Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
628 ❍ CAPÍTULO 14 ANÁLISIS DE DATOS CATEGÓRICOS CASO PRÁCTICO ¿Un método de marketing puede mejorar DATOSMISMIS Bibliotecas los servicios de una biblioteca? Carole Day y Del Lowenthal estudiaron las respuestas de adultos jóvenes en su evalua- ción de servicios bibliotecarios.23 De los n � 200 adultos jóvenes que intervinieron en el estudio, n1 � 152 eran estudiantes y n2 � 48 no eran estudiantes. La tabla siguiente presenta los porcentajes y números de respuestas favorables para cada grupo a siete pre- guntas en las que se examinaron la atmósfera, el personal y el diseño de la biblioteca. Estudiante, No estudiante, Pregunta Favorable n1 � 152 Favorable n2 � 48 P (x 2) 3 Las bibliotecas son amistosas 79.6% 121 56.2% 27 �.01 4 Las bibliotecas son aburridas 77 117 58.3 28 �.05 5 Personal de biblioteca 91.4 139 87.5 42 NS no ayuda 6 Personal de biblioteca ayudan 60.5 92 45.8 22 �.01 menos a adolescentes 7 Las bibliotecas son tan 75.6 115 52.05 25 �.01 silenciosas que son incómodas uncomfortable 11 Las bibliotecas deben estar 29 44 18.8 9 NS decoradas con colores más vivos 13 Las bibliotecas no 45.4 69 43.8 21 NS tienen mal señalamiento Fuente: Datos de C. Day y D. Lowenthal, “The Use of Open Group Discussions in Marketing Library Services to Young Adults”, por C. Day y D. Lowenthal, British Journal of Educational Psychology, 62(1992): 324-340. La entrada de la última columna marcada P(x 2) es el valor p para probar la hipótesis de que no hay diferencia en la proporción de estudiantes y no estudiantes que contestan cada pregunta favorablemente. En consecuencia, cada pregunta da lugar a una tabla de contingencia de 2 � 2. 1. Realice una prueba de homogeneidad para cada pregunta y verifi que el valor p infor- mado de la prueba. 2. Las preguntas 3, 4 y 7 son relativas a la atmósfera de la biblioteca; las preguntas 5 y 6 se ocupan del personal de biblioteca; y las preguntas 11 y 13 se relacionan al diseño de la biblioteca. ¿Cómo se resumirían los resultados de sus análisis con el diseño de la biblioteca? ¿Cómo resumiría los resultados de sus análisis respecto a estas siete preguntas relacionadas con la imagen de la biblioteca? 3. Con la información dada, ¿es posible hacer alguna prueba posterior respecto a la pro- porción de respuestas favorables contra no favorables para dos o más preguntas simul- táneamente? Probabilidad_Mendenhall_14.indd 628Probabilidad_Mendenhall_14.indd 628 5/14/10 8:44:29 AM5/14/10 8:44:29 AM www.FreeLibros.me 629 Estadísticas no paramétricas ¿Cómo está su nivel de colesterol? ¿Cuál es su nivel de colesterol? En los últimos años, muchos de nosotros nos hemos hecho más conscientes de nuestra salud cuando leemos las eti- quetas de información nutrimental en productos que compramos y escogemos que sean bajos en grasas y colesterol y altos en fi bras. El caso prác- tico del fi nal de este capítulo contiene un expe- rimento de prueba del sabor, para comparar tres tipos de sustitutos de huevo, usando técnicas no paramétricas. OBJETIVO GENERAL En los capítulos 8-10 presentamos técnicas estadísticas para comparar dos poblaciones contrastando sus respec- tivos parámetros poblacionales (por lo general sus medias poblacionales). Las técnicas de los capítulos 8 y 9 son aplicables a datos que son al menos cuantitativos y las del capítulo 10 son aplicables a datos que tienen distribuciones normales. El propósito de este capítulo es presentar varias pruebas estadísticas para comparar poblacionales para los numerosos tipos de datos que no satisfagan las suposi- ciones especifi cadas en los capítulos 8-10. ÍNDICE DEL CAPÍTULO ● La prueba Fr de Friedman (15.7) ● La prueba H de Kruskal-Wallis (15.6) ● Pruebas paramétricas contra no paramétricas (15.1) ● El coefi ciente de correlación de rango (15.8) ● La prueba del signo para un experimento pareado (15.3) ● La prueba de la suma de rango de Wilcoxon: muestras aleatorias independientes (15.2) ● La prueba del rango con signo de Wilcoxon para un experimento pareado (15.5) 15 © Anthony Berenyi/Dreamstime Probabilidad_Mendenhall_15.indd 629Probabilidad_Mendenhall_15.indd 629 5/14/10 8:22:23 AM5/14/10 8:22:23 AM www.FreeLibros.me 630 ❍ CAPÍTULO 15 ESTADÍSTICAS NO PARAMÉTRICAS 15.1 15.2 INTRODUCCIÓN Algunos experimentos generan respuestas que pueden ser ordenadas o clasificadas, pero el valor real de la respuesta no puede ser medido numéricamente excepto con una escala arbitraria que se puede crear. Puede ser que el experimentador diga sólo si una obser- vación es mayor que otra. Quizá pueda clasificar todo un conjunto de observaciones sin saber en realidad los valores numéricos exactos de las mediciones. A continuación veamos unos cuantos ejemplos: • La experiencia de ventas de cuatro vendedores son clasifi cadas de la mejor a la peor. • Las características de comestible y sabor de cinco marcas de fibra de pasitas son clasificadas en una escala arbitraria de 1 a 5. • Cinco diseños de automóvil son clasifi cados del más atractivo al menos atractivo. ¿Cómo pueden analizarse estos datos? Los métodos estadísticos de muestra pequeña pre- sentados en los capítulos 10-13 son válidos sólo cuando la(s) población(es) muestreada(s) es(son) normal(es) o aproximadamente lo es(son). Los datos formados por rangos de es- calas arbitrarias de 1 a 5 no satisfacen la suposición de normalidad, incluso a un grado razonable. En algunas aplicaciones, las técnicas son válidas si las muestras se toman al azar de entre poblaciones cuyas varianzas son iguales. Cuando los datos no parecen satisfacer éstas y suposiciones similares, puede usarse un método alternativo, métodos estadísticos no paramétricos. Los métodos no para- métricos por lo general satisfacen las hipótesis en términos de distribuciones poblacio- nales más que parámetros por ejemplo medias y desviaciones estándar. Es frecuente que las suposiciones paramétricas sean sustituidas por suposiciones más generales acerca de las distribuciones poblacionales y las clasificaciones de las observaciones se usen a veces en lugar de las mediciones reales. Investigaciones realizadas demuestran que las pruebas estadísticas no paramétricas son tan capaces de detectar diferencias entre poblaciones como los métodos paramétricos de capítulos anteriores, cuando se satisfacen la normalidad y otras suposiciones. Pueden ser y con frecuencia son, más potentes para detectar diferencias poblacionales cuando estas suposiciones no se satisfacen. Por esta razón, algunos estadísticos están a favor de usar procedimientos no paramétricos en preferencia a sus similares paramétricos. Presentaremos métodos no paramétricos apropiados para comparar dos o más pobla- ciones usando ya sea muestras independientes o pareadas. También presentaremos una medida de asociación que es útil para determinar si una variable aumenta cuando la otra aumenta o si una variable disminuye cuando la otra aumenta. LA PRUEBA DE SUMA DE RANGO DE WILCOXON: MUESTRAS ALEATORIAS INDEPENDIENTES Al comparar las medias de dos poblaciones basadas en muestras independientes, el es- tadístico pivote era la diferencia en las medias muestrales. Si el experimentador no está seguro de que las suposiciones requeridas para una prueba t de dos muestras sea satisfecha, una alternativa es sustituir los valores de las observaciones por sus rangos y proceder como si éstos fueran las observaciones reales. Dos pruebas no paramétricas diferentes usan un estadístico de prueba basado en estos rangos de muestra: • Prueba de suma de rango de Wilcoxon • Prueba U de Mann-Whitney Cuando los tamaños muestrales sean pequeños y las poblaciones originales no sean normales, use técnicas no paramétricas. CONSEJOMIMI Probabilidad_Mendenhall_15.indd 630Probabilidad_Mendenhall_15.indd 630 5/14/10 8:22:24 AM5/14/10 8:22:24 AM www.FreeLibros.me 14 ANÁLISIS DE DATOS CATEGÓRICOS CASO PRÁCTICO: ¿Un método de marketing puede mejorar los serviciosde una biblioteca? 15 ESTADÍSTICAS NO PARAMÉTRICAS 15.1 Introducción 15.2 La prueba de suma de rango de Wilcoxon: muestras aleatorias independientes
Compartir