Sesion 7-Estnopa PDF

PRUEBA DE WILCOXON DEL RANGO CON SIGNO PARA UNA
MUESTRA
Esta prueba no sólo utiliza los signos de las diferencias entre

cada observación y la Mediana observada (M0) de la hipótesis, si
no también las magnitudes de las diferencias para la asignación
de rangos.
Además de la suposición de continuidad de la distribución de la

población se agrega la Simetría bajo la H0.
Este supuesto de simetría, hace posible aplicar una prueba más

potente que la prueba de signo, siendo este una prueba basado
en rangos.
INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ
Definimos:
Sea una m.a X1,…,Xn de tamaño “n” de una distribución continua

con mediana M0, y asumiendo que la población es simétrica bajo la
hipótesis nula, se plantea:
H0: M=M0 Donde : M=Mediana

Poblacional
y si mediante la aplicación de la prueba de wilcoxon de los rangos

con signo probáremos que si fuera H0 cierta consideraríamos que
las diferencias Di=Xi-M0 se distribuirían de forma simétrica entorno
a cero.
1
Hipótesis a Probar:
a) Unilateral Derecha
H0 : M ≤ M0
H1 : M > M0
b) Unilateral Izquierda
H0 : M ≥ M0
H1 : M < M0
c) Bilateral
H0 : M = M0
H1 : M ǂ M0
Para aplicar la Prueba de Wilcoxon del rango con signo, necesitamos

calcular el estadístico de prueba, para lo cual seguimos los siguientes
pasos:
1) Se calculan las diferencias respecto a la mediana hipotética,

observada o teórica (M0) : Di=Xi – M0
2) Ordenar de menor a mayor las “n” diferencias en valor absoluto.
Di = X i − M 0
3)Se asignan rangos a las diferencias absolutas de menor a mayor (sin

tener en cuenta el signo, si hay empates se asignan los rangos
medios).
2
4) A cada rango Ri se le asigna el signo algebraico de la diferencia
correspondiente.
5) Se calculan:
W+ = ∑R
rangos
i
positivos
W− = ∑R
Rangos
i
Negativos
W = mín (W + , W − )
Como se puede observar, se trata de contrastar si la menor de las

sumas de rangos es excesivamente pequeña para ser atribuida al azar,
o, lo que es equivalente, si la mayor de las dos sumas de rangos es
excesivamente grande.
Regla de Decisión:
Rechazamos H0, si:
1) Para la prueba unilateral:
W ≤ Wn;α para H1: M > M0 ó H1: M <M0
P[W ≤ w]=p ≤ α donde: p= p-valor
2) Para la prueba bilateral:
W ≤ Wn;α/2 para H1: M ǂ M0

ó
P[W ≤ w]=p ≤ α/2 donde: p= p-valor
3
Para el caso de muestras grandes ( puede considerarse a partir de n
≥ 15), W+ - se aproxima a una normal con:
n( n + 1) n( n + 1)( 2n + 1)
μW = σW =
4 24
W − μW
Zc = ≈ N ( 0 ,1)
σW
Regla de Decisión :
Se rechaza H0, si: p-valor ≤ α ó Si:
¾ Unilateral:
9 Unilateral Derecha: Z c > Z tabla , (α )
9 Unilateral Izquierda: Z c < − Z tabla ,(α )
¾ Bilateral:
Zc ≤ −Z α o Zc ≥ Z α
tabla , tabla ,
2 2
También:
Si p-valor ≤ α/2 rechazamos H0.
4
Aplicación:
El tiempo mediana de supervivencia de los pacientes de

leucemia con los que se logra una remisión completa a
partir de un tratamiento convencional,
convencional es de 21 meses.
meses
Se esta estudiando un nuevo tratamiento, del cual se
espera que aumente la mediana del tiempo de
supervivencia. Se anota este tiempo para 10 pacientes a
los que se le ha aplicado el nuevo tratamiento:
24.1 25.8 20.5 20.9 27.3

21.5 20.1 28.9 19.2 26.3
Solución:
Planteamos las hipótesis:
H0 : M = 21 (La mediana del tiempo de supervivencia con el nuevo tratamiento

no ha variado)
H1 : M > 21 (La mediana del tiempo de supervivencia con el nuevo tratamiento
es mayor)
Luego: formamos el conjunto de 10 diferencias que se obtienen restando 21 de

cada una de las observaciones.
Xi 24.1 21.5 25.8 20.1 20.5 28.9 20.9 19.2 27.3 26.3
Xi - 21 31
3.1 05
0.5 48
4.8 -0.9
09 -0.5
05 79
7.9 -0.1
01 -1.8
18 63
6.3 53
5.3
Ordenamos, de menor a mayor los valores absolutos de las

diferencias, para luego asignarle un rango Ri de 1 a 10 y a cada
rango se le asigna el signo de la diferencia que le corresponda.
5
|Xi - 21| 0.1 0.5 0.5 0.9 1.8 3.1 4.8 5.3 6.3 7.9
Rango Ri 1 2.5 2.5 4 5 6 7 8 9 10
signos -1 -2.5 2.5 -4 -5 6 7 8 9 10
Entonces los valores observados de de W+ y |W-| son:
W+ = ∑R
rangos
i = 2 .5 + 6 + 7 + 8 + 9 + 10 = 42 .5
positivos
W− = ∑R
rangos
i = − 1 + ( − 2 .5 ) + ( − 4 ) + ( − 5) = 12 . 5
negativos
Seleccionamos el estadístico W=mín{ W+ y |W-|}:
W=|W-|=12.5
Hallamos el valor critico de la dócima:
Donde para una muestra de tamaño 10, Wn;α=11
Entonces observamos que W=12.5 > 11, por lo tanto no se rechaza H0 con un
nivel de significación del 5%.
Concluimos con un 5% de riesgo, que no tenemos prueba suficiente, en base

a la muestra,, de q
que el nuevo tratamiento haya
y aumentado el tiempo
p medio
de supervivencia.
6
DOCIMAS PARA DOS
MUESTRAS RELACIONADAS
Prueba de McNemar
La prueba de McNemar se utiliza para decidir si puede o no

aceptarse que determinado ''tratamiento'' induce un cambio
p
en la respuesta de los elementos sometidos al mismo,, y es
aplicable a los diseños del tipo ''antes-después'' en los que
cada elemento actúa como su propio control.
Consiste en n observaciones de una v.a. bidimencional (Xi,Yi)

para i=1,..,n.
La escala de medición para X e Y es nominal con 2

categorías tales como positivo o negativo ó hembra,
hembra macho
ó presencia, ausencia, que se puede denominar “0” y “1”.
7
En la dócima de McNemar, los resultados se presentan en
una tabla 2x2 en la siguiente forma:
Clasificación Yi
(+) (-)
Yi = 0 Yi = 1
(+) A B
(0,1)
Clasificación Xi Xi =0 (0,0)
(-) C D
(1,0) (1,1)
Xi = 1
En el cuadro de entrada de frecuencias se presenta al

primero y al segundo conjunto de respuestas de los mismos
individuos.
Obs.: En la tabla se usan + y – para simbolizar respuestas diferentes.
Clasificación Yi
(+) (-)
A B
(+)
Cl f
Clasificación
ó Xi C D
(-)
Los casos que muestran cambios entre la primera y segunda

respuesta aparecen en las celdillas B y C. Un individuo es
clasificado en la celdilla B si cambió de + a - . Es clasificado
en la celdilla C si cambió de – a +. Si no es observado
ningún cambio, va a la celdilla A (respuestas de + antes y
después) o a la celdilla D (respuestas de – antes y
después).
8
Hipótesis:
H0 :El ''tratamiento'' no induce cambios significativos en las

respuestas, es decir, los cambios observados en la muestra
se deben al azar
H1 : El ''tratamiento'' induce cambios significativos en las

respuestas, es decir, los cambios observados en la muestra
no se deben al azar
En esta prueba para la significación de cambios solamente nos

va a interesar conocer las celdas que presentan cambios (“B” y
“C”) y puesto que B+C es el número ú de personas que
cambiaron, se espera de acuerdo a la hipótesis planteada H0
que (B+C)/2 casos cambien en una dirección y (B+C)/2 casos a
otra dirección.
Sea : B+C=n
Estadístico de prueba:
1) Si n < 20 la estadística de contraste es:
T1 = B
Regla de Decisión:
Para esta estadística de contraste, rechazamos H0, si:
T1 ≥ χ 2
α ( 1 g . l .)
9
Sea : B+C=n
2) Si n ≥ 20 entonces la estadística de contraste es:
(B − C )2
T1 = ≈ χ (21 )
B +C
La aproximación es más precisa si se realiza la corrección de continuidad

de yates, quedando el estadístico:
( B − C − 1) 2
T1 = ≈ χ (21 )
B +C
Regla de Decisión:
Para esta estadística de contraste, rechazamos H0,

si:
T1 ≥ χ α2 (1 g .l .)
10
Aplicación 1:
En un debate televisivo a nivel nacional entre 2 candidatos

presidenciales, se toma una muestra de 100 personas a
quienes se les pregunta sobre sus candidatos antes del
debate y 84 resultaron convencidos por el candidato
demócrata y 16 al candidato republicano. Después del debate
las mismas 100 personas son vueltas a preguntar acerca de
sus preferencias, y del grupo de personas que favorecieron al
demócrata cambian exactamente ¼ de ellos su manera de
pensar y también ¼ de los republicanos.
Solución:
Planteamos las hipótesis
H0 : Los votantes no han cambiado su manera de pensar
H1: Los votantes han cambiado su manera de pensar debido al

debate
Después del debate

Demócratas Republicanos
Demócratas A B
Antes 63 21 84
del
debate Republicanos C 4 D 12 16
100
11
Calculamos el estadístico de prueba:
( B − C − 1) 2 ( 21 − 4 − 1) 2
T1 = = = 10.24
B+C 25
χ α2 = 0 . 05 , (1 g .l ) = 3 . 84
Por lo tanto H0 es rechazada.
Concluimos con un riesgo del 5% que existen evidencias

s ficientes para
suficientes pa a afirmar
afi ma que
q e los votantes
otantes han cambiado su
s
manera de pensar debido al debate.
Aplicación 2:
Se requiere saber si en los hospitales de la Solidaridad (ambulatorio) la
asistencia de salud es del mismo tipo que en los Centros de Salud. Para ello se
elije al azar a 125 individuos para hacer el seguimiento de la atención en
ambos establecimientos mediante encuesta preguntándoseles si están o no de
acuerdo con el tipo de asistencia recibida en el Centro de Salud y lo mismo con
la recibida en el Hospital de la Solidaridad.
Para dicho fin, se nos proporciona la siguiente información para determinar en
base a un α=0.05, si existe alguna diferencia entre la asistencia de salud
brindada por los 2 establecimientos.
CUADRO 1
CUADRO 1 CUADRO 2
Hospital de la
OPINIÓN
Total Solidaridad Total
SI NO SI NO
Centro de Salud
Hospital de la Solidaridad 62 63 125 SI 27 43 70
Centro de Salud 70 55 125 NO 35 20 55
Total 132 118 250 Total 62 63 125
12
Solución:
Planteamos las hipótesis
H0 : No existe diferencia entre la atención brindada entre el Hospital de la

Solidaridad y los Centros de Salud.
H1: Las atenciones brindadas entre el Hospital de la Solidaridad y los Centros

d Salud
de S l d difieren.
difi
CUADRO 2
Hospital de la Solidaridad
Total
Centro de Salud SI NO
A B
SI 27 43 70
NO 35 C 20 D 55
Total 62 63 125
N=B+C=43+35=78
Calculamos el estadístico de prueba:
( B − C − 1) 2 ( 43 − 35 − 1) 2
T1 = = = 0.63
B+C 43 + 35
χ α2 = 0 . 05 , (1 g .l ) = 3 . 84
Por lo tanto H0 No se rechaza.
Por lo tanto, con un riesgo del 5%, existe evidencias suficiente para
afirmar que las atenciones brindadas por el Hospital de la Solidaridad
y los Centros de Salud son las mismas .
13
La Prueba de Rangos Señalados y Pares Igualados de
Wilcoxon para Dos Muestras Relacionadas
Sean (X1,Y1),...., (Xn,Yn) observaciones independientes.
Donde Xi es el resultado correspondiente al control, e Yi el correspondiente al

tratamiento. Sea:
Di=Xi-Yi Para todo i=1,…,n
La prueba de Wilcoxon para datos apareados o relacionados consiste en la

aplicación de la prueba a las diferencias “Di”, suponiendo que la distribución
de las diferencias es simétrica.
Hipótesis a contrastar:
H0: “las dos muestras provienen de la misma población”

(“no hay diferencia entre las observaciones apareadas
o relacionadas”).
No
o hay
ay efecto
e ecto del
de tratamiento.
t ata e to
H1: “las dos muestras provienen de población diferentes”

(Existe diferencia significativa entre las observaciones
apareadas o relacionadas).
El efecto del tratamiento produce valores grandes
El efecto del tratamiento produce valores pequeños
Nivel de significación :α
Para el caso de Wilcoxon para una muestra se incluía la magnitud de la
mediana, para el caso de muestras relacionadas o apareadas se incluye la
magnitud de las diferencias.
14
Estadístico de Prueba:
Para calcular el estadístico de prueba, tomaremos las diferencias
“di = xi−yi” y ordenarlas de menor a mayor prescindiendo del signo
y asignarles rango desde 1, 2, . . . ,n. Los valores iguales a cero se
ignoran y si varias “di” son iguales se les asigna el rango promedio
de los valores empatados.
p
a)Para N<15, N=número de pares cuyas diferencias son

diferentes de cero(0) :
Consideramos el estadístico:
T = mín(T+,T−) .
Siendo:
T+ = Suma de los rangos correspondientes a las diferencias positivas.
T− = Suma de los rangos correspondientes a las diferencias negativas.
- Para una prueba Unilateral:
T ≤ WN,α Se rechaza H0
se puede contrastar también con el p

p-valor
valor (p):
p≤α Se rechaza H0, si:
- Prueba Bilateral:
T ≤ WN,α/2 Se rechaza H0, si:
se puede contrastar también con el p-valor (p):

p ≤ α/2
/2 S rechaza
Se h H0, si:
i
15
b) Para N ≥ 15, se puede aproximar T (bajo la hipótesis nula)
a una normal con :
N ( N + 1)
μT = y
4
N ( N + 1)(2 N + 1)
Varianza = σ T2 =
24
T − μT
Z= ≈ N ( 0,1)
σT
N=número de pares cuyas diferencias son diferentes de cero(0) :
Se rechaza H0, si:
¾ Unilateral:
9 Unilateral Derecha: Z c > Z tabla ,(α )
9 Unilateral Izquierda: Z c < − Z tabla ,(α )
También Si : p-valor ≤ α
¾ Bilateral:
Zc ≤ −Z α o Zc ≥ Z α
tabla , tabla ,
2 2
También:
Si p-valor ≤ α/2 rechazamos H0.
16
Aplicativo:
Se realizó un estudio comparativo en el cual se evaluó la efectividad de dos
métodos, uno tradicional y uno moderno de enseñanza del álgebra. En ese
estudio 14 individuos fueron extraídos al azar de la población de interés y
se formaron 7 pares en base a su coeficiente intelectual. Los miembros de
cada par fueron asignados al azar a uno de los dos métodos de
enseñanza y posteriormente ambos grupos fueron instruidos durante 3
enseñanza,
semanas. Todos los estudiantes rindieron el mismo examen al final del
periodo de instrucción y los resultados obtenidos fueron los siguientes:
Par Tradicional Moderno
1 36 31
2 38 42
3 33 44
4 36 48
5 53 51
6 49 57
7 52 62
Solución:
Planteamos las hipótesis:
H0 : Los dos métodos tienen la misma efectividad.
H1 : El método moderno es mucho mas efectivo que el

tradicional.
Establecemos el nivel de significación que se usará en la prueba:α=0.05
Calculamos del estadístico de prueba
17
Par Tradicional Moderno Di
1 36 31 -5
2 38 42 4
3 33 44 11
4 36 48 12
5 53 51 -2
6 49 57 8
7 52 62 10
|Di| 2 4 5 8 10 11 12
Considerando el
-2 4 -5 8 10 11 12
signo
|Rango| 1 2 3 4 5 6 7
Rango con
-1 2 -3 4 5 6 7
signos
Luego: N=7
T = mín(T+,T−) : estadístico de prueba para N<15
Donde:
T+= 2+4+5+6+7=24
2 4 5 6 7 24
T= Mín(4,24) T=4
T-=1+3=4
Decisión :
se rechaza H0, si T ≤W7,0.05=4, luego el estadístico de prueba es igual
al valor critico, por lo tanto con un nivel de significancia del 5%
rechazamos H0.
Conclusión:
podemos afirmar con un riesgo del 5% que el método moderno es
mucho más efectivo que el método tradicional.
18

Sesion 7-Estnopa PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sesion 7-Estnopa PDF

Uploaded by

Copyright:

Available Formats

PRUEBA DE WILCOXON DEL RANGO CON SIGNO PARA UNA

Esta prueba no sólo utiliza los signos de las diferencias entre

Además de la suposición de continuidad de la distribución de la

Este supuesto de simetría, hace posible aplicar una prueba más

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

Sea una m.a X1,…,Xn de tamaño “n” de una distribución continua

H0: M=M0 Donde : M=Mediana

y si mediante la aplicación de la prueba de wilcoxon de los rangos

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

Para aplicar la Prueba de Wilcoxon del rango con signo, necesitamos

1) Se calculan las diferencias respecto a la mediana hipotética,

2) Ordenar de menor a mayor las “n” diferencias en valor absoluto.

3)Se asignan rangos a las diferencias absolutas de menor a mayor (sin

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

Como se puede observar, se trata de contrastar si la menor de las

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

Rechazamos H0, si:

1) Para la prueba unilateral:

W ≤ Wn;α para H1: M > M0 ó H1: M <M0

P[W ≤ w]=p ≤ α donde: p= p-valor

2) Para la prueba bilateral:

W ≤ Wn;α/2 para H1: M ǂ M0

P[W ≤ w]=p ≤ α/2 donde: p= p-valor

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

Se rechaza H0, si: p-valor ≤ α ó Si:

9 Unilateral Derecha: Z c > Z tabla , (α )

9 Unilateral Izquierda: Z c < − Z tabla ,(α )

Si p-valor ≤ α/2 rechazamos H0.

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

El tiempo mediana de supervivencia de los pacientes de

24.1 25.8 20.5 20.9 27.3

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

Planteamos las hipótesis:

H0 : M = 21 (La mediana del tiempo de supervivencia con el nuevo tratamiento

Luego: formamos el conjunto de 10 diferencias que se obtienen restando 21 de

Ordenamos, de menor a mayor los valores absolutos de las

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

Entonces los valores observados de de W+ y |W-| son:

Seleccionamos el estadístico W=mín{ W+ y |W-|}:

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

Hallamos el valor critico de la dócima:

Donde para una muestra de tamaño 10, Wn;α=11

Concluimos con un 5% de riesgo, que no tenemos prueba suficiente, en base

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

La prueba de McNemar se utiliza para decidir si puede o no

Consiste en n observaciones de una v.a. bidimencional (Xi,Yi)

La escala de medición para X e Y es nominal con 2

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

En el cuadro de entrada de frecuencias se presenta al

Obs.: En la tabla se usan + y – para simbolizar respuestas diferentes.

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

Los casos que muestran cambios entre la primera y segunda

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

H0 :El ''tratamiento'' no induce cambios significativos en las

H1 : El ''tratamiento'' induce cambios significativos en las

En esta prueba para la significación de cambios solamente nos

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ

1) Si n < 20 la estadística de contraste es:

Para esta estadística de contraste, rechazamos H0, si:

INFERENCIA ESTADISTICA NO PARAMETRICA LIC. RITA GUZMAN LOPEZ