A.

CHI CUADRARO
La prueba estadstica de X2 para una muestra se emplea frecuentemente como prueba de
bondad de ajuste, sin embargo, en un plan experimental, en el que se cuenta con un
grupo muestral, con diversas subclases y las mediciones estn en escala nominal, resulta
muy til este procedimiento.
La eficacia de la prueba est de acuerdo con el tamao de la muestra, pues con un grado
de libertad, si hay dos subclases, algunos autores consideran que la prueba es insensible,
no obstante la informacin que aporta ms de dos categoras es satisfactoria en funcin
de la frmula:

X =
2

( f of e )

fe

Donde:
X2 = valor estadstico de ji cuadrada.
f0 = frecuencia observada.
fe = frecuencia esperada.
Ejemplo aplicado
En el trabajo Prediccin de la estructura diamtrica de especies comerciales de un
bosque subtropical por medio de marices de transicin, se compar la incidencia de dos
tratamientos o metodologas de cosecha (convencional y de impacto reducido) sobre la
distribucin diamtrica, rea basal y nmero de individuos. La prueba Chi-cuadrado se
aplic para comprobar la homogeneidad de los datos obtenidos en las predicciones de los
dos tratamientos; se comprob que los datos eran homogneos, pues el valor calculado
era menor al tabulado.
B. T DE WILCOXON
La prueba de rango con signo de Wilcoxon, fue propuesta por Frank Wilcoxon en 1945.
Esta prueba se aplica en el caso de una distribucin continua simtrica. Bajo esta
condicin se puede probar la hiptesis nula H0.
Primero se resta 0 de cada valor muestral y se descarta todas las diferencias iguales a
cero. Se asigna un rango de 1 a la diferencia absoluta ms pequea, la diferencia ms
grande recibe un rango n; cuando el valor absoluto de dos o ms diferencias es el mismo,
se asigna a cada uno el promedio de los rangos que se asignaran si las diferencias se
distinguieran, por ejemplo, si la quinta y sexta diferencia son iguales en valor absoluto, a
cada una se le asignara un rango de 5.5.

Si la hiptesis nula (H0) es verdadera, el total de los rangos que corresponden a las
diferencias positivas debe ser casi igual al total de los rangos que corresponden a las
diferencias negativas. Se representan esos totales como W+ y W-, respectivamente. Se
designa el menor de W+ y W- con W.

Al seleccionar muestras repetidas esperaramos que variaran W+ y W-, y por tanto W. De

esta manera se puede considerar a w+ y w-, y w como valores de las correspondientes
variables aleatorias W+, W-, y W.
Si W es mayor que el valor crtico, se acepta H 0, es decir, no hay diferencia significativa
entre los datos observados.
Ejemplo aplicado
El estudio Rendimiento, turno ptimo forestal y rentabilidad de plantaciones forestales de
Tectona grandis Y Pinus patula en Colombia, pretenda usar modelos no lineales de
efectos mixtos tipo von Bertalanffy en funcin de la edad y de covariables ambientales
para estimar el rendimiento forestal y la determinacin del turno financiero en estas
plantaciones.
La prueba de Wilcoxon se utiliz en este caso para validar los modelos de rendimiento de
plantaciones de Pinus patula y Tectona grandis. Se concluy, con base en los valores
obtenidos que los resultados de los modelos no representan diferencias significativas en
contraste con los datos observados.
C. DIFERENCIA DE MEDIAS DE T STUDENT
Se supone que se toman dos muestras aleatorias de tamaos n1 y n2 de poblaciones
normales o casi normales, cuyas desviaciones estndar son iguales. Se supone, adems
que estas muestras tienen medias y desviaciones estndar dadas por

X 1 , X 2 , S1, S2,

respectivamente. Para demostrar que las muestras son de la misma poblacin ( 1=2 y
1=2) se emplea la variable T.

2
X 1 X

T=

1 1
+
n1 n 2

donde

n1 S 21 +n2 S 22
=
n1 +n2 2

La distribucin T es la distribucin t student con grados de libertad (v) igual a v=n1+n2-2.

Ejemplo aplicado

El estudio1 pretenda evaluar el efecto de dos tratamientos silviculturales (aclareos y

tratamientos de seleccin) en la estructura y composicin de ecosistemas forestales en la
Sierra de la Candela, Tepehuanes. Se aplic la prueba de comparacin de medias de t
Student para evaluar si los ndices utilizados muestran una diversidad estructural
significativamente diferente entre las dos parcelas estudiadas; se aplic la metodologa
descrita por Sokal y Rohlf (1995) considerando un 5% de nivel de significacin.
BIBLIOGRAFA
Gurdia Olmos, J., Freixa Blanchart, M., Per Cebollero, M., & Turbany Oset, J. (2008).
Anlisis de datos en psicologa. Madrid: Delta publicaciones. Obtenido de
books.google.com.co
Instituto Tecnolgico de Chihuahua. (s.f.). Curso estadistica I. Obtenido de
http://www.itch.edu.mx/academic/industrial/estadistica1/cap04d.html
Moreno, R. S., Aguirre Calderon, O. A., Trevio Garza, E. J., Jimenez Perez, J., Jurado
Ybarra, E., & Corral Rivas, J. (2006). Efecto de dos tratamientos silvcolas en la
estructura de ecosistemas forestales en Durango, Mexico (Vol. 12). Obtenido de
http://www.researchgate.net/profile/Jose_Javier_CorralRivas/publication/237362577_Efecto_de_dos_tratamientos_silvcolas_en_la_estruc
tura_de_ecosistemas_forestales_en_Durango_Mxico/links/02e7e525c76a0a956f0
00000.pdf
Restrepo O., H. I., Orrego S., S. A., del Valle A. , J. I., & Salazar U., J. C. (2012).
Rendimiento, turno optimo forestal y rentabilidad de plantaciones forestales de
Tectona grandis y Pinus patula en Colombia. Interciencia, 37(1), 14-29. Obtenido
de
http://www.researchgate.net/profile/Juan_Salazar_Uribe/publication/237033153_R
endimiento_turno_ptimo_forestal_y_rentabilidad_de_plantaciones_forestales_de_T
ectona_grandis_y_Pinus_patula_en_Colombia/links/5429503e0cf2e4ce940c9d94.
pdf
Spiegel, M., Schiller, J., & Srinivasan, R. (2010). Probabilidad y estadstica. Mxico:
McGraw-Hill.
Teresczcuch, S. M., Mac Donagh, P. M., de Olivera, A. J., Rivero , L. E., & Lujan Bulfe, N.
M. (2007). Prediccin de la estructura diamtrica de especies comerciales de un
bosque subtropical por medio de matrices de transicin. Floresta, 37.

1 Efecto de dos tratamientos silvcolas en la estructura de ecosistemas forestales en Durango, Mexico. (Sols,
R. et al. 2006)