ESTADÍSTICA NO PARAMÉTRICA

Dra. Yaneth Rincón Leal

Universidad del Zulia
2006
Pruebas no paramétricas

Se utilizan para variables que NO siguen una distribución

normal (Variables cualitativas). Entre ellas podemos citar las
siguientes:

 Chi cuadrado (X2)

 La prueba de Wilcoxon
 La prueba U de Mann - Whitney:
 La prueba de H de Kruskal Wallis

Yaneth Rincón Leal Estadística aplicada a la investigación

Pruebas no paramétricas

Chi cuadrado: Utilizada en los siguientes casos:

 Comprobar la existencia de distribución de normalidad en una
variable independiente.
 Comprobar si dos variables están relacionadas (en tablas de
contingencia) cuando estas son nominares u ordinales
 Comprobar si existen diferencias en las frecuencias observadas y
esperadas de una variable dependiente entre categorías de una
variable independiente.
 Comprobar si una muestra sigue un patrón de distribución similar
al de una población, conocido su comportamiento.

Yaneth Rincón Leal Estadística aplicada a la investigación

Pruebas no paramétricas

 La prueba de Wilcoxon: Es utilizada para 2 muestras

relacionadas con variables de escala de medición ordinal.

 La prueba U de Mann Whitney: Se aplica para dos muestras

independientes con una variable de escala ordinal.

 La prueba de H de Kruskal – Wallis o prueba de análisis de

varianza por rangos: Empleada como prueba análoga al análisis
de varianza (ANOVA), cuando las variables son ordinales.

Yaneth Rincón Leal Estadística aplicada a la investigación

Características de la distribución Chi-cuadrada

Las características principales de la distribución chi-cuadrada son:

 Tiene sesgo positivo

 Es no negativa
 Está basada en los grados de liberad
 Cuando los grados de libertad cambian se crea una nueva
distribución

Yaneth Rincón Leal Estadística aplicada a la investigación

Prueba de bondad de ajuste frecuencias
esperadas iguales

 Sean f0 y f e las frecuencias observada y esperada

respectivmentes. f0 y fe
H0 : no hay diferencia entre
f0 y fe
H1 : existe una diferencia entre

 La frecuencia esperada es: fe 

 f o

k
  f 0  f e 2 
 El estadístico de prueba es:   
2

 f e 

 El valor crítico es un valor de chi-cuadrada con (k - 1) grados de libertad,

donde k es el número de categorías.
 Regla de decisión: sí Χ2 > Χ2 (k-1; α) se rechaza la Ho

Yaneth Rincón Leal Estadística aplicada a la investigación

Ejemplo 1

 Los siguientes datos de ausentismo se recolectaron en una planta

manufacturera. Para 0.05 de nivel de significación, realice una prueba
para determinar si existe diferencia en la tasa de ausentismo por día
de la semana.

Día Frecuencia
Lunes 120
Martes 45
Miércoles 60
Jueves 90
Viernes 130

Yaneth Rincón Leal Estadística aplicada a la investigación

Ejemplo 1 (continuación)

 Suponga frecuencias esperadas iguales:

(120 + 45 + 60 + 90 + 130) / 5 = 89.

 Use estos números para calcular que el estadístico de prueba

  f 0  f e 2 
  
2

 f e 
 (120  89) 2   (45  89)2   (60  89) 2   (90  89)2   (130  89)2 
                60,8987
 89   89   89   89   89 

 Los grados de libertad son (5 - 1) = 4.

 Entonces, el valor crítico es 9.488 con un nivel de significación del 0,05 (En excel la ruta es
FUNCIÓN/ ESTADÍSTICA/ PRUEBA CHI INV ó utilizando la fórmula
=PRUEBA.CHI.INV(0,05;4)

Yaneth Rincón Leal Estadística aplicada a la investigación

Ejemplo 1 (continuación)

 H0 : no existe diferencia entre las frecuencias observadas y esperadas de

ausencias, es decir, no existirá diferencia de ausentismo diario.

 H0 : existe una diferencia entre las frecuencias observadas y esperadas de

ausencias, es decir, existirá diferencia de ausentismo diario.

Estadístico de prueba: Chi-cuadrada = 60.8987

Valor crítico: 9,488

Regla de decisión: rechazar H0 si el estadístico de prueba es mayor que el

valor crítico.

Conclusión: rechazar H0 y concluir que existe una diferencia entre las

frecuencias observadas y las esperadas de ausencias con una significación del
5%.

Yaneth Rincón Leal Estadística aplicada a la investigación

Análisis de tablas de contingencia

 El análisis de tablas de contingencia se usa para probar si dos

características o variables están relacionadas.
 Cada observación se clasifica según las dos variables.
 Los grados de libertad son iguales a: (número de filas - 1)(número de
columnas - 1).
 La frecuencia esperada se calcula como:

fe = (total por fila)(total por columna)/ total tabla

Yaneth Rincón Leal Estadística aplicada a la investigación

Ejemplo 2

 ¿Existe una relación entre el lugar de un accidente y el sexo de la

persona accidentada? Una muestra de 150 accidentes presentada a
la policía estaba clasificada por lugar y sexo. Con 0.05 de nivel
de significación, ¿se puede concluir que el sexo y el lugar del
accidente están relacionados?

Sexo Trabajo Hogar Otro Total

Hombre 60 20 10 90

Mujer 20 30 10 60

Total 80 50 20 150

Yaneth Rincón Leal Estadística aplicada a la investigación

Ejemplo 2

Lugar Total
Sexo Frecuencias Trabajo Hogar Otro Observado
Frec, Observada 60 20 10 90
Hombre Frec. Esperada 48 30 12
Frec, Observada 20 30 10 60
Mujer Frec. Esperada 32 20 8
Total observado 80 50 20 150

Nota: la frecuencia esperada para la intersección hombre-

trabajo se calcula como (90)(80)/150 = 48. De manera similar,
se pueden calcular las frecuencias esperadas para las otras
celdas.
  f 0  f e 2 
  
2
  16,6667
 f e 

Yaneth Rincón Leal Estadística aplicada a la investigación

Ejemplo 2

 Paso 1: Se plantean las hipótesis:

H0 : El sexo de la persona y el lugar del accidente no están
relacionados.
H1 : El sexo y el lugar del accidente están relacionados.

 Paso 2: H0 se rechaza si x 2 > 5.991 con 2 grados de libertad ((2-

1)*(3-1)) y  =.05

 Paso 3: El estadístico de prueba es x 2 = 16.667

 Paso 4: Como 16.6667> 5.991, H0 se rechaza. El sexo y el lugar sí

tienen una relación.
Yaneth Rincón Leal Estadística aplicada a la investigación