INFERENCIA ESTADÍSTICA

Unidad 3: Fase 4 - Pruebas no paramétricas

Presentado por:
William Alvarado Cervantes

Grupo:
212064_38

Presentado a:

Hernando Blanquicett

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

INGENIERIA INDUSTRIAL - ECBTI
2020
 Pruebas no paramétricas Características Principales

- Los datos puntualizan a las variables cualitativa (nominal u ordinal)

- Las poblaciones son pequeñas.
- Se desconocen los parámetros media, moda.
Chi-cuadrado
- Se quiere contrastar o comparar hipótesis propuestas.
- Existen investigaciones de tipo social - muestras pequeñas no repre
> a 5 y < a 20

La prueba de Kolmogorov-Smirnov de una muestra es una dócima de

es, se interesa en el grado de acuerdo entre la distribución de un con
muestra y alguna distribución teórica específica. Determina si razonab
que las mediciones muéstrales provengan de una población que teng
En la prueba se compara la distribución de frecuencia acumulativa de
la distribución de frecuencia acumulativa observada. Se determina el
Kolmogorov-Smirnov
distribuciones muestran la mayor divergencia.
Hipótesis Ho: La distribución observada se ajusta a la distribución teó
x.
H1: La distribución observada no se ajusta a la distribución teórica.
También: F(x) ( Ft(x) para algún x F(x): es función desconocida Ft(x):
puede ser por ejemplo la función normal con cierta

La prueba Anova nos permite comparar las medias de r grupos, siend

modelo
Anova presupone que las varianzas de los grupos son iguales y que l
aleatorios,
KrusKal-Wallis independientes e idénticamente distribuidos siguiendo una ley normal
constante. La hipótesis nula de la prueba Anova de un factor es:

H0: Las medias de los k grupos son todas iguales

H1: Al menos una de las medias es diferente

Las distribución Chi cuadrado de contingencia, se derivan de la distrib

relacionadas con la teoría del muestreo pequeño n< 30. Son muy imp
Chi-cuadrado de contingencia de metodologías inferenciales, tales como Intervalos de Confianza y P
otros estudios se les define como la suma de diferencias cuadráticas
experimentales (observados) y valores teóricos (esperados).
 CUADRO COMPARATIVO
Características Principales Cuando s

a) Cuando queremos comprobar

untualizan a las variables cualitativa (nominal u ordinal).
parece adecuada, tiene una deter
ones son pequeñas.
prueba correspondiente se llama
cen los parámetros media, moda.
b) Cuando queremos averiguar si
ontrastar o comparar hipótesis propuestas.
clasificación) son independientes
stigaciones de tipo social - muestras pequeñas no representativas >5 y población
prueba que aplicaremos ser la ch
cuadrado de contingencia

Kolmogorov-Smirnov de una muestra es una dócima de bondad de ajuste. Esto

a en el grado de acuerdo entre la distribución de un conjunto de valores de la
una distribución teórica específica. Determina si razonablemente puede pensarse
ones muéstrales provengan de una población que tenga esa distribución teórica. Se aplica a distribuciones de tipo
se compara la distribución de frecuencia acumulativa de la distribución teórica con Se usa para probar hipótesis ace
de frecuencia acumulativa observada. Se determina el punto en el que estas dos Se basa en calcular las diferencia
muestran la mayor divergencia. frecuencias acumuladas relativas
La distribución observada se ajusta a la distribución teórica. F(x) = Ft(x) para todo clase.

ución observada no se ajusta a la distribución teórica.

( Ft(x) para algún x F(x): es función desconocida Ft(x): es la función teórica. Esta
ejemplo la función normal con cierta

ova nos permite comparar las medias de r grupos, siendo r mayor o igual a 2. El La prueba de Kruskal-Wallis es e
poblaciones cuyas distribuciones
one que las varianzas de los grupos son iguales y que los residuos o errores son no son normales. Incluso cuando
contraste funciona muy bien.
s e idénticamente distribuidos siguiendo una ley normal con media 0 y desviación También es adecuado cuando las
hipótesis nula de la prueba Anova de un factor es: grupos no son iguales entre sí,
sin embargo, el Anova de un facto
as de los k grupos son todas iguales afectado cuando las desviaciones
una de las medias es diferente difieren en gran magnitud.

chi-cuadrado de contingencia, pe
n Chi cuadrado de contingencia, se derivan de la distribución Normal y están
independencia de dos carácteres
con la teoría del muestreo pequeño n< 30. Son muy importantes pues son la base
de chi-cuadrado de contingencia.
as inferenciales, tales como Intervalos de Confianza y Pruebas de Hipótesis. En
una misma población, son X e Y,
se les define como la suma de diferencias cuadráticas relativas entre valores
modalidades o clases de X se de
s (observados) y valores teóricos (esperados).
d1,......,ds.
O COMPARATIVO
Cuando se debe Utilizar Utilidad

Cuando queremos comprobar si una variable, cuya descripción
arece adecuada, tiene una determinada función de probabilidad. La
ueba correspondiente se llama chi-cuadrado de ajuste.
Cuando queremos averiguar si dos variables (o dos vías de
asificación) son independientes estadísticamente. En este caso la
ueba que aplicaremos ser la chi-cuadrado de independencia o chi-
adrado de contingencia
Esta prueba puede utilizarse incluso con dato
nominal. La hipótesis nula de la prueba Chi-c
distribución de probabilidad totalmente espec
matemático de la población que ha generado
Para realizar este contraste se disponen los
frecuencias. Para cada valor o intervalo de v
frecuencia absoluta observada o empírica.

se trata de comparar la distribución muestral

e aplica a distribuciones de tipo ordinal.
e usa para probar hipótesis acerca de distribuciones discretas.
e basa en calcular las diferencias, en valor absoluto, entre las
ecuencias acumuladas relativasobservadas y las esperadas, en cada
ase.
resultante de dar por cierta la hipotética distr
el caso de la chi-2 se comparaban frecuencia
con sus homónimas teóricas , en el caso del
Smirnov las frecuencias a comparar serán la
acumuladas de las dos distribuciones ; obser
utilidad para aquellas ocasiones en las que lo
forma de escala ordinal.

a prueba de Kruskal-Wallis es el método más adecuado para comparar

oblaciones cuyas distribuciones
o son normales. Incluso cuando las poblaciones son normales, este La prueba de Kruskal-Wallis representa una
ntraste funciona muy bien. evaluar la existencia de las diferencias en la
ambién es adecuado cuando las desviaciones típicas de los diferentes Esto es importante, sobre todo cuando el est
upos no son iguales entre sí, realiza desde un enfoque geográfico, porque
n embargo, el Anova de un factor es muy robusto y sólo se ve compa-rar poblaciones que difieran en sus d
ectado cuando las desviaciones típicas
ieren en gran magnitud.

Su utilidad es precisamente evaluar la indepe

variables nominales u ordinales, dando un m
i-cuadrado de contingencia, permite hacer un test sobre la
frecuencias observadas en cada categoría so
dependencia de dos carácteres estadísticos, lleva el nombre de test
independencia entre ambas variables. Para e
e chi-cuadrado de contingencia. Los dos carácteres, observados en
valores que indicarían la independencia abso
na misma población, son X e Y, el tamaño de la muestra es $ n$. Las
frecuencias esperadas, comparándolos con l
odalidades o clases de X se denotan c1,.....,cr, las de Y por
muestra. Como habitualmente, H0 indica que
1,......,ds.
independientes, mientras que H1 indica que
grado de asociación.
 Utilidad

uede utilizarse incluso con datos medibles en una escala

pótesis nula de la prueba Chi-cuadrado postula una
e probabilidad totalmente especificada como el modelo
e la población que ha generado la muestra.
este contraste se disponen los datos en una tabla de
ara cada valor o intervalo de valores se indica la
soluta observada o empírica.

mparar la distribución muestral observada con la

dar por cierta la hipotética distribución de la población .En
hi-2 se comparaban frecuencias absolutas observadas
nimas teóricas , en el caso del test de Kolmogorov-
ecuencias a comparar serán las frecuencias relativas
e las dos distribuciones ; observada y teórica. De ahí su
quellas ocasiones en las que los datos se encuentren en
la ordinal.

Kruskal-Wallis representa una forma sencilla y rápida de

tencia de las diferencias en la distribución de las tallas.
ante, sobre todo cuando el estudio de la variación se
un enfoque geográfico, porque se corre el riesgo de
blaciones que difieran en sus distribuciones de edad

precisamente evaluar la independencia entre dos

inales u ordinales, dando un método para verificar si las
bservadas en cada categoría son compatibles con la
a entre ambas variables. Para evaluarla se calculan los
dicarían la independencia absoluta, lo que se denomina
speradas, comparándolos con las frecuencias de la
o habitualmente, H0 indica que ambas variables con
s, mientras que H1 indica que las variables tienen algún
iación.