Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
664 ❍ CAPÍTULO 15 ESTADÍSTICAS NO PARAMÉTRICAS Pruebe la hipótesis de que no hay asociación entre las poblaciones para el ejemplo 15.10. Solución El valor crítico de rs para una prueba de una cola con a �.05 y n � 8 es .643. Se puede suponer que una correlación entre la calificación del juez y las califica- ciones de examen de profesores no podrían ser posiblemente positivas. (Una calificación baja significa buena enseñanza y debe estar asociada con una alta calificación de examen si el juez y la prueba miden la capacidad de enseñanza.) La hipótesis alternativa es que el coeficiente de correlación de rango poblacional rs es menor a 0 y nos interesa una prueba estadística de una cola. Entonces, a para la prueba es el valor tabulado para .05 y se puede rechazar la hipótesis nula si rs � �.643. El valor calculado del estadístico de prueba, rs � �.714, es menor que el valor críti- co para a � .05. En consecuencia, la hipótesis nula se rechaza al nivel de significancia a � .05. Es evidente que existe algún acuerdo entre las calificaciones del juez y las califi- caciones del examen. No obstante, debe observarse que este acuerdo podría existir cuando ninguna da una medida adecuada para medir la capacidad de enseñanza. Por ejemplo, la asociación podría existir si el juez y quienes formularon el examen de profesores tuvie- ran un concepto erróneo, pero semejante, de las características de la buena enseñanza. ¿Qué es exactamente lo que mide rs? El coeficiente de correlación de Spearman detecta no sólo una relación lineal entre dos variables, sino que también mide cual- quier otra relación monotónica (y aumenta cuando x aumenta o y disminuye cuando x aumenta). Por ejemplo, si se calculó rs para los dos conjuntos de datos de la tabla 15.15, ambos producirían un valor de rs � 1 porque los rangos asignados para x y y en ambos casos concuerdan para todos los pares (x, y). Es importante recordar que un valor sig- nificativo de rs indica una relación entre x y y que es creciente o decreciente, pero no necesariamente lineal. EJERCICIOS15.8 TÉCNICAS BÁSICAS 15.43 Dé la región de rechazo para una prueba para detectar correlación positiva de rango si el número de pares de rangos es 16 y se tienen estos valores a: a. a � .05 b. a � .01 15.44 Dé la región de rechazo para una prueba para detectar correlación negativa de rango si el número de pares de rangos es 12 y se tienen estos valores a: a. a � .05 b. a � .01 15.45 Dé la región de rechazo para una prueba para detectar correlación de rango si el número de pares de rangos es 25 y se tienen estos valores a: a. a � .05 b. a � .01 15.46 Las siguientes observaciones pareadas se obtuvieron en dos variables x y y: x 1.2 .8 2.1 3.5 2.7 1.5 y 1.0 1.3 .1 �.8 �.2 .6 E J E M P L O 15.11 TABLA 15.15 ● Conjuntos de datos gemelos con rs � 1 x y � x 2 x y � log10(x) 1 1 10 1 2 4 100 2 3 9 1000 3 4 16 10 000 4 5 25 100 000 5 6 36 1 000 000 6 Probabilidad_Mendenhall_15.indd 664Probabilidad_Mendenhall_15.indd 664 5/14/10 8:22:26 AM5/14/10 8:22:26 AM www.FreeLibros.me a. Calcule el coeficiente de correlación de rango de Spearman rs. b. ¿Los datos presentan suficiente evidencia para indicar una correlación entre x y y? Pruebe usando a � .05. APLICACIONES 15.47 Califi cación de candidatos políticos Un politólogo deseaba examinar la relación entre la imagen que tiene un votante, respecto de un candidato político conservador y la distancia (en millas) entre las residencias del votante y el candidato. Cada uno de 12 votantes calificó al candidato en una escala de 1 a 20. Votante Califi cación Distancia 1 12 75 2 7 165 3 5 300 4 19 15 5 17 180 6 12 240 7 9 120 8 18 60 9 3 230 10 8 200 11 15 130 12 4 130 a. Calcule el coeficiente de correlación de rango de Spearman rs. b. ¿Estos datos dan suficiente evidencia para indicar una correlación negativa entre calificación y distancia? 15.48 Carreras de competencia ¿El número de años de experiencia en carreras de competencia está relacionado con el rendimiento en carreras de distancia de un corredor? Los datos de nueve corredores, obtenidos de un estudio hecho por Scott Powers y colegas, se dan en la tabla siguiente:5 Años de correr Tiempo de llegada en Corredor en competencias 10 kilómetros (min) 1 9 33.15 2 13 33.33 3 5 33.50 4 7 33.55 5 12 33.73 6 6 33.86 7 4 33.90 8 5 34.15 9 3 34.90 a. Calcule el coeficiente de correlación de rango entre años de carreras en competencias x y el tiempo y de llegada a la meta en una carrera de 10 kilómetros. b. ¿Los datos dan suficiente evidencia para indicar una correlación de rango entre y y x? Pruebe usando a � .05. 15.49 Raquetas de tenis Los datos mostrados en la tabla siguiente dan medidas de rigidez al doblamiento y de rigidez al torcimiento, determinadas por pruebas de ingeniería en 12 raquetas de tenis. Rigidez al Rigidez al Raqueta doblamiento torcimiento 1 419 227 2 407 231 3 363 200 4 360 211 5 257 182 6 622 304 7 424 384 8 359 194 9 346 158 10 556 225 11 474 305 12 441 235 a. Calcule el coeficiente de correlación de rango rs entre rigidez al doblamiento y rigidez al torcimiento. b. Si una raqueta tiene rigidez al doblamiento, ¿también es probable que tenga rigidez al torcimiento? Use el coeficiente de correlación de rango para determinar si hay una relación positiva significativa entre rigidez al doblamiento y rigidez al torcimiento. Use a � .05. 15.50 Califi caciones de estudiante El director de una escuela sospechaba que la actitud de un profesor, hacia un alumno de primer año, dependía de su juicio original de la capacidad del niño. El director también sospechaba que mucho de ese juicio estaba basado en la calificación del coeficiente de inteligencia (IQ) del alumno, que por lo general era conocida por el profesor. Después de tres semanas de enseñanza, a un profesor se le pidió ordenara los nueve niños de su grupo de 1 (la más alta) a 9 (la más baja) en cuanto a su opinión de su capacidad. Calcule rs para estas calificaciones de IQ del profesor: Profesor 1 2 3 4 5 6 7 8 9 IQ 3 1 2 4 5 7 9 6 8 15.51 Califi caciones de estudiante, continúa Consulte el ejercicio 15.50. ¿Los datos dan suficiente evidencia para indicar una correlación positiva entre las calificaciones del profesor y los rangos de los IQ? Use a � .05. 15.52 Críticos de arte Dos críticos de arte calificaron 10 pinturas de artistas contemporáneos (pero anónimos), de acuerdo con su atractivo a los críticos respectivos. Las calificaciones se ilustran en la tabla siguiente. ¿Los críticos parecen estar de acuerdo en sus calificaciones de arte contemporáneo? Es decir, ¿los datos dan suficiente evidencia para indicar una correlación positiva entre los críticos A y B? Pruebe usando un valor a de .05 o cercano a éste. DATOSMISMIS EX1547 DATOSMISMIS EX1548 DATOSMISMIS EX1549 DATOSMISMIS EX1552 15.8 COEFICIENTE DE CORRELACIÓN DE RANGO ❍ 665 Probabilidad_Mendenhall_15.indd 665Probabilidad_Mendenhall_15.indd 665 5/14/10 8:22:27 AM5/14/10 8:22:27 AM www.FreeLibros.me 666 ❍ CAPÍTULO 15 ESTADÍSTICAS NO PARAMÉTRICAS Pintura Crítico A Crítico B 1 6 5 2 4 6 3 9 10 4 1 2 5 2 3 6 7 8 7 3 1 8 8 7 9 5 4 10 10 9 15.53 Califi cación de hojas de tabaco Se realizó un experimento para estudiar la relación entre las calificaciones de un experto en clasificar hojas de tabaco y el contenido de humedad de las hojas. Doce de estas fueron calificadas por el experto en una escala de 1 a 10 y se tomaron las lecturas correspondientes del contenido de humedad. Hoja Califi cación del experto Contenido de humedad 1 9 .22 2 6 .16 3 7 .17 4 7 .14 5 5 .12 6 8 .19 7 2 .10 8 6 .12 9 1 .05 10 10 .20 11 9 .16 12 3 .09 Calcule rs. ¿Los datos dan suficiente evidencia para indicar una asociación entre las calificaciones del experto y el contenido de humedad de las hojas? 15.54 Educación en conductas sociales Se implementóun programa de educación en conductas sociales, con siete estudiantes a un mediano grado de dificultad, para determinar si el programa causaba mejoras en medidas de antes y después de examen, así como en calificaciones de conducta. Para uno de estos exámenes, las calificaciones de antes y después de examen para los siete estudiantes se dan en la tabla siguiente: Estudiante Antes Después Earl 101 113 Ned 89 89 Jasper 112 121 Charlie 105 99 Tom 90 104 Susie 91 94 Lori 89 99 a. Use una prueba no paramétrica para determinar si hay una relación positiva significativa entre las calificaciones de antes y después de examen. b. ¿Estos resultados concuerdan con los resultados de la prueba paramétrica del ejercicio 12.51? DATOSMISMIS EX1553 DATOSMISMIS EX1554 RESUMEN Las pruebas no paramétricas presentadas en este capítulo son sólo algunas de las nume- rosas pruebas no paramétricas disponibles para los experimentadores. Las pruebas presentadas aquí son aquellas para las que hay tablas de valores críticos disponibles fácilmente. Los métodos estadísticos no paramétricos son especialmente útiles cuando las obser- vaciones se pueden ordenar pero no colocar exactamente en una escala de mediciones. También, los métodos no paramétricos son los únicos que se pueden usar cuando se hayan apegado correctamente a los diseños de muestreo, pero los datos no se supone que sigan o no se puede suponer que sigan una o más suposiciones de distribución prescritas. Hemos presentado una amplia variedad de técnicas no paramétricas, que se pue- den usar cuando los datos no están normalmente distribuidos, o las otras suposiciones requeridas no se satisfacen. En la literatura existen procedimientos de una muestra; sin embargo, nos hemos concentrado en analizar dos o más muestras que han sido correc- tamente seleccionadas usando muestreo aleatorio e independiente, como lo requiere el diseño de que se trate. Los análogos no paramétricos de los procedimientos paramétricos presentados en los capítulos 10-14 son sencillos y muy fáciles de poner en práctica: • La prueba de suma de rango de Wilcoxon es el análogo no paramétrico de la prueba t de dos muestras. • La prueba del signo y las pruebas de rango con signo de Wilcoxon son los análogos no paramétricos de la prueba t de muestra pareada. 15.9 Probabilidad_Mendenhall_15.indd 666Probabilidad_Mendenhall_15.indd 666 5/14/10 8:22:27 AM5/14/10 8:22:27 AM www.FreeLibros.me 15 ESTADÍSTICAS NO PARAMÉTRICAS 15.8 Coeficiente de correlación de rango Ejercicios 15.9 Resumen
Compartir