You are on page 1of 24

IM

E

10

43

11

TEMAS SELECTOS DE MATEMATICAS
PARA LA INGENIERIA INDUSTRIAL

P

A

P

PRUEBA NO PARAMÉTRICA
Kruskal-Wallis
M.I. F. Irene Soler Anguiano
Abel W. Reyes Ortiz
Victor M. García V.

AGRADECIMIENTOS

P

A

P

IM

E

10

43

11

Los autores antes mencionados agradecen a DGAPA por
permitirles fortalecer el conocimiento de las herramientas
de la probabilidad y la estadística mediante su colaboración
en el proyecto “Aplicaciones de la estadística de la
ingeniería” PAPIME 104311 debido a que con esta
participación
lograron
una
vinculación
de
sus
conocimientos anteriores y los adquiridos en las clases de
la maestría, para presentarlos en una forma sencilla a
través de este material .didáctico Y a la División de
Ingeniería Mecánica e Industrial por las gestiones hechas
para la consecución de dicho proyecto.
PRUEBA NO PARAMÉTRICA
Kruskal-Wallis

PRUEBA NO PARAMÉTRICA Kruskal-Wallis .43 11 OBJETIVO P A P IM E 10 Este contraste permite decidir si puede aceptarse la hipótesis de que “r” muestras independientes proceden de la misma población o de poblaciones idénticas con la misma mediana.

43 11 OBJETIVO P A P IM E 10 Este contraste permite decidir si puede aceptarse la hipótesis de que “r” muestras independientes proceden de la misma población o de poblaciones idénticas con la misma mediana. PRUEBA NO PARAMÉTRICA Kruskal-Wallis .

Probar si un grupo de datos proviene de la misma población. No requiere supuesto de normalidad. A 3. con los esperados bajo Ho. 43 11 La prueba de Kruskal-Wallis es un Método no paramétrico para: PRUEBA NO PARAMÉTRICA Kruskal-Wallis . P 1. 5.CARACTERÍSTICAS 10 E IM P 6. 4. Es el equivalente a un análisis de varianza de una sola vía. 2. No requiere supuesto de varianzas iguales (homogeneidad de varianzas). Compara esencialmente los rangos promedios observados para las “r” muestras. Se emplea cuando se quieren comparar tres o más poblaciones.

PRUEBA NO PARAMÉTRICA Kruskal-Wallis .PLANTEAMIENTO DE HIPÓTESIS H0: Las poblaciones de las que proceden las tres “r” muestras son idénticas (idéntica mediana) 43 11 • 10 r E H1: Hay al menos dos poblaciones distintas (medianas diferentes)* A P IM • P *No implica que un grupo en concreto sea superior que otro.

ESTADÍSTICO DE PRUEBA Donde: N = total muestras. se rechaza la hipótesis nula . se acepta la hipótesis nula PRUEBA NO PARAMÉTRICA Kruskal-Wallis . A P IM E 10 43 muestra. de datos de las 11 Ri = sumatoria de rangos de cada muestra. ni = número de datos de cada P Regla de decisión Si Si .

6. Calcular estadístico de prueba. P IM E 3. Se ordenan las “n” observaciones de menor a mayor. Planteamiento de hipótesis.PROCEDIMIENTO 11 1. PRUEBA NO PARAMÉTRICA Kruskal-Wallis . Conclusiones. y se les asignan rangos desde 1 hasta “n”. 10 43 2. P A 4. Buscar H en la Tabla de Chi cuadrado. 5. Se obtiene la suma de los rangos correspondientes a los elementos de cada muestra “Ri” y se halla el rango promedio.

IM E Se obtienen las calificaciones de 7 empleados de la escuela A. P A P La calificación de cada gerente está en escala de 0 a 100. Ejemplo 1 PRUEBA NO PARAMÉTRICA Kruskal-Wallis . 6 empleados de la escuela B y 7 empleados de la escuela C.EJEMPLO 1 11 Una EMPRESA MANUFACTURERA solicita y contrata personal para su equipo gerencial en tres escuelas diferentes. 10 43 Se dispone de calificaciones de desempeño en muestras independientes de cada una de las escuelas.

PLANTEAMIENTO DE HIPÓTESIS términos de las 11 en 43 Ho: Las Escuelas son idénticas evaluaciones de desempeño. P A P Con un grado de significancia del 5%. Ejemplo 1 PRUEBA NO PARAMÉTRICA Kruskal-Wallis . IM E 10 H1: Por lo menos una de las Escuelas no es idéntica en términos de las evaluaciones de desempeño.

y se les asignan rangos desde 1 hasta “n”.ORDEN DE DATOS 11 Se ordenan las “n “ observaciones de menor a mayor. Ubicar los rangos asignados de acuerdo a la clasificación original (escuelas) P A P IM E 10 43 Se ordenan las “n” observaciones Ejemplo 1 PRUEBA NO PARAMÉTRICA Kruskal-Wallis .

Ejemplo 1 PRUEBA NO PARAMÉTRICA Kruskal-Wallis .SUMA DE RANGOS P A P IM E 10 43 11 Se obtiene la suma de los rangos (a.c) correspondientes a los elementos de cada muestra Ri y se halla el rango promedio.b.

P A P IM E 10 43 11 CALCULAR ESTADÍSTICO DE PRUEBA Ejemplo 1 PRUEBA NO PARAMÉTRICA Kruskal-Wallis .

se acepta la H0. Ejemplo 1 PRUEBA NO PARAMÉTRICA Kruskal-Wallis . las poblaciones son idénticas en términos de las evaluaciones de desempeño.21 entonces: 10 43 11 Al buscar en la tabla Chi-cuadrado con un grado de significancia de 5%.21 P Por tanto.CONCLUSIONES (1) IM E y como H = 3. es decir. se tiene: 5.991 A P 3.

P A P IM E 10 43 11 OTRA FORMA VALIDACIÓN: BUSCAR H-tab EN LA TABLA DE CHI CUADRADO Ejemplo 1 PRUEBA NO PARAMÉTRICA Kruskal-Wallis .

se acepta la H0.CONCLUSIONES (2) 43 11 Al buscar en la tabla chi-cuadrado (anexa) el resultado que nos arrojo: E = 0. es decir. las poblaciones son idénticas en términos de las evaluaciones de desempeño. Ejemplo 1 PRUEBA NO PARAMÉTRICA Kruskal-Wallis .20 P Por tanto.20 0.05 A P 0.05 entonces: IM y como 10 H-tab = 0.

cuyos resultados son los siguientes: 0.3 R1 0.EJEMPLO 2 A P IM E 10 43 11 En tres regiones europeas se esta determinando el grado (%) de propensión al ahorro de sus habitantes.6 0.4 R2 0. Para verificar si la disposición al ahorro es similar en dichas regiones.7 0.5 R3 0.2 0.1 0 1 Ejemplo 2 2 3 4 5 PRUEBA NO PARAMÉTRICA Kruskal-Wallis . se obtiene una muestra en cada una de las regiones.8 P 0.

IM E 10 H1: Por lo menos una región no es idéntica en términos de propensión al ahorro. Ejemplo 2 PRUEBA NO PARAMÉTRICA Kruskal-Wallis . P A P Con un grado de significancia del 5%.PLANTEAMIENTO DE HIPÓTESIS 43 11 Ho: El grado de propensión al ahorro es el mismo en las tres regiones.

y se les asignan rangos desde 1 hasta “n”.306 Rango 5 9 12 1 4 6 7 11 2 3 8 10 PRUEBA NO PARAMÉTRICA Kruskal-Wallis .204 0.204 0.326 0.326 P Región R2 R3 R3 R2 R1 R2 R2 R3 R1 R3 R2 R1 Ubicar los rangos asignados de acuerdo a la clasificación original (regiones) 43 Se ordenan las “n” observaciones Ahorro 0.112 0.251 0.172 0. Ejemplo 2 Región R1 R1 R1 R2 R2 R2 R2 R2 R3 R3 R3 R3 10 E IM P Rango 1 2 3 4 5 6 7 8 9 10 11 12 A Ahorro 0.14 0.109 0.172 0.ORDEN DE DATOS 11 Se ordenan las “n “ observaciones de menor a mayor.109 0.093 0.112 0.318 0.093 0.14 0.146 0.318 0.146 0.251 0.241 0.241 0.306 0.

318 Suma Rangos Promedio Rangos 10 E IM Rango 5 9 12 26 8. Rango 1 4 6 7 11 29 5.67 P Región Ahorro R1 0.109 R3 0.R3) correspondientes a los elementos de cada muestra Ri y se halla el rango promedio.80 Rango 2 3 8 10 23 5.241 R3 0.14 R2 0.204 R2 0.112 R3 0.SUMA DE RANGOS P A 43 Región Ahorro R3 0.251 R1 0.306 Suma Rangos Promedio Rangos Ejemplo 2 Región Ahorro R2 0.146 R1 0.326 Suma Rangos Promedio Rangos 11 Se obtiene la suma de los rangos (R1.R2.172 R2 0.75 PRUEBA NO PARAMÉTRICA Kruskal-Wallis .093 R2 0.

P A P IM E 10 43 11 CALCULAR ESTADÍSTICO DE PRUEBA Ejemplo 2 PRUEBA NO PARAMÉTRICA Kruskal-Wallis .

se acepta la H0. las poblaciones son idénticas en términos de propensión al ahorro.44 P Por tanto.CONCLUSIONES IM E y como H = 1. es decir.44 entonces: 10 43 11 Al buscar en la tabla Chi-cuadrado con un grado de significancia de 5%.991 A P 1. Ejemplo PRUEBA NO PARAMÉTRICA Kruskal-Wallis . se tiene: 5.

es decir.NOTA P A P IM E 10 43 11 Cuando se producen empates. cuando varias observaciones de la misma o de distintas muestras son iguales SE CALCULA EL PROMEDIO DEL RANGO ASIGNADO. COMO FACTOR DE CORRECCIÓN: Ejemplo PRUEBA NO PARAMÉTRICA Kruskal-Wallis .

Faulin J.González M.González M. Calasanz M. 2ª ed. Comparación de k medias (tres o más grupos). Estadística no paramétrica: aplicada a las ciencias E 10 43 11 • P A P IM de la conducta.BIBLIOGRAFÍA Martínez. • Siegel S. México : Trillas. 2006. España: Díaz de Santos. 3. Tortosa A. En: Martínez. PRUEBA NO PARAMÉTRICA Kruskal-Wallis . Sánchez Villegas A. Ed. 419-496. Bioestadística amigable. 1990.