Professional Documents
Culture Documents
NO PARAMETRICA
ESTADSTICOS DE ORDEN
1
Definicin:
Sea X una v.a continua con funcin de densidad f(x) y definida en el
intervalo - < x < . De esta poblacin se toman muestras aleatorias
simples de tamao n:
Observacin:
2
Ejemplo: Sea X una v.a continua con funcin de densidad f(x), -<x< .
Se toman muestras aleatorias simples de tamao 5
x1 x2 x3 x4 x5
muestra 1 10 6 11 3 25
muestra 2 4 8 2 22 10
muestra 3 30 8 15 11 9
muestra 4 21 7 11 4 8
u1 u2 u3 u4 u5
muestra 1 3 6 10 11 25
muestra 2 2 4 8 10 22
muestra 3 8 9 11 15 30
muestra 4 4 7 8 11 21
3
Distribucin Conjunta de los n
Estadsticos de Orden
n
fX(n) (x1, x2,...,xn) = fX1,X2,...Xn (x1, x2,...,xn) =fX (xi )
i=1
n
f X(1) , X( 2) ,...,X( n) ( y1, y2 ,...yn ) = n! f X ( yi )
i =1
4
DISTRIBUCION DE LA ESTADISTICA DE ORDEN i (ui)
5
PRUEBAS ESTADISTICAS
Muestras
Muestras grandes (n > 30)
6
PRUEBAS NO PARAMTRICAS, se usan con:
7
DOCIMAS PARA UNA
MUESTRA
8
Consideremos una muestra de tamao n que ha sido dividida
en dos categoras + y - con n1 y n2 observaciones
cada una.
HHH MM H MMM
4 rachas n11=4
9
Si las observaciones son cantidades numricas estas pueden
ser divididas en dos categoras o pueden ser clasificados en una
sucesin dicotomica segn que cada observacin este por
encima o por debajo de algn nmero fijado; a menudo este
j
nmero fijado es la mediana muestral obtenida.
Bilateral:
10
Unilateral (menores):
Unilateral (mayores):
H0:Estipula
s pu a que eel pa
patrn
de ocu
ocurrencia
e c a de los
os 2 tipos
pos de
observaciones es determinado por un proceso aleatorio.
11
5)Se establecen los valores crticos, dependiendo del tamao de
los grupos n1 y n2 :
ro rmnimo=rn1,n2;(/2)
ro r
mximo = rn1,n2;(1-/2)
tablas A.21-24
ro rmnimo
i
ro rmximo
12
b) Si n1 y n2 son 20, las tablas A.21-24 no pueden usarse.
con :
ro N ( ro , 2
ro ) ; y
2 n1 n 2
Media = ro = +1
n1 + n 2
2 n1n 2 ( 2 n1n 2 n1 n 2 )
Varianza = r2o =
( n1 + n 2 ) 2 ( n1 + n 2 1)
ro r
zc = , donde zc ~ N (0,1)
r
Bilateral: Zc Z o Zc Z
tabla, tabla,
2 2
13
Ejemplo: Los siguientes datos muestran la discrepancia de la
temperatura de rea normal registrada en una ciudad.
Deseamos saber, si podemos concluir que el patrn de
discrepancias por encima y por debajo de lo normal, es el
resultado de un proceso aleatorio.
DIA 1 2 3 4 5 6 7 8 9 10 11
DISCREPANCIA
DE LO NORMAL 12 13 12 11 5 2 -1 2 -1 3 2
DIA 12 13 14 15 16 17 18 19 20 21 22 23 24
DISCREPANCIA
DE LO NORMAL -6
6 -7
7 -7
7 -12
12 -3
3 6 7 10 6 1 1 3 7
DIA 25 26 27 28 29 30
DISCREPANCIA
DE LO NORMAL -2 -6 -6 -5 -2 -1
14
DIA 1 2 3 4 5 6 7 8 9 10 11
DISCREPANCIA
DE LO NORMAL 12 13 12 11 5 2 -1 2 -1 3 2
1 2 3 4 5
DIA 12 13 14 15 16 17 18 19 20 21 22 23 24
DISCREPANCIA
DE LO NORMAL -6 -7 -7 -12 -3 6 7 10 6 1 1 3 7
6 7
DIA 25 26 27 28 29 30
DISCREPANCIA
DE LO NORMAL -2 -6 -6 -5 -2 -1
8
ro = 8
rmn (/2=0.025) = 10
rmx (1-/2=0.975) = 21
15
Ejemplo 2: Se desea conocer si la colocacin de hombres y
mujeres en la cola frente a la taquilla de un cine es ordenado o
azaroso. Los datos se obtuvieron simplemente anotando el sexo de
50 personas en el momento de acercarse a la taquilla.
O d de
Orden d Hombres
H b (M) y Mujeres
M j (F) formados
f d frente
f t a la
l taquilla.
t ill
M F M F M M M F F M F M F
M F M M M M F M F M F M M
F F F M F M F M F M M F
M M F M M M M F M F M M
16
Orden de Hombres (M) y Mujeres (F) formados frente a la taquilla.
M F M F M M M F F M F M F
M F M M M M F M F M F M M
F F F M F M F M F M M F
M M F M M M M F M F M M
ro = 35
3
(M) n1 = 30 y (F) n2 = 20
(M) n1 = 30 y (F) n2 = 20
2 n1 n 2
ro ( + 1)
n1 + n 2
zc =
2 n1 n 2 ( 2 n1 n 2 n1 n 2 )
( n 1 + n 2 ) 2 ( n 1 + n 2 1)
2 ( 30 )( 20 )
35 ( + 1)
zc = 30 + 20
2 ( 30 )( 20 )[ 2 ( 30 )( 20 ) 30 20 ]
( 30 + 20 ) 2 ( 30 + 20 1)
z c = 2 . 98
INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ
17
z c = 2 . 98
18