SlideShare une entreprise Scribd logo
1  sur  17
PRUEBAS NO PARAMÉTRICAS 
*Son pruebas que no se ajustan a una o 
más de las características distintivas de los 
contrastes paramétricos. 
*En general se aplican en un nivel 
matemático elemental. 
*No suponen la/s forma/s de distribución 
poblacional.
Ejemplo de una pruebas no paramétrica 
Prueba de c ² 
Se basa en la comparación de frecuencias obteni-das 
con frecuencias teóricas. 
Distribución probabilística de c ²
Características de la distribución de c ² 
Toma valores no negativos; No es simétrica; Forma 
una familia de distribuciones según diferentes gra-dos 
de libertad. 
Los grados de libertad reflejan el número de 
observaciones que pueden variar después que se 
establecieron ciertas restricciones inherentes a la 
organización de los datos.
a) c² como Prueba de bondad de 
adaptación a una distribución uniforme 
Ejemplo 
Hipótesis de investigación: Hay una tendencia en la 
opinión de los operarios de la fábrica “X” con 
respecto a un cambio en la programación de los 
horarios de trabajo.
Datos, prueba estadística, estadístico de contraste 
Opinión Favorable Indiferente Desfavorable 
Fo 22 26 42 
Fe 30 30 30 
Ho: F1 = F2 =F3 
Ha: F1, F2 y F3 no son todas iguales 
• Prueba elegida: Prueba de c² de bondad de adaptación 
a una distribución uniforme. 
• Estadístico de contraste 
c 
c² = Σ(Foi - Fei )² / Fei 
i =1
Supuestos de la prueba 
• La probabilidad de que una observación 
pertenezca a cada una de las categorías de la 
variable se mantiene constante en las n 
extracciones. 
• Todas las frecuencias observadas son mayores 
que cero (no hay casillas vacías) y no más del 
20% de las esperadas es menor que 5. 
• Nivel de medición: Escala nominal
gl, a , zona de rechazo de Ho, 
cálculo de c ² 
• gl= (c-1) 
• Nivel de significación: a= 0,05 
• Zona de rechazo de Ho: Área correspon-diente 
a a 
• Cálculo del estadístico de contraste 
c²=(22-30)²/30 + (26-30)²/30 + (42-30)²/30=7,46
Decisión 
Para el ejemplo dado: a=0,05 y 2 gl, c²crítico=5,99 
c² obtenido es mayor que 5,99. Se rechaza Ho 
c ² =5,99
b) c ² como prueba de independencia 
Ejemplo 
Hipótesis de investigación 
Hay relación entre la opinión de los empleados 
acerca de un cambio de horario laboral y el 
turno en el que realizan sus tareas.
Datos 
Opinión de una muestra de empleados 
Frecuencias observadas 
Opinión (X) 
Turno │ De acuerdo Indiferente En desac.│ Total 
Mañana│ 3 14 8 │ 25 
Tarde │ 7 8 4 │ 19 
Total │ 10 22 12 │ 44 
Ho: Las variables X e Y son independientes 
Ha: Las variables X e Y están relacionadas
Estadístico de contraste (c²) 
f c 
c ² = Σ Σ(Foij – Feij )² / Feij 
i=1 j=1 
Foij: Cada frecuencia observada 
Feij: Cada frecuencia esperada 
*Supuestos de la prueba 
• Muestra aleatoria de n observaciones, clasificada en 
todas las casillas. 
• La probabilidad de que una observación pertenezca a 
cada una de las casillas se mantiene constante en 
todas las n extracciones. Fo > 0 ; no más del 20% de 
las Fe < 5. 
*Nivel de medición: Dos escalas nominales 
*Grados de libertad: (c-1)(f-1)
Frecuencias esperadas 
•Fe= (Subtotal de línea x subtotal de columna)/ N 
•Ejemplos para la tabla anterior: 
•Fo= 3 → Fe= (10x19)/44 = 4,32 
•Fo=8 → Fe= (22x19)/44= 9,50
gl, a, zona de rechazo de Ho, decisión 
Para el ejemplo dado: a=0,05 y 2 gl, c²crítico=5,99 
Zona de rechazo de Ho: Área correspondiente a a. Si c² 
obtenido es igual o mayor que 5,99 se rechaza Ho 
c ² =5,99
c) Prueba de la Mediana 
Ejemplo: En un colegio secundario un profesor sostiene que 
varones y mujeres tienen diferente rendimiento académico en 
Literatura. 
Datos: Clasificaciones obtenidas por dos muestras de alumnos. 
n1= 21; n2: 19; n=40 
Clasificaciones │ Grupo 1 (V) │ Grupo 2 (M)│ 
Por encima de Md comb. │ 13 A│B 7 │ 
Por debajo de Md comb. │ 8 C│D 12 │ 
Ho: Md poblacional 1 = Md poblacional 2 
Ha: Md poblacional 1 ≠ Md poblacional 2
Supuestos de la Prueba de la Md 
* Muestras aleatorias independientes. 
* Fo > 0; no más del 20% de Fe < 5. 
* Nivel de medición: Los datos deben estar, por 
lo menos, en una escala ordinal. 
Estadístico de contraste: c ² 
n ( ad – bc )² 
• c² = ------------------------------------ Cuando n≥100 
(a+b) (c+d ) (a+c) (b+d) 
n (│ad – bc│- n / 2 )² 
• c²= ------------------------------------ Cuando n<100 
(a+b) (c+d) (a+c) (b+d)
Grados de libertad. Nivel de significación 
Zona de rechazo de Ho 
gl=(c-1)(f-1) 
Para el ejemplo dado 
•gl = 1 
"a =0,05 
•Zona de rechazo de Ho: Área correspon-diente 
a a.
Decisión 
c²crítico = 3,84 
Para a= 0,05 y gl = 1, si c² es igual o mayor que 3,84 se rechaza Ho 
c²=3,84

Contenu connexe

Tendances

Pruebas de bondad de ajuste
Pruebas de bondad de ajustePruebas de bondad de ajuste
Pruebas de bondad de ajuste
Carlos Becerra
 
Fundamentos De Muestreo Y Estadistica Inferencial
Fundamentos De  Muestreo Y Estadistica InferencialFundamentos De  Muestreo Y Estadistica Inferencial
Fundamentos De Muestreo Y Estadistica Inferencial
Luis Baquero
 
TÉCNICAS DE MUESTREO
TÉCNICAS DE MUESTREOTÉCNICAS DE MUESTREO
TÉCNICAS DE MUESTREO
HOTELES2
 
Diseño completalmente aleatorio 1
Diseño completalmente aleatorio 1Diseño completalmente aleatorio 1
Diseño completalmente aleatorio 1
Carmelo Perez
 

Tendances (20)

Regresion Y Correlacion
Regresion Y CorrelacionRegresion Y Correlacion
Regresion Y Correlacion
 
Presentación ANOVA
Presentación ANOVAPresentación ANOVA
Presentación ANOVA
 
Capítulo 10 análisis de los datos cuantitativos
Capítulo 10 análisis de los datos cuantitativosCapítulo 10 análisis de los datos cuantitativos
Capítulo 10 análisis de los datos cuantitativos
 
Distribucion Chi Cuadrada
Distribucion Chi CuadradaDistribucion Chi Cuadrada
Distribucion Chi Cuadrada
 
Pruebas de bondad de ajuste
Pruebas de bondad de ajustePruebas de bondad de ajuste
Pruebas de bondad de ajuste
 
Pruebas parametricas y no parametricas
Pruebas parametricas y no parametricasPruebas parametricas y no parametricas
Pruebas parametricas y no parametricas
 
Fundamentos De Muestreo Y Estadistica Inferencial
Fundamentos De  Muestreo Y Estadistica InferencialFundamentos De  Muestreo Y Estadistica Inferencial
Fundamentos De Muestreo Y Estadistica Inferencial
 
Distribuciones Muestrales I ccesa007
Distribuciones Muestrales I ccesa007Distribuciones Muestrales I ccesa007
Distribuciones Muestrales I ccesa007
 
Series de tiempo
Series de tiempoSeries de tiempo
Series de tiempo
 
Prueba u de mann-whitney
Prueba u de mann-whitneyPrueba u de mann-whitney
Prueba u de mann-whitney
 
Jaque Bera
Jaque BeraJaque Bera
Jaque Bera
 
TÉCNICAS DE MUESTREO
TÉCNICAS DE MUESTREOTÉCNICAS DE MUESTREO
TÉCNICAS DE MUESTREO
 
Trabajo contraste de hipotesis
Trabajo contraste de hipotesisTrabajo contraste de hipotesis
Trabajo contraste de hipotesis
 
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
 
Muestreo
MuestreoMuestreo
Muestreo
 
Análisis de la varianza
Análisis de la varianzaAnálisis de la varianza
Análisis de la varianza
 
Mapa conceptual, distribuciones muestrales y estimacion
Mapa conceptual, distribuciones muestrales y estimacionMapa conceptual, distribuciones muestrales y estimacion
Mapa conceptual, distribuciones muestrales y estimacion
 
Concordancia y Correlación estadísticas
Concordancia y Correlación estadísticasConcordancia y Correlación estadísticas
Concordancia y Correlación estadísticas
 
Diseño completalmente aleatorio 1
Diseño completalmente aleatorio 1Diseño completalmente aleatorio 1
Diseño completalmente aleatorio 1
 
Pruebas de hipotesis
Pruebas de hipotesisPruebas de hipotesis
Pruebas de hipotesis
 

Similaire à PowerPoint - Tema: Pruebas No Parametricas

Prueba no paramétrica ch2estadisticai iuss.2010
Prueba no paramétrica ch2estadisticai iuss.2010Prueba no paramétrica ch2estadisticai iuss.2010
Prueba no paramétrica ch2estadisticai iuss.2010
svasquezr
 
Investigacion hipotesis (ji) rest 1
Investigacion hipotesis (ji) rest 1Investigacion hipotesis (ji) rest 1
Investigacion hipotesis (ji) rest 1
guest0e7a0f7
 
Investigacion hipotesis (ji) rest 1
Investigacion hipotesis (ji) rest 1Investigacion hipotesis (ji) rest 1
Investigacion hipotesis (ji) rest 1
guest0e7a0f7
 
Tarea ejemplos distribución chi cuadrado, ingrid alcayaga y rocío eyzaguirre
Tarea ejemplos distribución chi cuadrado, ingrid alcayaga y rocío eyzaguirreTarea ejemplos distribución chi cuadrado, ingrid alcayaga y rocío eyzaguirre
Tarea ejemplos distribución chi cuadrado, ingrid alcayaga y rocío eyzaguirre
ONG Institute
 

Similaire à PowerPoint - Tema: Pruebas No Parametricas (20)

Pruebas Paramétricas
Pruebas Paramétricas Pruebas Paramétricas
Pruebas Paramétricas
 
Pruebas de bondad de ajuste vfinal
Pruebas de bondad de ajuste vfinalPruebas de bondad de ajuste vfinal
Pruebas de bondad de ajuste vfinal
 
Capitulo 04. Medidas de Variabilidad (2).pdf
Capitulo 04. Medidas de Variabilidad (2).pdfCapitulo 04. Medidas de Variabilidad (2).pdf
Capitulo 04. Medidas de Variabilidad (2).pdf
 
La prueba anova1
La prueba  anova1La prueba  anova1
La prueba anova1
 
ANOVA.ppt
ANOVA.pptANOVA.ppt
ANOVA.ppt
 
Anova 3
Anova 3Anova 3
Anova 3
 
Prueba no paramétrica ch2estadisticai iuss.2010
Prueba no paramétrica ch2estadisticai iuss.2010Prueba no paramétrica ch2estadisticai iuss.2010
Prueba no paramétrica ch2estadisticai iuss.2010
 
ANOVA DE UNO Y DOS FACTORES.pptx
ANOVA DE UNO Y DOS FACTORES.pptxANOVA DE UNO Y DOS FACTORES.pptx
ANOVA DE UNO Y DOS FACTORES.pptx
 
Aplicaciones de la chicuadrada.ppt
Aplicaciones de la chicuadrada.pptAplicaciones de la chicuadrada.ppt
Aplicaciones de la chicuadrada.ppt
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
 
Compilacion econometria con Eviews
Compilacion econometria con EviewsCompilacion econometria con Eviews
Compilacion econometria con Eviews
 
Anova
AnovaAnova
Anova
 
Exposicion unida metodo taguchi
Exposicion unida metodo taguchiExposicion unida metodo taguchi
Exposicion unida metodo taguchi
 
Investigacion hipotesis (ji) rest 1
Investigacion hipotesis (ji) rest 1Investigacion hipotesis (ji) rest 1
Investigacion hipotesis (ji) rest 1
 
Investigacion hipotesis (ji) rest 1
Investigacion hipotesis (ji) rest 1Investigacion hipotesis (ji) rest 1
Investigacion hipotesis (ji) rest 1
 
Estadistica aplicada
Estadistica aplicadaEstadistica aplicada
Estadistica aplicada
 
Efinal2009-I
Efinal2009-IEfinal2009-I
Efinal2009-I
 
Estadistica para la investigación (sesión9)
Estadistica para la investigación (sesión9)Estadistica para la investigación (sesión9)
Estadistica para la investigación (sesión9)
 
Mic sesión 13
Mic sesión 13Mic sesión 13
Mic sesión 13
 
Tarea ejemplos distribución chi cuadrado, ingrid alcayaga y rocío eyzaguirre
Tarea ejemplos distribución chi cuadrado, ingrid alcayaga y rocío eyzaguirreTarea ejemplos distribución chi cuadrado, ingrid alcayaga y rocío eyzaguirre
Tarea ejemplos distribución chi cuadrado, ingrid alcayaga y rocío eyzaguirre
 

Plus de Mauricio Gramajo Zoireff

Resumen Organización y Presentación de Datos
Resumen Organización y Presentación de DatosResumen Organización y Presentación de Datos
Resumen Organización y Presentación de Datos
Mauricio Gramajo Zoireff
 

Plus de Mauricio Gramajo Zoireff (13)

PowerPoint - Tema: Prueba de Hipotesis
PowerPoint - Tema: Prueba de HipotesisPowerPoint - Tema: Prueba de Hipotesis
PowerPoint - Tema: Prueba de Hipotesis
 
Estimación de parámetros para muestras pequeñas
Estimación de parámetros para muestras pequeñasEstimación de parámetros para muestras pequeñas
Estimación de parámetros para muestras pequeñas
 
Estimación de parámetros para muestras grandes
Estimación de parámetros para muestras grandes Estimación de parámetros para muestras grandes
Estimación de parámetros para muestras grandes
 
2. Muestreo, Tipos de muestreo 2014
2. Muestreo, Tipos de muestreo 20142. Muestreo, Tipos de muestreo 2014
2. Muestreo, Tipos de muestreo 2014
 
1. Estadística Inferencial en Psicología 2014
1. Estadística Inferencial en Psicología 20141. Estadística Inferencial en Psicología 2014
1. Estadística Inferencial en Psicología 2014
 
Resumen Curva Normal
Resumen Curva NormalResumen Curva Normal
Resumen Curva Normal
 
Resumen Clase Correlación
Resumen Clase CorrelaciónResumen Clase Correlación
Resumen Clase Correlación
 
Resumen Medidas de Posición
Resumen Medidas de PosiciónResumen Medidas de Posición
Resumen Medidas de Posición
 
Resumen Organización y Presentación de Datos
Resumen Organización y Presentación de DatosResumen Organización y Presentación de Datos
Resumen Organización y Presentación de Datos
 
Resumen Medidas de Variabilidad
Resumen Medidas de VariabilidadResumen Medidas de Variabilidad
Resumen Medidas de Variabilidad
 
Resumen Medidas de Tendencia Central
Resumen Medidas de Tendencia CentralResumen Medidas de Tendencia Central
Resumen Medidas de Tendencia Central
 
Resumen Clase Introductoria
Resumen Clase IntroductoriaResumen Clase Introductoria
Resumen Clase Introductoria
 
Resumen La Medición en Psicología
Resumen La Medición en PsicologíaResumen La Medición en Psicología
Resumen La Medición en Psicología
 

Dernier

Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
patriciaines1993
 
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
RigoTito
 
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
jlorentemartos
 
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdfNUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
UPTAIDELTACHIRA
 
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
EliaHernndez7
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Fernando Solis
 

Dernier (20)

OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VSOCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
OCTAVO SEGUNDO PERIODO. EMPRENDIEMIENTO VS
 
origen y desarrollo del ensayo literario
origen y desarrollo del ensayo literarioorigen y desarrollo del ensayo literario
origen y desarrollo del ensayo literario
 
Biografía de Charles Coulomb física .pdf
Biografía de Charles Coulomb física .pdfBiografía de Charles Coulomb física .pdf
Biografía de Charles Coulomb física .pdf
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
 
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
2 REGLAMENTO RM 0912-2024 DE MODALIDADES DE GRADUACIÓN_.pptx
 
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptxLA LITERATURA DEL BARROCO 2023-2024pptx.pptx
LA LITERATURA DEL BARROCO 2023-2024pptx.pptx
 
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
 
Revista Apuntes de Historia. Mayo 2024.pdf
Revista Apuntes de Historia. Mayo 2024.pdfRevista Apuntes de Historia. Mayo 2024.pdf
Revista Apuntes de Historia. Mayo 2024.pdf
 
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdfNUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
NUEVAS DIAPOSITIVAS POSGRADO Gestion Publica.pdf
 
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
 
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
 
SESION DE PERSONAL SOCIAL. La convivencia en familia 22-04-24 -.doc
SESION DE PERSONAL SOCIAL.  La convivencia en familia 22-04-24  -.docSESION DE PERSONAL SOCIAL.  La convivencia en familia 22-04-24  -.doc
SESION DE PERSONAL SOCIAL. La convivencia en familia 22-04-24 -.doc
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
 
Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024
 
Sesión de clase: Fe contra todo pronóstico
Sesión de clase: Fe contra todo pronósticoSesión de clase: Fe contra todo pronóstico
Sesión de clase: Fe contra todo pronóstico
 
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLAACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
ACERTIJO DE POSICIÓN DE CORREDORES EN LA OLIMPIADA. Por JAVIER SOLIS NOYOLA
 
Los avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtualesLos avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtuales
 
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdfFeliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
 
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
 
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICABIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
BIOMETANO SÍ, PERO NO ASÍ. LA NUEVA BURBUJA ENERGÉTICA
 

PowerPoint - Tema: Pruebas No Parametricas

  • 1. PRUEBAS NO PARAMÉTRICAS *Son pruebas que no se ajustan a una o más de las características distintivas de los contrastes paramétricos. *En general se aplican en un nivel matemático elemental. *No suponen la/s forma/s de distribución poblacional.
  • 2. Ejemplo de una pruebas no paramétrica Prueba de c ² Se basa en la comparación de frecuencias obteni-das con frecuencias teóricas. Distribución probabilística de c ²
  • 3. Características de la distribución de c ² Toma valores no negativos; No es simétrica; Forma una familia de distribuciones según diferentes gra-dos de libertad. Los grados de libertad reflejan el número de observaciones que pueden variar después que se establecieron ciertas restricciones inherentes a la organización de los datos.
  • 4. a) c² como Prueba de bondad de adaptación a una distribución uniforme Ejemplo Hipótesis de investigación: Hay una tendencia en la opinión de los operarios de la fábrica “X” con respecto a un cambio en la programación de los horarios de trabajo.
  • 5. Datos, prueba estadística, estadístico de contraste Opinión Favorable Indiferente Desfavorable Fo 22 26 42 Fe 30 30 30 Ho: F1 = F2 =F3 Ha: F1, F2 y F3 no son todas iguales • Prueba elegida: Prueba de c² de bondad de adaptación a una distribución uniforme. • Estadístico de contraste c c² = Σ(Foi - Fei )² / Fei i =1
  • 6. Supuestos de la prueba • La probabilidad de que una observación pertenezca a cada una de las categorías de la variable se mantiene constante en las n extracciones. • Todas las frecuencias observadas son mayores que cero (no hay casillas vacías) y no más del 20% de las esperadas es menor que 5. • Nivel de medición: Escala nominal
  • 7. gl, a , zona de rechazo de Ho, cálculo de c ² • gl= (c-1) • Nivel de significación: a= 0,05 • Zona de rechazo de Ho: Área correspon-diente a a • Cálculo del estadístico de contraste c²=(22-30)²/30 + (26-30)²/30 + (42-30)²/30=7,46
  • 8. Decisión Para el ejemplo dado: a=0,05 y 2 gl, c²crítico=5,99 c² obtenido es mayor que 5,99. Se rechaza Ho c ² =5,99
  • 9. b) c ² como prueba de independencia Ejemplo Hipótesis de investigación Hay relación entre la opinión de los empleados acerca de un cambio de horario laboral y el turno en el que realizan sus tareas.
  • 10. Datos Opinión de una muestra de empleados Frecuencias observadas Opinión (X) Turno │ De acuerdo Indiferente En desac.│ Total Mañana│ 3 14 8 │ 25 Tarde │ 7 8 4 │ 19 Total │ 10 22 12 │ 44 Ho: Las variables X e Y son independientes Ha: Las variables X e Y están relacionadas
  • 11. Estadístico de contraste (c²) f c c ² = Σ Σ(Foij – Feij )² / Feij i=1 j=1 Foij: Cada frecuencia observada Feij: Cada frecuencia esperada *Supuestos de la prueba • Muestra aleatoria de n observaciones, clasificada en todas las casillas. • La probabilidad de que una observación pertenezca a cada una de las casillas se mantiene constante en todas las n extracciones. Fo > 0 ; no más del 20% de las Fe < 5. *Nivel de medición: Dos escalas nominales *Grados de libertad: (c-1)(f-1)
  • 12. Frecuencias esperadas •Fe= (Subtotal de línea x subtotal de columna)/ N •Ejemplos para la tabla anterior: •Fo= 3 → Fe= (10x19)/44 = 4,32 •Fo=8 → Fe= (22x19)/44= 9,50
  • 13. gl, a, zona de rechazo de Ho, decisión Para el ejemplo dado: a=0,05 y 2 gl, c²crítico=5,99 Zona de rechazo de Ho: Área correspondiente a a. Si c² obtenido es igual o mayor que 5,99 se rechaza Ho c ² =5,99
  • 14. c) Prueba de la Mediana Ejemplo: En un colegio secundario un profesor sostiene que varones y mujeres tienen diferente rendimiento académico en Literatura. Datos: Clasificaciones obtenidas por dos muestras de alumnos. n1= 21; n2: 19; n=40 Clasificaciones │ Grupo 1 (V) │ Grupo 2 (M)│ Por encima de Md comb. │ 13 A│B 7 │ Por debajo de Md comb. │ 8 C│D 12 │ Ho: Md poblacional 1 = Md poblacional 2 Ha: Md poblacional 1 ≠ Md poblacional 2
  • 15. Supuestos de la Prueba de la Md * Muestras aleatorias independientes. * Fo > 0; no más del 20% de Fe < 5. * Nivel de medición: Los datos deben estar, por lo menos, en una escala ordinal. Estadístico de contraste: c ² n ( ad – bc )² • c² = ------------------------------------ Cuando n≥100 (a+b) (c+d ) (a+c) (b+d) n (│ad – bc│- n / 2 )² • c²= ------------------------------------ Cuando n<100 (a+b) (c+d) (a+c) (b+d)
  • 16. Grados de libertad. Nivel de significación Zona de rechazo de Ho gl=(c-1)(f-1) Para el ejemplo dado •gl = 1 "a =0,05 •Zona de rechazo de Ho: Área correspon-diente a a.
  • 17. Decisión c²crítico = 3,84 Para a= 0,05 y gl = 1, si c² es igual o mayor que 3,84 se rechaza Ho c²=3,84