Datos Perdidos

Son aquellos que no constan debido a cualquier acontecimiento, como por ejemplo errores
en la transcripción de los datos o la ausencia de disposición a responder a ciertas
cuestiones de una encuesta. Los datos pueden faltar de manera aleatoria o no aleatoria.
(UNIVERSIDAD DE VALENCIA, s.f.)
Datos Atípicos
Un dato atípico (outlier) es un registro mayor o menor de lo esperado que se detecta por
tener un residuo que es un valor “inusual”, muy grande o muy pequeño en relación con
la distribución asociada a los residuos. (atípicos., s.f.)
EJERCICIO APLICADO AL TURISMO
El gerente en ventas de una compañía turística afirma que todos sus vendedores
realizan el mismo numero de visitas durante el mismo periodo de tiempo. Una
muestra aleatoria de 5 registros de los vendedores en una semana dada revelo el
siguiente numero de visitas.
Vendedor A B C D E
Número de 23 29 25 23 30
visitas

Con el nivel de significa de 0.05, ¿es razonable aceptar la afirmación del gerente?
1) 𝐻𝑜 = Hacen el mismo numero de visitas
𝐻𝑖 = Hacen menor numero de visitas
2) Nivel de Significancia: 0.05  95%
3) Chi- cuadrado
4) Toma de decisión  se acepta la hipótesis nula por que realizan el mismo numero
de visitas.

DESARROLLO
RESUMEN DE PROCESAMIENTO DE CASOS

Tabla 1.1
Tabla 1.2

CONCEPTOS
X2 Bondad de Ajuste:
Estudia las pruebas de las estadística cuya distribución no se ajusta a los criterios
paramétricos. De los cuales algunos experimentos producen respuestas que no son
cuantificables, o en otras palabras mediciones que no pueden ordenarse. (Carlos, s.f.)
X2 Bondad de Ajuste Binomial:
Consiste en una secuencia de ensayos independientes en los que cada ensayo produce uno
de dos resultaos posibles éxito o fracaso. (Carlos, s.f.)
Ejemplo:
 Cuando mayor sea el valor de X2, la Ho se encuentra mas alejada del valor
correcto.
 Cuando el chi-cuadrado se acerca a cero la distribución se encuentra más
ajustada, es decir, su resultado es correcto.
 Comparar el valor calculado con el observado para determinar si la distribución
es aleatoria.

𝑿𝟐 Bondad de Ajuste Corrección de Yates Test exacto de Fisher

Es una técnica extremadamente satisfactoria para analizar datos discretos cuando dos
muestras independientes son pequeñas. (parametrica, s.f.)
Mc Nemar
Es aplicable a los diseños “antes- después”, en los cuales cada sujeto se utiliza como su
propio control en los que las mediciones se realizan ya sea en escala nominal u ordinal.
(parametrica, s.f.)
Wilcoxon
Se utiliza información solo en términos de la dirección de las diferencias en cada uno de
los pares analizados. Si se considera tanto la magnitud relativa como la dirección de las
diferencias, se puede utilizar una prueba mas poderosa. El rasgo asignado de Wilcoxon
adjudica mayor peso a los pares que se muestran mayores diferencias entre las dos
condiciones, mas que en los pares cuya diferencia es pequeñas. (parametrica, s.f.)
U Mann-Withney
Se utiliza para evaluar si dos grupos independientes fueron extraidos de la misma
población, si de las varibles en estudios se han obtenido datos en, al menos, escala ordinal.
(parametrica, s.f.)
H Kuskal-Wallis
Es una prueba extremadamente útil para decidir si K muestras indepenientes provienen
de diferentes poblaciones. (Carlos, s.f.)
Q de Cochran
Es una medida del grado de asociación o relación entre dos series de atributos o variables.
Se una únicamente cuando tenemos solo información categórica acerca de uno o de ambos
conjuntos de atributos o variables. (Carlos, s.f.)
T de Student (una muestra)
Permite comprobar si es posible aceptar que la media de la población es un valor
determinado. Se toma una muestra y el Test permite evaluar si es razonable mantener la
Hipótesis nula de que la media es tal valor. (Pérez., s.f.)
T de Student (muestras independientes)
Evaluar la diferencia significativa entre las medias de dos grupos o dos categorías dentro
de una misma variable dependiente. La comparación de las 2 medias se da solo si las dos
muestras se han sacado de manera independiente entre sí. (independientes, s.f.)
ANOVA con un factor INTERsujetos
Sirve para comprar varios grupos en una variable cuantitativa. Se trata de una
generalización de la prueba T para dos muestras independientes al caso de diseños con
más de dos muestras. (VARIANZA, s.f.)
T de Student (muestras relacionadas)
El procedimiento Prueba T para muestras relacionadas compara las medias de dos
variables de un solo grupo. El procedimiento calcula las diferencias entre los valores de
las dos variables de cada caso y contrasta si la media difiere de 0. (IBM, s.f.)
Ejemplo. En un estudio sobre la hipertensión sanguínea, se toma la tensión a todos los
pacientes al comienzo del estudio, se les aplica un tratamiento y se les toma la tensión
otra vez. De esta manera, a cada sujeto le corresponden dos medidas, normalmente
denominadas medidas pre y post. Un diseño alternativo para el que se utiliza esta prueba
consiste en un estudio de pares relacionados o un estudio de control de casos en el que
cada registro en el archivo de datos contiene la respuesta del paciente y de su sujeto de
control correspondiente. En un estudio sobre la tensión sanguínea, pueden emparejarse
pacientes y controles por edad (un paciente de 75 años con un miembro del grupo de
control de 75 años).
ANOVA para medidas repetidas (INTRAsujetos)
Los modelos de análisis de varianza (ANOVA) con medida repetidas sirven para estudiar
el efecto de uno o más factores cuando al menos uno de ellos es un factor intra-sujetos.
(REPETIDAS, s.f.)
 EJERCICIOS
T-student (una muestra)
Una investigadora cree que, en años recientes, las mujeres han aumentado su estatura.
Ella sabe qué hace 10 años el promedio de estatura de una mujer adulta joven, en la ciudad
donde habita ésta investigadora, fue de 63 pulgadas. No se conoce la desviación estándar.
Ella toma una muestra aleatoria de ocho mujeres jóvenes adultas que residen en dicha
ciudad y mide sus estaturas. Se obtienen los datos siguientes:
a) ¿Cuál es la hipótesis nula?

b) ¿Cuál es la hipótesis alterna?

c) Si utilizamos =0,01 2cola

¿Qué se puede concluir?

a) no existe un aumento de estatura en las mujeres jóvenes adultas que habitan en la

ciudad.
b) existe un aumento de estatura en las mujeres jóvenes adultas que habitan en la ciudad.
Se concluye que se rechaza la hipótesis nula y se acepta la hipótesis de investigación,
T-student (muestras independientes)
Se desea determinar si los promedios de puntos de calificación (PPC) son diferentes
para niños y niñas. Se considera que el PPC se distribuye normalmente con varianza
idéntica para ambos sexos. Dos muestras independientes de 5 estudiantes cada una
proporcionan lo siguiente:
PPC para niños: 2.9 3.1 2.7 3.3 3.0
PPC para niñas: 3.6 2.8 3.6 3.2 2.8
a) Utilizando α = 0.05, pruébese la hipótesis de que el PPC medio para niños es el
mismo que el PPC medio para niñas, contra la hipótesis alternativa de que las
dos medias son diferentes.
b) Obténganse los límites de confianza del 95% para la verdadera diferencia entre
las dos medias poblacionales.
T de Student (muestras relacionadas)
Se desea determinar si una clase de 16 estudiantes pueden desempeñarse igualmente
bien en español que en matemáticas. Las calificaciones de prueba listadas a
continuación no son independientes:

Estudiante Español Matemáticas

_________________________________________
A 84 84
B 55 57
C 85 90
D 98 97
E 80 74
F 55 53
G 80 75
H 64 63
I 91 90
J 85 82
K 90 88
L 94 98
M 75 77
N 86 90
O 91 85
P 92 86

a) Considerando que las calificaciones de prueba se distribuyen normalmente,

pruébese la hipótesis de que la puntuación media de la población en español es
la misma que en matemáticas contra la hipótesis alternativa de que son
diferentes para α = 0.05.
b) Establézcase el intervalo de confianza del 95 % para la verdadera diferencia.

Ho= no existe la puntuación media de la población en español es la misma que en

matemáticas.
Hi= si existe una diferencia en la puntación media de la población en español es la misma
que en matemáticas.
Nivel de confianza = 0.05
Se rechaza la hipótesis de investigación y se acepta la hipótesis nula.
Bibliografía
atípicos., H. d. (s.f.). Obtenido de http://dm.udc.es/asignaturas/estadistica2/sec4_6.html
Carlos, U. S. (s.f.). Obtenido de file:///C:/Users/VANE/Downloads/79177879-Bondad-
de-Ajuste-a-traves-de-distribucion-Binomial-1.pdf
IBM. (s.f.). Obtenido de
https://www.ibm.com/support/knowledgecenter/es/SSLVMB_24.0.0/spss/base/i
dh_ttpr.html
independientes, T. d. (s.f.). SlideShare. Obtenido de https://es.slideshare.net/jab2801/t-
de-student-para-dos-muestras-independientes-9249928
parametrica, E. n. (s.f.). Obtenido de
http://tesis.uson.mx/digital/tesis/docs/10048/Capitulo4.pdf
Pérez., C. d. (s.f.). LA ESTADÍSTICA: UNA ORQUESTA HECHA INSTRUMENTO.
Obtenido de
https://estadisticaorquestainstrumento.wordpress.com/2012/12/16/test-de-la-t-
de-student-para-una-muestra/
REPETIDAS, A. D. (s.f.). Obtenido de
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/GuiaSPSS/16anovar.p
df
UNIVERSIDAD DE VALENCIA. (s.f.). Obtenido de
https://www.uv.es/webgid/Descriptiva/23_valores_faltantes.html
VARIANZA, A. D. (s.f.). Obtenido de
http://stel.ub.edu/sites/default/files/agenda/documents/14anova1_spss.pdf