadistico de prueba:

Valor critico es 5,991

Decision: Como Q > X2(gl; 1- α), Ho se rechaza

 Prueba de Friedman

Esta prueba sirve para comparar k muestras relacionadas, lo que

permite resolver es que a n sujetos se les aplican k tratamientos, con la
intención de averiguar si son o no iguales.

Se recomienda usar esta prueba en donde exista k grupos de n

elementos de manera que, los elementos de cada grupo sean los mas
parecidos entre si.

i. Se elabora una tabla donde las k variables esten en columnas y

los n elementos en las filas.

ii. A los valores de cada i-fila se le asigna un numero, segun el

orden de magnitud de menos a mas.

iii. Se suman los rangos en funcion a las columnas y se obtiene el

estadistico.

EJEMPLO:

Una empresa desea conocer si en el tiempo los operarios tienen el mismo rendimiento
promedio (número de piezas producidas por hora). Para ello, se selecciona a 14
operarios a quienes se les hizo el seguimiento durante cuatro semanas, en las cuales se
obtuvo el número de piezas producidas por hora.

Datos de las muestras para la prueba de Friedman

i. Hipótesis

H0 : Los operarios, en promedio, no tienen rendimientos diferentes.

H1 : Los operarios, en promedio, tienen rendimientos diferentes

ii. Nivel de significancia: 0,05

iii. Estadistico de prueba:

 iv. Valor critico = 7,815

v. Decisión: no se rechaza la hipótesis nula

Prueba para K muestras relacionadas tal que en cada bloque no estén presentes todos
los tratamientos.

Esta prueba ha sido diseñada para evaluar el grado de concordancia entre dos
variables, estas medidas son el coeficiente de contingencia, el coeficiente de
correlación de rangos de Spearman y los coeficientes de correlación y concordancia de
Kendall

Coeficiene de asociación:

i. Coeficiente de contingencia: es una medida de la asociación entre variables de

escala nominal, este valor se determina de acuerdo al valor observado en la
prueba de ji-cuadrado en una tabla con r filas y c columnas.

Dependiendo el área donde se aplique si C > ,3, se considera que existe una
buena asociación entre las variables. En el campo de los negocios, se considera
que existe fuerte asociación entre las variables cuando C > 0,6.