ESTADISTICCA
NO
parametrica
MEZA DE LOS SANTOS KATERIN GUADALUPE
MORALES CONTRERAS HASAN ALDAIR
SALAZAR PEDREGUERA MARIA FERNANDA
SANCHEZ RODRIGUEZ AMERICA GUADALUPE
RODRIGUEZ MARTINEZ JOSUE LENIN
5.1 Escala de medicion
5.2 Metodod estadisticos contra No
Parametricos
5.3 Prueba de corridas para aleatoriedad
5.4 Una muestra:Prueba de signos
5.5Una muestra:Prueba de Wilcoxon
Contenidos 5.6 Dos muestras:Prueba de Mann-Whitney
5.7 Observaciones pareada: Prueba de signos
5.8 Observaciones pareada: Prueba de Wilcoxon
5.9 Varias muestras independientes: Prueba de
karanskal-Wallis
5. 10Aplicaciones
Introducción
La estadística no paramétrica no es muy popular. Sin embargo, existe un
literatura muy extensa sobre ella. El problema que pretende solucionar
la estadística no paramétrica es el desconocimiento de la distribución
de probabilidad. En otras palabras, la estadística no paramétrica intenta
averiguar la naturaleza de una variable aleatoria. Para, una vez sabe cómo
se comporta, realizar cálculos y métricas que la caracterizan.
5.1ESCALA DE MEDICION
En estadística se estudian datos. Los datos son la representación de atributos o variables que
describen hechos, y al analizarlos y procesarlos, estos se transforman en Información. Para
poder hacer esto, es necesario comparar los datos entre sí y respecto de referencias. Este
proceso de comparación requiere de escalas de medición donde situar cada posible valor que
tomen los datos, y por las diferentes características de estos, existen diferentes tipos de
escalas. En la primera parte del post hablaremos sobre las escalas de medición en estadística.
para poder compararlos debemos utilizar escalas de medición. Dichas escalas tendrán
diferentes propiedades en función de las características de los datos que se compararán. En
estadística existen cuatro escalas de medición: nominal, ordinal, de intervalo y de razón.
5.2METODOS ESTADISTICOS NO PARAMETRICOS
Las pruebas no paramétricas son aquellas en las que no existen supuestos sobre la
distribución de los parámetros de la población. Se aplican con mayor frecuencia a los
datos nominales y ordinales, si bien pueden emplearse también para analizar datos
continuos transformados a una escala ordinal.
Los métodos no-paramétricos incluyen las técnicas de selección a utilizarse en
condiciones en donde carecen supuestos sobre el de distribución de los datos. En
este artículo se discuten varios modelos comunes no-paramétricos o de tipo de
distribución libre (X2 cuadrada, Tabla de contingencia, Wald- Wolfwitz, pruebas de:
mediana, McNemar, Kolmogorov-Smirnov, Cochran, Cox, Wilcoxon, Mann- Whitney,
Kruskal-Wallis, Friedman, Spearman, etc.)
1. Cuando es posible hacer solamente supuestos débiles acerca de la naturaleza de las distribuciones que
fundamentan los datos.
2. Cuando solo será posible poco más que categorizar los datos por falta de una escala de medición
adecuada.
3. Cuando es posible asignar rangos a los datos. Por ejemplo, puede asignarse rangos por nivel
socio’económico, textura o sabor; o bien por el género.
4. Como la estadística de distribución libre usa recuentos, rangos o los signos de diferencias de
observaciones pareadas, suelen ser, aunque no siempre, rápida y fácil de aplicar y aprender.
Desventajas. Si se sabe que la forma de la población original es razonablemente cercana a
una distribución normal, o si los datos pueden transformarse de modo que éste sea el caso, entonces los
procedimientos de distribución libre extraen menos información que la que hay disponible en los datos.
En particular, la eficiencia de los procedimientos no paramétricos es bastante alta para muestras
pequeñas. Por otra parte, la eficiencia puede no ser importante para muestras muy grandes.
5.3Prueba de corridas para
aleatoriedad
Se utiliza con frecuencia para investigaciones de mercado, se usa un muestra de n clientes para que indiquen su
preferencia entre 2 productos puede ser entre dos marcas de cereales, detergentes, refrescos, etc.
Las preferencias que tenga el consumidor son datos nominales ya que simplemente escoge es aquí cuando entra la prueba
de los signos, ya que se debe determinar si existe diferencia entre las preferencias de dichos consumidores, o si existe
diferencia entre los productos o marcas.
Por ejemplo si damos a probar a 5 personas el refresco X y el refresco Y siendo nosotros productores del refresco X:
Cada que un consumido escoja nuestro producto se le asignara el signo +
Cada que un consumidor escoja el otro producto se le asignara el signo -
5.4Una muestra:Prueba de
signos
La prueba del signo se utiliza para probar la hipótesis sobre la mediana de una distribución continua. La mediana de una
distribución es un valor de la variable aleatoria X tal que la probabilidad de que un valor observado de X sea menor o igual, o
mayor o igual, que la mediana es 0.5. Esto es,.
Puesto que la distribución normal es simétrica, la media de una distribución normal es igual a la mediana. Por consiguiente, la
prueba del signo puede emplearse para probar hipótesis sobre la media de una población normal.
Suponga que las hipótesis son:
-
Supóngase que X1, X2,. . ., Xn es una muestra aleatoria tomada de la población de interés. Fórmense las diferencias
Ahora bien si la hipótesis nula es verdadera, cualquier diferencia tiene la misma probabilidad de ser negativa o
positiva. Un estadístico de prueba apropiado es el número de estas diferencias que son positivas, por ejemplo R+. Por
consiguiente, la prueba de la hipótesis nula es en realidad una prueba de que el número de signos positivos es un valor
de una variable aleatoria binomial con parámetro P.
Puede calcularse un valor P para el número observado de signos positivos r+ directamente de la distribución binomial.
Al probar la hipótesis que se muestra al principio, se rechaza H0 en favor de H1 sólo si la proporción de signos
positivos es suficientemente menor que ( o de manera equivalente, cada vez que el número observado de signos
positivos r+ es muy pequeño). Por tanto, si el valor P calculado
P = P(R+ r+ cuando p = 1/2)
Es menor o igual que algún nivel de significancia seleccionado previamente, entonces se rechaza H0 y se concluye que
H1 es verdadera.
Para probar la otra hipótesis unilateral
5.5Prueba de Wilxcon
Es una prueba no paramétrica de comparación de dos muestras relacionadas y por lo tanto no necesita una
distribución específica. Usa más bien el nivel ordinal de la variable dependiente. Se utiliza para comparar dos
mediciones relacionadas y determinar si la diferencia entre ellas se debe al azar o no (en este último caso, que la
diferencia sea estadísticamente significativa).
Se utiliza cuando la variable subyacente es continua pero no se presupone ningún tipo de distribución particular.
El objetivo de la prueba es comprobar si puede dictaminarse que los valores xi e yi son o no iguales.
5.6Prueba de Mann Whitey
La prueba de Mann-Whitney es una prueba no paramétrica alternativa a la prueba t de muestras
independientes (una prueba de hipótesis estadística utilizada para determinar si una media poblacional
desconocida es diferente de un valor específico).
La prueba de Mann-Whitney se utiliza para comparar dos medias muestrales que provienen de la misma
población, así como para probar si dos medias muestrales son iguales o no.
A diferencia de la prueba t de muestras independientes, la prueba de Mann-Whitney permite sacar
diferentes conclusiones sobre los datos en función de las suposiciones que se hagan sobre la distribución
de los mismos.
Estas conclusiones pueden ir desde simplemente afirmar si las dos poblaciones difieren hasta determinar si
hay diferencias en las medianas entre los grupos. Estas diferentes conclusiones dependen de la forma de las
distribuciones de los datos.
Esta prueba realiza una comparación estadística de la media y determina si existe una diferencia en la
variable dependiente para dos grupos independientes.
5.7 Observaciones Pareada
En el caso de muestras grandes si la hipótesis nula es p= .50 y el tamaño de la muestra es n>20 la distribución
muestral del número de signos más se aproxima mediante una distribución normal.
También se puede utilizar la prueba de signo para probar la hipótesis nula para observaciones pareadas. Aquí se
reemplaza cada diferencia, di, con un signo más o menos dependiendo si la diferencia ajustada, di-d0, es
positiva o negativa. A lo largo de esta sección suponemos que las poblaciones son simétricas. Sin embargo, aun
si las poblaciones son asimétricas se puede llevar a cabo el mismo procedimiento de prueba, pero las hipótesis
se refieren a las medianas poblacionales en lugar de las medias.
5.8Observaciones pareada: preba de wilcoxon
Se puede notar que la prueba de signo utiliza sólo los signos más y menos de las diferencias entre las
observaciones y 0 en el caso de una muestra, o los signos más y menos de las diferencias entro los pares de
observaciones en el caso de la muestra pareada, pero no toma en consideración la magnitud de estas
diferencias. Una prueba que utiliza dirección y magnitud, propuesta en 1945 por Frank Wilcoxon, se llama
ahora comúnmente prueba de rango con signo de Wilcoxon. Esta prueba se aplica en el caso de una
distribución continua simétrica. Bajo esta condición se puede probar la hipótesis nula =0. Primero se resta 0
de cada valor muestral y se descarta todas las diferencias iguales a cero. Se asigna un rango de 1 a la
diferencia absoluta más pequeña, un rango de 2 a la siguiente más pequeña, y así sucesivamente. Cuando el
valor absoluto de dos o más diferencias es el mismo, se asigna a cada uno el promedio de los rangos que se
asignarían si las diferencias se distinguieran. Por ejemplo, si la quinta y sexta diferencia son iguales en valor
absoluto, a cada una se le asignaría un rango de 5.5. Si la hipótesis =0 es verdadera, el total de los rangos que
corresponden a las diferencias positivas debe ser casi igual al total de los rangos que corresponden a las
diferencias negativas. Se representan esos totales como w+ y w-, respectivamente. Se designa el menor de
w+ y w- con w.
5.9Varias muestras independientes
¿Qué es la prueba de Kruskal Wallis?
es una prueba no paramétrica basada en el rango que puede utilizarse para corroborar si existen diferencias relevantes a
nivel estadístico entre dos o más grupos de una variable independiente en una variable dependiente ordinal o continua.
La prueba determina si las medianas de dos o más grupos son diferentes. De esta forma, calcula un estadístico de prueba
y lo compara con un punto de corte de la distribución.
El estadístico de prueba utilizado se denomina estadístico H. Las hipótesis de la prueba son:
·H0: las medianas de la población son iguales.
·H1: las medianas de la población no son iguales.
¿Cuál es su importancia?
se considera la alternativa no paramétrica al ANOVA unidireccional, y una extensión de la prueba U de Mann-Whitney para
permitir la comparación de más de dos grupos independientes.
La prueba H se utiliza cuando no se cumplen los supuestos del ANOVA (como el supuesto de normalidad). A veces se
denomina ANOVA unidireccional sobre rangos, ya que en la prueba se utilizan los rangos de los valores de los datos en
lugar de los puntos de datos reales.
5.10APLICACION
Mucha gente piensa que la Estadística no tiene nada que ver con otras disciplinas que no sean las
ingenierías y economía. Otros nunca le encuentran aplicaciones útiles, y por eso tampoco les gusta.
Pero, en realidad tiene infinitas aplicaciones en todo el conocimiento adquirido por la humanidad,
partiendo ante todo, lo relacionado con las ingenierías, economía, las ciencias biológicas, ciencias
sociales e incluso en algunas ramas del área Jurídica. Y, en definitiva, casi todos los campos de las
ciencias emplean instrumentos estadísticos de importancia fundamental para el desarrollo de sus
modelos de trabajo. En nuestros días, la estadística se ha convertido en un método efectivo para
describir con exactitud los valores de los datos económicos, políticos, sociales, psicológicos,
biológicos y físicos, entre otros, y sirven como herramienta para relacionar y analizar dichos datos.
El trabajo del experto estadístico no consiste ya sólo en reunir y tabular los datos, sino el proceso
de interpretación de esa información a través de modelos estadísticosmatemáticos, aumentando el
alcance de las aplicaciones de la estadística, esto se ha logrado, gracias al desarrollo de la teoría de
probabilidad.
