Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Estadística no paramétrica Estadística IT S JC Ingeniería en Agronomía Docente: Ing. Rodolfo Campos Tenorio Alumno: Brayan Cosco Rivera 405-A Unidad 7 18180130 03/06/2020 "Estadística no paramétrica, y estadística inferencial" I TSJC | IAGRO Rangos de Wilcoxon. Es una prueba no paramétrica para comparar el rango medio de dos muestras relacionadas y determinar si existen diferencias entre ellas. Se utiliza como alternativa a la prueba t de Student cuando no se puede suponer la normalidad de dichas muestras. Prueb a d e los ra ng os con s ig no d e Wi lcoxon R A N G O S D E W IL C O X O N Ejemplo Se desea estudiar la efectividad de cierta dieta y para ello se toma una muestra aleatoria de 12 mujeres adultas en el grupo de edad de 35-40 años. Se toma el peso (peso en libras) antes de iniciar la prueba y al mes de encontrarse realizando la dieta. Los resultados se muestran a continuación: Ej em p lo : Pr u eb a d e ra n g os co n s ig n o d e W il co xo n Utilizar un α = 0,05. Respuesta H0: No hay diferencias entre el peso de las mujeres antes de iniciar la dieta y el peso un mes después. H1: El peso al mes de realizar la dieta es inferior al peso inicial. HIPÓ TE S IS : Se introducen así los datos en el programa SPSS en la Vista de datos: Ahora vamos a la Vista de variables y deberá quedarles así: Se introducen así los datos en el programa SPSS en la Vista de datos: Ahora sale el siguiente cuadro de diálogo:Se introducen así los datos en el programa SPSS en la Vista de datos: Se pasa la variable; Peso antes de la dieta (esta es la primera medición de cada paciente del estudio) para donde dice Variable 1 y luego se pasa la variable Peso después de la dieta (esta es la segunda medición de cada paciente del estudio, es la medición después de aplicar la dieta) para donde dice Variable 2. Luego se deja marcado el cuadrito que dice Wilcoxon. Resultados PRUEBA DE LOS RANGOS CON SIGNO DE WILCOXON a. Peso después de la dieta < Peso antes de la dieta b. Peso después de la dieta > Peso antes de la dieta c. Peso después de la dieta = Peso antes de la dieta Prueba de Mann- Whitney. Resulta útil si tenemos dos muestras independientes y queremos si hay una diferencia en la magnitud de la variable que estamos estudiando, pero no podemos usar la prueba de t independiente o la prueba de z porque los datos no cumplen con alguno de los requisitos. PR UE B A U D E M A N N - WHITN E Y PR U EB A D E M A N N - W H IT N EY Ejemplo Se realiza un experimento para determinar el efecto de 40 g de alcohol sobre el tiempo de reacción a un estímulo auditivo. En la siguiente tabla se muestran los tiempos de reacción de una muestra de 12 sujetos repartidos en dos grupos. El primer grupo no ingiere alcohol, el segundo ingiere 40 g. S e desea saber si la ingestión de alcohol influye en el tiempo de reacción a un estímulo auditivo. Ej em p lo : Pr u eb a d e M a n n -W h it n ey Use α = 0.05. Respuesta Hay dos muestras independientes (una con 7 sujetos que no ingieren alcohol (Alcohol=0) y 5 sujetos que ingirió Alcohol (Alcohol=1)) y una variable cuantitativa (tiempo de reacción a un estímulo auditivo); nos interesa determinar si las medianas de esas dos poblaciones difieren. Respuesta H0: MedAlcohol=0 = MedAlcohol=1 H1: MedAlcohol=0 ≠ MedAlcohol=1 Donde: MedAlcohol=0: mediana de los sujetos que no ingirieron alcohol MedAlcohol=1: mediana de los sujetos que ingirieron alcohol H I PÓTES I S : Utilizaremos dos columnas pues tenemos dos variables; en la primera columna pondremos los grupos que codificaremos como 1 para la muestra de sujetos que no i ngirieron alcohol (son 7 sujetos en esta muestra y es Alcohol=0) y 2 para la muestra de los ingirieron alcohol (son 5 pacientes en esta muestra y es Alcohol=1). La otra variable va en la segunda columna y corresponde al tiempo de reacción a un estímulo auditivo de cada sujeto según pertenezca a cada muestra. Vista de variablesVista de datos Se introducen así los datos en el programa SPSS en la Vista de datos: Ir al menú Analizar y damos un clic para que salga un menú desplegable e iremos a buscar donde dice Pruebas no paramétricas y nos paramos con el mouse ahí y saldrá otro menú desplegable y no s paramos con el mouse donde dice Cuadros de diálogo anteriores y ahí saldrá otro menú desplegable y daremos un clic donde dice 2 muestras independientes… daremos un clic Se introducen así los datos en el programa SPSS en la Vista de datos: Clic sobre la variable Tiempo de reacción a … y la pasaremos hacia donde dice Lista Contrastar variables: y luego activaremos dando un clic sobre la variable Grupos de sujetos de l… y la pasaremos hacia donde dice Variable de agrupación Saldrá la siguiente ventana Se introducen así los datos en el programa SPSS en la Vista de datos: Luego daremos un clic en el botón continuar Luego en el botón donde dice Definir grupos daremos un clic y en Grupo 1 pondremos el número 1 y donde dice Grupo 2 pondremos el numero 2. Resultados PRUEBA DE MANN-WHITNEY a. Variable de agrupación: Grupos de sujetos de la investigación b. No corregidos para los empates. Prueba de Kruskal-Wallis. En estadística, la prueba de Kruskal-Wallis es un método no paramétrico para probar si un grupo de datos proviene de la misma población. Intuitivamente, es idéntico al ANOVA con los datos reemplazados por categorías. Es una extensión de la prueba de la U de Mann-Whitney para 3 o más grupos. PR UE B A D E KR US KAL - WA L L IS . PR U EB A D E K RU SK A L- W A LL IS Ejemplo Los efectos de dos drogas con respecto al tiempo de reacción a cierto estímulo fueron estudiados en tres grupos de animales experimentales. El grupo III sirvió como control (C), mientras que a los grupos I y II les fueron aplicadas las drogas A y B respectivamente, con anterioridad a la aplicación del estímulo. Puede afirmarse que los tres grupos difieren en cuanto al tiempo de reacción. Ej em p lo : Pr u eb a d e K ru sk a l- W a ll is Respuesta H0: Las tres muestras provienen de la misma población H1: Al menos una de las muestras proviene de una población con mediana diferente. HIPÓ TE S IS : Se introducen así los datos en el programa SPSS en la Vista de datos: En la Vista de variables se llena lo siguiente y deberá quedar así. Se introducen así los datos en el programa SPSS en la Vista de datos: Ahora sale el siguiente cuadro de diálogo Luego se le indica lo siguiente al programa Se introducen así los datos en el programa SPSS en la Vista de datos: Definir rango se da un clic y sale otro cuadro de diálogo en el que hay que poner en Mínimo 1 y en Máximo 3 (pues hay tres grupos) Se pasa la variable Tiempo de reacción… para donde dice Lista Contrastar variables y luego se pasa la variable Grupo de pertenencia para donde dice Variable de agrupación. Se introducen así los datos en el programa SPSS en la Vista de datos: Luego luego otro clic en el botón Aceptar. No desmarcar donde dice H de Kruskal-Wallis ya que es esta prueba la que se hará. Resultados PRUEBA DE KRUSKAL-WALL IS a. Prueba de Kruskal-Wallis b. Variable de agrupación: Grupo de pertenencia Es una prueba no paramétrica desarrollado por el economista Milton Friedman. Equivalente a la prueba ANOVA para medidas repetidas en la versión no paramétrica, el método consiste en ordenar los datos por filas o bloques, reemplazándolos por su respectivo orden. PR UE B A D E FR IE D M A N Prueba de Friedman. PR U EB A D E FR IE D M A N Ejemplo Se reúnen los datos en la forma especificada en la Tabla. Recuérdese que por ser un procedimiento que se aplica a un diseño de bloques al azar, en todos los grupos se colocan en la misma fila los datos correspondientes a la misma persona o a personas que son equivalentes de acuerdo con un procedimiento de apareamiento adecuado. DATOS Ej em p lo :P ru eb a d e Fr ie d m a nPrueba de Friedman. A cont inuac ión , en cada f i la . se toman los datos , se ordenan y se les as ignan los rangos cor respondientes . En caso de que dos o mas puntuac iones estén igua ladas , e l rango as ignado será e l promedio de los rangos cor respondientes a las puntuac iones igualadas . El siguiente paso es sumar los rangos de cada columna (Rj). Para cada columna se eleva al cuadrado la suma de rangos (Rj2). Al final se suman los valores Rj2 y se sustituye el resultado en la fórmula. Donde J es el número de grupos y n es el número de valores en cada grupo. E L R E S U LT AD O E SΧR 2 = 8 . 1 2 En caso de que haya empates, se calcula una puntuación para corregir este valor, con la fórmula: DANDO COMO RESULTADO: E = 147 Y la fórmula de Friedman se modifica de la siguiente manera: ji2 = 8.6122 OBTENIENDO EL RESULTADO: gl = J-1 = 2 OBTENIENDO EL RESULTADO: Prueba de rachas de Wald- Wolfowitz. Permite contrastar la hipótesis de que ambas muestras proceden de la misma población. Al igual que la prueba de Kolmogorov-Smirnov, es sensible no sólo a diferencias entre los promedios poblaciones, sino a diferencias en variabilidad, simetría, etc. L A P RU E B A D E L A S RA C HA S P A RA D O S M U E ST R AS I N D E PEN DI ENT ES PR U EB A D E FR IE D M A N Ejemplo Los siguientes datos son las edades de una muestra de personas seleccionadas entre los visitantes de un Bingo. 32 , 23 , 64 , 3 1 , 74 , 44 , 61 , 33 , 66 , 73 , 27, 65, 40, 54, 23, 43, 58, 87, 58, 62. 68, 89, 93, 24, 73, 42, 33, 63, 36, 48, 77, 75, 37, 59, 70 , 61 , 43 , 68 , 54 , 29 , 48, 81 , 57 , 97 , 35 , 58 , 56 , 58 , 57 , 45 Ej em p lo :P ru eb a d e ra ch a s d e W a ld - W ol fo w it z. Ordenamos los datos de menor a mayor y realizamos una tabla de frecuencias con 4 clases. PARA REALIZAR LOS CÁLCULOS, Y CON EL PROPOSITO DE SIMPLIF ICARLOS SE HAN EMPLEADO LA TABLA DE DATOS AGRUPADOS EN LUGAR DE LOS DATOS PRIMITIVOS, RESULTANDO: Calculamos ahora la probabilidad para cada clase usando la distribución N(55.2, 18.7) La p ro b a b ili d a d q ue co rr es p on d er ía a la s d is tin ta s cl a se s si se cu m p le la hi p ót es is nu la d e q ue lo s d a to s si g ue n un a d is tr ib uc ió n N (5 5. 2, 18 .7 ) es : P ( 40 < X ≤ 6 0 ) = NormalDist(60; 55.2, 18.7)−NormalDist(40; 55.2, 18.7) = = 0.601 29 − 0.208 16 = 0.393 13 P( X ≤ 40 ) = = NormalDist(40; 55.2, 18.7) = 0.208 16 P ( 8 0 < X) = 1 − NormalDist(80; 55.2, 18.7) = 9. 238 6 × 10−2 P( 6 0 < X ≤ 80 ) = NormalDist(80; 55.2, 18.7)−NormalDist(60; 55.2, 18.7) = = 0.907 61 − 0.601 29 = 0.306 32 Multiplicamos por el número total de datos estas probabilidades para obtener la frecuencia esperada, npi: El valor experimental es: χ2 =(12−10.5)210.5 +(18−19.66)219.66 +(15−15.32)215.32 (5−4.5)2 4.5 = 0.416 69 Ingeniería en Agronomía Docente: Ing. Rodolfo Campos Tenorio Alumno: Brayan Cosco Rivera 405-A Unidad 7 18180130 03/06/2020 "Estadística no paramétrica, y estadística inferencial" I TSJC | IAGRO Referencias Aranda, M., & Corzo, J. (2002). Aproximación de la potencia asintótica de la prueba del rango signado de Wilcoxon. Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales, 26(101), 555-564. Turcios, R. A. S. (2015). Prueba de Wilcoxon- Mann-Whitney: mitos y realidades. Rev Mex Endocrinol Metab Nutr, 2, 18-21. Rivas-Ruiz, R., Moreno-Palacios, J., & Talavera, J. O. (2013). Investigación clínica XVI. Diferencias de medianas con la U de Mann- Whitney. Revista Médica del Instituto Mexicano del Seguro Social, 51(4), 414-419. Gómez-Gómez, M., Danglot-Banck, C., & Vega-Franco, L. (2003). Sinopsis de pruebas estadísticas no paramétricas. Cuándo usarlas. Revista Mexicana de Pediatría, 70(2), 91-99. Alva, J. A. V., & Carreño, M. A. D. (2003). Pruebas no paramétricas para Procesos Poisson no Homogéneos. Agrociencia, 37(1), 21-31. Turcios, R. A. S. (2015). Prueba de Wilcoxon- Mann-Whitney: mitos y realidades. Rev Mex Endocrinol Metab Nutr, 2, 18-21. Gómez-Gómez, M., Danglot-Banck, C., & Vega-Franco, L. (2003). Sinopsis de pruebas estadísticas no paramétricas. Cuándo usarlas. Revista Mexicana de Pediatría, 70(2), 91-99. Kruskal, W., & Wallis, W. (1957). Estadística no paramétrica. Prueba de Kruskal-Wallis, 702- 708. Ramos, D. S., & Márquez, L. E. C. (2000). Eestimación del nivel de significancia real de la prueba de MANN-WHITNEY ante violaciones a los supuestos estándar usando simulación Montecarlo. Agrociencia, 34(1), 69-74. Referencias Berlanga, V., & Rubio Hurtado, M. J. (2012). Clasificación de pruebas no paramétricas. Cómo aplicarlas en SPSS. REIRE. Revista d'Innovació i Recerca en Educació, 2012, vol. 5, num. 2, p. 101-113. Siegel, S., & Castellan, N. J. (1995). La prueba de Friedman. Estadística no paramétrica aplicada a las ciencias de la conducta. 4th ed. México. DF: Editorial Trillas, 207. Berlanga, V., & Rubio Hurtado, M. J. (2012). Clasificación de pruebas no paramétricas. Cómo aplicarlas en SPSS. REIRE. Revista d'Innovació i Recerca en Educació, 2012, vol. 5, num. 2, p. 101-113. Silvente, V. B., & Hurtado, M. J. R. (2012). Clasificación de pruebas no paramétricas. Cómo aplicarlas en SPSS. REIRE, 5(2), 101-113. Gracias por la atención prestada !! Diapositiva 1 Diapositiva 2 Diapositiva 3 Diapositiva 4 Diapositiva 5 Diapositiva 6 Diapositiva 7 Diapositiva 8 Diapositiva 9 Diapositiva 10 Diapositiva 11 Diapositiva 12 Diapositiva 13 Diapositiva 14 Diapositiva 15 Diapositiva 16 Diapositiva 17 Diapositiva 18 Diapositiva 19 Diapositiva 20 Diapositiva 21 Diapositiva 22 Diapositiva 23 Diapositiva 24 Diapositiva 25 Diapositiva 26 Diapositiva 27 Diapositiva 28 Diapositiva 29 Diapositiva 30 Diapositiva 31 Diapositiva 32 Diapositiva 33 Diapositiva 34 Diapositiva 35 Diapositiva 36 Diapositiva 37 Diapositiva 38 Diapositiva 39 Diapositiva 40 Diapositiva 41 Diapositiva 42 Diapositiva 43 Diapositiva 44 Diapositiva 45 Diapositiva 46 Diapositiva 47 Diapositiva 48 Diapositiva 49 Diapositiva 50
Compartir