Docente DAME - UNS
MUESTRAS Calderón Yarlequé
Luis Alberto
INDEPENDIENTES CEP: 325
TEORIAS -
01 METODOLOGIAS
02 SUPUESTOS BASICOS
PRUEBA
CONTENIDO PARAMETRICA Y
NO
S 03 PARAMETRICA
04 CASOS APLICATIVOS
RESULTADO DEL APRENDIZAJE DE LA SESIÓN
Al finalizar la sesión, el participante conoce la
aplicación de la prueba de hipótesis para muestras
independientes aplicadas en la investigación y su
aplicación de su campo profesional.
MEJORAS TÚ, MEJORA EL MUNDO
MUESTRAS Muestras
INDEPENDIENTES
Independientes
La hipótesis de muestras independientes es fundamental NO
PARAMETRICO
en estadística cuando se desea comparar dos grupos PARAMETRICO
diferentes en términos de una o varias variables de
interés, evaluando si las diferencias observadas entre
2 muestras
ellos son estadísticamente significativas. 2 muestras K muestras K muestras
U de Mann
Esta hipótesis suele probarse utilizando pruebas como el T de Student ANOVA
Whitney
Kruskal Wallis
t-test para muestras independientes o el ANOVA cuando
se trata de más de dos grupos para casos con una Los supuestos básicos son condiciones necesarias para aplicar
tendencia normal, cuando los datos no cumplen con los correctamente las pruebas de hipótesis en dos o más muestras
supuestos de normalidad o igualdad de varianzas, las independientes. Estos supuestos son:
[Link] de las muestras: Las muestras deben ser independientes entre sí, es decir, la
pruebas no paramétricas son una alternativa robusta a selección o medición de una muestra no debe influir en la otra. Esto significa que los sujetos o unidades
las pruebas paramétricas. Estas pruebas no dependen de de una muestra no están relacionados con los de la otra .
la distribución de los datos y son menos sensibles a [Link] de medición adecuada: Para pruebas paramétricas, las variables deben ser de intervalo o
razón (numéricas y continuas). En el caso de pruebas no paramétricas, se acepta una escala ordinal.
valores atípicos, la hipótesis suele probarse utilizando [Link] de la distribución (para pruebas paramétricas): La distribución de las variables en ambas
pruebas como el U de Mann Whitney para muestras muestras debe seguir una distribución normal. Este supuesto es particularmente relevante para
muestras pequeñas, aunque, con tamaños grandes, se puede aplicar el Teorema Central del Límite
independientes o Kruskal Wallis cuando se trata de más para justificar el uso de pruebas paramétricas.
de dos grupos [Link] de varianzas (homocedasticidad): Las varianzas de ambas muestras deben ser
similares. Este supuesto se verifica comúnmente mediante pruebas como Levene o F-test antes de
realizar la prueba principal, y es especialmente importante en la prueba t de Student para muestras
independientes.
HIPOTESIS DE 2 MUESTRAS
INDEPENDIENTES
La prueba t de Student para dos muestras independientes es una prueba estadística que se utiliza para determinar si
existen diferencias significativas entre las medias de dos grupos independientes. Este análisis es muy común en
investigaciones donde se busca comparar el efecto de una variable entre dos grupos, como en ensayos controlados con
grupo experimental y grupo de control.
1- La prueba t de Student para dos muestras independientes “PARAMETRICA”
La prueba t para dos muestras independientes parte de la idea de que, si dos grupos son verdaderamente
independientes y no existe diferencia significativa entre sus medias poblacionales, cualquier diferencia
observada en las muestras debe deberse al azar o a variaciones naturales. Sin embargo, si las diferencias
entre las medias muestrales son lo suficientemente grandes, entonces es posible rechazar la hipótesis
nula (𝐻0) y concluir que existe una diferencia significativa entre las poblaciones de las que provienen las
muestras.
Calcular la prueba t de Student para dos muestras
independientes implica una serie de pasos bien estructurados
para asegurar la correcta aplicación e interpretación de los
resultados. A continuación, detallo los pasos básicos para
realizar esta prueba en una investigación.
HIPOTESIS DE 2 MUESTRAS
INDEPENDIENTES
2- Pasos para calcular la prueba t de Student para dos muestras independientes
1º Definir el problema de investigación y las hipótesis Si las varianzas no son iguales, utiliza la versión de Welch:
•Hipótesis nula (H0): No hay diferencia significativa entre las medias de las dos
muestras. Es decir, μ1=μ2.
•Hipótesis alternativa (H1): Existe una diferencia significativa entre las medias de las
dos muestras.
Puede ser bilateral (μ1≠μ2) o unilateral (μ1>μ2o μ1<μ2). 5º Calcular los grados de libertad
2º Recolección y preparación de los datos •Para varianzas iguales: gl=n1+n2−2.
•Asegúrate de que los datos de las dos muestras sean independientes (por ejemplo, •Para la prueba de Welch:
dos grupos distintos).
•Los datos deben ser de nivel de intervalo o razón.
•Verifica que no haya valores atípicos que puedan afectar la prueba.
3º Verificar los supuestos de la prueba
•Normalidad: Utiliza pruebas como Shapiro-Wilk o Kolmogorov-Smirnov para
verificar si los datos de ambas muestras siguen una distribución normal.
•Homogeneidad de varianzas: Realiza la prueba de Levene o el F-test para
comprobar si las varianzas de las dos muestras son iguales. Esto determina si se 6º Obtener el valor p y tomar una decisión
utilizará la versión estándar de la prueba t o la versión de Welch (que no asume •Compara el valor t obtenido con la distribución t de Student para los
varianzas iguales). grados de libertad calculados y el nivel de significancia elegido (por
4º Calcular la estadística t ejemplo, α=0.05.
•Si las varianzas son iguales, utiliza la fórmula de la t para varianzas combinadas: •Si el valor p es menor que α, se rechaza la hipótesis nula y se concluye
que hay una diferencia significativa entre las medias de las dos muestras.
•Si el valor p es mayor que α, no se rechaza la hipótesis nula, indicando
que no hay evidencia suficiente para afirmar que existe una diferencia
significativa.
HIPOTESIS DE 2 MUESTRAS
INDEPENDIENTES
3- CASO PARA UNA TESIS O ARTICULO 4. Selección de la prueba
Usaremos la prueba t para muestras independientes, ya que:
Se desea evaluar si existe una diferencia significativa en el promedio de •La variable dependiente (colesterol total) es cuantitativa.
colesterol total (mg/dL) entre pacientes que siguen un tratamiento A y •Los datos son normales (comprobado con Shapiro-Wilk).
•Las varianzas son homogéneas (comprobado con Levene).
pacientes que siguen un tratamiento B.
5. Nivel de significancia
1. Planteamiento de hipótesis α=0.05
•Hipótesis nula (Ho): No hay diferencia en los niveles promedio de colesterol total
entre los tratamientos. H0:μ1=μ2
•Hipótesis alternativa (H1): Hay una diferencia significativa en los niveles
promedio de colesterol total entre los tratamientos. H1:μ1≠μ2
2. Datos reales
•Grupo 1 (tratamiento A): n1=10n_1 = 10n1=10,
x1=[190,200,210,195,205,185,200,210,195,190]
•Grupo 2 (tratamiento B): n2=10n_2 = 10n2=10,
x2=[220,230,225,235,240,225,230,220,235,230]
7. Comparación con el valor crítico
Con df=n1+n2−2=18 y α=0.05 (bilateral),
el valor crítico es ±2.101.
Como ∣t∣=11.33>2.101, rechazamos H0.
8. Conclusión
Hay evidencia suficiente para concluir que los tratamientos tienen efectos
significativamente diferentes sobre el colesterol total (p<0.05).
HIPOTESIS DE 2 MUESTRAS
INDEPENDIENTES
Instrucciones para usar estos datos:
[Link]ón de supuestos:
1. Aplica la prueba de normalidad (por ejemplo, Shapiro-Wilk) en
ambos grupos para ver si siguen una distribución normal.
2. Realiza la prueba de Levene para verificar la homogeneidad de
varianzas.
•Prueba de normalidad:
Ve a “Analizar" > “Estadística Descriptiva" >
“Explorar".
Importante:
Mueve la variable Puntuación a la casilla “Lista Cuando la muestra es menor de 50 se interpreta con
Dependiente" y Grupo a “Lista Factor". shapiro wilk; caso contrario será Kolmogorov.
Haz clic en “Gráficos" y selecciona “Prueba
de Normalidad". Haz clic en "Continuar" y Si el Valor de la Significancia (Sig. > 0.05) se considera
luego en “Aceptar".
Revisa los resultados de la prueba de Shapiro-
que los datos son normales y se evalúa una prueba
Wilk para verificar la normalidad en cada grupo. Paramétrica.
HIPOTESIS DE 2 MUESTRAS
INDEPENDIENTES
Prueba de homogeneidad de varianzas (Levene):
Ve a “Analizar" > "Comparar Medias" > “Anova de Un factor".
Mueve Puntuación a “Lasta de Variables" y Grupo a "Variable Agrupada".
En los resultados, busca la prueba de Levene’s Homogeneidad de Varianzas
para verificar si las varianzas son iguales.
Si el Valor de la Significancia (Sig. > 0.05) se considera que los datos son normales
y se evalúa una prueba Paramétrica. Se aplica la hipotesis de la Prueba de T de
Student para muestra independientes.
PRUEBA T DE UNA MUESTRA
Ve a "Analizar" > "Comprar Media" > "T de muestras independientes".
Mueve Puntuación a "Variable(s) Prueba" y Grupo a "Variable Agrupación".
Define los grupos haciendo clic en "Define Grupos" e ingresando Grupo A y
Grupo B (o los valores correspondientes que hayas usado).
Haz clic en "OK".
HIPOTESIS DE 2 MUESTRAS
INDEPENDIENTES
3- Pasos para calcular la prueba U de Mann Whitney para dos muestras independientes
5. Procedimiento
Caso: Se desea evaluar si existe una diferencia significativa en la [Link] y ordenar los datos:
percepción del dolor postquirúrgico entre pacientes que reciben 1. Datos combinados: 1,3,4,4,4,5,5,6,6,7,7,8,8,8,9
un analgésico A y pacientes que reciben un analgésico B, medida 2. Rangos: 1.5,1.5,3.5,3.5,3.5,6,6,8,8,10,10,13,13,13,15.5,15.5
en una escala ordinal (0-10). [Link] de rangos para cada grupo:
1. Planteamiento de hipótesis 1. Grupo 1 (A): Rangos = 1.5,3.5,6,3.5,6,1.5,3.5,8; R1=33
•Hipótesis nula (H0): No hay diferencia en la percepción del dolor 2. Grupo 2 (B): Rangos = 10,13,15.5,13,13,15.5,10,8; R2=84
entre los analgésicos. H0:Las distribuciones del dolor son iguales.
•Hipótesis alternativa (H1): Hay una diferencia significativa en la
percepción del dolor entre los analgésicos.
H1:Las distribuciones del dolor son diferentes.
2. Datos reales
•Grupo 1 (analgésico A): x1=[3,4,5,6,4,5,3,4]
•Grupo 2 (analgésico B): x2=[7,8,6,9,7,8,1,8]
3. Selección de la prueba
Para 𝑛1=𝑛2=8 y 𝛼=0.05, el valor crítico de 𝑈 es 21.
Usamos la prueba U de Mann-Whitney, ya que: 6. Comparación con el valor crítico
Como 𝑈=61>21, no rechazamos 𝐻0
•La variable dependiente (dolor) es ordinal.
•Los grupos son independientes.
4. Nivel de significancia 7. Conclusión
diferencias significativas en la percepción del dolor (𝑝>0.05).
α=0.05 No hay evidencia suficiente para concluir que los analgésicos producen
HIPOTESIS DE 2 MUESTRAS
INDEPENDIENTES
3- Pasos para calcular la prueba U de Mann Whitney para dos muestras independientes
Instrucciones para usar estos datos:
[Link]ón de supuestos:
1. Aplica la prueba de normalidad (por ejemplo, Shapiro-Wilk) en
ambos grupos para ver si siguen una distribución normal.
2. Realiza la prueba de Levene para verificar la homogeneidad de
varianzas.
Importante:
Cuando la muestra es menor de 50 se interpreta con
shapiro wilk; caso contrario será Kolmogorov.
Si el Valor de la Significancia (Sig. > 0.05) se considera
que los datos son normales y se evalúa una prueba
Paramétrica.
HIPOTESIS DE 2 MUESTRAS
INDEPENDIENTES
Prueba de U de Mann Whitney:
Ve a “Analizar" > “Pruebas No Parametricas" > “Muestras Independientes".
Mueve Puntuación a “Lasta de Variables" y Grupo a "Variable Agrupada". 3
En los resultados, busca la prueba de U de Mann Whitney.
1
2
PRUEBA U de Mann Whitney: Si el Valor de la Significancia
(Sig. > 0.05) se considera que la hipotesis hace mencionar que se
acepta al hipotesis nula donde no hay diferencia entre los
analgésicos; caso contrario Sig. es menor de 0.05 si hay diferencias
con los analgesicos.
HIPOTESIS DE K MUESTRAS
INDEPENDIENTES
Una prueba de hipótesis para k muestras independientes es un procedimiento
Caso Paramétrico: ANOVA de una vía
estadístico utilizado para comparar las medias o distribuciones de una variable
dependiente entre más de dos grupos independientes. Su objetivo principal es Caso
determinar si existen diferencias significativas entre los grupos con respecto a la Queremos evaluar si existe una diferencia significativa en los niveles
variable en estudio. promedio de colesterol total (mg/dL) entre tres grupos de pacientes
Los grupos son independientes porque los datos de cada grupo no están sometidos a diferentes tratamientos (A, B y C) durante un mes.
relacionados entre sí, y típicamente representan diferentes categorías, 1. Planteamiento de hipótesis
tratamientos o condiciones experimentales. •Hipótesis nula (H0): Los niveles promedio de
Casos Comunes de Aplicación colesterol total son iguales en los tres grupos.
[Link] Paramétricas: H0:μA=μB=μC
1. ANOVA de una vía: Utilizada cuando la variable dependiente es •Hipótesis alternativa (H1): Al menos uno de los
cuantitativa, los datos son normales, y las varianzas son homogéneas. grupos tiene un nivel promedio de colesterol
Ejemplo: Comparar el nivel promedio de colesterol entre pacientes diferente.
sometidos a tres a más tratamientos diferentes. 2. Datos concretos
[Link] No Paramétricas:
•Grupo A: xA=[190,195,200,205,210]
1. Prueba de Kruskal-Wallis: Usada cuando los datos no cumplen con los
supuestos de normalidad o la variable dependiente es ordinal. Ejemplo: •Grupo B: xB=[180,185,190,195,200]
Comparar la percepción del dolor (en una escala de 0 a 10) entre •Grupo C: xC=[170,175,180,185,190]
pacientes tratados con tres o más diferentes analgésicos.
Tamaño de muestra: nA=nB=nC=5n.
HIPOTESIS DE K MUESTRAS
INDEPENDIENTES
Caso Paramétrico: ANOVA de una vía
4. Selección de la prueba
Se usa ANOVA de una vía porque:
•La variable dependiente (colesterol) es cuantitativa.
•La variable independiente (tratamiento) es categórica con k=3 niveles.
•Los datos siguen una distribución normal.
•Las varianzas son homogéneas.
7. Conclusión
Existe una diferencia significativa en los niveles promedio de colesterol
entre los tratamientos (p<0.05).
HIPOTESIS DE K MUESTRAS
INDEPENDIENTES
1
Caso Paramétrico: ANOVA de una vía
2
4
3
5
1. Realizamos los Supuestos básicos:
•Los datos siguen una distribución normal:
Analizar – Estadisticos Descriptivos – Explorar --
•Las varianzas son homogéneas: Interpretación: Cuando en ambas pruebas o supuestos básicos cumple con el requisito
Analizar – comparar Medias – Anova de un factor -- donde los valores de Significancia (Sig.) son mayores de 0.05 se concluye que el
estadistico a aplicar debe de ser paramétrico (T de Student), basta que un no cumpla se
aplicaría una prueba No paramétrica (Kruskal Wallis).
HIPOTESIS DE K MUESTRAS
INDEPENDIENTES
1
3
Caso Paramétrico: ANOVA de una vía
Cuando el valor Sig. es menor de 0.05; se concluye que se acepta la
hipotesis alterna lo que significa que si existe diferencia entre los
grupos, con un efecto elevado superior del 14%; las comparaciones
múltiples busca combinas que grupos son significativos esto es
cuando son menores de 0.05.
4
2
5
HIPOTESIS DE K MUESTRAS
INDEPENDIENTES
Caso No Paramétrico: Prueba de Kruskal-Wallis
CASO
Queremos evaluar si hay diferencias significativas en la percepción de dolor
(escala ordinal de 0-10) entre tres grupos de pacientes tratados con diferentes
analgésicos (A, B y C).
1. Planteamiento de hipótesis
•Hipótesis nula (H0): Las distribuciones del dolor son iguales en los tres grupos.
•Hipótesis alternativa (H1): Al menos uno de los grupos tiene una distribución diferente.
2. Datos concretos 3. Selección de la prueba
•Grupo A: xA=[3,4,5,6,4]] Usamos la prueba de Kruskal-Wallis, ya que:
•Grupo B: xB=[6,7,8,7,6] •La variable dependiente (dolor) es ordinal.
•Grupo C: xC=[7,8,9,8,7] •Los grupos son independientes.
•No se asume normalidad.
4. Nivel de significancia α=0.05.
HIPOTESIS DE K MUESTRAS
INDEPENDIENTES
Caso No Paramétrico: Prueba de Kruskal-Wallis
3
5
1
4
Cuando el valor Sig. es mayor de 0.05; se concluye que se
acepta la hipotesis Nula lo que significa que no existe
diferencia entre los grupos, los grupos no presentan
ninguna diferencia al dolor con los analgésicos dados.
2
APLIQUEMOS LO
APRENDIDO
ACTIVIDAD
Para 2 muestras y K muestras
MUCHAS GRACIAS¡¡¡¡
Dr. Calderón Yarlequé Luis Alberto
Docente
