CICLO 2011-II Mdulo: II

Unidad: V Semana: 8

ESTADISTICA

Mg. Eco. Rodrigo Sarmiento Llamosas

ESTADISTICA NO PARAMETRICA

ORIENTACIONES En el presente tema se demuestra los casos en los que se usa la Chicuadrada, en investigaciones que corresponden a muestras independientes y las mediciones se tienen en escala nominal

Prueba (Ji cuadrada) de Pearson

Cuando las observaciones de una investigacin corresponden a muestras independientes y las mediciones se tienen en escala nominal, la prueba de ji cuadrada es el procedimiento de eleccin para el contraste de hiptesis

Prueba (Ji cuadrada) de Pearson

La prueba de Pearson es considerada como una prueba no paramtrica que mide la discrepancia entre una distribucin observada y otra terica (bondad de ajuste), indicando en qu medida las diferencias existentes entre ambas, de haberlas, se deben al azar en el contraste de hiptesis.

Prueba (Ji cuadrada) de Pearson

Tambin se utiliza para probar la independencia de dos variables entre s, mediante la presentacin de los datos en tablas de contingencia.

Prueba (Ji cuadrada) de Pearson

La frmula que da el estadstico es la siguiente:

Cuanto mayor sea el valor de 2, menos verosmil es que la hiptesis sea correcta. De la misma forma, cuanto ms se aproxima a cero el valor de chi-cuadrado, ms ajustadas estn ambas distribuciones.

Prueba (Ji cuadrada) de Pearson

Los grados de libertad gl vienen dados por : gl= (r-1)(k-1).

Donde r es el nmero de filas y k el de columnas.

Prueba (Ji cuadrada) de Pearson

Criterio de decisin: Se acepta H0 cuando . en caso contrario se rechaza. Donde t representa el valor proporcionado por las tablas, segn el nivel de significacin estadstica elegido. .

Prueba (Ji cuadrada) de Pearson

Funcin de densidad de probabilidad

Prueba (Ji cuadrada) de Pearson Porqu los administradores deben tener conocimientos sobre estadstica no paramtrica? Estas pruebas, se usan ampliamente en las aplicaciones de negocios, lo que demuestra la importancia de la habilidad para manejar datos categricos o jerarquizados adems de los cuantitativos.

Prueba (Ji cuadrada) de Pearson Existen otras muchas pruebas estadsticas diseadas para situaciones en las que no se cumplen las suposiciones crticas o que involucran datos cuantitativos o categricos. Los analistas que manejan estos datos deben familiarizarse con libros que abordan tales pruebas, conocidas comnmente como pruebas estadsticas no paramtricas.

Prueba (Ji cuadrada) de Pearson Qu ocurre con las pruebas no paramtricas frente a las que si lo son?

Las pruebas no paramtricas no necesitan suposiciones respecto a la composicin de los datos poblacionales.

Prueba (Ji cuadrada) de Pearson Las pruebas no paramtricas son de uso comn:
1.- Cuando no se cumplen las suposiciones requeridas por otras tcnicas usadas, por lo general llamadas pruebas paramtricas. 2.- Cuando es necesario usar un tamao de muestra pequeo y no es posible verificar que se cumplan ciertas suposiciones clave. 3.- Cuando se necesita convertir datos cualitativos a informacin til para la toma de decisiones. .

Prueba (Ji cuadrada) de Pearson Las pruebas no paramtricas tienen varias ventajas sobre las pruebas paramtricas: 1.- Por lo general, son fciles de usar y entender. 2.- Eliminan la necesidad de suposiciones restrictivas de las pruebas paramtricas. 3.- Se pueden usar con muestras pequeas. 4.- Se pueden usar con datos cualitativos.
.

Prueba (Ji cuadrada) de Pearson Tambin las pruebas no paramtricas tienen desventajas: 1.- A veces, ignoran, desperdician o pierden informacin. 2.- No son tan eficientes como las paramtricas. 3.- Llevan a una mayor probabilidad de no rechazar una hiptesis nula falsa (incurriendo en un error de tipo II).

Prueba (Ji cuadrada) de Pearson Las pruebas no paramtricas son pruebas estadsticas que no hacen suposiciones sobre la constitucin de los datos de la poblacin. Por lo general, las pruebas paramtricas son mas poderosas que las pruebas no paramtricas y deben usarse siempre que sea posible.

Prueba (Ji cuadrada) de Pearson Es importante observar, que aunque las pruebas no paramtricas no hacen suposiciones sobre la distribucin de la poblacin que se muestrea, muchas veces se apoyan en distribuciones muestrales como la normal o la ji cuadrada

Prueba (Ji cuadrada) de Pearson EJEMPLO:

Determinar si hay diferencias en las ventas de 6 vendedores. Establecimiento de hiptesis y nivel de significancia Ho = no hay diferencias Ha = hay diferencias entre vendedores Nivel de significancia 0.05 (igual a la probalidad de cometer el error tipo I) El estadstico de prueba elegido es: X2 = (fo fe)2 fe

Prueba (Ji cuadrada) de Pearson EJEMPLO: Niveles de ventas

Unidades Unidades de Venta Vendedor vendidas esperada A 13 20 B 33 20 C 14 20 D 7 20 E 36 20 F 17 20 Total 120 120

Prueba (Ji cuadrada) de Pearson EJEMPLO:

Regla de decisin Con k 1 grados de libertad, donde: k= nmero de categoras Fo = frecuencia observada en una categora determinada Fe = frecuencia esperada en una categora determinada El valor crtico se determina por los grados de libertad: gl = 6 1 = 5, para el nivel de significancia de 0.05. En la tabla equivale a 11.070

Prueba (Ji cuadrada) de Pearson Tabla Chi -cuadrada

Prueba (Ji cuadrada) de Pearson EJEMPLO:

Calculo del valor de Ji cuadrada:
Vendedor A B C D E F Total fo 13 33 14 7 36 17 120 fe 20 20 20 20 20 20 120 fo - fe (fo - fe)2 (fo - fe)2/ fe

Prueba (Ji cuadrada) de Pearson EJEMPLO:

Calculo del valor de Ji cuadrada:
Vendedor A B C D E F Total fo 13 33 14 7 36 17 120 fe 20 20 20 20 20 20 120 fo - fe -7 13 -6 -13 16 -3 0 (fo - fe)2 (fo - fe)2/ fe

Prueba (Ji cuadrada) de Pearson EJEMPLO:

Calculo del valor de Ji cuadrada:
Vendedor A B C D E F Total fo 13 33 14 7 36 17 120 fe 20 20 20 20 20 20 120 fo - fe -7 13 -6 -13 16 -3 0 (fo - fe)2 49 169 36 169 256 9 688 (fo - fe)2/ fe

Prueba (Ji cuadrada) de Pearson EJEMPLO:

Calculo del valor de Ji cuadrada:
Vendedor A B C D E F Total fo 13 33 14 7 36 17 120 fe 20 20 20 20 20 20 120 fo - fe -7 13 -6 -13 16 -3 0 (fo - fe)2 49 169 36 169 256 9 688 X2 = (fo - fe)2/ fe 2,45 8,45 1,8 8,45 12,8 0,45 34,4

Prueba (Ji cuadrada) de Pearson EJEMPLO:

La X2 es 34.40 est en el rea de rechazo, ms all del valor crtico de 11.070, para = 0.05

11.070

34.40

Prueba (Ji cuadrada) de Pearson EJEMPLO: Toma de decisin

En consecuencia, la decisin es rechazar Ho al nivel 0.05 y acepta Ha. La diferencia entre las frecuencias observadas y las esperadas, no se debe a la casualidad. Ms bien, las discrepancias entre fo y fe son lo suficientemente grandes como para ser consideradas significativas. La posibilidad de que estas diferencias se deban al muestreo es muy peque a. Por lo que se concluye que no es probable que las ventas de los seis vendedores sean iguales.

Prueba X2 (ji cuadrada) de Pearson para dos y ms muestras independientes

Prueba X2 (ji cuadrada) de Pearson para dos y ms muestras independientes La eficacia de la prueba no se ha determinado con exactitud; sin embargo, a medida que el tamao de la muestra aumenta, el valor de probabilidad de error para aceptar hiptesis alternas (Ha o Ho) se acerca a 1. En sentido opuesto, cuando el nmero de la muestra es menor que 20, se pierde eficacia

Prueba X2 (ji cuadrada) de Pearson para dos y ms muestras independientes En estas condiciones, es conveniente no aplicar la prueba de ji cuadrada, pero existen alternativas. a)Si en el modelo experimental se tiene una tabla de contingencias de 2 X 2 y la muestra total es menor a 20 e incluye cero en alguna casilla, la prueba estadstica aconsejable ser la de probabilidad exacta de Fischer y Yates.

Prueba X2 (ji cuadrada) de Pearson para dos y ms muestras independientes

b) Con grupos mltiples, pero con frecuencias pequeas, menores que cinco, se recomienda usar la prueba de ji cuadrada de proporciones.

Prueba X2 (ji cuadrada) de Pearson para dos y ms muestras independientes

Las dos alternativas propuestas aumentan notoriamente la eficacia con muestras de tamao pequeo y se limita la probabilidad de cometer el error del tipo I.

Prueba X2 (ji cuadrada) de Pearson para dos y ms muestras independientes

La frmula es:
o simplemente:

X2 = (fo fe)2 fe
Donde: X2 = valor estadstico de ji cuadrada. fo = frecuencia observada. fe = frecuencia esperada.

Prueba X2 (ji cuadrada) de Pearson para dos y ms muestras independientes

Pasos:
 Arreglar las observaciones en una tabla de contingencias.  Determinar el valor terico de las frecuencias para cada casilla.  Calcular las diferencias entre los valores observados con respecto a los tericos de cada casilla.

Prueba X2 (ji cuadrada) de Pearson para dos y ms muestras independientes

Pasos:
 Elevar al cuadrado las diferencias y dividirlas entre el valor terico de la casilla correspondiente.  Obtener la sumatoria de los valores anteriores, que es el estadstico X2.  Calcular los grados de libertad (gl): gl = (K columnas -1) [H hileras -1].

Prueba X2 (ji cuadrada) de Pearson para dos y ms muestras independientes

Pasos:
 El valor de X2 se compara con los valores crticos de ji cuadrada de la tabla de valores crticos de X2 y de acuerdo con los grados de libertad, y se determina la probabilidad.  Decidir si se acepta o rechaza la hiptesis X2c > X2t se rechaza Ho.

Prueba X2 (ji cuadrada) de Pearson para dos y ms muestras independientes

Pasos:
 El valor de X2 se compara con los valores crticos de ji cuadrada de la tabla de valores crticos de X2 y de acuerdo con los grados de libertad, y se determina la probabilidad.  Decidir si se acepta o rechaza la hiptesis X2c > X2t se rechaza Ho.

ACTIVIDADES DE INVESTIGACIN SUGERIDAS EJERCICIOS EN EXCEL

GRACIAS