Estadística Resumen y Tablas

RESMENES y TABLAS de
BIOESTADSTICA
(2 edicin)

Los Resmenes han sido extrados del libro
50 10 horas de BIOESTADSTICA (1995)
Las Tablas han sido extradas del libro
BIOESTADSTICA (+) para las Ciencias de la Salud
Ambos estn publicado en esta misma Editorial y por los mismos autores
A. Martn Andrs y J. de D. Luna del Castillo.

Antonio Martn Andrs
Juan de Dios Luna del Castillo

EDICIONES CAPITEL, S.L.
Europolis, c/ Bruselas 14B- 28232 LAS ROZAS ( Madrid)
e-mail (editor): rpa@norma-capitel.com.
e-mail (autor): amartina@ugr.es.

Reservados los derechos de edicin, adaptacin o reproduccin para todos los pases.
No est permitida la reproduccin total o parcial de este libro, ni su tratamiento in-
formtico, ni la transmisin de ninguna forma o por cualquier medio, ya sea electrnico,
mecnico, por fotocopia, por registro u otros mtodos, sin el permiso previo y por escri-
to de los titulares del Copyright.

ISBN: 978-84-8451-048-2
Depsito Legal:

LA ESTADSTICA EN LAS CIENCIAS DE LA SALUD

3
RESUMEN DEL CAPTULO I
1.1 NECESIDAD
Las Ciencias de la Salud son experimentales y se basan en el mtodo induc-
tivo (extensin, al todo, de las conclusiones obtenidas en una parte). El nico
modo de validar tales inducciones es por el Mtodo Estadstico. Las dems ra-
zones que siguen son reflejo de esta mayor razn:
a) La variabilidad biolgica de los individuos objeto de estudio en las Cien-
cias de la Salud origina que sus datos sean impredecibles y que el modo de
controlarlos sea a travs del Mtodo Estadstico.
b) La naturaleza cada vez ms cuantitativa de las Ciencias de la Salud re-
quiere del Mtodo Estadstico para analizar y poner orden en los datos.
c) La investigacin en el campo de las Ciencias de la Salud requiere de la Es-
tadstica en sus etapas de diseo (a fin de obtener el ptimo), recopilacin de
datos (cmo hacerlo y con qu precauciones) y anlisis de los resultados (a
fin de obtener conclusiones vlidas).
d) El volumen de la informacin que recibe el profesional de la Salud re-
quiere de conocimientos estadsticos que le permitan leer crtica y compren-
sivamente los resultados cientficos ajenos.
e) La naturaleza del trabajo clnico es en esencia de tipo probabilstico o es-
tadstico, disciplinas que dan rigor y objetividad a los clsicos procesos sub-
jetivos de diagnstico, pronstico y tratamiento.
f) La perspectiva comunitaria de las Ciencias de la Salud requiere del uso de
la Estadstica para poder extrapolar las conclusiones desde la parte estudiada
de la poblacin a su globalidad.
1.2 DEFINICIN DE ESTADSTICA
No existe una definicin internacionalmente aceptada, pero para nuestros
propsitos basta con esta: Es el conjunto de mtodos necesarios para recoger,
clasificar, representar y resumir datos, as como para hacer inferencias (extraer
consecuencias) cientficas a partir de ellos. De ah que conste de dos partes:
a) Estadstica Descriptiva, cuyo fin es la recogida, clasificacin, representa-
cin y resumen de los datos.
b) Inferencia Estadstica, cuyo fin es extrapolar las conclusiones obtenidas en
una parte de la poblacin de inters (la muestra) a toda ella.
La disciplina que se preocupa de aplicar la Estadstica a los problemas que
se presentan en Ciencias de la Salud se denomina Bioestadstica.
1.3 CONSIDERACIONES FINALES
a) Es importante estar familiarizado con el lenguaje estadstico.
b) El Mtodo Estadstico es un mtodo riguroso para el anlisis de datos. Su va-
lidez est condicionada por la verificacin de ciertas hiptesis que no pueden
ser violadas y que, por tanto, deben ser comprobadas.
c) Es importante la planificacin adecuada de la experiencia. Una planificacin
incorrecta puede hacer desaprovechable la experiencia. Una planificacin no
ptima puede no detectar bien la realidad o hacer que el costo sea excesivo.

4
d) La Estadstica Descriptiva no tiene valor inferencial alguno. Ella slo descri-
be lo que hay, no permitiendo extraer conclusiones ciertas sobre nada.

1.4 CONTENIDOS DE ESTOS RESMENES
El Cuadro R.1.1 presenta esquemticamente los contenidos y el Resumen
del Captulo que los contiene.

Cuadro R.1.1

Descriptiva
Herramientas
II

Estadstica

Intervalos de confianza
Probabilidad
Tipos y familias de datos
Inferencial
Cunto vale una caracterstica en
una poblacin?

III
IV y partes del VI al IX

Test de Hiptesis
Es cierta una hiptesis?

Generalidades: V

Hiptesis que implican una caracterstica en:
Hiptesis que implican dos
caractersticas
(Problemas de Asociacin)

1 poblacin

2 poblaciones

3 o ms poblaciones

VI

VII

VIII

Ambas no
numricas
Ambas
numricas
Una numrica
y otra no

VIII IX y X X
ESTADSTICA DESCRIPTIVA

5
RESUMEN DEL CAPTULO II
2.1 TIPOS DE DATOS
Cuando se estudia un carcter, los datos a que este da lugar pueden ser:
a) Cuantitativos: Si se expresan numricamente.
i) Discretos: Si toman valores numricos aislados (se cuentan).
ii) Continuos: Si toman cualquier valor entre unos mrgenes (se miden).
b) Cualitativos: Si no se expresan numricamente (se asignan). Pueden ser:
i) Ordinales: Si admiten una ordenacin lgica ascendente o descendente
(en otro caso se denominan Nominales).
ii) Dicotmicos: Si solo aceptan dos posibilidades (en otro caso se denomi-
nan Multicotmicos).
2.2 PRESENTACIN TABULAR DE LOS DATOS
a) Cuando los datos son discretos o cualitativos, con cada valor del mismo se
forman las clases o modalidades del carcter. Cuando son continuos (o dis-
cretos con muchos valores posibles), con cada conjunto de valores del mismo
se forman los intervalos de clase (que deben tener igual longitud). En ambos
casos, la primera y ltima clases pueden ser excepcin.
b) A cada clase o intervalo de clase se le anota la frecuencia absoluta f
i
-o n-
mero de datos que pertenecen a la clase- y la frecuencia relativa h
i
= f
i
/n (con
n=nmero total de datos). Suceder que Ef
i
=n y Eh
i
=1. Multiplicando h
i
por
100, 1.000, se obtiene el % (tantos por ciento),
0
/
00
(tantos por mil), ....
c) Los intervalos de clase vienen definidos por dos nmeros, el lmite inferior L
I

y el lmite superior L
S
; la diferencia de ellos es la longitud de clase L=L
I
L
S
y
la semisuma es la marca de clase (L
I
+L
S
)/2, valor que representa a toda ella.
d) Toda tabla debe tener un enunciado claro, indicar las unidades de medida,
contar con igual n de decimales en cada columna, especificar el total de cada
columna y quedar bonita (las f
i
deben crecer/decrecer razonablemente).
2.3 PRESENTACIN GRFICA DE LOS DATOS
a) Histograma: Si sobre cada punto (intervalo) del eje de abscisas se levanta
una barra (rectngulo) de tanta altura como frecuencia haya, se obtiene un
diagrama de barras (histograma). Con frecuencia, la palabra histograma
alude a ambas representaciones.
b) Polgono de frecuencias: Se obtiene uniendo con una poligonal los puntos
del plano que tienen por abscisa la clase o marca de clase y por ordenada la
frecuencia.
c) Diagrama de sectores: Se obtiene si en un crculo se asigna a cada clase un
sector de rea proporcional a la frecuencia de la clase. El ngulo que lo deli-
mita es 360h
i
(en grados).
Las grficas deben verificar propiedades similares a las del resumen d) anterior.

6
2.4 SNTESIS DE DATOS
Para sintetizar la informacin de todos los datos de la muestra, mediante
uno o ms nmeros representativos de ella, se definen las medidas de una dis-
tribucin de frecuencias. Son de dos tipos:
a) Medidas de posicin: Describen cmo se encuentra el resto de la muestra
con respecto a ellas.
i) Moda: la clase cuya frecuencia alcanza un mximo absoluto (si la cuali-
dad es nominal) o relativo (en otro caso).
ii) Mediana: divide a la muestra ordenada (de menor a mayor) en dos partes
iguales.
iii) Percentiles: El percentil p
i
deja a su izquierda un "i% de la muestra or-
denada de menor a mayor (i=1, 2, ...., 99).
iv) Cuartiles: c
1
=p
25
, c
2
=p
50
, c
3
=p
75
.
v) Deciles: d
1
=p
10
, d
2
=p
20
, ..., d
9
=p
90
.
vi) Media aritmtica (la importancia de cada dato la da su frecuencia):
- Datos no agrupados: x =
i
x
n
E

- Datos agrupados: x =
i i
f x
n
E
, con Ef
i
= n
vii) Media ponderada (la importancia de cada dato la da su frecuencia y otro
criterio):
i i
p
i
w x
x =
w
E
E
, con w
i
los pesos de ponderacin.
b) Medidas de dispersin: Describen cmo de variables o dispersos son los da-
tos.
i) Recorrido, rango o amplitud: Es la diferencia entre los valores ms gran-
de y ms pequeo de la muestra.
ii) Varianza o desviacin cuadrtica media: Es la medida de dispersin ade-
cuada cuando se utiliza la media como medida de posicin. Se define
como la media de los cuadrados de las deviaciones a la media. Se obtie-
ne mediante las frmulas que siguen (en donde la primera frmula es la
definicin y la segunda es la apropiada para el clculo y n =Ef
i
):
- Datos no agrupados:
( ) ( )
2 2
2
1
1 1
i i 2
i
x x x
s = x
n n n

E E

= E
`

)

- Datos agrupados:
( ) ( )
2 2
2
1
i i i i 2
i i
f x x f x 1
s = f x
n n 1 n

E E

= E
`

)

,
iii) Desviacin tpica o estndar: es la raz cuadrada (s) de la varianza.
iv) Rango intercuartlico: Es la medida de dispersin adecuada cuando se uti-
liza la mediana como medida de posicin. Se define como RI=c
3
c
1
(en
un margen de RI unidades se encuentran el 50% de los datos).
v) Coeficiente de variacin: Se utiliza para evaluar un mtodo de medida.
Como CV = (s/ x )100%, su interpretacin es que por cada 100 unidades
medidas, el mtodo se equivoca en CV (en trminos de s).
DISTRIBUCIONES DE PROBABILIDAD

7
RESUMEN DEL CAPTULO III
3.1 DEFINICIONES
a) Fenmeno aleatorio: Aquel fenmeno cuyo resultado es impredecible.
b) Probabilidad (de un resultado dado de un fenmeno aleatorio): Es el lmite
de la frecuencia relativa del mismo cuando el nmero de experiencias (repeti-
ciones del fenmeno) tiende hacia infinito.
c) Variable aleatoria (v.a.): es el resultado numrico de un fenmeno aleatorio.
i) Discretas: se identifican por la funcin de probabilidad P(x) (regla que
asocia a cada valor x de la variable, su probabilidad P(x)).
ii) Continuas: se identifican por la funcin de densidad f(x) (que indica cmo
de probable es que la v.a. caiga en los alrededores del valor x), cuya re-
presentacin grfica es la curva de densidad. El rea bajo la curva de
densidad entre dos valores a y b indica la probabilidad de que la v.a. x se
encuentre entre dichos valores: P(asxsb).
En general a ambas funciones se les llama distribucin de probabilidad.
d) Parmetros poblacionales: Por contraposicin a los parmetros muestrales
del resumen R.2.4 (que describen las muestras), se definen de modo similar
los parmetros poblacionales (que describen las poblaciones o las v.a.). Los
paralelos a los parmetros muestrales x , s
2
, s y h = p son los parmetros po-
blacionales , o
2
, o y p.
3.2 DISTRIBUCIONES DE PROBABILIDAD TERICAS
La mayora de la v.a. de la Naturaleza siguen alguna de las siguientes (se
excluyen las distribuciones en el muestreo que se ven ms adelante):
a) Distribucin Normal:
i) Definicin: Una variable x sigue la distribucin Normal (como la de la
portada de este cuadernillo) si su curva de densidad tiene forma de cam-
pana (campana de Gauss) con centro de simetra en (media, moda y
mediana) y desviacin tpica o (la distancia desde el eje vertical en al
punto de inflexin de la curva). Por tanto x toma valores entre y +.
Para aludirla se indicar xN(; o), con y o los dos parmetros de la
distribucin.
ii) Tipificacin: z = (x)/o N(0; 1) es llamada Normal tpica o estndar.
iii) Tabla 1: Para cada o la tabla da el valor z
o
de una N(0; 1) tal que
P(z
o
szs+z
o
)= 1o. Por ello, si xN(; o), los intervalos xez
o
o,
xs+z
2o
o y x> z
2o
o contienen al (1o)100% de las observaciones de
la variable x.
iv) Teorema Central del Lmite: Si x es una v.a. cualquiera de media y des-
viacin tpica o, y si x es la media de una muestra de tamao n>30, x se
distribuye aproximadamente como una Normal: x N(; o/ n ), con
o/ n el error estndar. Si x es Normal, lo anterior se verifica exacta-
mente para cualquier valor de n.
b) Distribucin Binomial:
i) Definicin: Si de una poblacin de tamao (N) infinito, cuyos individuos ve-
rifican una cierta caracterstica dicotmica con probabilidad p, se extrae una
muestra de tamao n, el nmero x de individuos de entre los n que verifican
la caracterstica sigue una distribucin Binomial. Cuando N<, x sigue
aproximadamente una Binomial si N > 40 y n/N (fraccin de muestreo) s

8
0,10. Por tanto 0sxsn. Para aludirla se indicar xB(n; p), con n y p los dos
parmetros de la distribucin.
ii) Media y Varianza: Son =np y o
2
=npq respectivamente.
iii) Propiedad: Si n es suficientemente grande, se aproxima a la Normal en el
sentido de que la probabilidad de que la Binomial valga x es aproximada-
mente igual a la probabilidad de que la Normal valga entre x0,5 y x+0,5 (el
valor 0,5 es la correccin por continuidad o mitad del salto de la variable).
c) Distribucin de Poisson:
i) Identificacin: Son variables x de Poisson: i) Aproximadamente, una Bino-
mial con n grande y p pequeo; ii) El nmero de partculas por unidad de
medio (si un gran nmero de partculas estn repartidas al azar en una gran
cantidad de medio); iii) El nmero de sucesos que ocurren por unidad de
tiempo (si estos suceden al azar e independientemente entre s). Por tanto
0sxs. Para aludirla se indicar xP (), con el nico parmetro de la
distribucin.
ii) Media y Varianza: =o
2
= en ambos casos.
iii) Propiedad: Si es suficientemente grande, se aproxima a la Normal (en el
mismo sentido que el indicado para la Binomial).
INTERVALOS DE CONFIANZA

9
RESUMEN DEL CAPTULO IV
4.1 MUESTREO ALEATORIO
Las muestras deben tomarse al azar, de modo que todo individuo de la po-
blacin tenga igual probabilidad de ser seleccionado y que la seleccin de uno
de ellos no condicione la seleccin de otro. El azar puede imitarse mediante da-
dos, bolas en urna, etc, pero lo mejor es hacerlo a travs de una Tabla de Nme-
ros Aleatorios como la Tabla 2. Solo en ese caso la muestra es representativa de
la poblacin, por lo que ser vlido todo lo que se indica en estos resmenes.
4.2 ESTIMACIN
Los parmetros poblacionales no suelen ser conocidos y con frecuencia es
imposible conocerlos exactamente. La Teora de la Estimacin es la parte de la
Inferencia Estadstica que sirve para determinar el valor de los parmetros po-
blacionales en base al de los parmetros muestrales (obtenidos de muestras alea-
torias). La estimacin puede ser:
a) Por punto: Si se asigna al parmetro desconocido (e) un nico valor ( e )
que ser su valor aproximado y que depende de la muestra que se obtenga. Se
dice que e es un estimador de e. Cuando se haya obtenido la muestra y cal-
culado e , se dice que e es una estimacin de e. Usualmente e es el par-
metro muestral homnimo al parmetro poblacional e a estimar ( x , =
2
o = s
2
y p =h). Es conveniente que el valor promedio de e en todas las
muestras posibles sea el verdadero valor e a estimar; de ser as, e es un es-
timador insesgado de e (los estimadores citados arriba lo son).
b) Por intervalo: Si se asigna al parmetro desconocido (e) un intervalo de va-
lores (e
1
; e
2
) -dados por una frmula- entre los cuales est e con una cierta
probabilidad 1o. Al tomar una muestra y determinar e
1
y e
2
en base a ella,
se obtiene el intervalo de confianza (e
1
; e
2
), con o el error del intervalo y
1o la confianza del mismo: el investigador espera que este sea uno de los
(1o)100 intervalos de cada 100 que contienen realmente a e (y no uno de
los o100% de cada 100 que fallan).
4.3 INTERVALO DE CONFIANZA PARA UNA MEDIA
a) Intervalo con v.a. Normales: Si xN(; o) y x
1
, x
2
, ..., x
n
es una muestra
aleatoria de ella con media x y desviacin s:
i) Si o
2
es conocida: e x z
o
o/ n , con z
o
en la Tabla 1 (situacin irreal).
ii) Sio
2
es desconocida: e x t
o
s/ n , con t
o
en la Tabla 3 con (n1) g.l. y
s/ n el llamado error estndar estimado.
b) Intervalo con v.a. no Normales: Si, en las condiciones de antes, x es no
Normal, lo que sigue es vlido aproximadamente:
i) Si o
2
es conocida y n>30: e x z
o
o/ n , con z
o
en la Tabla 1.
ii) Si o
2
es desconocida y n>60: e x z
o
s/ n , con z
o
en la Tabla 1.
En ambos casos, si la v.a. x es discreta (y saltando de 1 en 1), a las expre-
siones anteriores hay que aadirles el trmino 1/(2n) como correccin por
continuidad.
c) Tamao de muestra: Si xN(; o) y se desea obtener un tamao de mues-
tra n tal que la media x de esa muestra verifique que | x |sd, entonces:

10
i) Si o
2
es conocida: n = (z
o
o/d)
2
, con z
o
en la Tabla 1.
ii) Si o
2
es desconocida pero se conoce un valor mximo para ella: n =
{z
o
(Mx o) / d}
2
, con z
o
en la Tabla 1.
iii) Si o
2
es desconocida pero hay una muestra piloto: n = (t
o
s/d)
2
, con t
o
en
la Tabla 3 con ( n' l) g.l., n' el tamao de la muestra piloto y s
2
su va-
rianza.
iv) En otro caso: Hacer d=Ko y n = (z
o
/K)
2
, con z
o
en la Tabla 1.
Los casos ii) e iii) requieren comprobar que la muestra del tamao n
aconsejado verifica las especificaciones. Si el n resultante es grande (>60),las
frmulas anteriores tambin valen, aproximadamente, si x es no Normal.
4.4 INTERVALO DE CONFIANZA PARA UNA PROPORCIN
Si xB(n; p):
a) Intervalo: Si x es una observacin de ella, p =x/n, q =1 p y son x, nx>5:
( ) ( )
2 2
2
0 5
0 5 0 5 1
2 4
z z x ,
x , z x ,
n
p
n z
o o
o
o
| |
+ +
|
\ .
e
+

expresin que se puede simplificar en esta otra si, adems, son x, nx>20:
( )
0 5
1
2
x n x
x z ,
n
pq
p p z =
n n n
o
o

+
`

)
e +
`
)

con z
o
siempre en la Tabla 1. La expresin primera es siempre ms exacta
que la segunda.
b) Tamao de muestra: Si se desea obtener un tamao de muestra n tal que la
proporcin p en ella verifique que | p p|sd, entonces (z
o
en la Tabla 1):
i) Con informacin: Si en base a una informacin previa -bibliogrfica o de
muestra piloto- se conoce que pe(p
1
; p
2
), n = (z
o
/d)
2
pq, con p el valor de
dicho intervalo que est ms cercano a 0,5 y q=1p.
ii) Sin informacin: n = (z
o
/2d)
2
.
En el primer caso hace falta comprobar que la muestra del tamao n aconse-
jado verifica las especificaciones.
4.5 GENERALIDADES SOBRE LOS INTERVALOS DE CONFIANZA
Las siguientes observaciones son vlidas para todos los intervalos de con-
fianza:
a) Los intervalos de confianza construidos son de dos colas -es decir del tipo
e e (e
1
; e
2
)- y con una confianza de 1o (o con un error de o). Cuando se
desee un intervalo de confianza de una cola, obtener el extremo que interese
(e
1
o e
2
) al error 2o. El intervalo ser ese
2
o e>e
1
.
b) Las frmulas de tamao de muestra son vlidas para un intervalo de confian-
za de dos colas al error o. Cuando se le desee de una cola, cambiar en ellas o
por 2o.
c) En ciertos casos del tamao de muestra se alude a que, al final, hay que
comprobar que la muestra del tamao aconsejado verifica las especificacio-
nes. El modo de hacerlo pasa por determinar el intervalo de confianza e e
(e
1
; e
2
) a partir de dicha muestra; deber ocurrir que | e e
1
|s d y | e
e
2
|s d, con e igual a x o p segn el caso.
CONCEPTO GENERAL DE TEST DE HIPTESIS

11
RESUMEN DEL CAPTULO V
5.1 OBJETIVO
Un test o contraste de hiptesis es un conjunto de reglas tendentes a decidir
cul de dos hiptesis -H
0
(hiptesis nula) o H
1
(hiptesis alternativa)- debe
aceptarse en base al resultado obtenido en una muestra.
5.2 TIPOS
a) Test bilateral o de dos colas: Si H
1
es la negacin de H
0
.
b) Test unilateral o de una cola: Si H
1
es una parte de la negacin de H
0
.
5.3 ELECCIONES PREVIAS
Antes de realizar un test, el investigador debe decidir cuatro cosas:
a) H
0
: Hiptesis formulada como una igualdad o una afirmacin positiva. Una
conclusin por ella no implica seguridad alguna acerca de su certeza.
b) H
1
: Es la hiptesis que se quiere demostrar fuera de toda duda, es decir aque-
lla que, de concluirse, se quiere estar prcticamente seguro de que es cierta.
Puede ser una parte de la negacin de H
0
(test de una cola) si la otra parte
implica una conclusin/accin equivalente a la que proporcionara una acep-
tacin de H
0
.
c) o: Es un valor tanto ms pequeo cuantas ms garantas se precisen de que
una decisin por H
1
sea correcta. Usualmente o=5% .
d) Estadstico de contraste: Es la v.a. que se va a utilizar para realizar el test,
viniendo dada por una funcin de los valores de la muestra que resume toda
la informacin relevante de ella.
5.4 MTODO
Para tomar la decisin debe obtenerse un intervalo de valores del estadsti-
co de contraste cuya probabilidad, bajo H
0
, sea 1o. El intervalo -que ser de
dos colas en los tests bilaterales y de una cola (con la desigualdad en sentido
opuesto al indicado por H
1
) en los unilaterales- se denomina regin de acepta-
cin; los valores que estn fuera de l se denominan regin crtica o regin de
rechazo. Obtenida la muestra, si el valor que toma en ella el estadstico de con-
traste est en la regin de aceptacin se acepta H
0
; si est fuera (es decir, en la
regin de rechazo) se acepta H
1
. En el primer caso se dice que el test (o el resul-
tado) es estadsticamente no significativo; en el segundo se dice que el test (o el
resultado) es estadsticamente significativo (ambos para un test realizado al
error o).
5.5 ERRORES
Toda decisin por H
1
viene acompaada de una posibilidad de error llama-
da error o, error de Tipo I o nivel de significacin dada por:
o = P(decidir H
1
|es cierta H
0
).
Toda decisin por H
0
viene acompaada de una posibilidad de error llama-
da error | o error de Tipo II dada por:
| = P(decidir H
0
|es cierta H
1
).

12
En particular:
a) El error o est controlado, pues se fija de antemano y tan pequeo como se
desee. Por ello una decisin por H
1
es siempre fiable (es posible que sea err-
nea, pero es improbable).
b) El error | no est controlado de antemano, pudiendo ser grande. Por ello una
decisin por H
0
no es fiable (lo nico que indica es que no se ha podido de-
mostrar que es falsa).
c) El error o es un nico nmero (puesto que H
0
alude a un nico valor, al venir
dada por una igualdad), pero el error | alude a muchos nmeros (puesto que
depende de la alternativa H
1
que se considere).
d) El error | disminuye conforme aumenta o, conforme H
1
se aleja de H
0
y con-
forme aumenta el tamao n de la muestra (si todo lo dems permanece fijo).
5.6 POTENCIA DE UN TEST
Se llama potencia u a la capacidad que tiene un test para detectar las hip-
tesis alternativas verdaderas, es decir:
u = 1| = P(decidir H
1
|es cierta H
1
)
Como es funcin de | (es decir, de la hiptesis alternativa), u alude a muchos
nmeros y, en el caso de tests acerca de parmetros, su representacin grfica
da lugar a la curva de potencia. Un test es tanto mejor cuanto ms potente sea.
5.7 VALOR P
a) Es el mnimo error o al cual un resultado es significativo. Tambin se deno-
mina nivel crtico P o nivel mnimo de significacin.
b) Tambin es la probabilidad de obtener un resultado tan extrao o ms que el
obtenido cuando H
0
es cierta. P mide por tanto las evidencias que hay en con-
tra de H
0
(pero no mide cunto de falsa es H
0
).
c) El valor P de un test de una cola (con H
1
en la direccin a que apuntan los da-
tos) suele ser la mitad del valor P del test de dos colas.
d) Fijado un valor de o: si P s o se decide H
1
; si P > o se decide H
0
.
e) Las conclusiones de un test suelen expresarse as: H
0
(P>tal) o H
1
(P<cual).
5.8 TAMAO DE MUESTRA
Determinando el tamao de muestra n de antemano, las conclusiones por
H
0
tambin son fiables (las conclusiones por H
1
siempre lo son) pues su error |
asociado tambin est controlado (como lo estaba o). Para determinar n hace
falta especificar:
a) El error o del test;
b) La primera alternativa de inters, es decir la primera H
1
(digamos e
1
) que
se desea diferenciar de H
0
(digamos e
0
). Esto es equivalente a fijar la mni-
ma diferencia de inters o = |e
1
e
0
| pues, si el test es para H
0
e=e
0
, la
primera alternativa de inters ser e
1
= e
0
+o (para H
1
e>e
0
), e
1
= e
0
o
(para H
1
e<e
0
) o e
1
= e
0
o (para H
1
e=e
0
).
c) El error | (o la potencia u=1|) para tal alternativa.
El n obtenido garantiza que el test realizado con tal muestra (al error o) da-
r significativo el (1|)100% de las veces en que la verdadera hiptesis H
1
se
diferencie de H
0
en la cantidad o especificada (o ms veces si la diferencia es
mayor, o menos veces si es menor).

13
5.9 INTERVALOS DE CONFIANZA TRAS UN TEST DE HIPTESIS
a) Tras realizar un test de hiptesis acerca de un parmetro es conveniente
dar un intervalo de confianza para el mismo, tanto si se concluye H
0
(para
as matizar la posible magnitud del error de tal conclusin) como si se con-
cluye H
1
(para as indicar cunto de falsa es H
0
).
b) Cuando el test es de dos colas, el intervalo ser de dos colas (al error o si se
concluy H
1
; al error 2| si se concluy H
0
).
c) Cuando el test es de una cola, el intervalo ser de una cola (al error o y con
la desigualdad en el sentido que indica H
1
si se concluy H
1
; al error | y con
la desigualdad en el sentido contrario al que indica H
1
si se concluy H
0
).
5.10 REGLAS PARA TOMAR LA DECISIN
a) Si n fue determinado de antemano:
i) Si Pso se concluye H
1
(la decisin es fiable);
ii) Si P>o se concluye H
0
(la decisin es fiable).
b) Si n no se determin de antemano, pero se conocen los errores o y | y la
mnima diferencia de inters o (o la primera alternativa de inters e
1
a la
hiptesis nula e
0
):
i) Si Pso se concluye H
1
(la decisin es fiable).
ii) Si P>o se concluye H
0
e=e
0
provisionalmente. El intervalo de confian-
za e e (e
I
; e
S
), construido en base a lo indicado en el Resumen 5.9b) y
c), permite tomar la decisin final: si la primera alternativa de inters e
1

pertenece al intervalo, la conclusin por H
0
no es fiable y debe ampliarse
la muestra y repetir el test (en otro caso la conclusin por H
0
es fiable y el
problema finaliza).
c) En otro caso (Regla Automtica de Decisin para el caso de o=5%):
i) Si Ps5%: Se concluye H
1
;
ii) Si P>15% o 20% (depende de n): Se concluye H
0
;
iii) En otro caso: Se concluye H
0
, indicando que hay indicios de significa-
cin y que conviene ampliar la muestra y repetir el test.
CRITERIOS GENERALES PARA REALIZAR UN TEST Y TESTS CON UNA
MUESTRA

14
RESUMEN DEL CAPTULO VI
CRITERIOS GENERALES PARA REALIZAR UN TEST
Y TESTS CON UNA MUESTRA
6.1 CRITERIOS GENERALES PARA TODOS LOS TESTS
Salvo indicacin expresa de lo contrario, todos los tests de hiptesis se ba-
sarn en los siguientes criterios:
a) Test dos colas realizado en base a o: Calcular una cantidad experimental
(C
exp
) a partir de los datos y una cantidad terica (C
o
) a partir de las tablas
(para un error o dado). Entonces:
Si C
exp
< C
o
se decide H
0
(al error o);
Si C
exp
> C
o
se decide H
1
(con error o)
b) Clculo de P y test de dos colas en base al mismo: Localizar en la tabla
terica apropiada dos valores C tales que C
o''
< C
exp
< C
o'
(con o o ' '' < ); en-
tonces P o o ' '' < < y la decisin se toma en funcin de P por el modo indica-
do en el Resumen 5.10.
c) Test de una cola: Comprobar si el resultado experimental es conforme con
H
1
y entonces:
i) Si NO es conforme con H
1
: Decidir H
0
sin ms.
ii) Si S es conforme con H
1
: Actuar como en a) pero en base al error 2o, o
bien actuar como en b) para el P dividido por 2: 2 / o' < P < 2 / o'' .
d) Tamao de la muestra: Las frmulas de tamao de muestra que se vern
sirven para determinar el mnimo tamao de muestra preciso para que un test
de dos colas al error o d significativo el (1|)100% de las veces en que la
verdadera hiptesis H
1
se diferencie de H
0
en la cantidad o que se especifique
(o ms veces si la diferencia es mayor, o menos veces si es menor).
En todo caso, cuando el test es de una cola hay que cambiar en las frmu-
las o por 2o.
6.2 TEST DE HIPTESIS PARA UNA PROPORCIN (H
0
p=p
0
)
Si xB(n; p), con p desconocido:
a) Test: Si x es una observacin de ella y ocurre que np
0
>5 y nq
0
>5, con q
0
=
1p
0
, comparar z
exp
= (|xnp
0
|0,5) /
0 0
np q con una z
o
de la Tabla 1.
b) Tamao de la muestra: Para detectar alternativas p
1
, con |p
1
p
0
|= o, n =
{(z
o
0 0
p q +z
2|
1 1
p q )/o}
2
con q
1
= 1p
1
, las cantidades z en la Tabla 1 y:
i) En tests de una cola: p
1
=p
0
o para H
1
p<p
0
; p
1
=p
0
+o para H
1
p>p
0
;
ii) En tests de dos colas: p
1
el valor ms cercano a 0,5 de entre los p
0
o.
6.3 TEST DE NORMALIDAD DE DAGOSTINO (H
0
La muestra provie-
ne de una v.a. Normal)
Si x
1
, x
2
, ..., x
n
es una muestra aleatoria (ordenada de menor a mayor) de
una v.a. x, comparar con una D
o
de la Tabla 4 (por el modo all indicado) la
cantidad:
D
exp
= {Eix
i
(n+1)(Ex
i
)/2)} / {n ( )
2
2
i i
n x x / n
(
E E

}
TESTS DE HOMOGENEIDAD CON DOS MUESTRAS

15
RESUMEN DEL CAPTULO VII
7.1 TESTS PARAMTRICOS PARA COMPARAR DOS MEDIAS DE
VARIABLES NORMALES (H
0
1
=
2
)
a) Test para muestras independientes: Si las muestras -de tamaos n
1
y n
2
,
medias
1
x y
2
x y varianzas
2
1
s y
2
2
s - provienen de variables de medias
1
y
2

y varianzas
2
1
o y
2
2
o desconocidas, obtener F
exp
=
2
1
s /
2
2
s , con
2 2
1 2
s s > , y
compararla con F
0,10
[n
1
1; n
2
1] de la Tabla 5; entonces:
i) Si F
exp
<F
0,10
(Varianzas iguales:
2 2 2
1 2
o o o = = ) (Test de Student): Compa-
rar con una t
o
(n
1
+n
2
2) de la Tabla 3 la cantidad:
1 2
2 1 2
1 2
exp
x x
t =
n n
s
n n
+
, con
( ) ( )
2 2
1 1 2 2 2
1 2
1 1
2
n s n s
s =
n n
+
+

ii) Si F
exp
>F
0,10
(Varianzas distintas:
2 2
1 2
o o = ) (Test de Welch): Comparar
con una t
o
(f) de la Tabla 3 la cantidad:
1 2
exp
x x
t =
A B
+
, con A=
2
1
1
s
n
, B=
2
2
2
s
n
y
( )
2
2 2
1 2
1 1
A B
f =
A B
n n
+
+

b) Test para muestras apareadas (Test de Student): Dadas dos v.a. (x
1
y x
2
de
medias
1
y
2
respectivamente) y n parejas de datos (x
1i
; x
2i
) de las mismas,
con i=1, 2, , n, obtener sus diferencias d
i
= x
1i
x
2i
y la media ( d ) y desvia-
cin (s
d
) de las mismas. El test consiste en comparar:
t
exp
=
2
d
d
s / n
vs. t
o
(n1) de la Tabla 3
c) Intervalo de confianza para la diferencia de medias: La siguiente expre-
sin es vlida para los tres casos citados en a) y b), con la misma notacin,
condiciones y alusiones de entonces:
2
e(numerador de la t
exp
sin valor absoluto) t
o
(denominador de la t
exp
)
d) Tamao de muestra: Con igual notacin que en a) y b), para detectar una
diferencia |
1
2
|= o (en lo que sigue, z
x
se mira en la Tabla 1 y t
x
en la Ta-
bla 3 con f ' g.l.):
i) Muestras independientes (Varianzas iguales): n
1
=n
2
=n, con:
2
2 2
2
z z
n =
o |
o
o
+ | |
|
\ .
,
2
2 2
2
t t
n = s
o |
o
+ | |
|
\ .
,
2
2
z z
n = 2
K
o |
+ | |
|
\ .

la primera expresin se utiliza cuando o (o su valor mximo) es conoci-
da, la segunda cuando hay una muestra piloto de tamaos
i
n' y varianza

16
comn s
2
(con f ' =
1 2
2 n n ' ' + ) y la tercera cuando o = Ko (con K un
valor dado de antemano que usualmente verifica 0sKs0,5).
ii) Muestras apareadas:
2
2 2
d
z z
n =
o |
o
o
+ | |
|
\ .
,
2
2 2
d
t t
n = s
o |
o
+ | |
|
\ .
,
2
2
z z
n =
K
o |
+ | |
|
\ .

la primera expresin se utiliza cuando o
d
(o su valor mximo) es conoci-
do, la segunda cuando hay una muestra piloto de tamao n' y varianza
2
d
s (con f ' = n' 1), la tercera cuando |
1
2
|= Ko
d
.
7.2 TESTS PARAMTRICOS PARA COMPARAR DOS MEDIAS DE
VARIABLES CUALESQUIERA (H
0
1
=
2
)
Si, en las condiciones y notacin del Resumen 7.1, las variables implicadas
(x o d) no son Normales, gran parte de lo indicado all es aproximadamente v-
lido si las muestras son grandes (mayores que 30 o 60 segn lo no Normal que
sea la variable). Las reglas aconsejadas son las siguientes:
a) Test para muestras independientes: Comparar:
z
exp
=
1 2
2 2
1 1 2 2
x x
s / n s / n
+
vs. z
o
de la Tabla 1.
b) Test para muestras apareadas: Comparar:
z
exp
=
2
d
d
s / n
vs. z
o
de la Tabla 1
c) Intervalo de confianza para la diferencia de medias: Con la notacin de a)
y b):

1
2
e(numerador de la z
exp
sin valor absoluto) z
o
(denominador de la z
exp
)
d) Tamao de muestra: Es vlido lo indicado en el Resumen 7.1.d) -con las t
miradas tambin en la Tabla 1- si el n final predicho es superior a 30 o 60.
e) Variables discretas: En los casos a), b) y c), si la variable implicada es dis-
creta y saltando de 1 en 1 conviene efectuar una correccin por continuidad
consistente en sumar al radio del intervalo de confianza la cantidad c (o re-
star al numerador de la z
exp
la cantidad c) con:
i) Muestras independientes: c = 1/ {2 Mx (n
1
; n
2
)}.
ii) Muestras apareadas: c = 1/(2n).
7.3 TESTS NO PARAMTRICOS (TESTS DE WILCOXON) PARA
COMPARAR DOS MUESTRAS DE VARIABLES CUALESQUIERA
(H
0
La primera poblacin no tiende a dar valores ms altos o ms bajos
que la segunda, lo que es prcticamente equivalente a afirmar que
1
=
2
)
a) Asignacin de rangos: En lo que sigue se hablar de asignar rangos a una
muestra ordenada. Por tal se entiende al proceso de, dada una muestra or-
denada de menor a mayor (x
1
sx
2
s ... sx
n
), asignar el rango 1 al elemento x
1
,
el rango 2 al elemento x
2
, ..., el rango n al elemento x
n
. Cuando haya varios
elementos x
i
consecutivos iguales (empates) a cada uno de ellos se le asigna
el rango promedio que tendran si fueran distintos; por ejemplo, si x
r
= x
r+1
=
... = x
s
, a cada elemento se le asigna el rango promedio (r+s)/2.

17
b) Muestras independientes (test de Wilcoxon): Dadas dos muestras indepen-
dientes de tamaos n
1
y n
2
(n
1
sn
2
por convenio), unir las dos muestras en una
sola, ordenarla de menor a mayor, asignarle rangos a sus elementos y calcu-
lar las sumas de rangos (R
1
y R
2
) de los elementos de cada una de las mues-
tras. Deber suceder que R
1
+R
2
= (n
1
+n
2
)(n
1
+n
2
+1)/2. Llamar por R
exp
a la
suma de rangos (R
1
) de la muestra de menor tamao y entonces:
i) Si n
1
+n
2
s30: Comparar R
exp
con el valor R
o
de la Tabla 6 por el modo all
indicado.
ii) Si n
1
+n
2
>30: Comparar con el valor z
o
de la Tabla 1 la cantidad (en lo
que sigue no se tiene en cuenta la posible existencia de empates):
z
exp
=
( )
( )
E 0 5
V
exp
R R ,
R

, con E(R)=
( )
1 2 1
1
2
n n n + +
y V(R)=E(R)
2
6
n

c) Muestras apareadas (test de Wilcoxon): Dadas n' parejas de datos, obtener
las n' diferencias entre ellas, rechazar las que sean cero, ordenar el resto (n)
de menor a mayor valor de sus valores absolutos, asignarles rangos y calcular
las sumas de rangos -R(+) y R()- de las diferencias positivas y negativas.
Deber suceder que R(+) + R() = n(n+1)/2. Entonces:
i) Si ns25: Comparar R(+) -o R(), es lo mismo- con el valor R
o
de la Tabla
7 por el modo all indicado.
ii) Si n>25: Comparar con el valor z
o
de la Tabla 1 la cantidad (en lo que si-
gue no se tiene en cuenta la posible existencia de empates):
z
exp
=
( ) ( )
( )
E 0 5
V
R R ,
R
+
, con E(R) =
( ) 1
4
n n +
y V(R) = E(R)
2 1
6
n +

7.4 TESTS DE COMPARACIN DE DOS PROPORCIONES (MUES-
TRAS INDEPENDIENTES) (H
0
p
1
=p
2
)
Si x
i
B(n
i
; p
i
) -con i=1, 2- son independientes, y si de cada una de ellas se
obtiene una muestra en el formato de la Tabla R.7.1, entonces, llamando por
i
p =x
i
/n
i
, p =a
1
/N,
i
q =1
i
p y 1 q p = (en lo que sigue las cantidades z
x
siem-
pre en la Tabla 1, pues se utiliza la aproximacin de la Binomial a la Normal):
a) Test: Si E = Mn (a
1
; a
2
)Mn (n
1
; n
2
)/N > 5, comparar
( ) x ;
1 2
1 2
exp
1 2
1 2
p p
n n
z =
n +n
pq
n n
1

2
vs. z
o

b) Intervalo de confianza para la diferencia de proporciones: Si x
1
, x
2
, y
1
, y
2
son todos mayores que 5:
1 2
p p e (
1 2
p p )
( )
1 1 2 2
1 2
Mx ;
1 2
p q p q
z
n n n n
o

+ +
`

)
1
2

c) Tamao de muestra: Para detectar una diferencia o = |p
1
p
2
|:
i) Con informacin:

18
2
2 1 1 2 2
2 z pq z p q p q
n=
o |
o
| |
+ +
|
|
\ .
,
con p = (p
1
+p
2
)/2, q = 1p, q
i
= 1p
i
y las p
1
y p
2
lo ms cercanas posibles
a 0,5o/2, compatibles con la informacin que se posea sobre ellas y tales
que |p
1
p
2
| = o.
ii) Sin informacin: Cuando no hay informacin previa sobre las p
i
, la frmula
anterior se convierte en
n =
{ }
2
2
2
2
1
2
z z
o |
o
o
+

Tabla R.7.1 Tabla R.7.2
Presentacin de datos cuando se comparan
dos proporciones independientes.
Presentacin de datos cuando se comparan
dos proporciones apareadas.
Caracterstica

Muestras

S

NO

Totales
B

A

S

NO

Total

1 x
1
y
1
n
1
S n
11
n
12

2 x
2
y
2
n
2
NO n
21
n
22

Totales a
1
a
2
N Total n
7.5 TEST DE COMPARACIN DE DOS PROPORCIONES (MUES-
TRAS APAREADAS) (H
0
p
1
=p
2
)
Si los n individuos de una muestra son clasificados segn que presenten
(S) o no (NO) una determinada caracterstica tras la aplicacin de un tratamien-
to A (entendido de modo genrico: no tiene porqu ser un tratamiento mdico) y
lo mismo tras la aplicacin de otro tratamiento B, los datos pueden presentarse
como en la Tabla R.7.2. Si p
1
y p
2
son las proporciones de respuestas S a cada
tratamiento (en lo que sigue z
x
siempre en la Tabla 1):
a) Test de McNemar: Si n
12
+n
21
> 10, comparar
z
exp
=
12 21
12 21
1 n n
n n

+
vs. z
o
.
b) Intervalo de confianza para la diferencia de proporciones: Si n
12
, n
21
> 5:
( ) ( )
( )
2
21
21 21
1 2
0 5
12
12 12
n n
n n z n n ,
n
p p
n
o

+ +
`

)
e
c) Tamao de muestra: Para detectar una diferencia |p
1
p
2
|= o y si no hay
informacin sobre las p
ii
: n =
2
2
2
1 z z
.
o |
o
o

+

`

)


19
7.6 GENERALIDADES VLIDAS PARA TODO EL RESUMEN AC-
TUAL
a) Muestras: Dos muestras son independientes cuando cada individuo de las
mismas proporciona una nica observacin. Son apareadas, relacionadas o
dependientes cuando cada individuo proporciona dos observaciones (los da-
tos se obtienen por parejas). Cuando la asociacin entre esas parejas de datos
es positiva, el muestreo apareado es preferible al independiente.
b) Test: Las comprobaciones previas a un test de una cola (H
1

1
<
2
o H
1

p
1
<p
2
por ejemplo) son las lgicas (
1 2
x x < o
1 2
p p < ).
c) Intervalos de confianza: Todos estn construidos como de dos colas. Para
una cola cambiar o por 2o y conservar slo el extremo apropiado.
d) Tamaos de muestra: En las frmulas para n debe entenderse que:
i) El tamao pronosticado n alude al tamao de cada una de las dos mues-
tras (n = n
1
= n
2
).
ii) Aluden a un test de dos colas: Cuando sea de una cola cambiar o por 2o.
iii) La mnima diferencia importante o alude al primer valor de |
1
2
| o de
|p
1
p
2
| a diferenciar del valor 0. Si el test es de una cola, lo anterior es
vlido sin el valor absoluto.
7.7 COMPARACIONES MLTIPLES (mtodo de Bonferroni)
Cuando deban hacerse K tests de hiptesis sobre los que se desea un error
global de o, el nivel de error a utilizar en cada test individual debe ser de o/K.
La Tabla 8 ayuda a obtener las cantidades tericas de Student t
o/K
(f g.l.) y Nor-
mal tpica z
o/K
(que se obtiene al hacer f=), para lo cual no suelen ser tiles las
Tablas 3 y 1 originales (respectivamente).

EL TEST _
2
Y SUS APLICACIONES

20
RESUMEN DEL CAPTULO VIII
EL TEST
2
_ Y SUS APLICACIONES
8.1 TEST DE HOMOGENEIDAD DE VARIAS MUESTRAS CUALITA-
TIVAS (H
0
La proporcin de individuos que caen en una determinada
clase es la misma para todas las poblaciones y esto vale para todas las cla-
ses Todas las muestras provienen de igual poblacin).
Dadas r muestras cuyos individuos se clasifican en s clases como en la Ta-
bla R.8.1 (muestras = filas; clases = columnas), se define:
O
ij
= N de individuos de la muestra i que caen en la clase j
= Cantidades observadas;
F
i
= Total de la fila i = n total de individuos de la muestra i = E
j
O
ij
;
C
j
= Total de la columna j = n total de individuos de la clase j =E
i
O
ij
;
T = Gran total = n total de individuos considerados = EF
i
= EC
j
=EEO
ij
.
a) Test en tablas rs distintas de 22: Calcular las cantidades esperadas E
ij
=
F
i
C
j
/T (cuyos totales de fila y de columna han de ser las F
i
y C
j
de antes) y
entonces, si ninguna E
ij
es inferior a 1 y no mas del 20% de ellas son inferio-
res o iguales que 5, comparar

( )
2
2
2
ij ij ij
exp
i , j i , j
ij ij
O E O
T
E E
_

= =

vs.
2
o
_ {g.l.=(r1)(sl)} de la Tabla 9,
en donde la cantidad experimental anterior se denomina chi-cuadrado de
Pearson (su segunda expresin es la ms apropiada para el clculo).
Tabla R.8.1
Tabla de contingencia rs
Columnas
O
ij

1 2 s
Totales
1 O
11
O
12
O
1s
F
1

2 O
21
O
22
O
2s
F
2

Filas

r O
r1
O
r2
O
rs
F
r

Totales C
1
C
2
C
s
T

b) Test en tablas 22: Si E=Mn (F
1
; F
2
)Mn (C
1
; C
2
) / T > 5 (con E= mnima
cantidad esperada), comparar
( )
2
2
1 2 1 2
2
1 2
11 22 12 21
exp
Mn F ; F
O O O O
= T
F F C C
_
| |

|
\ .
vs.
2
o
_ {g.l.=l} de la Tabla 9.
Si la cantidad Mn (F
1
; F
2
)/2 se cambia por T/2 se obtiene la clsica
EL TEST _
2
Y SUS APLICACIONES

21
2
Y
_ (chi-cuadrado de Yates); si se cambia por 0 se obtiene el tambin clsico
valor del estadstico chi-cuadrado sin correccin por continuidad.
8.2 TEST DE INDEPENDENCIA PARA VARIABLES CUALITATIVAS:
TABLAS DE CONTINGENCIA (H
0
Los caracteres A y B son indepen-
dientes, es decir no estn asociados o no estn relacionados).
Si en los T individuos de una muestra aleatoria se determinan dos caracteres
cualitativos A y B, el primero dividido en r clases y el segundo en s clases, y se
les clasifica en base a ello en una tabla como la Tabla R.8.1 -cambiando filas
y columnas por clases del carcter A y clases del carcter B respecti-
vamente- proceder como en el Resumen 8.1, salvo que en las Tablas 22:
( )
2
2
1 2 1 2
0 5
11 22 12 21
exp
O O O O ,
= T
F F C C
_

8.3 TIPOS DE MUESTREO EN TABLAS 22, TEST APROPIADO Y
MEDIDAS DE ASOCIACIN
Con frecuencia los dos caracteres dicotmicos estudiados (E y FR) suelen
aludir a la presencia o no de una enfermedad o efecto indeseado (E y E ) y a la
presencia o no de un factor de riesgo (FR y FR ). En lo que sigue se asume que
la enfermedad se ubica en filas, el factor de riesgo en columnas, el S en primer
lugar y el NO en segundo lugar, obteniendo as unos datos como los de la Tabla
R.8.2.
Tabla R.8.2
Formato estndar para los estudios epidemiolgicos
Factor de riesgo
Enfermedad
S FR NO FR Totales
S E
NO E
O
11

O
21

O
12

O
22

F
1

F
2

Totales C
1
C
2
T

a) Tipos de muestreo: Para estudiar la asociacin entre E y FR los tipos de
muestreo pueden ser dos, lo que da lugar a tres tipos de estudio:
i) Muestreo de Tipo I (Estudio Transversal): Tomar T individuos al azar y
clasificarlos en base a E y FR.
ii) Muestreo de Tipo II (Preferible al de Tipo I si las F
i
o las C
j
se planifican
como iguales):
- Estudio Prospectivo, Longitudinal o de Seguimiento: Tomar C
1
y C
2
in-
dividuos al azar y clasificarlos en base a E.
- Estudio Retrospectivo o de Caso-Control: Tomar F
1
y F
2
individuos al
azar y clasificarlos en base a FR.
Desde un punto de vista estadstico, el diseo ptimo consiste en tomar
muestras de igual tamao de los niveles de la caracterstica ms infrecuente
(en general la enfermedad: estudio retrospectivo).
b) Test apropiado (H
0
E y FR son independientes): Si E = Mn (F
1
; F
2
)Mn
(C
1
; C
2
) / T > 5, comparar
EL TEST _
2
Y SUS APLICACIONES

22
( )
2
2
1 2 1 2
11 22 12 21
exp
O O O O c
= T
F F C C
_

con
2
o
_ {g.l.=l} de Tabla 9
con c = 0,5 en los transversales, c = Mn (C
1
; C
2
)/2 en los prospectivos y c =
Mn (F
1
; F
2
) / 2 en los retrospectivos. En todos los casos c = T/2 da la clsica
chi-cuadrado con la c.p.c. de Yates y c=0 da la clsica chi-cuadrado sin c.p.c.
c) Medidas de asociacin: Una medida de asociacin es un nmero que indica
el grado de dependencia existente entre los dos caracteres E y FR estudiados,
pero la medida a usar depende del fin perseguido y su clculo ser lcito o no
en funcin del muestreo utilizado. El Cuadro R.8.1 las resume (pero l es
aplicable solo a datos en el formato de la Tabla R.8.2).
8.4 ASIGNACIN DE VALORES CUANTITATIVOS ARBITRARIOS
a) Los mtodos basados en datos cuantitativos (como los tests de Student) son
preferibles a los basados en datos cualitativos (como el test _
2
), pues dan lu-
gar a tests ms potentes.
b) Si una caracterstica cualitativa es ordinal, es posible y preferible asignarle
valores numricos a sus clases y analizar los nuevos datos por la tcnica
cuantitativa apropiada (en lugar de por el test chi-cuadrado).
c) La asignacin puede hacerse si el fenmeno estudiado hubiera podido medir-
se en una escala continua (de haber dispuesto de los instrumentos adecuados)
y si las clases obtenidas pueden considerarse como un agrupamiento de tal
escala por medio de otra ms burda formada por sus valores redondeados.
8.5 EVALUACIN DE UN MTODO DE DIAGNSTICO
Si en la Tabla R.8.2 se entiende que FR alude a que un test diagnstico ha
dado positivo (suceso T), el objetivo entonces es evaluar la bondad del test diag-
nstico, lo que puede hacerse de los dos modos siguientes (aunque es preferible
el segundo). En lo que sigue se entiende que:
p = Prevalencia = % de enfermos en la poblacin estudiada
a) Sin considerar la prevalencia: Se define
SN = Sensibilidad = % de enfermos diagnosticados positivamente;
FN = Falsos Negativos = % de enfermos diagnosticados negativamente;
EP = Especificidad = % de sanos diagnosticados negativamente;
FP = Falsos Positivos = % de sanos diagnosticados positivamente;
en donde SN+FN = EP+FP = 100.
Para estimar tales valores se toman F
1
enfermos y F
2
sanos y se anota
en cuntos de ellos el test da positivo (O
11
y O
21
respectivamente), expresan-
do los datos en una tabla como la Tabla R.8.2 -cambiando FR por T- y dando
lugar as a un estudio retrospectivo. Entonces:

11 12 22 21
1 1 2 2
O O O O
SN , FN = , E P , FP
F F F F
= = =
cantidades a las que es posible aplicarle los resultados del Resumen 4.4.a).
Los estimadores anteriores son tambin vlidos en el caso de que el estudio
sea transversal (es decir si se han obtenido T individuos al azar que se han
clasificado en la tabla aludida anteriormente). Las conclusiones son:
EL TEST _
2
Y SUS APLICACIONES

23
i) Si EP es alta, el test es til para confirmar la enfermedad (conviene apli-
carlo a individuos sospechosos de poseerla);
ii) Si SN es alta, el test es til para descartar la enfermedad (conviene apli-
carlo como procedimiento de rutina para el diagnstico precoz de la en-
fermedad).
b) Considerando la prevalencia: Los porcentajes de aciertos en los diagnsti-
cos positivos (Valor Predictivo Positivo) o negativos (Valor Predictivo Ne-
gativo), que sern los de inters para el enfermo, son:
VPP = % de enfermos entre los diagnosticados positivamente,
VPN = % de sanos entre los diagnosticados negativamente,
valores que dependen de la prevalencia p de la poblacin a la que se est
aludiendo. Para estimarlos hay que contemplar dos situaciones.
Si los datos de la Tabla R.8.2 provienen de un estudio retrospectivo o
transversal, pero la estimacin de los valores predictivos se desea para una
poblacin de prevalencia p (que no tiene porqu ser la poblacin de la que se
tomaron los datos), los estimadores vienen dados por:
( )

( )

( )

( )

( )
1 p EP
p S
VPP = , VPN =
p SN + 1 p 1 EP 1 p EP + p 1 SN

con
SN y
EP obtenidos como en a).

Si los datos de la Tabla R.8.2 provienen de un estudio transversal y la
estimacin de los valores predictivos se desea para esa poblacin (cuya pre-
valencia estimada ser p =F
1
/T), las frmulas anteriores se simplifican en
los siguientes estimadores de una proporcin simple:
11 22
1 2
O O
VPP , VPN =
C C
=
Las conclusiones (para la prevalencia asumida) son:
i) Si VPP es alto, el test es til para confirmar la enfermedad;
ii) Si VPN es alto, el test es til para descartar la enfermedad.

2
4

E
L
T
E
S
T

_
2

Y

S
U
S

A
P
L
I
C
A
C
I
O
N
E
S

Cuadro R.8.1
Medidas de asociacin epidemiolgicas en tablas 22
Medida
Valores
posibles
(Asociacin)
Independencia
(Asociacin+)
Caso Estimacin
Estudios en
que es vlida
Intervalo de Confianza (aproximado)
(z
o
en la TABLA 1)
General
( ) ( )
2 11 12 1
R = O C / O C
( )( )
( )( )
1
1
11 2
12 1
O +0,5 C +
R =
O +0,5 C +
'
Transversales
Prospectivos
11 12 1 2
0,5 0, 5 1 1
1 1 1 1
R R exp z
+ + + +
O O C C
o

e ' +
`

)

R
0 s R < 1

R = 1

1 < R <
Si preva-
lencia<0,1
R o

O O ~ ' Retrospectivos
11 12 21 22
0, 5 0,5 0,5 0,5
1 1 1 1
R O exp z
O + O + O + O +
o

' e + + +
`

)
Riesgo relativo (de FR para E): La probabilidad de enfermar es R veces mayor en los individuos con el FR que en los sin el FR.
General ( ) ( )
22 12 21 11
O = O O / O O
O
0 s O < 1
O = 1
1 < O s
Si alguna
O
ij
vale
cero
( )( )
( )( )
22
12 21
0 5 0 5
0 5 0 5
11
O , O ,
O =
O , O ,
+ +
'
+ +
Transversales
Prospectivos
Retrospectivos 11 12 21 22
0,5 0, 0,5 0, 5
1 1 1 1
O O exp z
O + O + 5 O + O +
o

e ' + + +
`

)
Razn del producto cruzado: La fraccin de individuos que enferman frente a los que no, es O veces mayor en los que individuos con el FR que en los sin el FR.
General
2
11 22 12 21
FR
1
O O O O
R =
FC

Transversales
( )
( )
1
21 11 22 FR
FR FR
12
O O O R
R 1 R exp z
TO
o

+ +

e
`

)

R
FR

P
1 P
( FR )
( FR )
sR
FR
<0
R
FR
= 0
0<R
FR
s+1
Si preva-
lencia<0,1
FR
R
1
11 22 12 21
22
O O O O
O F
~

Retrospectivos
12 22
1 1
1
FR FR
1 2
T
R 1 ( R ) exp z
F F
O O
o

e +
`

)

Riesgo atribuible (al FR): Una fraccin R
FR
de los enfermos podran no haberlo sido si nadie de la poblacin hubiera estado sometido al FR.

REGRESIN LINEAL SIMPLE

25
RESUMEN DEL CAPTULO IX
9.1 CONCEPTO DE REGRESIN
a) Objetivo: Dadas dos v.a. cuantitativas x e y medidas en los mismos indivi-
duos, la tcnica de regresin puede perseguir tres objetivos:
i) Estudiar si ambas variables estn relacionadas o si son independientes.
ii) Estudiar el tipo de relacin que las liga (si existe).
iii) Predecir los valores de una de ellas a travs de los de la otra.
b) Relaciones deterministas y aleatorias: En las Ciencias Exactas la relacin
entre dos variables es determinista (conocido el valor de una de ellas se co-
noce exactamente el de la otra), pero en las Ciencias de la Salud la relacin
es aleatoria (conocido el valor de una variable se conoce el de la otra slo de
un modo aproximado). Ello sucede en por causa de dos variabilidades:
i) La biolgica de los individuos a estudiar.
ii) La aleatoria de los mtodos utilizados para medir las variables implicadas.
c) Sobre la existencia de regresin: Dadas n parejas de valores (x
i
; y
i
) obteni-
dos de una muestra, su representacin por puntos en el plano cartesiano da
lugar a una nube de puntos. Si a ella se ajusta alguna curva, se dice que exis-
te regresin, a la curva se le llama lnea de regresin y a la funcin que la
representa se le llama funcin de regresin. A la variable ubicada en el eje
horizontal (usualmente x) se le llama variable independiente o controlada; a
la ubicada en el eje vertical (usualmente y) se le llama variable dependiente.
d) Tipos de regresin:
i) Regresin lineal simple (la de este captulo): Si hay solo dos variables, x e
y, relacionadas entre s mediante una lnea recta.
ii) Regresin curvilnea: Si hay solo dos variables, x e y, relacionadas entre
s mediante una lnea curva.
iii) Regresin mltiple: Si hay una variable objetivo y a relacionar con ms de
una variable de apoyo x
1
, x
2
,
e) Asociacin y causalidad: La demostracin estadstica de que dos variables
estn asociadas no constituye una prueba de que una de ellas sea causa de la
otra. Puede ocurrir:
i) Que x sea realmente la causa de y.
ii) Que ambas variables se influyan mutuamente.
iii) Que ambas variables dependan de una causa comn (una tercera variable
z no contemplada).
9.2 MODELO Y TIPOS DE MUESTREO EN REGRESIN LINEAL
a) Modelo: Para cada valor de x, la variable y sigue una distribucin Normal de
media E(y|x)=o+|x y de varianza o
2
constante (independiente de x). A y
POB
=
o+|x se le llama recta de regresin poblacional, a o altura en el origen po-
blacional (altura en que corta la recta al eje vertical, es decir cuando x=0) y a
| pendiente poblacional (lo que aumenta y cuando x aumenta en una unidad).
Las claves son pues: Normalidad, linealidad y homogeneidad de varianzas.
b) Tipos de muestreo: La obtencin de las n parejas (x
i
; y
i
) pueden hacerse me-
diante dos tipos de muestreo (es preferible el segundo):
i) Muestreo de Tipo I: Tomar n individuos al azar y anotar sus valores x e y.

26
ii) Muestreo de Tipo II: Tomar n valores de x elegidos de antemano (que no
tienen porqu ser todos distintos) y obtener un valor de y al azar en cada
uno de ellos.
9.3 ESTIMACIN DE LOS PARMETROS Y SUS CONSECUENCIAS
Si (x
i
; y
i
), con i = 1, 2, ..., n, son n parejas de valores de (x; y) obtenidos por
alguno de los tipos de muestreo anteriores:
a) Estimacin de los parmetros del modelo (o, | y o
2
): Los estimadores
o =a (altura en el origen muestral) y
| =b (pendiente muestral), que dan lu-

gar a la recta de regresin muestral (o estimada) y = a+bx (prediccin pun-
tual de y), se determinan por el principio de los mnimos cuadrados, es decir
haciendo que la suma de los cuadrados de las diferencias entre lo real y lo
estimado -E(y
i
y )
2
= E(y
i
abx
i
)
2
- sea lo ms pequeo posible. El criterio
ocasiona que los estimadores a, b y s
2
(=
2
o , la varianza muestral que mide
la variabilidad de los puntos alrededor de la recta de regresin) sean:
b =
( )
( )
xy
xx
, a = y bx y ( ) ( )
2
2
2 2
i i
1 1 xy
s = y y yy
n n xx)
2
( )
=
`
(
)

con:
(xx) = E(x
i
x )
2
= E
2
i
x
( )
2
i
x
n

(yy) = E(y
i
y )
2
= E
2
i
y
( )
2
i
y
n

(xy) = E(x
i
x )(y
i
y ) = Ex
i
y
i

( )( ) y
i i
x
n

en donde la segunda expresin es la definicin y la tercera es su mtodo
abreviado de clculo.
b) Comprobacin del modelo: Sea la nube de puntos normal que se obtiene al
representar en el plano las n parejas de valores (x
i
, y
i
). Sean d
i
=y
i
i
y los re-
siduos o residuales y sea la nube de puntos de residuales que se obtiene al
representar d
i
=y
i
i
y (en el eje vertical) contra
i
y (en el eje horizontal). Las
tres condiciones del modelo de regresin se pueden verificar del siguiente
modo (el basado en los residuales es mejor):
i) Normalidad: No se verifica si la variable y es discreta o si el test de Nor-
malidad es significativo al aplicarlo a cada conjunto de observaciones y
en cada x (lo que requiere de un muestreo con observaciones repetidas).
ii) Linealidad: La nube de puntos normal ha de mostrar una tendencia exclu-
sivamente lineal. La de residuales ha de ser paralela al eje horizontal.
Cuando esto no es as, a veces un cambio de escala apropiado puede
convertir la curva en recta (linealizacin): cambiar x por log x, 1/x,
, x etc y/o similarmente con y.
iii) Homogeneidad de varianzas: La nube de puntos normal ha de ser ovala-
da, sin mostrar tendencia a ser ms ancha o ms estrecha con el aumento
de x. La de residuales igual con el aumento de y .
c) Quin sobre quin?: Los parmetros anteriores se entiende que son a
yx
, b
yx

y
2
y x
s

por haber sido obtenidos de la regresin de y sobre x (y en el eje ver-
tical; x en el horizontal). Los resultados no son los mismos (a
xy
, b
xy
y
2
x y
s

) si

27
en el eje horizontal se pone a la variable y y en el vertical la variable x (regre-
sin de x sobre y). Se realizar la regresin de y sobre x cuando el objeti-
vo sea predecir y a partir de x (lo que se har mediante la expresin y =
a+bx). El muestreo de Tipo I permite hacer ambas; el de Tipo II slo la de y
sobre x (la prediccin puntual de x en este ltimo caso se hace por calibra-
cin lineal: ( ) ( )
x y / b a / b = ).
d) Precauciones y consejos:
i) No pueden hacerse inferencias fuera del rango de muestreo de x (el inter-
valo de valores entre el menor y el mayor valor de x obtenidos).
ii) El muestreo de Tipo II permite elegir el rango de inters de las x y, to-
mndolo amplio, hacer ms fiables las conclusiones.
9.4 INFERENCIAS CON RECTAS DE REGRESIN
En los dos casos que siguen, t
o
se busca en la Tabla 3 con (n2) g.1.:
a) Intervalo de confianza para la pendiente:
( )
2
s
b t
xx
o
| e .
b) Test de independencia (H
0
|=0): Comparar t
exp
= |b|
( )
2
xx
s
vs. t
o
.

CORRELACIN

28
RESUMEN DEL CAPTULO X
CORRELACIN
10.1 COEFICIENTE DE CORRELACIN LINEAL SIMPLE (O DE PE-
ARSON)
a) Objetivo: Dadas dos v.a. cuantitativas x e y, se trata de medir la fuerza con
que ambas estn ligadas a partir de los resultados (x
i
; y
i
), con i =1, 2,..., n, ob-
tenidos en n individuos.
b) Modelo, tipos de muestreo, valores de (xx), (xy) e (yy) y comprobacin
del modelo: Como en los Resmenes 9.2.a) y b) y 9.3.a) y b).
c) Estimacin: La fuerza con que las dos variables estn ligadas se mide me-
diante el coeficiente de correlacin poblacional (lineal simple) , el cual se
estima (bajo el muestreo I) por el coeficiente de correlacin muestral ( =r):
( )
( )( )
xy
r
xx yy
= .
d) Propiedades de (lo que sigue es vlido tambin para r):
i) es un nmero adimensional que no depende de las unidades de medida
ni del orden en que se enuncien las variables (
xy
=
yx
).
ii)
2
es la proporcin de la variabilidad total de y que est explicada por su
regresin lineal en x (el resto -1
2
- es la parte no explicada que depende
de otras variables no contempladas en el problema).
iii) 1 s s +1.
iv) El valor absoluto || mide la fuerza de relacin entre x e y (a ms ||
ms fuerza), en tanto que el signo de indica el sentido de la misma: po-
sitiva si >0 (a ms x ms y), negativa si <0 (a ms x menos y) o nula
(es decir, x e y son independientes) si =0.
v) Cuanto ms aplastada es una nube de puntos respecto de una misma recta
de regresin, ms grande es ||. Cuando es paralela a uno de los ejes en-
tonces =0.
e) Test de independencia (H
0
=0, es decir x e y son independientes): Cual-
quiera que sea el muestreo utilizado, comparar (test idntico al del Resumen
9.4.b):
( )
2
2
1
exp
n r
t =
r
2
vs. t
o
(n2 g.l.) de la Tabla 3
f) Regresin o correlacin? Dadas dos variables (x, y) se utilizar la tcnica
de correlacin si el nico objetivo es saber si ambas estn relacionadas y con
qu fuerza. Se utilizar la tcnica de regresin si lo que se desea es saber si
estn relacionadas y efectuar predicciones de una variable a partir de la otra.
Es muy habitual simultanear ambos resultados.
10.2 COEFICIENTE DE CORRELACIN DE SPEARMAN
a) Objetivo: Medir la asociacin entre dos variables cuantitativas cualesquiera
(verifiquen o no el modelo de regresin lineal). Es un mtodo no paramtrico.
CORRELACIN

29
b) Condiciones: La asociacin ha de ser monotnica (una variable siempre cre-
ce o siempre decrece con la otra).
c) Estimacin: La fuerza de la asociacin la mide el coeficiente de correlacin
poblacional de Spearman
S
, el cual se estima (bajo el muestreo I) por el co-
eficiente de correlacin muestral
S
=r
S
determinado a travs de los siguien-
tes pasos:
(1) Obtener una muestra de n parejas de valores (x
i
; y
i
).
(2) Ordenar de menor a mayor los valores de x
i
y asignarles rangos R
i
como en
el Resumen 7.3.a).
(3) Proceder igual con los valores de y
i
asignandoles rangos
i
R' .
(4) Anotar las parejas (R
i
;
i
R' ) correspondientes a las parejas (x
i
; y
i
) originales,
comprobando que ER
i
= E
i
R' = n(n+1)/2.
(5) Obtener el coeficiente de correlacin lineal simple para las n parejas de ran-
gos, es decir, y con igual convenio que en el Resumen 10.1.c),
( )
( )( )
S
RR
r
RR R R
'
=
' '

Cuando no hay empates, la frmula anterior se simplifica en la siguiente:
( )
( ) ( )
2
1 6
1 1
i i
S
R R
r =
n n n+
'

d) Propiedades: Como en el Resumen 10.1.d), pero relativas a los rangos.
e) Test de independencia: (H
0

S
=0, es decir x e y son independientes): Cual-
quiera que sea el muestreo utilizado:
i) Si ns30: Comparar |r
S
| vs. r
o
de la Tabla 10 en el modo all indicado.
ii) Si n>30: Comparar z
exp
= |r
S
| 1 n vs. z
o
de la Tabla 1.
10.3 TEST DE INDEPENDENCIA CON VARIABLES MIXTAS (H
0
Los
valores que toma un individuo con respecto a una variable cuantitativa x
son independientes de la clase a que este pertenece respecto de una cuali-
dad C).
Sea x una variable cuantitativa cualquiera y C una cualidad con s clases. Si
se toma una muestra de n individuos se obtendrn n parejas de valores (x; C) a
partir de las cuales hay que contrastar H
0
. El mtodo para ello depende del caso:
a) Si C es una cualidad ordinal: Convertir la cualidad en cantidad (asignndo-
le a sus clases valores cuantitativos arbitrarios y por el mtodo del Resumen
8.4) y aplicar a las parejas (x
i
; y
i
) as obtenidas los Resmenes 10.1 o 10.2.
b) Si C es una cualidad no ordinal:
i) Si s=2: Comparar los valores medios de x (
1
y
2
) en las dos clases de C
por el procedimiento de los Resmenes 7.1.a), 7.2.a) o 7.3.b) segn pro-
ceda.
ii) Si s>2: Comparar los valores medios de x (
1,
2
, ...,
s
) en las s clases de
C por el procedimiento del anlisis de la varianza (no contemplado en es-
tos Resmenes). Alternativamente, convertir la cantidad x en cualidad
(definiendo r intervalos de clase arbitrarios), formar la tabla contingencia
rs que ello produce y analizarla por la tcnica de _
2
de los Resmenes
9.1 o 9.2 (aunque ello conlleva una gran prdida de potencia).
TABLAS

30
TABLAS DE BIOESTADSTICA
Pg.
Tabla 1 .... Distribucin Normal tpica (dos colas) ............................... 30
Tabla 2 .... 2.500 nmeros aleatorios ..................................................... 31
Tabla 3 .... Distribucin t de Student ...................................................... 32
Tabla 4 .... Lmites de significacin para el test de Normalidad de
DAgostino ........................................................................... 33
Tabla 5 .... Distribucin F de Snedecor .................................................. 34
Tabla 6 .... Lmites de significacin para el test de Wilcoxon
(dos muestras independientes) ............................................. 35
Tabla 7 .... Lmites de significacin para el test de Wilcoxon
(dos muestras apareadas) ...................................................... 36
Tabla 8 .... Distribucin de Bonferroni .................................................. 37
Tabla 9 .... Distribucin _
2
..................................................................... 38
Tabla 10 .... Lmites de significacin para el coeficiente de correlacin
de Spearman ......................................................................... 39

REFERENCIAS
D'Agostino, R.B. and Stephens, M.A. (Eds) (1986). Goodness-of-fit Techniques. Marcel
Dekker, Inc. New York.
Glasser, G.J. and Winter, R.E. (1961). Critical values of the coefficient of rank correla-
tion for testing the hypothesis of independence. Biometrika 48, 444-448.
Ros, S. (1967). Mtodos estadsticos. Ediciones del Castillo. Madrid.
Tukey, J.W. (1949). The simplest signed rank tests. Memorandum report n 17 Statisti-
cal Research group. Princeton. New Jersey.
White, C. (1952). The use of ranks in a test of significance for comparing two treat-
ments. Biometrics 8, 33-40.
TABLAS

31
Tabla 1
Distribucin Normal tpica (dos colas)

o 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 2,576 2,326 2,170 2,054 1,960 1,881 1,812 1,751 1,695
0,1 1,645 1,598 1,555 1,514 1,476 1,440 1,405 1,372 1,341 1,311
0,2 1,282 1,254 1,227 1,200 1,175 1,150 1,126 1,103 1,080 1,058
0,3 1,036 1,015 0,994 0,974 0,954 0,935 0,915 0,896 0,878 0,860
0,4 0,842 0,824 0,806 0,789 0,772 0,755 0,739 0,722 0,706 0,690
0,5 0,674 0,659 0,643 0,628 0,613 0,598 0,583 0,568 0,553 0,539
0,6 0,524 0,510 0,496 0,482 0,468 0,454 0,440 0,426 0,412 0,399
0,7 0,385 0,372 0,358 0,345 0,332 0,319 0,305 0,292 0,279 0,266
0,8 0,253 0,240 0,228 0,215 0,202 0,189 0,176 0,164 0,151 0,138
0,9 0,126 0,113 0,100 0,088 0,075 0,063 0,050 0,038 0,025 0,013
Tabla para los pequeos valores de o
o 0,002 0,001 0,000 1 0,000 01 0,000 001 0,000 000 1
z
o
3,090 3,290 3,891 4,417 4,892 5,327

Nota: Para cada valor de o (en el caso de la tabla principal, la suma de la primera columna y de la
primera fila) en el interior de la tabla se da el valor z
o
tal que a la izquierda de z
o
y a la
derecha de + z
o
hay un rea total de o.

z
o
0 z
o
+
o/2 o/2
TABLAS

32
Tabla 2
2.500 nmeros aleatorios
0347437386
9774246762
1676622766
1256859926
5559563564
3696473661
4281145720
5650267107
9696682731
3854824622
4698637162
4253323732
3290797853
0503729315
3162430990
3326168045
2707360751
1355385859
5712101421
0618443253
6011141095
2451798973
8897541410
8826498176
2383013030
1622779439
8442175331
6301637859
3321123429
5760863244
4954435482
5724550688
1695556719
7864560782
0947279654
1737932378
7704744767
9810507175
5242074438
4917460962
8735209643
2176335025
1286735807
1551001342
9052847727
8426349164
8392120676
4439523879
9966027954
0802734328
1818079246
2662389775
2342406474
5236281995
3785943512
4417165809
8416074499
8297777781
5092261197
8339500830
7983861962
8311463224
0745321408
0056763138
4234079688
0676500310
2014858845
3298940772
8022025353
5442068798
5523640505
1093728871
9385791075
8660420453
3585294839
7029171213
5662183735
9949572277
1608150472
3116933243
4033203826
9683508775
8842954572
3327143409
5027898719
1389510374
9712259347
1664361600
4559346849
2015370049
1776371304
7033240354
0443186679
1272073445
5285666044
0774211930
9777464480
9477242190
9927729514
3868881180
6834301370
7457256576
2742378653
0039682961
2994989424
5574307740
5929976860
4855906572
6637322030
6849691082
4422788426
7191386754
9657693610
7784570329
5375919330
0433460952
1358182476
9646924245
1045650426
3425205727
6807970657
1554559552
9760490491
1104966724
4048735192
1690826659
1127947506
3524101620
3823168638
3196259147
8362641112
0609197466
3332512638
4238970150
9644334913
6719007174
0294373402
7978450491
8775668141
3486825391
6047212968
7670903086
1692535616
4001749162
0052434885
0202370331
3845943038
0275509598
4851840832
2755268962
5667406714
1490844511
6805511800
2046787390
6419589779
6405719586
7573880590
3396027519
9751401402
1506159320
1105650968
5227411486
0760629355
0402333108
0190107506
7683203790
2298122208
5933824390
3954164936
4078788962
5716001166
0752749580
4937384459
4795931330
0267741733
0526937060
0797108823
6871868585
2699616553
1465526875
2235851513
0998429964
5487664754
5837788070
8759362241
9203515977
6171629915
7332081112
4210506742
2678630655
5956780683
0651291693
4495926316
3217558574
1308270150
5291057074
5805770951
2956242948
9444671694
1529393943
1753775871
9026592119
4123525599
6020508169
9125380590
7141615072
2352233312
3104496996
3199736868
9458284136
1241949626
9693021839
1047484588
3581330376
4537590309
4495273699
0702183607
1341438920
2430124860
9035572912
0296743083
2599327023
9717144917
1899107234
8262546560
3450577437
8522043943
0979137748
8875801814
9096237000
9880330091
7381539479
7382972221
2295754249
3900030690
0977931982
3362468628
0503272483
3932822249
5585783836
7494800404
0831544631
7289440560
0248077037
9437306932
4507316649
5394133847
3580399488
1604616787
9089007633
Nota: Los nmeros pueden seleccionarse en cualquier orden (de izquierda a derecha, de arriba
abajo, ...) y comenzando por cualquier posicin.
Ros (1967)
TABLAS

33
Tabla 3
Distribucin t de Student

o
g.l.
0,50 0,40 0,30 0,20 0,10 0,05 0,02 0,01 0,001
1
2
3
4
5
6
7
8
9
10

1,000
0,816
0,765
0,741
0,727
0,718
0,711
0,706
0,703
0,700
1,376
1,061
0,978
0,941
0,920
0,906
0,896
0,889
0,883
0,879
1,963
1,386
1,250
1,190
1,156
1,134
1,119
1,108
1,100
1,093
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
12,706
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
31,821
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
63,656
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169
636,578
31,600
12,924
8,610
6,869
5,959
5,408
5,041
4,781
4,587
11
12
13
14
15
16
17
18
19
20

0,697
0,695
0,694
0,692
0,691
0,690
0,689
0,688
0,688
0,687
0,876
0,873
0,870
0,868
0,866
0,865
0,863
0,862
0,861
0,860
1,088
1,083
1,079
1,076
1,074
1,071
1,069
1,067
1,066
1,064
1,363
1,356
1,350
1,345
1,341
1,337
1,333
1,330
1,328
1,325
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,718
2,681
2,650
2,624
2,602
2,583
2,567
2,552
2,539
2,528
3,106
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845
4,437
4,318
4,221
4,140
4,073
4,015
3,965
3,922
3,883
3,850
21
22
23
24
25
26
27
28
29
30

0,686
0,686
0,685
0,685
0,684
0,684
0,684
0,683
0,683
0,683
0,859
0,858
0,858
0,857
0,856
0,856
0,855
0,855
0,854
0,854
1,063
1,061
1,060
1,059
1,058
1,058
1,057
1,056
1,055
1,055
1,323
1,321
1,319
1,318
1,316
1,315
1,314
1,313
1,311
1,310
1,721
1,717
1,714
1,711
1,708
1,706
1,703
1,701
1,699
1,697
2,080
2,074
2,069
2,064
2,060
2,056
2,052
2,048
2,045
2,042
2,518
2,508
2,500
2,492
2,485
2,479
2,473
2,467
2,462
2,457
2,831
2,819
2,807
2,797
2,787
2,779
2,771
2,763
2,756
2,750
3,819
3,792
3,768
3,745
3,725
3,707
3,689
3,674
3,660
3,646
35
40
45
50
60
80
100

0,682
0,681
0,680
0,679
0,679
0,678
0,677
0,674
0,852
0,851
0,850
0,849
0,848
0,846
0,845
0,842
1,052
1,050
1,049
1,047
1,045
1,043
1,042
1,036
1,306
1,303
1,301
1,299
1,296
1,292
1,290
1,282
1,690
1,684
1,679
1,676
1,671
1,664
1,660
1,645
2,030
2,021
2,014
2,009
2,000
1,990
1,984
1,960
2,438
2,423
2,412
2,403
2,390
2,374
2,364
2,326
2,724
2,704
2,690
2,678
2,660
2,639
2,626
2,576
3,591
3,551
3,520
3,496
3,460
3,416
3,390
3,290

Nota: Para cada valor de los g.l. (primera columna) y de o (primera fila), en el interior de la tabla
se da el valor t
o
tal que a la izquierda de t
o
y a la derecha de +t
o
queda un rea total de o.

t
o
0 t
o
+
o/2
o/2
TABLAS

34
Tabla 4
Lmites de significacin para el test de Normalidad de DAgostino
o
n
0,20 0,10 0,05 0,02 0, 01
10
12
14
16
18

0,2632 - 0,2835
0,2653 - 0,2841
0,2669 - 0,2846
0,2681 - 0,2848
0,2690 - 0,2850
0,2573 - 0,2843
0,2598 - 0,2849
0,2618 - 0,2853
0,2634 - 0,2855
0,2646 - 0,2857
0,2513 - 0,2849
0,2544 - 0,2854
0,2568 - 0,2858
0,2587 - 0,2860
0,2603 - 0,2862
0,2436 - 0,2855
0,2473 - 0,2859
0,2503 - 0,2862
0,2527 - 0,2865
0,2547 - 0,2866
0,2379 - 0,2857
0,2420 - 0,2862
0,2455 - 0,2865
0,2482 - 0,2867
0,2505 - 0,2868
20
22
24
26
28

0,2699 - 0,2852
0,2705 - 0,2853
0,2711 - 0,2853
0,2717 - 0,2854
0,2721 - 0,2854
0,2657 - 0,2859
0,2667 - 0,2860
0,2675 - 0,2861
0,2682 - 0,2861
0,2688 - 0,2861
0,2617 - 0,2863
0,2629 - 0,2864
0,2639 - 0,2865
0,2647 - 0,2866
0,2655 - 0,2866
0,2564 - 0,2867
0,2579 - 0,2869
0,2591 - 0,2869
0,2603 - 0,2870
0,2612 - 0,2870
0,2525 - 0,2869
0,2542 - 0,2870
0,2557 - 0,2871
0,2570 - 0,2872
0,2581 - 0,2873
30
32
34
36
38

0,2725 - 0,2854
0,2729 - 0,2854
0,2732 - 0,2854
0,2735 - 0,2854
0,2738 - 0,2854
0,2693 - 0,2862
0,2698 - 0,2862
0,2703 - 0,2862
0,2707 - 0,2862
0,2710 - 0,2862
0,2662 - 0,2866
0,2668 - 0,2867
0,2674 - 0,2867
0,2679 - 0,2367
0,2683 - 0,2867
0,2622 - 0,2871
0,2630 - 0,2871
0,2636 - 0,2871
0,2643 - 0,2871
0,2649 - 0,2871
0,2592 - 0,2872
0,2600 - 0,2873
0,2609 - 0,2873
0,2617 - 0,2873
0,2623 - 0,2873
40
42
44
46
48

0,2740 - 0,2854
0,2743 - 0,2854
0,2745 - 0,2854
0,2747 - 0,2854
0,2749 - 0,2854
0,2714 - 0,2862
0,2717 - 0,2861
0,2720 - 0,2861
0,2722 - 0,2861
0,2725 - 0,2861
0,2688 - 0,2867
0,2691 - 0,2867
0,2695 - 0,2867
0,2698 - 0,2866
0,2702 - 0,2866
0,2655 - 0,2871
0,2659 - 0,2871
0,2664 - 0,2871
0,2668 - 0,2871
0,2672 - 0,2871
0,2630 - 0,2874
0,2636 - 0,2874
0,2641 - 0,2874
0,2646 - 0,2874
0,2651 - 0,2874
50
60
70
80
90

0,2751 - 0,2853
0,2757 - 0,2852
0,2763 - 0,2851
0,2768 - 0,2850
0,2771 - 0,2849
0,2727 - 0,2861
0,2737 - 0,2860
0,2744 - 0,2859
0,2750 - 0,2857
0,2756 - 0,2856
0,2705 - 0,2866
0,2717 - 0,2865
0,2726 - 0,2864
0,2734 - 0,2863
0,2741 - 0,2861
0,2676 - 0,2871
0,2692 - 0,2870
0,2704 - 0,2869
0,2713 - 0,2868
0,2721 - 0,2866
0,2655 - 0,2874
0,2673 - 0,2873
0,2687 - 0,2872
0,2698 - 0,2871
0,2707 - 0,2870
100
120
140
150
160
180

0,2774 - 0,2849
0,2779 - 0,2847
0,2782 - 0,2846
0,2784 - 0,2845
0,2785 - 0,2845
0,2787 - 0,2844
0,2759 - 0,2855
0,2765 - 0,2853
0,2770 - 0,2852
0,2772 - 0,2851
0,2774 - 0,2851
0,2777 - 0,2850
0,2745 - 0,2860
0,2752 - 0,2858
0,2758 - 0,2856
0,2761 - 0,2856
0,2763 - 0,2855
0,2767 - 0,2854
0,2727 - 0,2865
0,2737 - 0,2863
0,2744 - 0,2862
0,2747 - 0,2861
0,2750 - 0,2860
0,2755 - 0,2859
0,2714 - 0,2869
0,2725 - 0,2866
0,2734 - 0,2865
0,2737 - 0,2864
0,2741 - 0,2863
0,2745 - 0,2862
200
250
300
350
400
450

0,2789 - 0,2843
0,2793 - 0,2841
0,2796 - 0 2840
0,2798 - 0:2839
0,2799 - 0,2838
0,2801 - 0,2837
0,2779 - 0,2848
0,2784 - 0,2846
0,2788 - 0,2844
0,2791 - 0,2843
0,2793 - 0,2842
0,2795 - 0,2841
0,2770 - 0,2853
0,2776 - 0,2850
0,2781 - 0,2847
0,2784 - 0,2847
0,2787 - 0,2845
0,2789 - 0,2844
0,2759 - 0,2857
0,2767 - 0,2855
0,2772 - 0,2853
0,2776 - 0,2851
0,2780 - 0,2849
0,2782 - 0,2848
0,2751 - 0,2860
0,2760 - 0,2857
0,2766 - 0,2855
0,2771 - 0,2853
0,2775 - 0,2852
0,2778 - 0,2850
500
550
600
650
700
750

0,2802 - 0,2836
0,2803 - 0,2835
0,2804 - 0,2835
0,2804 - 0,2834
0,2805 - 0,2834
0,2806 - 0,2834
0,2796 - 0,2840
0,2797 - 0,2839
0,2799 - 0,2839
0,2799 - 0,2838
0,2800 - 0,2837
0,2801 - 0,2837
0,2791 - 0,2843
0,2792 - 0,2842
0,2794 - 0,2842
0,2795 - 0,2841
0,2796 - 0,2840
0,2797 - 0,2840
0,2785 - 0,2847
0,2787 - 0,2846
0,2788 - 0,2845
0,2790 - 0,2844
0,2791 - 0,2844
0,2792 - 0,2843
0,2780 - 0,2849
0,2782 - 0,2848
0,2784 - 0,2847
0,2786 - 0,2846
0,2787 - 0,2846
0,2789 - 0,2845
800
850
900
950

0,2806 - 0,2833
0,2807 - 0,2833
0,2807 - 0,2833
0,2807 - 0,2832
0,2802 - 0,2837
0,2802 - 0,2836
0,2803 - 0,2836
0,2803 - 0,2835
0,2798 - 0,2839
0,2799 - 0,2839
0,2799 - 0,2838
0,2800 - 0,2838
0,2793 - 0,2842
0,2794 - 0,2842
0,2795 - 0,2841
0,2796 - 0,2841
0,2790 - 0,2844
0,2791 - 0,2844
0,2792 - 0,2843
0,2793 - 0,2843
1000
1250
1500
1750
2000

0,2808 - 0,2832
0,2809 - 0,2831
0,2810 - 0,2830
0,2811 - 0,2830
0,2812 - 0,2829
0,2804 - 0,2835
0,2806 - 0,2834
0,2807 - 0,2833
0,2808 - 0,2832
0,2809 - 0,2831
0,2800 - 0,2838
0,2803 - 0,2836
0,2805 - 0,2835
0,2806 - 0,2834
0,2807 - 0,2833
0,2796 - 0,2840
0,2799 - 0,2839
0,2801 - 0,2837
0,2803 - 0,2836
0,2804 - 0,2835
0,2793 - 0,2842
0,2797 - 0,2840
0,2799 - 0,2839
0,2801 - 0,2838
0,2802 - 0,2837
Nota: Para cada tamao de muestra n (primera columna) y para cada nivel de significacin o (primera fila),
en el interior de la tabla se dan dos nmeros (D
I
- D
S
) tales que si el estadstico D
exp
de DAgostino
verifica que D
exp
s D
I
o D
exp
> D
S
, entonces se rechaza la hiptesis nula de Normalidad.
DAgostino and Stephens (1986).
TABLAS

35

Tabla 5: Distribucin F de Snedecor
(a) o = 10%

v
1
v
2
1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120

1
2
3
4
39,86
8,53
5,54
4,54
49,50
9,00
5,46
4,32
53,59
9,16
5,39
4,19
55,83
9,24
5,34
4,11
57,24
9,29
5,31
4,05
58,20
9,33
5,28
4,01
58,91
9,35
5,27
3,98
59,44
9,37
5,25
3,95
59,86
9,38
5,24
3,94
60,19
9,39
5,23
3,92
60,71
9,41
5,22
3,90
61,22
9,42
5,20
3,87
61,74
9,44
5,18
3,84
62,00
9,45
5,18
3,83
62,26
9,46
5,17
3,82
62,53
9,47
5,16
3,80
62,79
9,47
5,15
3,79
63,06
9,48
5,14
3,78
63,33
9,40
5,13
3,76

5
6
7
8
9
4,06
3,78
3,59
3,46
3,36
3,78
3,46
3,26
3,11
3,01
3,62
3,29
3,07
2,92
2,81
3,52
3,18
2,96
2,81
2,69
3,45
3,11
2,88
2,73
2,61
3,40
3,05
2,83
2,67
2,55
3,37
3,01
2,78
2,62
2,51
3,34
2,98
2,75
2,59
2,47
3,32
2,96
2,72
2,56
2,44
3,30
2,94
2,70
2,54
2,42
3,27
2,90
2,67
2,50
2,38
3,24
2,87
2,63
2,46
2,34
3,21
2,84
2,59
2,42
2,30
3,19
2,82
2,58
2,40
2,28
3,17
2,80
2,56
2,38
2,25
3,16
2,78
2,54
2,36
2,23
3,14
2,76
2,51
2,34
2,21
3,12
2,74
2,49
2,32
2,18
3,10
2,72
2,47
2,29
2,16
10
11
12
13
14
3,29
3,23
3,18
3,14
3,10
2,92
2,86
2,81
2,76
2,73
2,73
2,66
2,61
2,56
2,52
2,61
2,54
2,48
2,43
2,39
2,52
2,45
2,39
2,35
2,31
2,46
2,39
2,33
2,28
2,24
2,41
2,34
2,28
2,23
2,19
2,38
2,30
2,24
2,20
2,15
2,35
2,27
2,21
2,16
2,12
2,32
2,25
2,19
2,14
2,10
2,28
2,21
2,15
2,10
2,05
2,24
2,17
2,10
2,05
2,01
2,20
2,12
2,06
2,01
1,96
2,18
2,10
2,04
1,98
1,94
2,16
2,08
2,01
1,96
1,91
2,13
2,05
1,99
1,93
1,89
2,11
2,03
1,96
1,90
1,86
2,08
2,00
1,93
1,88
1,83
2,06
1,97
1,90
1,85
1,80
15
16
17
18
19
3,07
3,05
3,03
3,01
2,99
2,70
2,67
2,64
2,62
2,61
2,49
2,46
2,44
2,42
2,40
2,36
2,33
2,31
2,29
2,27
2,27
2,24
2,22
2,20
2,18
2,21
2,18
2,15
2,13
2,11
2,16
2,13
2,10
2,08
2,06
2,12
2,09
2,06
2,04
2,02
2,09
2,06
2,03
2,00
1,98
2,06
2,03
2,00
1,98
1,96
2,02
1,99
1,96
1,93
1,91
1,97
1,94
1,91
1,89
1,86
1,92
1,89
1,86
1,84
1,81
1,90
1,87
1,84
1,81
1,79
1,87
1,84
1,81
1,78
1,76
1,85
1,81
1,78
1,75
1,73
1,82
1,78
1,75
1,72
1,70
1,79
1,75
1,72
1,69
1,67
1,76
1,72
1,69
1,66
1,63
20
21
22
23
24
2,97
2,96
2,95
2,94
2,93
2,59
2,57
2,56
2,55
2,54
2,38
2,36
2,35
2,34
2,33
2,25
2,23
2,22
2,21
2,19
2,16
2,14
2,13
2,11
2,10
2,09
2,08
2,06
2,05
2,04
2,04
2,02
2,01
1,99
1,98
2,00
1,98
1,97
1,95
1,94
1,96
1,95
1,93
1,92
1,91
1,94
1,92
1,90
1,89
1,88
1,89
1,87
1,86
1,84
1,83
1,84
1,83
1,81
1,80
1,78
1,79
1,78
1,76
1,74
1,73
1,77
1,75
1,73
1,72
1,70
1,74
1,72
1,70
1,69
1,67
1,71
1,69
1,67
1,66
1,64
1,68
1,66
1,64
1,62
1,61
1,64
1,62
1,60
1,59
1,57
1,61
1,59
1,57
1,55
1,53
25
26
27
28
29
2,92
2,91
2,90
2,89
2,89
2,53
2,52
2,51
2,50
2,50
2,32
2,31
2,30
2,29
2,28
2,18
2,17
2,17
2,16
2,15
2,09
2,08
2,07
2,06
2,06
2,02
2,01
2,00
2,00
1,99
1,97
1,96
1,95
1,94
1,93
1,93
1,92
1,91
1,90
1,89
1,89
1,88
1,87
1,87
1,86
1,87
1,86
1,85
1,84
1,83
1,82
1,81
1,80
1,79
1,78
1,77
1,76
1,75
1,74
1,73
1,72
1,71
1,70
1,69
1,68
1,69
1,68
1,67
1,66
1,65
1,66
1,65
1,64
1,63
1,62
1,63
1,61
1,60
1,59
1,58
1,59
1,58
1,57
1,56
1,55
1,56
1,54
1,53
1,52
1,51
1,52
1,50
1,49
1,48
1,47
30
40
60
120

2,88
2,84
2,79
2,75
2,71
2,49
2,44
2,39
2,35
2,30
2,28
2,23
2,18
2,13
2,08
2,14
2,09
2,04
1,99
1,94
2,05
2,00
1,95
1,90
1,85
1,98
1,93
1,87
1,82
1,77
1,93
1,87
1,82
1,77
1,72
1,88
1,83
1,77
1,72
1,67
1,85
1,79
1,74
1,68
1,63
1,82
1,76
1,71
1,65
1,60
1,77
1,71
1,66
1,60
1,55
1,72
1,66
1,60
1,55
1,49
1,67
1,61
1,54
1,48
1,42
1,64
1,57
1,51
1,45
1,38
1,61
1,54
1,48
1,41
1,34
1,57
1,51
1,44
1,37
1,30
1,54
1,47
1,40
1,32
1,24
1,50
1,42
1,35
1,26
1,17
1,46
1,38
1,29
1,19
1,00
(b) o = 5%
v
1
v
2
1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120

1
2
3
4
161,4
18,51
10,13
7,71
199,5
19,00
9,55
6,94
215,7
19,16
9,28
6,59
224,6
19,25
9,12
6,39
230,2
19,30
9,01
6,26
234,0
19,33
8,94
6,16
236,8
19,35
8,89
6,09
238,9
19,37
8,85
6,04
240,5
19,38
8,81
6,00
241,9
19,40
8,79
5,97
243,9
19,41
8,74
5,91
245,9
19,43
8,70
5,86
248,0
19,45
8,66
5,80
249,1
19,45
8,64
5,77
250,1
19,46
8,62
5,74
251,1
19,47
8,59
5,72
252,2
19,48
8,57
5,69
253,3
19,49
8,55
5,66
254,3
19,50
8,53
5,63

5
6
7
8
9
6,61
5,99
5,59
5,32
5,12
5,79
5,14
4,74
4,46
4,26
5,41
4,76
4,35
4,07
3,86
5,19
4,53
4,12
3,84
3,63
5,05
4,39
3,97
3,69
3,48
4,95
4,28
3,87
3,58
3,37
4,88
4,21
3,79
3,50
3,29
4,82
4,15
3,73
3,44
3,23
4,77
4,10
3,68
3,39
3,18
4,73
4,06
3,64
3,35
3,14
4,68
4,00
3,57
3,28
3,07
4,62
3,94
3,51
3,22
3,01
4,56
3,87
3,44
3,15
2,94
4,53
3,84
3,41
3,12
2,90
4,50
3,81
3,38
3,08
2,86
4,46
3,77
3,34
3,04
2,83
4,43
3,74
3,31
3,00
2,79
4,40
3,70
3,27
2,97
2,75
4,36
3,67
3,23
2,93
2,71

10
11
12
13
14
4,96
4,84
4,75
4,67
4,60
4,10
3,98
3,89
3,81
3,74
3,71
3,59
3,49
3,41
3,34
3,48
3,36
3,26
3,18
3,11
3,33
3,20
3,11
3,03
2,96
3,22
3,09
3,00
2,92
2,85
3,14
3,01
2,91
2,83
2,76
3:07
2,95
2,85
2,77
2,70
3,02
2,90
2,80
2,71
2,65
2,98
2,85
2,75
2,67
2,60
2,91
2,79
2,69
2,60
2,53
2,85
2,72
2,62
2,53
2,46
2,77
2,65
2,54
2,46
2,39
2,74
2,61
2,51
2,42
2,35
2,70
2,57
2,47
2,38
2,31
2,66
2,53
2,43
2,34
2,27
2,62
2,49
2,38
2,30
2,22
2,58
2,45
2,34
2,25
2,18
2,54
2,40
2,30
2,21
2,13

15
16
17
18
19
4,54
4,49
4,45
4,41
4,38
3,68
3,63
3,59
3,55
3,52
3,29
3,24
3,20
3,16
3,13
3,06
3,01
2,96
2,93
2,90
2,90
2,85
2,81
2,77
2,74
2,79
2,74
2,70
2,66
2,63
2,71
2,66
2,61
2,58
2,54
2,64
2,59
2,55
2,51
2,48
2,59
2,54
2,49
2,46
2,42
2,54
2,49
2,45
2,41
2,38
2,48
2,42
2,38
2,34
2,31
2,40
2,35
2,31
2,27
2,23
2,33
2,28
2,23
2,19
2,16
2,29
2,24
2,19
2,15
2,11
2,25
2,19
2,15
2,11
2,07
2,20
2,15
2,10
2,06
2,03
2,16
2,11
2,06
2,02
1,98
2,11
2,06
2,01
1,97
1,93
2,07
2,01
1,96
1,92
1,88

20
21
22
23
24
4,35
4,32
4,30
4,28
4,26
3,49
3,47
3,44
3,42
3,40
3,10
3,07
3,05
3,03
3,01
2,87
2,84
2,82
2,80
2,78
2,71
2,68
2,66
2,64
2,62
2,60
2,57
2,55
2,53
2,51
2,51
2,49
2,46
2,44
2,42
2,45
2,42
2,40
2,37
2,36
2,39
2,37
2,34
2,32
2,30
2,35
2,32
2,30
2,27
2,25
2,28
2,25
2,23
2,20
2,18
2,20
2,18
2,15
2,13
2,11
2,12
2,10
2,07
2,05
2,03
2,08
2,05
2,03
2,00
1,98
2,04
2,01
1,98
1,96
1,94
1,99
1,96
1,94
1,91
1,89
1,95
1,92
1,89
1,86
1,84
1,90
1,87
1,84
1,81
1,79
1,84
1,81
1,78
1,76
1,73

25
26
27
28
29
4,24
4,23
4,21
4,20
4,18
3,39
3,37
3,35
3,34
3,33
2,99
2,98
2,96
2,95
2,93
2,76
2,74
2,73
2,71
2,70
2,60
2,59
2,57
2,56
2,55
2,49
2,47
2,46
2,45
2,43
2,40
2,39
2,37
2,36
2,35
2,34
2,32
2,31
2,29
2,28
2,28
2,27
2,25
2,24
2,22
2,24
2,22
2,20
2,19
2,18
2,16
2,15
2,13
2,12
2,10
2,09
2,07
2,06
2,04
2,03
2,01
1,99
1,97
1,96
1,94
1,96
1,95
1,93
1,91
1,90
1,92
1,90
1,88
1,87
1,85
1,87
1,85
1,84
1,82
1,81
1,82
1,80
1,79
1,77
1,75
1,77
1,75
1,73
1,71
1,70
1,71
1,69
1,67
1,65
1,64

30
40
60
120

4,17
4,08
4,00
3,92
3,84
3,32
3,23
3,15
3,07
3,00
2,92
2,84
2,76
2,68
2,60
2,69
2,61
2,53
2,45
2,37
2,53
2,45
2,37
2,29
2,21
2,42
2,34
2,25
2,18
2,10
2,33
2,25
2,17
2,09
2,01
2,27
2,18
2,10
2,02
1,94
2,21
2,12
2,04
1,96
1,88
2,16
2,08
1,99
1,91
1,83
2,09
2,00
1,92
1,83
1,75
2,01
1,92
1,84
1,75
1,67
1,93
1,84
1,75
1,66
1,57
1,89
1,79
1,70
1,61
1,52
1,84
1,74
1,65
1,55
1,46
1,79
1,69
1,59
1,50
1,39
1,74
1,64
1,53
1,43
1,32
1,68
1,58
1,47
1,35
1,22
1,62
1,51
1,39
1,25
1,00

Nota: Para cada valor de los primeros (v
1
en la primera fila) y de los segundos (v
2
en la primera
columna) g.l., en el interior de la tabla se da el valor F
o
que deja a su derecha un rea de o.
F

o
TABLAS

36
Tabla 6
Lmites de significacin para el test de Wilcoxon
(dos muestras independientes)
o o
n
1
, n
2
0,10 0,05 0,01
n
1
, n
2

0,10 0,05 0,01
4, 4
4, 5
4, 6
4, 7
4, 8
4, 9
4, 10
4, 11
4, 12
4, 13
4, 14
4, 15
4, 16
4, 17
4, 18
4, 19
4, 20
4, 21
4, 22
4, 23
4, 24
4, 25
4, 26
5, 5
5, 6
5, 7
5, 8
5, 9
5, 10
5, 11
5, 12
5, 13
5, 14
5, 15
5, 16
5, 17
5, 18
5, 19
5, 20
5, 21
5, 22
5, 23
5, 24
5, 25
6, 6
6, 7
6, 8
6, 9
6, 10
6, 11
6, 12
6, 13
6, 14
6, 15
6, 16
6, 17
6, 18
6, 19
6, 20
6, 21
6, 22
6, 23
6, 24
7, 7
7, 8
7, 9
7, 10
7, 11
7, 12
7, 13
7, 14
7, 15
7, 16
7, 17
11 - 25
12 - 28
13 - 31
14 - 34
15 - 37
16 - 40
17 - 43
18 - 46
19 - 49
20 - 52
21 - 55
22 - 58
24 - 60
25 - 63
26 - 66
27 - 69
28 - 72
29 - 75
30 - 78
31 - 81
32 - 84
33 - 87
34 - 90
19 - 36
20 - 40
21 - 44
23 - 47
24 - 51
26 - 54
27 - 58
28 - 62
30 - 65
31 - 69
33 - 72
34 - 76
35 - 80
37 - 83
38 - 87
40 - 90
41 - 94
43 - 97
44 - 101
45 - 105
47 - 108
28 - 50
29 - 55
31 - 59
33 - 63
35 - 67
37 - 71
38 - 76
40 - 80
42 - 84
44 - 88
46 - 92
47 - 97
49 - 101
51 - 105
53 - 109
55 - 113
57 - 117
58 - 122
60 - 126
39 - 66
41 - 71
43 - 76
45 - 81
47 - 86
49 - 91
52 - 95
54 - 100
56 - 105
58 - 110
61 - 114
10 - 26
11 - 29
12 - 32
13 - 35
14 - 38
14 - 42
15 - 45
16 - 48
17 - 51
18 - 54
19 - 57
20 - 60
21 - 63
21 - 67
22 - 70
23 - 73
24 - 76
25 - 79
26 - 82
27 - 85
27 - 89
28 - 92
29 - 95
17 - 38
18 - 42
20 - 45
21 - 49
22 - 53
23 - 57
24 - 61
26 - 64
27 - 68
28 - 72
29 - 76
30 - 80
32 - 83
33 - 87
34 - 91
35 - 95
37 - 98
38 - 102
39 - 106
40 - 110
42 - 113
26 - 52
27 - 57
29 - 61
31 - 65
32 - 70
34 - 74
35 - 79
37 - 83
38 - 88
40 - 92
42 - 96
43 - 101
45 - 105
46 - 110
48 - 114
50 - 118
51 - 123
53 - 127
54 - 132
36 - 69
38 - 74
40 - 79
42 - 84
44 - 89
46 - 94
48 - 99
50 - 104
52 - 109
54 - 114
56 - 119
-
-
10 - 34
10 - 38
11 - 41
11 - 45
12 - 48
12 - 52
13 - 55
13 - 59
14 - 62
15 - 65
15 - 69
16 - 72
16 - 76
17 - 79
18 - 82
18 - 86
19 - 89
19 - 93
20 - 96
20 - 100
21 - 103
15 - 40
16 - 44
16 - 49
17 - 53
18 - 57
19 - 61
20 - 65
21 - 69
22 - 73
22 - 78
23 - 82
24 - 86
25 - 90
26 - 94
27 - 98
28 - 102
29 - 106
29 - 111
30 - 115
31 - 119
32 - 123
23 - 55
24 - 60
25 - 65
26 - 70
27 - 75
28 - 80
30 - 84
31 - 89
32 - 94
33 - 99
34 - 104
36 - 108
37 - 113
38 - 118
39 - 123
40 - 128
42 - 132
43 - 137
44 - 142
32 - 73
34 - 78
35 - 84
37 - 89
38 - 95
40 - 100
41 - 106
43 - 111
44 - 117
46 - 122
47 - 128
7, 18
7, 19
7, 20
7, 21
7, 22
7, 23
8, 8
8, 9
8, 10
8, 11
8, 12
8, 13
8, 14
8, 15
8, 16
8, 17
8, 18
8, 19
8, 20
8, 21
8, 22
9, 9
9, 10
9, 11
9, 12
9, 13
9, 14
9, 15
9, 16
9, 17
9, 18
9, 19
9, 20
9, 21
10, 10
10, 11
10, 12
10, 13
10, 14
10, 15
10, 16
10, 17
10, 18
10, 19
10, 20
11, 11
11, 12
11, 13
11, 14
11, 15
11, 16
11, 17
11, 18
11, 19
12, 12
12, 13
12, 14
12, 15
12, 16
12, 17
12, 18
13, 13
13, 14
13, 15
13, 16
13, 17
14, 14
14, 15
14, 16
15, 15
63 - 119
65 - 124
67 - 129
69 - 134
72 - 138
74 - 143
51 - 85
54 - 90
56 - 96
59 - 101
62 - 106
64 - 112
67 - 117
69 - 123
72 - 128
75 - 133
77 - 139
80 - 144
83 - 149
85 - 155
88 - 160
66 - 105
69 - 111
72 - 117
75 - 123
78 - 129
81 - 135
84 - 141
87 - 147
90 - 153
93 - 159
96 - 165
99 - 171
102 - 177
82 - 128
86 - 134
89 - 141
92 - 148
96 - 154
99 - 161
103 - 167
106 - 174
110 - 180
113 - 187
117 - 193
100 - 153
104 - 160
108 - 167
112 - 174
116 - 181
120 - 188
123 - 196
127 - 203
131 - 210
120 - 180
125 - 187
129 - 195
133 - 203
138 - 210
142 - 218
146 - 226
142 - 209
147 - 217
152 - 225
156 - 234
161 - 242
166 - 240
171 - 249
176 - 258
191 - 274
58 - 124
60 - 129
62 - 134
64 - 139
66 - 144
68 - 149
49 - 87
51 - 93
53 - 99
55 - 105
58 - 110
60 - 116
62 - 122
65 - 127
67 - 133
70 - 138
72 - 144
74 - 150
77 - 155
79 - 161
81 - 167
62 - 109
65 - 115
68 - 121
71 - 127
73 - 134
76 - 140
79 - 146
82 - 152
84 - 159
87 - 165
90 - 171
93 - 177
95 - 184
78 - 132
81 - 139
84 - 146
88 - 152
91 - 159
94 - 166
97 - 173
100 - 180
103 - 187
107 - 193
110 - 200
96 - 157
99 - 165
103 - 172
106 - 180
110 - 187
113 - 195
117 - 202
121 - 209
124 - 217
115 - 185
119 - 193
123 - 201
127 - 209
131 - 217
135 - 225
139 - 233
136 - 215
141 - 223
145 - 232
150 - 240
154 - 249
160 - 246
164 - 256
169 - 265
184 - 281
49 - 133
50 - 139
52 - 144
53 - 150
55 - 155
57 - 150
43 - 93
45 - 99
47 - 105
49 - 111
51 - 117
53 - 123
54 - 130
56 - 136
58 - 142
60 - 148
62 - 154
64 - 160
66 - 166
68 - 172
70 - 178
56 - 115
58 - 122
61 - 128
63 - 135
65 - 142
67 - 149
69 - 156
72 - 162
74 - 169
76 - 176
78 - 183
81 - 189
83 - 196
71 - 139
73 - 147
76 - 154
79 - 161
81 - 169
84 - 176
86 - 184
89 - 191
92 - 198
94 - 206
97 - 213
87 - 166
90 - 174
93 - 182
96 - 190
99 - 198
102 - 206
105 - 214
108 - 222
111 - 230
105 - 195
109 - 203
112 - 212
115 - 221
119 - 229
122 - 238
125 - 247
125 - 226
129 - 235
133 - 244
136 - 254
140 - 263
147 - 259
151 - 269
155 - 279
171 - 294
Nota: Para cada pareja de tamaos de muestra n
1
(primera columna) y n
2
(segunda columna), y para cada ni-
vel de significacin o (primera fila), en el interior de la tabla se dan dos nmeros (R
I
- R
S
) tales que si
la suma de los rangos R
exp
de la muestra de menor tamao verifica que R
exp
s R
I
o R
exp
> R
S
, entonces
se rechaza la hiptesis nula de homogeneidad de ambas muestras. La falta de lmites se indica con un
guin (-). White (1952).
TABLAS

37
Tabla 7
Lmites de significacin para el test de Wilcoxon
(dos muestras apareadas)
o
n
0,10 0,05 0,01
5
6
7
8
9
0 - 15
2 - 19
3 - 25
5 - 31
8 - 37
-
0 - 21
2 - 26
3 - 33
5 - 40
-
-
-
0 - 36
1 - 44
10
11
12
13
14
10 - 45
13 - 53
17 - 61
21 - 70
25 - 80
8 - 47
10 - 56
13 - 65
17 - 74
21 - 84
3 - 52
5 - 61
7 - 71
9 - 82
12 - 93
15
16
17
18
19
30 - 90
35 - 101
41 - 112
47 - 124
53 - 137
25 - 95
29 - 107
34 - 119
40 - 131
46 - 144
15 - 105
19 - 117
23 - 130
27 - 144
32 - 158
20
21
22
23
24
60 - 150
67 - 164
75 - 178
83 - 193
91 - 209
52 - 158
58 - 173
66 - 187
73 - 203
81 - 219
37 - 173
42 - 189
48 - 205
54 - 222
61 - 239
25 100 - 225 89 - 236 68 - 257
Nota: Para cada valor del nmero n de parejas de datos (primera columna) y para cada nivel de
significacin o (primera fila), en el interior de la tabla se dan dos nmeros (R
I
- R
S
) tales
que si la suma de los rangos positivos R(+) verifica que R(+) s R
I
o R(+) > R
S
, entonces se
rechaza la hiptesis nula de homogeneidad de ambas muestras. El test puede hacerse tam-
bin con la suma de los rangos negativos R(). La falta de lmites se indica con un guin
(-).
Tukey (1949).
TABLAS

38
Tabla 8: Distribucin de Bonferroni
K
f
1 2 3 4 5 6 7 8 9 10 15 20 25 30 35 40 45 50

02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120

2,92
2,35
2,13
2,02
1,94
1,89
1,86
1,83
1,81
1,80
1,78
1,77
1,76
1,75
1,75
1,74
1,73
1,73
1,72
1,71
1,70
1,68
1,67
1,66
1,64
4,30
3,18
2,78
2,57
2,45
2,36
2,31
2,26
2,23
2,20
2,18
2,16
2,14
2,13
2,12
2,11
2,10
2,09
2,09
2,06
2,04
2,02
2,00
1,98
1,96
5,34
3,74
3,19
2,91
2,75
2,64
2,57
2,51
2,47
2,43
2,40
2,38
2,36
2,34
2,33
2,32
2,30
2,29
2,29
2,26
2,23
2,20
2,18
2,15
2,13
6,21
4,18
3,50
3,16
2,97
2,84
2,75
2,69
2,63
2,59
2,56
2,53
2,51
2,49
2,47
2,46
2,45
2,43
2,42
2,39
2,36
2,33
2,30
2,27
2,24
6,96
4,54
3,75
3,36
3,14
3,00
2,90
2,82
2,76
2,72
2,68
2,65
2,62
2,60
2,58
2,57
2,55
2,54
2,53
2,49
2,46
2,42
2,39
2,36
2,33
7,65
4,86
3,96
3,53
3,29
3,13
3,02
2,93
2,87
2,82
2,78
2,75
2,72
2,69
2,67
2,65
2,64
2,63
2,61
2,57
2,54
2,50
2,46
2,43
2,39
8,28
5,14
4,15
3,68
3,41
3,24
3,12
3,03
2,96
2,91
2,86
2,83
2,80
2,77
2,75
2,73
2,71
2,70
2,68
2,64
2,60
2,56
2,52
2,49
2,45
8,86
5,39
4,31
3,81
3,52
3,34
3,21
3,11
3,04
2,98
2,93
2,90
2,86
2,84
2,81
2,79
2,77
2,76
2,74
2,70
2,66
2,62
2,58
2,54
2,50
9,41
5,63
4,47
3,93
3,62
3,42
3,28
3,18
3,11
3,05
3,00
2,96
2,92
2,89
2,87
2,85
2,83
2,81
2,80
2,75
2,71
2,66
2,62
2,58
2,54
9,92
5,84
4,60
4,03
3,71
3,50
3,36
3,25
3,17
3,11
3,05
3,01
2,98
2,95
2,92
2,90
2,88
2,86
2,85
2,80
2,75
2,70
2,66
2,62
2,58
12,19
6,74
5,17
4,46
4,06
3,81
3,63
3,51
3,41
3,33
3,27
3,22
3,18
3,15
3,12
3,09
3,07
3,04
3,03
2,97
2,92
2,86
2,81
2,76
2,71
14,09
7,45
5,60
4,77
4,32
4,03
3,83
3,69
3,58
3,50
3,43
3,37
3,33
3,29
3,25
3,22
3,20
3,17
3,15
3,09
3,03
2,97
2,91
2,86
2,81
15,76
8,05
5,95
5,03
4,52
4,21
3,99
3,83
3,72
3,62
3,55
3,49
3,44
3,39
3,36
3,33
3,30
3,27
3,25
3,18
3,12
3,05
2,99
2,93
2,88
17,28
8,58
6,25
5,25
4,70
4,36
4,12
3,95
3,83
3,73
3,65
3,58
3,53
3,48
3,44
3,41
3,38
3,35
3,33
3,26
3,19
3,12
3,06
3,00
2,94
18,67
9,04
6,52
5,44
4,85
4,48
4,23
4,06
3,92
3,82
3,73
3,66
3,61
3,56
3,52
3,48
3,45
3,42
3,40
3,32
3,25
3,18
3,11
3,05
2,98
19,96
9,46
6,76
5,60
4,98
4,59
4,33
4,15
4,00
3,89
3,81
3,73
3,67
3,62
3,58
3,54
3,51
3,48
3,46
3,38
3,30
3,23
3,16
3,09
3,02
21,18
9,85
6,97
5,76
5,10
4,69
4,42
4,23
4,08
3,96
3,87
3,80
3,73
3,68
3,64
3,60
3,56
3,53
3,51
3,42
3,35
3,27
3,20
3,13
3,06
22,33
10,21
7,17
5,89
5,21
4,79
4,50
4,30
4,14
4,02
3,93
3,85
3,79
3,73
3,69
3,65
3,61
3,58
3,55
3,47
3,39
3,31
3,23
3,16
3,09
o=10%
K
f
1 2 3 4 5 6 7 8 9 10 15 20 25 30 35 40 45 50

02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120

4,30
3,18
2,78
2,57
2,45
2,36
2,31
2,26
2,23
2,20
2,18
2,16
2,14
2,13
2,12
2,11
2,10
2,09
2,09
2,06
2,04
2,02
2,00
1,98
1,96
6,21
4,18
3,50
3,16
2,97
2,84
2,75
2,69
2,63
2,59
2,56
2,53
2,51
2,49
2,47
2,46
2,45
2,43
2,42
2,39
2,36
2,33
2,30
2,27
2,24
7,65
4,86
3,96
3,53
3,29
3,13
3,02
2,93
2,87
2,82
2,78
2,75
2,72
2,69
2,67
2,65
2,64
2,63
2,61
2,57
2,54
2,50
2,46
2,43
2,39
8,86
5,39
4,31
3,81
3,52
3,34
3,21
3,11
3,04
2,98
2,93
2,90
2,86
2,84
2,81
2,79
2,77
2,76
2,74
2,70
2,66
2,62
2,58
2,54
2,50
9,92
5,84
4,60
4,03
3,71
3,50
3,36
3,25
3,17
3,11
3,05
3,01
2,98
2,95
2,92
2,90
2,88
2,86
2,85
2,80
2,75
2,70
2,66
2,62
2,58
10,89
6,23
4,85
4,22
3,86
3,64
3,48
3,36
3,28
3,21
3,15
3,11
3,07
3,04
3,01
2,98
2,96
2,94
2,93
2,88
2,82
2,78
2,73
2,68
2,64
11,77
6,58
5,07
4,38
4,00
3,75
3,58
3,46
3,37
3,29
3,24
3,19
3,15
3,11
3,08
3,06
3,03
3,01
3,00
2,94
2,89
2,84
2,79
2,74
2,69
12,59
6,90
5,26
4,53
4,12
3,86
3,68
3,55
3,45
3,37
3,31
3,26
3,21
3,18
3,15
3,12
3,09
3,07
3,06
3,00
2,94
2,89
2,83
2,78
2,73
13,36
7,18
5,44
4,66
4,22
3,95
3,76
3,62
3,52
3,44
3,37
3,32
3,27
3,23
3,20
3,17
3,15
3,13
3,11
3,05
2,99
2,93
2,88
2,82
2,77
14,09
7,45
5,60
4,77
4,32
4,03
3,83
3,69
3,58
3,50
3,43
3,37
3,33
3,29
3,25
3,22
3,20
3,17
3,15
3,09
3,03
2,97
2,91
2,86
2,81
17,28
8,58
6,25
5,25
4,70
4,36
4,12
3,95
3,83
3,73
3,65
3,58
3,53
3,48
3,44
3,41
3,38
3,35
3,33
3,26
3,19
3,12
3,06
3,00
2,94
19,96
9,46
6,76
5,60
4,98
4,59
4,33
4,15
4,00
3,89
3,81
3,73
3,67
3,62
3,58
3,54
3,51
3,48
3,46
3,38
3,30
3,23
3,16
3,09
3,02
22,33
10,21
7,17
5,89
5,21
4,79
4,50
4,30
4,14
4,02
3,93
3,85
3,79
3,73
3,69
3,65
3,61
3,58
3,55
3,47
3,39
3,31
3,23
3,16
3,09
24,47
10,87
7,53
6,14
5,40
4,94
4,64
4,42
4,26
4,13
4,03
3,95
3,88
3,82
3,77
3,73
3,69
3,66
3,63
3,54
3,45
3,37
3,29
3,22
3,14
26,43
11,45
7,84
6,35
5,56
5,08
4,76
4,53
4,36
4,22
4,12
4,03
3,96
3,90
3,85
3,80
3,76
3,73
3,70
3,60
3,51
3,43
3,34
3,26
3,19
28,26
11,98
8,12
6,54
5,71
5,20
4,86
4,62
4,44
4,30
4,19
4,10
4,03
3,96
3,91
3,86
3,82
3,79
3,75
3,66
3,56
3,47
3,39
3,31
3,23
29,97
12,47
8,38
6,71
5,84
5,31
4,96
4,71
4,52
4,37
4,26
4,16
4,09
4,02
3,96
3,92
3,87
3,84
3,80
3,70
3,61
3,51
3,43
3,34
3,26
31,60
12,92
8,61
6,87
5,96
5,41
5,04
4,78
4,59
4,44
4,32
4,22
4,14
4,07
4,01
3,97
3,92
3,88
3,85
3,75
3,65
3,55
3,46
3,37
3,29
o=5%
K
f
1 2 3 4 5 6 7 8 9 10 15 20 25 30 35 40 45 50

02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120

9,92
5,84
4,60
4,03
3,71
3,50
3,36
3,25
3,17
3,11
3,05
3,01
2,98
2,95
2,92
2,90
2,88
2,86
2,85
2,80
2,75
2,70
2,66
2,62
2,58
14,09
7,45
5,60
4,77
4,32
4,03
3,83
3,69
3,58
3,50
3,43
3,37
3,33
3,29
3,25
3,22
3,20
3,17
3,15
3,09
3,03
2,97
2,91
2,86
2,81
17,28
8,58
6,25
5,25
4,70
4,36
4,12
3,95
3,83
3,73
3,65
3,58
3,53
3,48
3,44
3,41
3,38
3,35
3,33
3,26
3,19
3,12
3,06
3,00
2,94
19,96
9,46
6,76
5,60
4,98
4,59
4,33
4,15
4,00
3,89
3,81
3,73
3,67
3,62
3,58
3,54
3,51
3,48
3,46
3,38
3,30
3,23
3,16
3,09
3,02
22,33
10,21
7,17
5,89
5,21
4,79
4,50
4,30
4,14
4,02
3,93
3,85
3,79
3,73
3,69
3,65
3,61
3,58
3,55
3,47
3,39
3,31
3,23
3,16
3,09
24,47
10,87
7,53
6,14
5,40
4,94
4,64
4,42
4,26
4,13
4,03
3,95
3,88
3,82
3,77
3,73
3,69
3,66
3,63
3,54
3,45
3,37
3,29
3,22
3,14
26,43
11,45
7,84
6,35
5,56
5,08
4,76
4,53
4,36
4,22
4,12
4,03
3,96
3,90
3,85
3,80
3,76
3,73
3,70
3,60
3,51
3,43
3,34
3,26
3,19
28,26
11,98
8,12
6,54
5,71
5,20
4,86
4,62
4,44
4,30
4,19
4,10
4,03
3,96
3,91
3,86
3,82
3,79
3,75
3,66
3,56
3,47
3,39
3,31
3,23
29,97
12,47
8,38
6,71
5,84
5,31
4,96
4,71
4,52
4,37
4,26
4,16
4,09
4,02
3,96
3,92
3,87
3,84
3,80
3,70
3,61
3,51
3,43
3,34
3,26
31,60
12,92
8,61
6,87
5,96
5,41
5,04
4,78
4,59
4,44
4,32
4,22
4,14
4,07
4,01
3,97
3,92
3,88
3,85
3,75
3,65
3,55
3,46
3,37
3,29
38,71
14,82
9,57
7,50
6,43
5,80
5,37
5,08
4,85
4,68
4,55
4,44
4,35
4,27
4,21
4,15
4,10
4,06
4,02
3,91
3,80
3,69
3,59
3,49
3,40
44,70
16,33
10,31
7,98
6,79
6,08
5,62
5,29
5,05
4,86
4,72
4,60
4,50
4,42
4,35
4,29
4,23
4,19
4,15
4,02
3,90
3,79
3,68
3,58
3,48
49,99
17,60
10,92
8,36
7,07
6,31
5,81
5,46
5,20
5,00
4,85
4,72
4,62
4,53
4,45
4,39
4,33
4,28
4,24
4,11
3,98
3,86
3,75
3,64
3,54
54,76
18,71
11,44
8,69
7,32
6,50
5,97
5,60
5,33
5,12
4,96
4,82
4,71
4,62
4,54
4,48
4,42
4,36
4,32
4,18
4,05
3,92
3,81
3,69
3,59
59,16
19,71
11,90
8,98
7,52
6,67
6,11
5,72
5,44
5,22
5,05
4,91
4,79
4,70
4,62
4,55
4,49
4,43
4,39
4,24
4,11
3,98
3,85
3,74
3,63
63,26
20,60
12,31
9,23
7,71
6,81
6,23
5,83
5,53
5,31
5,13
4,98
4,86
4,77
4,68
4,61
4,55
4,49
4,44
4,29
4,15
4,02
3,89
3,78
3,66
67,06
21,44
12,68
9,47
7,87
6,95
6,34
5,93
5,62
5,38
5,20
5,05
4,93
4,83
4,74
4,66
4,60
4,54
4,49
4,34
4,20
4,06
3,93
3,81
3,69
70,71
22,20
13,04
9,68
8,02
7,06
6,44
6,01
5,69
5,45
5,26
5,11
4,98
4,88
4,79
4,71
4,65
4,59
4,54
4,38
4,23
4,09
3,96
3,84
3,72
o=1%
Nota: Para cada nivel de significacin o (a la derecha de cada tabla), grados de libertad f (primera
columna) y nmero K de comparaciones (primera fila), en el interior de la tabla se da el
valor t
o/K
de una distribucin t de Student (con f g.l.) que deja a su derecha un rea de o/K.
Cuando f = , t
o/K
es el valor z
o/K
de la Tabla 1.
TABLAS

39
Tabla 9
Distribucin _
2

o

g.l.
0,200 0,100 0,050 0,025 0,010 0,005 0,001
1
2
3
4
1,642
3,219
4,642
5,989
2,706
4,604
6,252
7,782
3,842
5,995
7,817
9,492
5,024
7,379
9,356
11,150
6,637
9,220
11,325
13,280
7,905
10,589
12,819
14,824
10,808
13,690
16,291
18,431
5
6
7
8
9
7,291
8,559
9,804
11,031
12,243
9,237
10,646
12,020
13,363
14,686
11,073
12,596
14,070
15,512
16,925
12,838
14,459
16,020
17,546
19,031
15,087
16,810
18,470
20,082
21,654
16,762
18,549
20,270
21,938
23,563
20,750
22,676'
24,526
26,317
28,059
10
11
12
13
14
13,443
14,633
15,813
16,986
18,152
15,990
17,278
18,551
19,814
21,067
18,311
19,681
21,030
22,367
23,691
20,495
21,930
23,349
24,745
26,132
23,194
24,754
26,246
27,717
29,169
25,154
26,714
28,249
29,878
31,376
29,762
31,430
33,069
34,681
36,271
15
16
17
18
19
19,312
20,466
21,616
22,761
23,902
22,310
23,546
24,771
25,992
27,206
25,000
26,301
27,593
28,877
30,148
27,498
28,858
30,201
31,538
32,867
30,605
32,027
33,435
34,831
36,216
32,856
34,321
35,771
37,208
38,632
37,840
39,391
40,925
42,443
43,947
20
21
22
23
24
25,039
26,173
27,304
28,431
29,556
28,415
29,619
30,817
32,012
33,199
31,416
32,678
33,933
35,178
36,421
34,181
35,493
36,792
38,089
39,380
37,591
38,957
40,314
41,662
43,003
40,046
41,449
42,843
44,228
45,604
45,439
46,918
48,386
49,844
51,292
25
26
27
28
29
30,678
31,796
32,913
34,028
35,140
34,384
35,566
36,745
37,920
39,092
37,660
38,894
40,119
41,344
42,565
40,659
41,938
43,206
44,475
45,738
44,337
45,665
46,986
48,300
49,610
46,973
48,334
49,688
51,036
52,377
52,730
54,160
55,582
56,997
58,404
30 36,251 40,261 43,782 46,992 50,914 53,713 59,804
Notas: 1) Para cada valor de los g.l. (primera columna) y de o (primera fila), en el interior de la
tabla se da el valor
2
o
_ que deja a su derecha un rea de o.
2) Cuando ocurre que g.l. = f > 30, para os0,20 puede utilizarse la siguiente aproxima-
cin (z
2o
en la Tabla 1):
3
2
2
f z
f f
o o
_

2 2
~ 1 +
`
9 9

)

2
TABLAS

40
Tabla 10
Lmites de significacin para el coeficiente de correlacin de Spearman
o
n

0,10 0,05 0,01 0,001

5
6
7
8
9
10

0,9000
0,8286
0,7143
0,6429
0,6000
0,5636
1,0000
0,8857
0,7857
0,7381
0,6833
0,6485
--
1,0000
0,9286
0,8810
0,8333
0,7939
--
--
1,0000
0,9762
0,9333
0,9030
11
12
13
14
15
16
17
18
19
20
0,5294
0,4973
0,4748
0,4562
0,4396
0,4247
0,4112
0,3989
0,3877
0,3774
0,6194
0,5910
0,5658
0,5436
0,5238
0,5061
0,4900
0,4754
0,4620
0,4496
0,7724
0,7509
0,7294
0,7080
0,6865
0,6650
0,6440
0,6247
0,6071
0,5909
0,8875
0,8720
0,8565
0,8410
0,8255
0,8100
0,7945
0,7790
0,7635
0,7480
21
22
23
24
25
26
27
28
29
30
0,3678
0,3589
0,3507
0,3430
0,3358
0,3290
0,3226
0,3166
0,3108
0,3054
0,4383
0,4277
0,4179
0,4087
0,4001
0,3920
0,3844
0,3772
0,3704
0,3640
0,5760
0,5621
0,5492
0,5371
0,5258
0,5152
0,5052
0,4957
0,4868
0,4783
0,7325
0,7170
0,7015
0,6861
0,6717
0,6581
0,6453
0,6333
0,6219
0,6110
Nota: Para cada nmero n de parejas de datos (primera columna) y para cada nivel de significa-
cin o (primera fila), en el interior de la tabla se da un valor r
o
tal que si el coeficiente de
correlacin de Spearman r
S
verifica que |r
S
| > r
o
, entonces se rechaza la hiptesis nula de
independencia.
Las casillas con -- indican que para esos valores de n y o el test no puede dar significativo.
Glasser and Winter (1961).

Estadística Resumen y Tablas

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estadística Resumen y Tablas

Uploaded by

Copyright:

Available Formats

RESMENES y TABLAS de

EP obtenidos como en a).

| =b (pendiente muestral), que dan lu-

You might also like