Estadistica Noparametrica PDF
Estadistica Noparametrica PDF
Estadistica Noparametrica PDF
R.C.
R.R./Ho:
Aceptar
Ho:
R.R./Ho:
ESTADSTICA NO PARAMTRICA
APLICADA A GANADERA
PREPARADO POR:
VLADIMIRO IBAEZ QUISPE, M.Sc.
PRESENTACION
La presente publicacin del libro: Estadstica No
Paramtrica Aplicada a la Ganadera, nace a inquietud de
los profesores universitarios y estudiantes de pre-grado y postgrado de las reas de Medicina Veterinaria y Zootecnia, Biologa, Agronoma, Ciencias de la Salud y profesionales investigadores, entre otros, que gentilmente me animaron para
que se pueda entender mejor el manejo de la estadstica
paramtrica frente a la estadstica no paramtrica, ya que ellos
se encontraban con dificultades en el procesamiento de la
informacin y la utilizacin de mtodos no paramtricas, con
esta publicacin espero contribuir con un grano de arena a
todos los interesados en reas afines, asimismo se incorpora
el uso del software estadsticos de SPSS para el procesamiento automatizado de las diferentes pruebas no
paramtricas..
Espero que el presente trabajo alcance la acogida que
se ha propuesto y asimismo agradezco por las sugerencias
de los usuarios, que sin duda, servir para corregir, la publicacin, y motivar la preparacin de nuevas publicaciones.
El Autor
Abril, 2007
INDICE
Presentacin ....................................................................................
Indice ..............................................................................................
1. El caso de una muestra simple .....................................................
1.1. Prueba Binomial ..................................................................
1.2. Prueba Ji-cuadrada ..............................................................
1.3. Prueba de Kolmogorov-Smirnov de una muestra ..................
Pg.
03
05
07
07
13
22
29
29
34
39
47
47
50
52
59
63
66
71
83
89
91
95
100
100
103
111
127
).........................
151
1
EL CASO DE UNA MUESTRA SIMPLE
1.1. PRUEBA BINOMIAL.
Los fenmenos que se distribuyen segn esta ley son dicotmicas, entonces caben
nicamente DOS valores posibles (variable discreta). Este es el caso del lanzamiento
de una moneda, cuyo resultado slo puede ser cara o sello. En general, se aplica a
todas aquellas variables que presenten dos valores, uno de los cuales suele catalogarse
como XITO y el otro como FRACASO. La ley binomial suministra la probabilidad
de que se den X xitos en N observaciones. La funcin de distribucin suministra la
probabilidad de que se observen X o menos xitos de una serie de N mediciones u
observaciones.
Ejemplo:
El sexo de la cra en: ovinos, vacunos, alpacas (Macho y hembra).
Condicin del animal: sano y enfermo
Animales que estn con: Tratamiento y Sin tratamiento.
Supngase que una poblacin consta de slo dos categoras o clases. Entonces,
cada observacin X muestreada de la poblacin puede tomar uno de dos valores,
dependiendo de la categora muestreada. Se puede denotar los posibles valores de la
variable aleatoria usando cualquier par de valores, pero es conveniente denotar cada
resultado como 1 (uno) o 0 (cero). Entonces la probabilidad de muestrear un objeto
de la primera categora es p y la probabilidad de muestrear un objeto de la otra
categora es q = 1 - p.
P X =1 = p
P X = 0 = 1 p = q
PY=k =
FG N IJ p q
HkK
k
N k
k = 0,1,K , N
Donde:
p = La proporcin de observaciones esperadas cuando X = 1.
q = La proporcin de observaciones esperadas cuando X = 0, y
FG N IJ = N !
H k K k !( N k )!
P Y k = i = k
N
FG N IJ p q
HiK
i
N i
P X x = i = 0
x
FG N IJ p q
H xK
x
MTODO: Estos son los pasos para usar la prueba binomial con Ho: p = 1/2.
1. Determinar el nmero (N) total de casos observados.
Estadstica No Paramtrica Aplicada a la Ganadera - 9 2. Determinar las frecuencias de las ocurrencias observadas en cada una de las
dos categoras.
3. El mtodo para encontrar la probabilidad de ocurrencia de los valores
observados segn Ho:, o valores an ms extremos, depende del tamao de la
muestra:
Muestra pequea:
Si N 35 , la Tabla de probabilidad asociadas con valores tan pequeos (o ms
pequeos) que los valores observados k en la prueba binomial (Anexo, D),
proporciona las probabilidades de una cola segn Ho: de diferentes valores
tan pequeos como una Y observada. Especificar Ha: y determinar si la prueba
debe ser uni o bidireccional.
Muestra Grande:
Si N > 35 , entonces la informacin tiende a una distribucin normal distribuida
con media cero (0) y desviacin estndar uno (1), en este caso, se debe probar
Ho: usando la ecuacin:
z=
(Y 0.5) - Np
Npq
Donde:
Y + 0.5, se usa cuando Y < Np
Y - 0.5, se usa cuando Y > Np
El valor de la z obtenido por la aplicacin de la frmula anterior, est
distribuido en forma normal asintticamente con media 0 y varianza 1. La
aproximacin a la distribucin normal es mejor si se usa una correccin por
continuidad. La correccin es necesaria debido a que la distribucin normal
es continua, mientras que la distribucin binomial es con variables discretas.
La correccin por continuidad consiste en reducir, por 0.5, la diferencia entre
los valores observados de Y y su valor esperado Np. La tabla de la distribucin
normal (Anexo, A), proporciona las probabilidades asociadas con la ocurrencia
segn Ho: de valores tan grandes como una z observada. Esta Tabla (Anexo,
A) proporciona probabilidades de una cola asociada; para una prueba de dos
colas, duplique la probabilidad obtenida.
4. Si la probabilidad asociada con el valor observado de Y o valores an ms
extremos es igual o menor que (p ), rechazar Ho:, de otro modo, no se
rechaza la Ho.
Frecuencia
vacunos vacunados
sanaron
no sanaron
2
16
Total
18
SOLUCIN:
La proporcin de vacunos sanos (xitos) es:
p=
N o de vacunos sanos 2 1
=
=
N o total de vacunos 18 9
q = 1 p = 1
1 8
=
9 9
P X x = i = 0
x
FG N IJ p q
H xK
x
N x
P X 2 =
180
181
182
.
= 0000656
Estadstica No Paramtrica Aplicada a la Ganadera - 11 Usando la Tabla binomial (Anexo, D) es ms fcil encontrar el valor numrico
con los siguientes datos: N = 18, x = 2 y p = q = 1/2 = 0.5, con estos datos
buscamos en la tabla binomial acumulada para P X 2 = 0.0007
NOTA: i) P X 2 = 1 P X < 2 = P X 1 ,
ii) P X > 2 = 1 P X 2
7. Decisin:
Como P X 2 = 0.0007 = 0.01 , entonces se rechaza la hiptesis Ho:, es
decir existe evidencia de que la proporcin de vacunos que sanaron con el
nuevo medicamento es mayor que la proporcin de vacunos que no sanaron.
EJEMPLO:
En un proyecto de innovacin de la enseanza en la primaria con nuevo mtodos
didcticos se evalo a 20 estudiantes que se les enseo una materia con el mtodo
tradicional y luego se implement un mtodo nuevo. La suposicin es de que los
alumnos respondan mejor con el mtodo antiguo.
Frecuencia
M TODO
Tradicional
Nuevo
15
5
Total
20
SOLUCIN:
1. Hiptesis Estadstica: Ho: p = q = 1/2
Ho: La proporcin de alumnos que se les enseo un tpico especfico con el
mtodo tradicional y luego con el mtodo nuevo respondieron a la
evaluacin en forma igual a la proporcin de alumnos con ambos mtodos.
Ha: La proporcin de alumnos que se enseo un tpico especfico con el mtodo
tradicional y mtodo nuevo, respondieron a la evaluacin con el mtodo
tradicional que es mayor a la proporcin de alumnos a la evaluacin con
el mtodo nuevo. (Ha: p > q).
2. Prueba estadstica. Se elige la prueba binomial debido a que los datos estn
en dos categoras discretas y el tamao de muestra es pequeo, adems:
x : Es la variable aleatoria que se distribuye como B(20, 1/2), que representa
el nmero de alumnos que responden a la evaluacin con el mtodo nuevo.
p: Proporcin de casos favorables con el mtodo nuevo (xitos)
q. Proporcin de casos desfavorables con el mtodo tradicional (fracasos)
P X x = i = 0
x
FG N IJ p q
H xK
x
N x
P X 5 =
x =0
FG 20IJ p q
H xK
x
N x
= 0.021
= 1/2 = 0.5, n = 4,
b( 1;4 ,0.50 ) =
b)
y=1
4 1
. )
= 4( 0.5 )( 0125
= 0.23 25%.
2. La probabilidad de que un alumno de Veterinaria se gradue normalmente es
30% (de cada 10 alumnos 3 se graduarn). Cul es la probabilidad de que de
20 estudiantes nuevos, 3 se graduen?.
b)
y=3
20 3
= 0.0708 7.08%
3. Se tiene la prevalencia general de mastitis subclnica de 800 vacas en produccin
de leche en el distrito de Umachiri.
Vacas en estudio
CASOS
Positivos Negativos
103
697
Total
800
b e g
=
k
2
c
ei
i =1
(2k 1 )
Donde:
ei
PROCEDIMIENTO:
1. Prueba estadstica (Planteamiento de la hiptesis respectiva).
2. Nivel de significacin: , y el nmero total = N
3. Prueba Estadstica: Cuando los datos estn en frecuencias, en categoras discretas (nominales o categricos y, en ocasiones, ordinales), se puede utilizar la
prueba Ji-cuadrada para evaluar la significacin de las diferencias entre los
grupos independientes.
4. Distribucin muestral. Esta dada por la frmula siguiente:
k
2c =
i =1
b e g
i
ei
~ (2k 1 )
Nmero de Estudiantes
Buenos
Regulares
12
19
Malos
10
Total
50
SOLUCIN:
1. Hiptesis Nula (Ho:). La proporcin de alumnos en cada uno de las categoras
es indiferente.
Hiptesis alterna (Ha:). La proporcin de alumnos es diferente en cada uno de
las categoras en estudio.
2. Nivel de significacin: = 0.05 = 0.01, n = 50.
3. Prueba Estadstica: Se elige la prueba estadstica de Ji-cuadrado, ya que los
datos estn dados por lo menos en escala ordinaria, adems presenta categoras
k = 4.
4. Distribucin muestral.
b e g
=
k
2
c
i =1
ei
(2k 1 )
ei =
2c =
n 50
=
= 12.5
4
k
= 4.88
6. Regin de rechazo y aceptacin:
Si 2c = 4.88 23 ,0 ,05 = 7 .82 , se acepta la Hiptesis Nula (Ho).
Estadstica No Paramtrica Aplicada a la Ganadera - 17 Si 2c = 4.88 > 23 ,0 ,05 = 7 .82 , se rechaza la Ho: y se acepta la Ha.
7. Decisin: Podemos afirmar que la proporcin de alumnos en cada uno de las
categoras es similar o se tiene un comportamiento indiferente.
MTODO AUTOMATIZADO
Para analizar con el SPSS, se debe crear un programa en el editor de sintxis de
la siguiente manera: FILE > NEW > SYNTAX (aparece una pantalla en blanco, en
el cual se debe ingresar las lneas de sentencias).
Para ejecutar el programa, se solicita en el men principal, la opcin RUN > ALL
y clic, es decir ejecutar el programa y seleccionar toda las sentencias.
1
2
3
4
Total
Category
1.00
2.00
3.00
4.00
Observed
N
9
12
19
10
50
Expected N
12.5
12.5
12.5
12.5
Residual
-3.5
-.5
6.5
-2.5
Test Statistics
Chi-Square a
df
Asymp. Sig.
V1
4.880
3
.181
EJEMPLO.
Supngase que se separan al azar 80 vacas adultas de un total de 450, para ver
si estn preadas o no, cuyos resultados se presentan a continuacin:
1.
2.
3.
4.
Condicin
Preada
Vaca
Frecuencia
31
49
Hiptesis Estadstica:
H0: La seleccin es al azar o imparcial.
Ha: La seleccin no ha sido al azar o parcializado.
Nivel de significacin: = 0.05, n = 80.
Prueba Estadstica: Se elige la prueba estadstica de Ji-cuadrada, porque los
datos presentan frecuencias que por lo menos estn en escala ordinal, adems
presenta dos categoras.
Distribucin Muestral: Se aplicar la siguiente frmula de la Ji-cuadrada:
2c =
b e g
i
i =1
ei
(2k 1 )
Oi =80 ei =80
bO e g bO e e g
Oi ei
-9
9
81
81
Oi ei
2.025
2.025
ei =4.050
2c = 4.050
Luego: 2c = 4 .050
6. Regin de rechazo de la H0:. Hay dos categoras, por lo tanto k =2 1 = 1.
Luego 20 .05 ,1 = 3.841 , luego: S
la H0:
Frmaco B
37
Placebo
32
Total
103
Posterior
19
Total
103
Mdulo
Huanac.-Sora
+10
Grado de reaccin
+
36
++
6
Muestras
Positivas
52
= 0.05.
Estadstica No Paramtrica Aplicada a la Ganadera - 21 4. La informacin corresponde a la prevalencia de Mastitis Subclnica Bovina del
mdulo de crianza de Huanacomarca y Sora, segn nmero de partos, usando el
mtodo de California Mastitis Test y WhiteSide Test.
MTODO: California Mastitis Test
N de partos
1
N vacas evaluadas
23
N de vacas positivas
7
MTODO: WhiteSide Test
N de partos
1
N vacas evaluadas
23
N de vacas positivas
3
2
43
12
3
35
11
4
35
6
5a+
64
2
TOTAL
200
38
2
75
18
3
38
8
4
44
20
5a+
20
3
TOTAL
200
52
Existe diferencia en cada uno de los mtodos indicados en los cuadros anteriores. Calcule la prueba Ji-cuadrado por separado para cada uno de los mtodos e
interprete los resultados. Use = 0.05.
5. Se tiene la prevalencia de Mastitis Subclnica Bovina, segn nmero de lactaciones,
usando mtodos de California Mastitis Test y WhiteSide en los mdulos de
Huanacomarca y Sora del distrito de Umachiri. La informacin se presenta a continuacin:
MTODO: California Mastitis Test
N de vacas por
meses de lactacin
1
N vacas evaluadas
23
N de vacas positivas
3
MTODO: WhiteSide Test
N de vacas por
meses de lactacin
1
N vacas evaluadas
23
N de vacas positivas
10
2
43
17
2
75
13
3
38
6
3
35
15
4a+
64
16
4
35
6
5a+
64
4
TOTAL
200
38
TOTAL
200
52
Calcule la prueba Ji-cuadrado por separado para cada uno de los mtodos e interprete los resultados. Use = 0.05.
D = mx F0 (X i ) S n (X i ) ,
i = 1,2,3, ...., n
F0 (X i ) :
Estadstica No Paramtrica Aplicada a la Ganadera - 23 Smirnov, en este caso se trata de probar la normalidad de los datos si proviene
de una misma poblacin o de diferente poblacin.
4. Distribucin Muestral: Fijado el nmero de muestras n, se puede encontrar
el valor crtico D, que estn dadas en la Tabla de K-S (Anexo, F), para una
muestra de acuerdo a la hiptesis planteadas Dn, = Valor crtico.
5. Clculo del valor de la prueba D = mx F0 (X i ) S n (X i )
6. Regin de Rechazo y Aceptacin: Comparar el valor observado de
D = mx F0 (X i ) S n (X i ) con el valor
Dn, = crtico.
9
19
16
8
11
11
13
21
13
15
16
24
17
12
11
13
28
14
10
15
22
SOLUCIN:
1.- Hiptesis Estadstica:
Ho: Las ganancias de peso vivo (kg) en cerdos siguen una distribucin normal.
Ha: Las ganancias de peso vivo (kg) en cerdos no siguen una distribucin
normal.
2. Nivel de significacin: = 0.05
3. Prueba Estadstica: Se elige la prueba de Kolmogorov-Smirnov de una muestra,
debido a que el investigador desea comparar pesos, adems los datos estn
expresados en una variable contnua.
4. Distribucin Muestral. Los valores crticos de D, la desviacin mxima absoluta
estn dadas en la Tabla de Kolmogorov-Smirnov (Anexo, F) para una muestra,
en nuestro ejemplo el valor crtico es: D(23,0.05) = 0.275.
5. Clculo del valor de la prueba D = mx F0 (X i ) S n (X i )
ni Ni
Yi
niYi
ni Yi2
Sn (Xi )
8
7
4
2
2
23
10
14
18
22
26
80
98
72
44
52
346
800
1372
1296
968
1352
5788
0.348
0.652
0.826
0.913
1.000
8
15
19
21
23
Zi =
Yi ' Y
S
-0.59
0.19
0.96
1.74
2.52
F(X)
F(X)
0 i Sn(X)
i
0 i
0.27760
0.57535
0.83147
0.95907
0.99413
0.07040
0.07665
0.00547
0.04607
0.00587
21
24
32
25
25
17
16
21
20
19
22
25
22
28
18
24
19
20
18
16
16
19
27
21
22
23
23
23
21
18
20
30
25
21
28
21
n=3
SOLUCIN:
1.- Hiptesis Estadstica:
Ho: La identificacin de los parsitos en el microscopio sigue una distribucin
uniforme.
Ha: La identificacin de los parsitos en el microscopio no sigue una
distribucin normal.
2. Nivel de significacin: = 0.05
3. Prueba Estadstica: Para probar la normalidad de los datos, se usa la prueba de
Kolmogorov-Smirnov de una muestra.
4. Distribucin Muestral. Los valores crticos de D, la desviacin mxima absoluta
estn dadas en la Tabla de Kolmogorov-Smirnov para una muestra, en nuestro
ejemplo el valor crtico es: D(39,0.05) = 0.213.
5. Clculo del valor de la prueba D = mx F0 (X i ) S n (X i )
Y'i-1 - Y'i
15
18
21
24
27
30
ni Ni
Yi
18 5 5 16.5
21 9 14 19.5
24 12 26 22.5
27 7 33 25.5
30 3 36 28.5
33 3 39 31.5
niYi
82.5
175.5
270.0
178.5
85.5
94.5
2
nY
i i
1361.25
3422.25
6075.00
4551.75
2436.75
2976.75
Sn(X)
i
Yi' Y
S
F(X)
F(X)
0 i S(X)
n i
0 i
-1.14
-0.42
0.31
1.03
1.75
2.47
0.12714
0.33724
0.62172
0.84850
0.95994
0.99324
Zi =
0.128
0.359
0.667
0.846
0.923
1.000
0.00086
0.02176
0.04528
0.00250
0.03694
0.00676
.
7. Decisin: Como D = 0.04528 D39,0.05 = 0213
, entonces existe evidencia
de que los datos en segundos para la identificacin de los parsitos siguen
una distribucin normal o tambin en trminos de (p ).
EJERCICIOS:
1. Los siguientes datos corresponden al peso vivo (kg) de las borregas criollas de 4
aos de edad en el Centro de Investigacin y Produccin Chuquibambilla de la
UNA-Puno, (1998).
37
43
28
40
37
33
35
42
34
39
35
32
32
28
35
34
35
36
31
37
36
37
38
32
37
31
31
43
35
36
38
40
39
30
30
35
33
34
36
31
30
32
29
34
36
32
29
38
38
34
34
42
26
32
34
40
29
41
33
38
42
33
42
38
28
41
34
31
33
30
n = 70
Se pide: Probar con la prueba de Kolmogorov-Smirnov, si los datos se distribucin en forma normal, e interpretar los resultados encontrados.
2. Los siguientes datos corresponden a las vicuas hembras adultas que han sido
esquilados en el criadero de vicuas del Comit Comunal de Manejo de Vicuas
de Cala - Cala, (1998), y las variables registradas son: Peso vivo (kg), Peso velln
(kg) y dimetro de fibra (micras).
26.0
40.0
33.7
36.0
34.2
31.2
41.8
23.5
26.5
35.8
39.6
24.3
38.1
30.4
42.5
33.1
38.2
33.6
36.4
32.2
0.27
0.25
0.24
0.24
0.18
0.15
0.15
0.21
0.11
0.13
0.13
0.21
0.18
0.20
0.20
0.20
0.16
0.13
0.12
0.11
Dimetro de fib ra
(micras )
18.06
14.11
19.46
11.53
14.49
15.07
13.16
16.00
16.34
14.14
15.37
14.92
14.90
14.98
15.74
14.59
15.07
14.84
12.47
14.13
78
73
73
61
73
80
78
75
64
73
78
78
76
65
75
80
75
73
63
79
112
126
114
120
122
128
115
129
146
116
118
117
106
120
122
132
116
124
102
112
132
113
115
138
112
112
122
118
106
123
106
123
123
113
116
21
24
76
55
31
39
80
61
24
43
75
43
26
38
39
42
27
39
42
38
42
36
41
27
43
37
51
35
22
44
56
53
48
51
44
50
2
El Caso de una muestra medida dos veces y obtenida por
medio pares replicados
2.1. La Prueba de cambio de McNEMAR
CONDICIONES:
- Se usa para la significacin de los cambios y se aplica a los diseos antesdespus y se estudia al mismo sujeto.
- Cada pareja de datos (X,Y) es el sujeto antes y despus del tratamiento.
- Las mediciones se realizan, ya sea en escala nominal u ordinal.
MTODO:
1. Se ordenan los datos en una tabla de frecuencias de 2x2, de la siguiente
manera:
DESPUS
ANTES
+
-
Donde:
A: Denota el nmero de individuos cuyas respuestas fueron (+) en la primera
medicin y (-) en la segunda medicin.
D: Es el nmero de individuos quienes cambiaron de (-) a (+).
B: Es la frecuencia de individuos que respondieron (+) en ambas ocasiones.
= 0.05 o = 0.01.
E=
(A + D)
2
(A + D)
2
2
c
c A D 1h
=
A+ D
con gl = 1
A NTES
+
-
8=A
2=B
2=C
8=D
2
(1)
c A D 1h
=
A+ D
con gl = 1
(A + D) 8 + 8
=
= 8 E , entonces usar la prueba McNemar:
2
2
2
(1)
c 8 8 1h
=
8+8
1
= 0.0625
16
2
7. Decisin: Como 2(1) = 0.0625 1,0.05
= 3.841 , entonces se acepta la Ho:, es
decir que los pesos registrados antes del experimento en novillos es igual al
incremento de los pesos finales (despus) en novillos.
EJEMPLO:
Se ensay un experimento para determinar la ganancia de peso vivo en carnerillos
de 11 meses de edad de la raza criollo del CIP-Chuquibambilla, para tal efecto se
registraron los pesos iniciales (antes) y ganancia de peso final (despus), sometidos a
las mismas condiciones de edad, alimentacin y tiempo con una duracin de 70 das
aproximadamente, iniciando en octubre del 2003 y terminando en Diciembre del
mismo ao. La informacin se presenta a continuacin:
Carnerillo A ntes Des pus Diferencia Carnerillo A ntes Des pus Diferencia
1
39
42
-2
21
35
41
-6
2
42
51
-8
22
35
42
-6
3
47
46
1
23
42
44
-1
4
41
46
-6
24
37
41
-4
5
37
44
-8
25
36
40
-4
6
37
42
-5
26
41
41
0
7
39
42
-3
27
35
41
-6
8
39
42
-4
28
37
41
-3
9
40
39
1
29
42
42
0
10
39
43
-4
30
39
41
-2
11
40
40
0
31
32
38
-6
12
31
38
-6
32
37
40
-3
13
44
46
-2
33
37
39
-1
14
43
46
-3
34
35
35
0
15
36
36
0
35
37
41
-4
16
35
43
-8
36
39
42
-3
17
41
40
1
37
39
38
1
18
38
46
-8
38
36
42
-6
19
40
45
-5
39
34
39
-5
20
40
46
-6
40
36
41
-5
+
-
A N T ES
31 = A
3 = B
2 = C
4 = D
2(1) =
c A D 1h
A+ D
con gl = 1
6. Clculo de la Ji-cuadrado
E=
(A + D) 31+4
=
= 175
. E , entonces usar la prueba McNemar:
2
2
c 31 4 1h
=
2
(1)
31+ 4
676
= 19.314
35
2
7. Decisin: Como 2(1) = 19.314 1,0.05
= 3841
. , entonces se rechaza la Ho: y se
acepta la Ha:, es decir que los pesos registrados de (-) a (+) es menor al cambio
de (+) a (-) en el incremento de peso vivo en carnerillos de la raza criollo.
- Cada pareja de datos (Ai , Bi ) y (Aj , Bj ) , pueden provenir cada una de ellas de
diferentes poblaciones.
- Cada sujeto i puede ser su propio control o dentro de cada pareja, el
investigador haya igualado respecto a las variables extraas relevantes.
MTODO:
1. Se realizan las siguientes comparaciones:
S Ai > Bi , entonces se asigna el signo +.
S Ai < Bi , entonces se asigna el signo -
S Ai = Bi , entonces se asigna un cero y no se toma en cuenta.
Estadstica No Paramtrica Aplicada a la Ganadera - 35 2. Encontrar el nmero total de + y -, es decir N = " +" +" "
3. Buscar X: el nmero menor de cualquiera de los dos signos (X: sumatoria
menor de los signos).
4. Hiptesis Estadstica:
H 0 :P(A i > Bi ) = P(A i < Bi ) =
1
, otra forma de plantear la Hiptesis Ho: es:
2
H 0 : Mediana(A i ) - Mediana(B i ) = 0
5. Prueba Estadstica:
MUESTRAS PEQUEAS:
S N 35, entonces se puede determinarse recurriendo a la distribucin
binomial con p = q = 1/2, donde N es el nmero de pares.
La prueba de signo puede ser unidireccional como bidireccional. En la prueba
unidireccional, la hiptesis alterna (Ha:) plantea que un signo + o - ocurrir
ms frecuentemente. En cambio en la prueba bidireccional, la prediccin es
simplemente que las frecuencias de los signos diferirn significativamente (los
valores de probabilidad de la Tabla de aproximacin a la distribucin normal
(Anexo) debern duplicarse.
EMPATES:
Para la prueba de los signos ocurre un empate cuando no es posible discriminar
entre los valores de un par igualado o ambos valores son iguales. Todo los
casos que presentan como empates son excluidos del anlisis en la prueba de
los signos y entonces la N se decrementa el mismo nmero de empates que
existan. N es el nmero de pares igualados para quienes la diferencia tiene un
signo + o -.
MUESTRAS GRANDES:
Si N > 35, se puede utilizarse la aproximacin normal a la distribucin
binomial. En este se realiza mejor empleando la correccin por continuidad.
Esta correccin se efecta reduciendo la diferencia entre el nmero observado
de signos postivos (o negativos ) y el nmero esperado (la media) cuando Ho:
es verdadera al 0.5. As la correccin de la continuidad queda:
Z=
(x 0.5) - N 2
0.5 N
Z=
2x 1 - N
N
Cerdos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Peso antes
Peso despus Direccin de
del tratamiento del tratamiento la diferencia
79
80
Aa < Bd
65
69
Aa < Bd
57
60
Aa < Bd
51
49
Aa > Bd
57
53
Aa > Bd
66
66
Aa = Bd
44
50
Aa < Bd
41
41
Aa = Bd
44
44
Aa = Bd
36
50
Aa < Bd
45
42
Aa > Bd
38
41
Aa < Bd
39
45
Aa < Bd
45
45
Aa = Bd
50
51
Aa < Bd
56
52
Aa > Bd
53
56
Aa < Bd
59
60
Aa < Bd
59
65
Aa < Bd
61
63
Aa < Bd
38
40
Aa < Bd
41
45
Aa < Bd
53
50
Aa > Bd
44
45
Aa < Bd
61
60
Aa > Bd
60
60
Aa = Bd
50
48
Aa > Bd
54
52
Aa > Bd
60
57
Aa > Bd
71
70
Aa > Bd
Signo
-1
-4
-3
2
4
0
-6
0
0
-14
3
-3
-6
0
-1
4
-3
-1
-6
-2
-2
-4
3
-1
1
0
2
2
3
1
SOLUCIN:
x = 10 y N = 25
= 0.05 y N = 25.
F 2 5IJ p q
xK
GH
10
P (X x ) =
x=0
n x
P X 10 =
x=0
25x
.
= 02122
Paciente 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Antes 10 8 5 14 15 22 17 10 8 20 16 10 15 5 24 20 14 10 15 14
Despus 15 10 10 14 25 20 20 22 16 18 24 23 25 15 20 25 24 23 25 25
X i Yi = X j Yj =L = X k Yk , di = d j =L = d k
El rango promedio se obtiene de la siguiente forma:
Rango Promedio =
di = d j =L = d k
Se asigna el signo de la diferencia di a cada uno de los rangos que se separa los
rangos positivos de los negativos.
- Cuando se presenta d i = 0 , se excluye este par del anlisis.
- Se suman todos los rangos positivos T+ y rangos negativos T-
T+
Z=
FG N ( N + 1)IJ
H 4 K
N ( N + 1 )( 2 N + 1 )
24
2
T+
d id i
N ( N + 1 )( 2 N + 1 ) 1 g
=
tj tj 1 tj +1
24
2 j =1
Nota-1 Nota-2
Estudiante Prof. 1 (Xi) Prof. 2 (Yi) di =Xi - Yi Rango Rango (+) Rango (-)
1
15
14
1
3
2
2
11
17
-6
9
-9.5
3
8
13
-5
8
-8
4
9
10
-1
1
-2
5
17
13
4
7
6.5
6
11
13
-2
4
-4
7
11
17
-6
10
-9.5
8
18
19
-1
2
-2
9
14
18
-4
6
-6.5
10
12
9
3
5
5
TOTAL
T =13.5 T =41.5
SOLUCIN:
1. Hiptesis Estadstica:
Ho: La mediana de las calificaciones de los estudiantes obtenidas por el primer
profesor es igual a la mediana de calificaciones obtenidos por el segundo
profesor.
Ha: La mediana de las calificaciones de los estudiantes obtenidas por el primer
profesor es menor a la mediana de calificaciones obtenidas por el segundo
profesor.
2. Prueba Estadstica: Se seleccion la prueba de Wilcoxon puesto que los datos
representan diferencias entre las puntuaciones de dos muestras relacionadas.
3. Nivel de Significacin: = 0.01 y N = 10
4. Distribucin muestral: Cuando Ho: es verdadera, los valores calculados de
Wilcoxon, se encuentran (Anexo, H).
5. Clculo de la prueba estadstica:
Encontrando los rangos promedios:
- Rango de: -1, -1, +1, su rango promedio ser:
Rango Promedio =
1+ 2 + 3
=2
3
Estadstica No Paramtrica Aplicada a la Ganadera - 43 - Rango de: -4, 4, su rango promedio ser:
Rango Promedio =
6+7
= 6.5
2
Rango Promedio =
9 +10
= 9.5
2
"+"= 3
- La suma de los valores negativos es: "-" =7
1
2 3
4
5
6
7
8
9 10 11 12 13 14 15 16 17
124 157 98 190 103 135 149 176 200 180 256 110 109 137 125 160 99
142 157 96 212 116 134 150 184 209 180 269 179 143 135 137 172 98
SOLUCIN:
1. Hiptesis Estadstica:
Ho: No existe aumento de peso en los estudiantes extranjeros al final del ao.
Ha: Existe incremento de peso en los estudiantes extranjeros al final del ao.
2. Nivel de Significacin: = 0.05, N = 15, ya que se elimin di = 0.
3. Prueba Estadstica: Se tom la prueba de Rangos sealados de Wilcoxon, debido
a la presencia de puntajes de diferencia de dos muestras relacionadas, es decir
se tom a cada sujeto el peso y al final del ao al mismo sujeto se registr el
peso.
4. Distribucin muestra: Conforme la Ho:, los valoes de Z se calcula con la
siguiente ecuacin:
N ( N + 1)
4
~ N ( 0,1 )
N ( N + 1 )( 2 N + 1 )
24
T
Peso_Llega Peso_1ao di = Xi - Yi
124
142
-18
98
96
2
190
212
-22
103
116
-13
135
134
1
149
150
-1
176
184
-8
200
209
-9
256
269
-13
110
179
-69
109
143
-34
137
135
2
125
137
-12
160
172
-12
99
98
1
Orden
18
2
22
13
1
1
8
9
13
69
34
2
12
12
1
13.0
T- = 107
De este T, se debe usar el que tiene menor suma, en este caso T = 13,
reemplazando a la frmula de la ecuacin se tiene:
Z=
N ( N + 1)
4
=
N ( N + 1 )( 2 N + 1 )
24
T
15x16
47
4
=
= 2.669
15x16( 2 x15 + 1 )
310
24
13
Agrupacin d i = Xi - Yi
1
2
3
4
1
2
12
13
Rango
Promedio
tj
t j (t j 1)(t j + 1)
2
4.5
8.5
10.5
3
2
2
2
24
6
6
6
1 4
t j (t j 1)(t j + 1) = 21
2 j =1
Reemplazando a la frmula siguiente, se tiene:
N( N +1)
47
4
=
= 276
Z=
.
4
310 21
N( N +1)( 2N +1) 1
t j (t j 1)(t j +1)
24
2 j =1
T
74
79
65
78
83
85
82
90
IQ
Pareja
Gemelo en la Escuela
Gemelo en la casa
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17
110 121 107 117 115 112 130 116 111 120 117 106 120 128 119 123 108
114 118 103 112 117 106 125 113 109 122 116 104 107 123 115 117 104
3
DOS MUESTRAS INDEPENDIENTES
3.1. Prueba Exacta de Fisher para tablas de 2x2
CONDICIONES:
- Se utiliza para dos muestras independientes y menores o iguales a 15 (N 15).
- Se usa para dos muestras independientes al azar que caen dentro de una de dos
clases mutuamente excluyentes.
- La prueba de la probabilidad exacta de Fisher para tablas de 2x2 es un tcnica
para analizar datos discretos (tanto nominales como ordinales) cuando dos
muestras independientes son pequeas.
- No es necesario que ambas muestras sean del mismo tamao. Se asume N como
el total de datos indpendientes.
- La prueba determina si los dos grupos difieren en las proporciones en donde
caen dentro de cualquiera de las clasificaciones.
MTODO:
- Se ordenan los datos en una tabla de 2x2.
- Se calculan los totales marginales de la tabla de contingencia.
Variable
+
Total
GRUPO
I
II
Combinacin
A+B
C
A+C
D
B+D
C+D
N
p=
S2
S1
Frecuencia ms pequea
N
Segunda frecuencia ms pequea
Estadstica No Paramtrica Aplicada a la Ganadera - 49 4. Oriente y rotule la tabla para asegurar que las entradas son consistentes con la
hiptesis.
EJEMPLO:
Se quiere determinar la proporcin de las razas de vacas Brown Swiss y Holsten
que han sido inseminados artificialmente y se desea saber cuntos son preadas y
vacas. El cuadro siguiente ayudar mejor para visualizar.
Preadas
No preadas
TOTAL
Brown swiss
3
5
8
Holsten
4
6
10
TOTAL
7
11
18
1. Hiptesis Estadstica:
Ho: El nmero de vacas preadas de la Raza Brown swiss es igual nmero de
vacas preadas de la Raza Holsten.
Ha: El nmero de vacas preadas de la Raza Holsten es mayor al nmero de
vacas preadas de la Brown swiss .
2. Prueba Estadstica: Se seleccion la prueba exacta de Fisher para realizar el
anlisis de los datos.
3. Nivel de Significacin: = 0.05 y N = 18
4. Distribucin muestral: Se calcular con la siguiente frmula:
p=
p=
7!11!8!10!
= 0.3695
18!3!4!5!6!
6. Regin de Rechazo: p
Ho:
7. Decisin: Existe evidencia suficiente para afirmar que las vacas preadas de
la raza Holsten son superiores al nmero de vacas preadas de Brown swiss.
Estadstica No Paramtrica Aplicada a la Ganadera - 51 independientes. En general, la prueba es similar tanto para dos como para k muestras
o grupos independientes.
MTODO: El mtodo de calcular el estadstico de la prueba Ji-cuadrado para
muestras independientes se describir brevemente, junto con un ejemplo de su
aplicacin. Para aplicar la prueba Ji-cuadrada, primero debemos presentar los datos
(frecuencias) en una tabla r X k donde los datos en cada columna corresponden a las
frecuencias en cada una de las r categoras de respuesta para cada uno de los k grupos
o muestras diferentes. La hiptesis nula es que la k muestras de frecuencias provienen
de la misma poblacin o de poblaciones idnticas. Esta hiptesis, de que las k
poblaciones no difieren entre s, puede evaluarse aplicando las ecuaciones a) o b)
PROCEDIMIENTO:
1. Hiptesis Estadstica (Planteamiento de la hiptesis respectiva).
2. Nivel de significacin , N
3. Prueba Estadstica: Se elige la prueba de Ji-cuadrada observada, ya que los
datos presentan por lo menos en escala ordinal, y presentan categoras.
4. Distribucin muestral: La frmula de Ji-cuadrada se presenta a continuacin:
2c
d
=
r
ij
eij =
r
eij
i =1 j = 1
eij
(2r 1 )( k 1 ) ,
....... a)
i . . j
..
k
=
2
c
i =1 j =1
ij2
eij
(2r 1 )( k 1 ) ................... b)
Donde:
i.
.j
..
Total
345
149
322
816
d
=
2c
i =1 j =1
ij
eij
eij
(2r 1 )( k 1 )
339( 345 )
= 143.33
816
e31 =
265( 345 )
= 112 .04
816
e12 =
339( 149 )
= 61.90
816
e32 =
265( 149 )
= 48.39
816
e13 =
339( 322 )
= 133.77
816
e33 =
265( 322 )
= 104.57
816
e21 =
212( 345 )
= 89 .63
816
e22 =
212( 149 )
= 38.71
816
e23 =
212( 322 )
= 83.66 ,
816
Tipo de alimentacin
Alfalfa Pasto Natural Conc. + Pasto natural
143.33
89.63
112.04
61.90
38.71
48.39
133.77
83.66
104.57
339.00
212.00
265.00
Total
345.00
149.00
322.00
816.00
Oij
52
119
174
47
46
56
240
47
35
2c = 254.9496
2c =
i =1 j =1
ij
ij
eij
144.33
89.63
104.57
= 2549496
.
Total
200
200
100
500
Estadstica No Paramtrica Aplicada a la Ganadera - 57 En el cajn de dilogo anterior, se debe especificar el tipo de prueba que uno
desea efectuar, para esto se presiona el botn izquierdo en la ficha STATISTICS, y
aparece los diferentes tipos de pruebas que uno puede escoger para analizar los datos
de acuerdo a la informacin que se presente, tal como aparece a continuacin:
Total
1
2
3
2
143
98
13
254
57
102
87
246
Total
200
200
100
500
Chi-Square Tests
Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear
Association
N of Valid Cases
Value
91.715a
99.517
89.453
2
2
Asymp.
Sig.
(2-sided)
.000
.000
.000
df
500
EJERCICIOS:
1. Un investigador quiere probar la hiptesis de que el partido en el poder, en una
determinada comunidad resulta decisivo a la hora de la seleccin de personas
para puestos de la administracin. Para poner a prueba esta posibilidad,
considera las variables PARTIDO DE PERTENENCIA con las categoras
MISMO QUE EL PODER, DIFERENTE O NINGUNO, y TIPO EMPRESA,
con las categoras ADMINISTRACION PUBLICA y EMPRESA PRIVADA.
El investigador recogi una muestra de 360 trabajadores de su comunidad. La
tabla que debe construirse con estas dos variables, debe poseer 2x3 = 6 casillas.
Tal como se presenta a continuacin:
EMPRESA
Pblica
Privada
Total
Partido de pertenencia
Mismo
Diferente
Ninguno
80
65
40
20
75
80
100
140
120
Total
185
175
360
2c = 49.8083
2. Quinientos empleados de una empresa que fabrica cierto producto, sospechoso
de estar asociado con alteraciones respiratorias, se clasificaron en forma cruzada
con base en su grado de exposicin al producto y si tenan o no los sntomas de
tales alteraciones respiratorias. Los resultados se muestran en la siguiente tabla.
Alto
185
120
305
NIVELDEEXPOSICIN
Limitado Sin exposicin conocidta
33
17
73
72
106
89
Total
235
265
500
Alto
8
42
50
GRUPO SOCIO-ECONMICO
Medio Alto Medio Bajo
24
32
121
138
145
170
Bajo
27
108
135
Total
91
409
500
=
2
c
N AD BC N 2
gl = 1 ................ (3.4a)
Esta ecuacin es ms fcil de aplicar, en vista de que slo se requiere una divisin
en todo el clculo. Adems tiene la ventaja adicional de incorporar una correccin
para la continuidad, la cual mejora notablemente la aproximacin de la distribucin
2
muestra de la calculada a la distribucin de la Ji-cuadrada.
Valores observados
Brown swiss
Criollo
97
69
42
83
139
152
Total
166
125
291
SOLUCIN:
1. Hiptesis Estadstica:
Ho: La probabilidad de conseguir fertilizar, vacas por medio de la Inseminacin
artificial es independiente de la raza del vacuno.
Ha: La probabilidad de conseguir fertilizar, vacas por medio de la Inseminacin
artificial es dependiente de la raza del vacuno.
2. Nivel de significacin: = 0.05. Para esto el investigador examina los rcords
de 3 aos atrs de las dos razas y clasifica los resultados, obtenindose los
siguientes resultados:
3. Prueba Estadstica: Se usar la prueba Ji-cuadrada con correccin por
continuidad, y adems la informacin se encuentra en una tabla de contingencia
de 2x2.
4. Distribucin Muestral: Se utiliza la siguiente ecuacin:
=
2
c
N AD BC N 2
FG O e 1IJ
H
2K
=
r
que es equivalente a:
ij
2
c
i=1 j=1
gl = 1
,
2
ij
eij
( yi. )( y. j )
y..
( 139 )( 166 )
( 139 )( 125 )
= 79.29 , e12 =
= 59.71 y as sucesivamente,
291
291
cOe 05. h
Oi
97
42
69
83
ei
79.29
59.71
86.71
65.29
ei = 291.00
Oi = 291
ei
3.7354
4.9604
3.4158
4.5364
2
= 16.648
c
=
2
c
h = 16644
.
EL CASO DE 2x2
Si las frecuencias se encuentran en una tabla de contingencia de 2 x 2, la
decisin concerniente al uso de la Ji-cuadrada debe basarse en las siguientes
condiciones:
a. Cuando N 20, siempre se utiliza la prueba exacta de Fisher.
b. Cuando 20 < N < 40, la prueba Ji-cuadrada (3.4a) puede utilizarse si las
Lugar de Procedencia
Zona alpaquera Zona no alpaquera
31
63
8
52
39
115
TOTAL
94
60
154
Durmieron
35
45
80
no durmieron
5
15
20
TOTAL
40
60
100
Masculino
14
159
173
Femenino
25
152
177
TOTAL
39
311
350
Sugieren estos datos que el estar a dieta depende del sexo?. Use
(Rpta. 3.2183)
= 0.05
Estadstica No Paramtrica Aplicada a la Ganadera - 63 4. Un estudio de 190 embarazos proporcion los siguientes datos sobre la relacin
que existe entre la hipertensin de la madre y cierta complicacin del embarazo.
cierta complicacin
del embarazo
Presente
Ausente
TOTAL
Madre hipertensiva
S
No
23
55
12
100
35
155
TOTAL
78
112
190
Proporcionan estos datos la evidencia suficiente para indicar que las dos
condiciones no son independientes?. Use = 0.05, (Rpta. 10.78)
5. Durante una epidemia de clera, se obtuvieron los siguientes datos sobre la
efectividad de una vacuna como medida preventiva.
Tratamiento
Vacunado
No vacunados
TOTAL
Enfermos
192
113
305
No enfermos
4
34
38
TOTAL
196
147
343
Proporcionan estos datos la evidencia suficiente para indicar que las dos
condiciones no son independientes?. Use = 0.05, (Rpta. 37.92)
3.5. PRUEBA DE LA MEDIANA
CONDICIONES:
- Es un procedimiento para evaluar si dos grupos independientes difieren en
sus tendencias culturales.
- Proporciona informacin acerca de qu tan probable es que dos grupos independientes (no ncesariamente del mismo tamao) hayan sido extrados de la
misma poblacin con la misma mediana.
- La hiptesis nula plantea que los dos grupos son de la misma poblacin y
tienen la misma mediana.
- La hiptesis alterna puede plantear que la mediana de una poblacin es diferente de la otra poblacin (si es prueba bidireccional) o que la mediana de una
poblacin es superior que la de la otra poblacin (si es prueba unidireccional).
- La prueba puede utilizarse cuando las puntuaciones de los dos grupos se miden en al menos una escala ordinal.
- Puede no existir una prueba alterna a la prueba de la mediana, an para datos
en escala de intervalo. Esto ocurre cuando una o ms de las observaciones
estn fuera de la escala y truncadas hacia el mximo (o mnimo) de las
observaciones previamente asignadas.
GRUPO
I
II
A
B
C
D
m
n
Combinados
A+B
C+D
N= m+ n
- Los grupos I y II son muestras de poblaciones cuyas medianas son las mismas,
esperaramos que alrededor de la mitad de las puntuaciones de cada grupo
estuviera por arriba de la mediana combinada y que la otra mitad estuviera
por debajo, es decir tanto las frecuencias A y C como B y D fueran iguales.
- Si el nmero total de casos en ambos grupos (m = n) es pequeo, se puede
utilizar la prueba exacta de Fisher para probar la Ho:
- Si el nmero total de casos es suficientemente grande, se puede utilizar la
prueba Ji-cuadrada con gl = 1 para evaluar la Ho:
- Para analizar datos divididos por la mediana, el investigador debe guiarse por
las siguientes consideraciones, a fin de realizar una buena eleccin entre la
prueba exacta de Fisher y la Ji-cuadrada para tablas de 2x2.
2
i) Cuando N = m + n es mayor que 20, utilice la corregida para la continuidad de la ecuacin siguiente:
=
2
c
N AD BC N 2
SOLUCIN:
1. Hiptesis estadstica: H 0 : MU = M R versus H a : MU M R
2. Nivel de significacion: = 0.05
3. Estadstica de prueba: Como se muestra en el siguiente anlisis, la estadstica
2
de prueba es , y se calcula con la frmula anterior para una tabla de contingencia de 2x2.
4. Distribucin de la prueba estadstica: Cuando Ho: es verdadera y las suposicio2
nes se cumplen, sigue una distribucin semejante a la de Ji-cuadrada con
1 grado de libertad.
2
5. Regin de Aceptacin y Rechazo: Se rechaza Ho: si el valor de 3.841.
6. Clculo de la prueba estadstica: El primer paso para calcular la estadstica de
prueba es calcular la mediana comn de las dos muestras combinadas. Esto se
hace al arreglar las observaciones en orden ascendente y, dado que el nmero
total de observaciones es par, se obtiene la media de los dos valores centrales.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
21 22 23 25 25 26 26 27 27 27 29 31 32 33 34 35 37 38 41 42 42 43 45 46 46 47 50 50
2c =
N AD BC N 2
28 6x4 8 x10 28 2
(14)(14)(16)(12)
= 1.3125
7. Decisin: Puesto que c = 1.3125 < 3.841, el valor crtico de Ji-cuadrada con
1 grado de libertad, entonces no es posible rechazar la hiptesis nula (Ho:) con
base en estos datos, es decir se concluye que las dos muestras probablemente se
extrajeron de poblaciones con medianas iguales.
2
EJERCICIOS:
1. Se revisaron 15 expedientes de pacientes de dos hospitales y se asign una calificacin diseada para estimar el nivel de atencin recibida. Las calificaciones fueron los siguientes:
Hospital A
Hospital B
99
78
85
74
73
69
98
79
83
57
88
78
99
79
80
68
74
59
91
91
80
89
94
55
94
60
98
55
80
79
Estadstica No Paramtrica Aplicada a la Ganadera - 67 puntuaciones originales. Bsicamente, consiste con comprobar lo superior que
es la suma de los rangos de un grupo frente a la suma de los rangos del otro.
- Las dos muestras no son necesariamente de igual tamao.
MTODO:
1. Para aplicar la prueba de U de Mann - Whitney, se empieza por combinar las
observaciones o puntajes de ambos grupos, para clasificar de menor a mayor.
2. Se ordenan los datos de menor a mayor, sin que pierdan su identidad, es decir a
que muestra pertenecen.
3. Sea n1 tamao de muestra del ms pequeo de los dos grupos independientes, y
n2 tamao de muestra ms grande.
4. Se ordenan juntos los puntajes de ambos grupos, asignando el rango de 1 al
puntaje que sea algebraicamente ms bajo. Los rangos van desde 1 hasta N =
n1 + n2 .
5. Si en caso se presentar las observaciones empatadas, se asigna el rango promedio de los rangos ligados.
6. Se determina el valor U, segn sea el caso en las dos formas siguientes:
U = n1n2 +
n1 ( n1 + 1 )
n ( n + 1)
R1 U = n1n2 + 2 2
R2
2
2
Donde:
n1 .
n2 .
Media = U =
n1n2
n n ( n + n + 1)
, desviacin estndar = U = 1 2 1 2
2
12
U U
Z=
=
U
n1n2
2
~ N ( 0,1 )
n1n2 ( n1 + n2 + 1 )
12
U
n1n2
2
FG n n IJ FG N N t t IJ
H N ( N 1)K H 12
12 K
3
1 2
3
j
~ N ( 0,1 )
j =1
Donde:
t : Nmero de puntajes correspondiente a un rango promedio, N = n1 + n2
7. Si el valor observado de U tiene probabilidad asociada igual o menor que
, se
Estadstica No Paramtrica Aplicada a la Ganadera - 69 rechaza la Ho: y se acepta la Ha:, es decir P(Ucalculada) , se rechaza la Ho:
Cuando 9 n2 20, se busca el valor en la tabla de valores crticos y se compara
Ucalculada Ucrtico, entonces se rechaza la Ha:
EJEMPLO:
Un cientfico social piensa que los profesores universitarios de Teologa tienen
una orientacin poltica ms conservadora que sus colegas de Psicologa. Una muestra aleatoria de 11 maestros del departamento de Teologa y 14 del departamento de
Psicologa de una universidad local reciben un cuestionario de 50 puntos, que mide
el grado de conservadurismo poltico. Se obtuvieron los siguientes datos. Los puntajes
mayores indican un mayor conservadurismo. Use = 0.05.
Profesores:
Teologa
Psicologa
1
36
13
2
42
25
3
22
40
4
48
29
5
31
10
6
35
26
7
47
43
8
38
17
9
40
12
10
43
32
11
32
27
12
13
14
32
42
35
SOLUCIN:
1. Hiptesis Estadstica:
Ho: Los profesores Universitarios de Teologa tienen la misma orientacin
que los profesores de Psicologa sobre el grado de conservadurismo poltico.
Ha: Los profesores Universitarios de Teologa tienen una orientacin poltica
diferente que los profesores de Psicologa sobre el grado de conservadurismo poltico.
2. Nivel de significacin: = 0.05, n1 = 11, n2 = 14; N = n1 + n2 = 11 + 14 = 25
3. Prueba Estadstica: Los dos grupos de profesores constituyen dos grupos independientes, y los puntajes constituyen una medicin de escala ordinal. Por
estas razones la prueba de U de Mann - Whitney es la apropiada para analizar
los datos.
4. Distribucin Muestral: Como n1 > 10 n2 >10, entonces se usa la siguiente
ecuacin:
Z=
n1n2
2
n1n2 ( n1 + n2 + 1 )
12
U
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
V
10
1
1
IX
12
2
2
I
13
3
3
VIII
17
4
4
3
22
5
5
II
25
6
6
VI
26
7
7
XI
27
8
8
IV
29
9
9
5
31
10
10
11
32
11
12
X
32
12
12
XII 6 XIV
32 35 35
13 14 15
12 14.5 14.5
1
36
16
16
8 9 III 2 XIII
38 40 40 42 42
17 18 19 20 21
17 18.5 18.5 20.5 20.5
10
43
22
22.5
VII
43
23
22.5
7
47
24
24
4
48
25
25
n1 ( n1 + 1 )
11x12
R1 = 11x14 +
185 = 35
2
2
n2 ( n2 + 1 )
14x15
R2 = 11x14 +
140 = 119
2
2
De estos dos resultados, se escoge el menor U = 35, U = 119
Reemplazando a la frmula Z, se tiene:
U = n1n2 +
Z=
n1n2
11x14
35
42
2
2
=
=
= 2.299
n1n2 ( n1 + n2 + 1 )
11x14( 26 ) 18.2665
12
12
U
Estadstica No Paramtrica Aplicada a la Ganadera - 71 Como existen rangos promedios en ambos grupos independientes entonces, se
realiza la correccin, de la siguiente forma:
Agrupacin
Valor
Rango
Promedio
tj
(t 3j t j ) 12
1
2
3
4
5
32
35
40
42
43
12
14.5
18.5
20.5
22.5
3
2
2
2
2
2
0.5
0.5
0.5
0.5
5
t 3j t j
j =1
12
Z=
U n1n2 2
FG n n IJFG N N t t IJ
H N( N 1)KH 12
12 K
3
1 2
j =1
3
j
42
LM
N
=4
OP =
Q
11x14 253 25
4
25x24 12
.
23028
7. Decisin: Se busca el valor de -2.30 en la tabla de la distribucin Z, y encontramos que la probabilidad es: P( Z 2.30 ) = 0.0107 = 0.05,
p=0.0107 = 0.05, entonces se rechaza la hiptesis Ho: y se acepta la Ha:.
Para dos colas 2x0.0107 = 0.0214 = 0.05, entonces existe suficiente evidencia para afirmar que los profesores universitarios de Teologa tienen una
orientacin poltica diferente que los profesores de Psicologa sobre el grado de
conservadurismo poltico.
3.7. LA PRUEBA DE WILCOXON-MANN-WHITNEY (W-M-W)
(Modificado por Siegel y Castellan).
MTODO:
- Dar el valor de m y n. El nmero de casos en el grupo ms pequeo (denominado X) es m; y los casos del grupo mayor (denominado Y) es n.
- Ordene por rangos las puntuaciones de ambos grupos, asignando el rango 1 a la
puntuacin menor. Los rangos variarn de 1 a N = m + n. Asigne a las observaciones empatadas el promedio de los rangos empatados.
Media = WX =
Z=
m( N + 1 )
mn( N + 1
y Varianza = 2WX =
2
12
WX 0.5 WX
WX
WX 0.5 m( N + 1 ) / 2
mn( N + 1 ) / 12
Estadstica No Paramtrica Aplicada a la Ganadera - 73 significacin escogido ( ), aplique la correccin para los empates, es decir,
use la siguiente ecuacin:
Z=
. m( N +1)/ 2
WX 05
LM mn OPFG( N N ) t t IJ
12 K
N N( N 1)QH 12
3
3
j
2
, Varianza = W
=
X
F
GH
3
mn
N3 N g t j t j
N( N 1) 12
j =1 12
I
JK
j =1
N = m+n
g: El nmero de los distintos grupos de rangos empatados, y
t : Es el nmero de rangos empatados en el j-simo grupo.
- Si el valor observado de WX tiene una probabilidad asociada igual o menor que
EJEMPLO:
Se ensay un experimento en alpacas de la raza Huacaya para determinar el uso
estratgico del heno en pocas crticas de las diferentes fases productivas y
reproductivas y comparar con alpacas del grupo control (testigo) sin la suplementacin,
para lo cual se ha registrado el peso de destete (kg) de ambos grupos. La informacin
se presenta a continuacin:
N de alpacas
Peso Destete Control
Peso Destete Exptal.
1
2
3
4 5 6 7 8 9 10 11 12 13 14 15
25.5 20.5 25.5 22.5 26.5 24.0 21.0 25.0 24.5 21.5 26.0 24.5 27.5 24.0 26.0
29.5 32.0 25.0 26.0 26.5 27.5 27.0 26.5 27.5 32.0 24.0 24.0
SOLUCIN:
1. Hiptesis Estadstica:
Ho: No existe incremento de peso al destete en alpacas suplementadas con
heno frente a las alpacas del grupo control mantenidas en pastos naturales.
Ha: Existe el incremento de peso al destete en alpacas suplementadas con
heno frente a las alpacas del grupo control que son mantenidas en pastos
naturales.
2. Nivel de significacin: = 0.05, m = 12, n = 15, N = 12 + 15 = 27
3. Prueba Estadstica: Los dos grupos de alpacas al destete, constituyen dos grupos independientes, y los puntajes constituyen una medicin de escala ordinal.
Por estas razones la prueba Wilcoxon-Mann - Whitney es la apropiada para
analizar los datos.
WX 0.5 m ( N + 1 ) 2
mn( N + 1 )
12
5. Regin de rechazo: Al recurrir a la tabla de distribucin normal, encontramos
que la probabilidad asociada para aceptar o rechazar Ho:, es decir (p ).
6. Clculo de la prueba estadstica:
i) Se ordenan los datos de menor a mayor (ascendente).
ii) Se asignan los rangos de 1 hasta N = m + n=121 + 15 = 27. En caso de
empate, asignar el rango promedio.
Z=
Orden
2 7
Peso Destete 20.5 21.0
Rango_Previo 1 2
Rango_Prom. 1 2
10
21.5
3
3
4
22.5
4
4
Grupo
Orden Control
1
25.5
2
20.5
3
25.5
4
22.5
5
26.5
6
24.0
7
21.0
8
25.0
9
24.5
10
21.5
11
26.0
12
24.5
13
14
15
Total
27.5
24.0
26.0
6
24.0
5
6.5
14
24.0
6
6.5
XI
24.0
7
6.5
XII 9
12 8 III
24.0 24.5 24.5 25.0 25.0
9
10 11 12
8
6.5 9.5 9.5 11.5 11.5
Ragno
Promedio
13.5
1
13.5
4
19
6.5
2
11.5
9.5
3
16
9.5
23
6.5
16
Wy = 154.50
1 3 11 15
25.5 25.5 26.0 26.0
13 14 15 16
13.5 13.5 16 16
IV 5
V VIII VII 13 VI
26.0 26.5 26.5 26.5 27.0 27.5 27.5
17 18 19 20 21 22 23
16 19 19 19 21 23 23
Grupo
Orden Experimental
I
29.5
II
32.0
III
25.0
IV
26.0
V
26.5
VI
27.5
VII
27.0
VIII
26.5
IX
27.5
X
32.0
XI
24.0
XII
24.0
Total
IX
27.5
24
23
I
29.5
25
25
Rango
Promedio
25
26.5
11.5
16
19
23
21
19
23
26.5
6.5
6.5
Wx = 223.50
II
32.0
26
26.5
X
32.0
27
26.5
WX =
m( N + 1 ) 12( 27 + 1 )
=
= 168
2
2
W2 X =
Z=
WX 0.5 WX
WX
2235
56
. + 0.5 168
=
= 2.73
20.4939
420
Agrupacin
Valor
Rango_Prom
tj
(t 3j t j ) 12
1
2
3
4
5
6
7
8
24
24.5
25
25.5
26
26.5
27.5
32
6.5
9.5
11.5
13.5
16
19
23
26.5
4
2
2
2
3
3
3
2
5
0.5
0.5
0.5
2
2
2
0.5
8
t 3j t j
j =1
12
Z=
WX 05
. m( N +1) 2
FG mn IJFG N N t t IJ
H N( N 1)KH 12 12 K
3
j=1
3
j
2235
. +05
. 12(28) 2
LM
N
OP
Q
12x15 27 27
13
27x26 12
3
= 13
56
= 274
.
180
(1625)
702
7. Decisin: Se busca el valor de 2.74 en la tabla de la distribucin Z, y encontramos que la probabilidad es:
p=0.0031
U = nn
1 2+
n1( n1 +1)
12x13
. = 345
.
R1 = 12x15+
2235
2
2
U = nn
1 2+
15x16
n2( n2 +1)
. = 1455
.
R2 = 12x15+
1545
2
2
U nn
1 2 2
FG nn IJFG N N t t IJ
H N( N 1)KH 12 12 K
3
1 2
j=1
3
j
.
555
LM
N
.
~ 272
.
OP =27189
Q
12x15 273 27
13
27x26 12
RANGO
39
38
36
36
36
33
33
33
29.5
29.5
29.5
24.5
24.5
24.5
24.5
20.5
20.5
16
16
16
9.5
9.5
1.5
580
z=
. m( N +1)/ 2 200+05
. 16(39 +1)/ 2
WX 05
=341
=
.
16x23(391)/ 12
mn( N 1)/ 12
EMPATES:
La prueba de Wilcoxon-Mann-Whitney supone que las puntuaciones se han
muestreado de una distribucin que es contnua. Con una medicin precisa de una
variable continua, la probabilidad de un empate es cero. Sin embargo, con la mediciones relativamente crudas, las cuales tpicamente empleamos en investigacin en
las ciencias de la conducta, pueden ocurrir empates. Suponemos que las dos observaciones (o ms) que resulten empatadas son realmente diferentes, slo que esa diferencia es muy refinada o diminuta para ser detectada por nuestras mediciones. Cuando ocurren empates, damos a cada observacin empatada el promedio de los rangos
que tendran si no hubieran ocurrido los empates.
Estadstica No Paramtrica Aplicada a la Ganadera - 79 Si los empates ocurren entre dos o ms observaciones del mismo grupo, el valor
de R 1 no se ve afectado. Pero si los empates ocurren entre dos o ms observaciones
en las cuales se impliquen puntuaciones de los dos grupos, se afecta el valor tanto de
R 1 como R 2 . Aunque el efecto generalmente es despreciable, tenemos disponible
una correccin y puede utilizarse cada vez que empleemos la aproximacin para
muestra grande a la distribucin muestral de R 1 . El efecto de los empatados es cambiar la variabilidad del conjunto de rangos.
El uso de la correccin para los empates en la prueba de Wilcoxon-Mann-Whitney,
se ilustra aplicndola a los datos de la tabla anterior. Para estos datos:
m + n = 16 + 23 = 39 = N
Nosotros observamos los siguientes grupos de empates:
Agrupacin
1
2
3
4
5
6
7
8
9
Valor
6
7
8
10
11
12
13
14
15
Rango
1.5
5
9.5
16
20.5
24.5
29.5
33
36
tj
2
5
4
7
2
6
4
3
3
t 3j t j
j =1
12
2 3 2 53 5 4 3 4
33 3
+
+
+L+
12
12
12
12
= 0.5+10.0+5.0+28.0+ ....+ 2.0 = 70.5
WX m( N +1) / 2
200 + 05
. 16( 39 +1)/ 2
=
=
LM mn OPFG ( N N ) t t IJ LM 16x23 OPFG (39 39) 705. IJ
K
12 K
N39( 39 1)QH 12
N N( N 1)QH 12
3
3
j
344
.
j=1
CONCLUSIN:
El valor de Z cuando se realiz la correccin para los empates es un tanto mayor
que el que se encontr anteriormente cuando no se utiliz la correccin. La diferencia entre Z -3.41 y Z -3.44 es despreciable, tanto es as que la probabilidad proporcionada es la misma. En ambos casos, p<0.0003 (en una prueba unidireccional).
Como se demuestra en este ejemplo, los empates slo tienen un pequesimo efecto.
MTODO COMPUTACIONAL PARA LA PRUEBA DE Mann-Whitney
Con el uso del paquete estadstico SPSS, se puede comprobar los resultados encontrados anteriormente, para esto simplemente ingrese la informacin en la hoja
del SPSS codificando los dos grupos en forma ordenada, tal como se presenta a
continuacin:
Una vez presionado el botn izquierdo, aparece el siguiente caja de dilogo, tal
como se puede ver a continuacin:
Ranks
ENFER
PUNTUAC 1
2
Total
N
16
23
39
Mean
Rank
12.50
25.22
Sum of
Ranks
200.00
580.00
PUNTUAC
64.000
200.000
-3.451
.001
Mann-Whitney U
Wilcoxon W
Z
Asymp. Sig. (2-tailed)
Exact Sig. [2*(1-tailed
Sig.)]
.000
EJERCICIOS:
1. En una granja avcola se pone a prueba un nuevo concentrado para alimentar a
los animales. se desea establecer si este nuevo alimento es mejor que el que consuman anteriormente. Para ello, se suministr a un grupo de aves el nuevo alimento. Al trmino de 6 semanas se seleccion un grupo de aves de las que siguieron con el alimento acostumbrado, para compararlo con el grupo experimental.
A continuacin se presentan los pesos de ambos grupos:
Alimento
Antiguo
Nuevo
3.50
4.30
4.00
3.70
4.25
3.40
3.00
3.90
3.75
4.15
Peso (lb)
3.75 4.10
4.70 5.00
4.05
3.40
3.80
3.75
3.20
3.25
4.00
61
55
60
54
56
47
Peso (gr)
56
63
51
61
63
59
59
57
56
54
44
62
61
58
3. Los siguientes datos son los valores de respuesta del sistema de inmunizacin de
personas que recibieron una dosis de refuerzo de uno de dos tipos de vacunas
contra la rabia.
Tipo 1 (X)
Tipo 2 (Y)
1.25 5.30 1.70 1.00 8.50 3.75 8.10 2.25 5.60 7.85
0.57 3.90 8.20 1.20 1.70 1.00 4.55 5.20 2.16 1.90 4.60
Es posible concluir, con base en estos datos, que los dos tipos de vacuna difieren
en cuanto a sus efectos?. Sea = 0.05.
4. Los siguientes valores son los tiempos (en minutos) de permanencia en la sala de
operaciones de 20 personas sometidas al mismo procedimiento quirrgico. Once
de las personas fueron pacientes del hospital A y 9 lo fueron del hospital B.
Hospital A 35
Hospital B 45
30
38
33
42
39
50
41
48
29
51
30
32
36
37
45
46
40
31
Con base en estos datos, es posible concluir que, para el mismo procedimiento
quirrgico, los pacientes del hospital B tienden a permanecer ms tiempo en la
sala de operaciones que los pacientes del hospital A?. Sea = 0.01.
5. Se obtuvieron los siguientes pesos (kg) a partir de una muestra de nios estudiantes de 12 aos de edad, en un pas en vas de desarrollado. Los nios residen en
dos reas geogrficas diferentes.
rea A 54.1
rea B 36.3
33.8
31.4
56.2
51.9
32.0
51.8
33.7
46.4
58.6
36.2
58.9
26.8
45.7
25.1
55.3
29.8
50.8
26.1
35.2
Es posible concluir a partir de estos datos que el peso promedio de los nios del
rea A es diferente del de los nios del rea B?. Sea = 0.05.
Estadstica No Paramtrica Aplicada a la Ganadera - 83 3.8. PRUEBA DE KOLMOGOROV-SMIRNOV PARA DOS MUESTRAS
CONDICIONES:
- El test de Kolmogorov-Smirnov (K-S), permite establecer si dos muestras proceden de la misma poblacin, o si dos poblaciones difieren en algn parmetro
de posicin y/o de dispersin.
- Las funciones de distribucin son continuas. Las dos muestras son independientes entre s.
- La prueba para dos muestras centra su inters en el acuerdo entre dos distribuciones acumulativas.
- La medida de los puntajes deben ser de tipo contnuo.
- Si las distribuciones acumulativas de las dos muestras estn demasiado lejanas
en cualquier punto, esto sugiere que las muestras provienen de poblaciones
distinas.
- De cada poblacin se toma una muestra aleatoria simple.
- Se debe determinar la distribucin de la frecuencia acumulada para cada muestra de observaciones, utilizando los mismos intervalos para ambas distribuciones.
USOS:
- La prueba de K-S para dos muestras, es una prueba de s dos muestras independientes se ha extrado de la misma (o de dos poblaciones con la misma distribucin).
- Se usa la prueba de dos colas (bidireccionales) para probar la sensibilidad de las
distribuciones de las dos muestras con respecto a cualquier tipo de definicin
que sea de tendencia central, dispersin o variacin de oblicuidad.
- La prueba de una cola (unidireccional), se usa para decidir, si los valores de la
poblacin de la que se extrajo una de las muestras son aleatoriamente mayores o
menores que los de la poblacin de la otra muestra, es decir en este caso se
prueba si ambas muestras provienen de la misma poblacin.
PROCEDIMIENTO:
- Se disponen los datos en una tabla de distribucin de frecuencias con los mismos intervalos de clase para ambas muestras, adems se debe tomar en cuenta
por lo general el mayor nmero de intervalos posibles para que la informacin
inherente a los datos no se pierda.
- Se calcula las distribuciones acumuladas para cada muestra. Usando las siguientes notaciones:
S m (X) =
k
(Frecuencia acumulada para la primera muestra)
m
k
(Frecuencia acumulada para la segunda muestra)
n
- Luego se calcula las diferencias Sm(X)-Sn (X) para cada intervalo. DetermiS n (X) =
2 =
4 Dm2 ,n m n
m+n
Estadstica No Paramtrica Aplicada a la Ganadera - 85 los datos observados, utilizando D m,n = max S m ( X ) S n ( X ) y compare el
valor observado con el valor crtico que se obtiene de la tabla, empleando como
entradas m y n en la expresin proporcionada por la Tabla de K-S. Para
tomar la decisin se realiza Dm,n Dcrtico , entonces se rechaza la Ho:, en el nivel
de significacin de bidireccional asociados con dicha expresin 136
.
( m + n ) mn ,
en este caso para
= 0.05.
EJEMPLO:
Se registraron pesos finales en carnerillos de 11 meses de edad de las razas
Corriedale y Criollo del CIP-Chuquibambilla, con las mismas condiciones de edad,
alimentacin y tiempo con una duracin de 70 das aproximadamente, iniciando en
octubre del 2003 y terminando en Diciembre del mismo ao. La informacin se
presenta a continuacin:
Raza Corriedale (Peso final en kg)
45
43
44
43
44
42
45
43
41
43
41
43
44
40
43
42
49
43
45
42
45
40
44
44
43
43
42
41
41
42
48
36
40
42
44
38
42
47
42
41
46
54
50
51
46
47
46
47
Raza Criolla
43
45
44
42
49
49
46
42
SOLUCIN:
1. Hiptesis estadstica:
Ho: La ganancia de peso vivo en carnerillos de la raza corriedale es igual a la
ganancia de peso vivo en carnerillos de la raza criolla.
Ha: La ganancia de peso vivo en carnerillos de la raza corriedale es inferior a
la ganancia de peso vivo en carnerillos de la raza criollo.
X = Incremento de peso vivo en kg. en carnerillos de la raza corriedale.
Y = Incremento de peso vivo en kg. en carnerillos de la raza criolla.
2. Nivel de significacin: = 0.05, m = 40 y n = 40.
3. Prueba estadstica: Se tiene los pesos vivos en carnerillos que constituyen puntuaciones bajos y altos de dos grupos independientes, se seleccion una prueba
4 Dm2 ,n m n
, donde Dm,n se calcula mediante la
=
m+n
2
Raza Criollo
ni Ni Sm (X)
nj
Nj
S
Snn(X
(X)
i)
2
8
23
5
2
0
40
0
1
10
23
4
2
40
0
1
11
34
38
40
0.000
0.025
0.275
0.850
0.950
1.000
2
10
33
38
40
40
0.050
0.250
0.825
0.950
1.000
1.000
Sm(X)S(X
n )
0.050
0.225
0.550
0.100
0.050
0.000
D m,n ,a = 136
.
2 =
con gl. = 2
EJERCICIOS:
1. Se registraron pesos finales en carnerillos de las razas Corriedale y Merino del
CIP-Chuquibambilla, con las mismas condiciones de edad, alimentacin y tiempo con una duracin de 70 das aproximadamente, iniciando en octubre del
2003 y terminando en Diciembre del mismo ao. La informacin se presenta a
continuacin:
Raza Corriedale (Peso final en kg)
45
43
44
43
44
42
45
43
41
43
41
43
44
40
43
42
49
43
45
42
45
40
44
44
43
43
42
41
41
42
48
36
40
42
44
38
42
47
42
-
46
43
41
42
41
47
45
42
Cala - Cala
Pampa Galeras
26
40
34
36
33
35
35
34
34
31
42
24
38
35
35
38
27
36
40
24
32
34
35
37
38
30
43
33
36
37
37
36
38
34
36
32
35
33
35
37
n1 y n2 , de la siguiente forma:
MUESTRAS PEQUEAS:
- Si n1 y n2 son menores o iguales que 20 ( n1 y n2 20 ), los valores crticos
de r, se podrn encontrar en la Tabla (valores crticos de r en la prueba de
series), para prueba de rachas (Anexo, G).
MUESTRAS GRANDES
- n1 n2 >20, entonces la distribucin muestral de r, tiende a la aproximacin normal con r y r , cuya expresin es la siguientes:
Z=
1
50.0
49.5
2
46.5
50.5
3
45.5
44.5
4
53.0
54.5
5
48.0
57.5
6
47.5
44.0
7
47.0
53.5
8
49.0
67.5
9
51.0
60.0
10
50.0
52.0
11
40.0
56.0
44.0 44.5
C C
2
50.5
C
6
51.0
E
7
53.0
E
9
49.5
C
4
50.0 50.0
E
E
5
rcrtico inferior = 7
rcrtico superior =17
6. Regin de Rechazo: rcrtico inferior < robs. < rcrtico superior , 7 < 10 < 17, entonces se acepta la
Ho:
Estadstica No Paramtrica Aplicada a la Ganadera - 91 7. Decisin: No existe evidencia suficiente para afirmar que las alpacas
suplementadas con ensilado incrementan mejor a los pesos de las alpacas del
grupo control.
EJERCICIO:
Se tiene los pesos finales de los terneros de la raza Brown Swiss que pertenecen
al grupo experimental, y los terneros del Grupo Control, que se han registrado los
pesos vivos desde el nacmiento hasta el 17avo semana. Los pesos finales se
presentan a continuacin:
Grupo Exptal.
Grupo Control
110 106 107 100 107 108 106 109 103 108
98 69 69 99 83 98 100 68 96 80
U(YXi ) .
m
U ( YX i )
m
i =1
U ( XY j )
j =1
V X = U ( YX i ) U ( YX )
i =1
VY = U ( XYj ) U ( XY )
j =1
EMPATES:
- El clculo de la prueba poderosa de rangos ordenados el ajuste para los empates
es:
que Xi.
453
553
449
619
505
575
490
445
523
452
505
423
Probar si existen diferencias entre los dos grupos de vacas Experimental y Control en el incremento de peso vivo (kg) con la prueba poderosa de rangos ordenados:
SOLUCIN.
1. Hiptesis Estadstica:
Ho: El peso vivo (kg) de las vacas Brown Swiss suplementados con Mikrofos
ADE es la misma que los pesos vivos de las vacas Criollas (control) en la
produccin de leche.
Ha: El peso vivo (kg) de las vacas suplementadas con Mikrofos ADE es superior
a las vacas criollas (Control) en la produccin de leche.
2. Prueba Estadstica: Se seleccion la prueba poderosa de rangos ordenados,
porque abarcan a muestras independientes y utiliza mediciones que estan dados
en una escala ordinal. Adems los dos grupos pueden diferir en los pesos vivos.
3. Nivel de Significacin: = 0.05 y m = vacas con el tratamiento Mikrofos
Xi
449
453
490
505
505
523
U(YXi)
2
3
3
3
3
3
Yj
423
445
452
553
575
619
U ( YX ) =
m
U(XYj)
0
0
1
6
6
6
i=1
j=1
6(2.83)-6(3.17)
mU(YX ) nU( XY )
=
= 0133
.
+ 4883
2 VX +VY +U( XY )U(YX ) 2 08334
.
. +(3.17)(2.83)
.
con m = 6, n = 6 entonces es: U m ,n , = U 6 ,6 ,0.05 = 186
7. Decisin: Como
U& = -0.133
es decir, que no hay evidencia suficiente para afirmar que los incrementos de
pesos vivos en vacas fue diferente en la produccin de leche.
Estadstica No Paramtrica Aplicada a la Ganadera - 95 3.11. PRUEBA DE RANGOS DE MOSES PARA DIFERENCIA DE ESCALA.
CONDICIONES:
- Los investigadores desean saber acerca de las diferencias en la tendencia central,
las diferencias en la escala pueden tener importancia terica y valor prctico.
- La de Siegel-Tukey es una prueba que tiene xito al comparar diferencias en la
escala o variabilidad.
- El uso de la prueba requiere que las medianas de los dos grupos sean las mismas
o conocidas.
- La prueba de rangos de Moses es vlida en casos en los cuales las medianas son
desconocidas o bien, no puede suponerse que sean iguales.
- La prueba de rangos de Moses supone que las observaciones corresponden a
mediciones en, al menos, escala de intervalo.
- La hiptesis, puede plantearse como: H 0 : 2X = Y2 versus H a : 2X Y2 .
- Para la hiptesis unidireccionales, se plantean como: H a : 2X > Y2 .
- Cuando se desea probar una hiptesis alterna unidireccional en el cual la variable
X es mayor que la variable Y, entonces la Ha: H a : 2X < Y2
MTODO:
- Primeramente dividir las observaciones de los dos grupos en subconjuntos del
mismo tamao.
- Cada subconjunto debe contener al menos dos observaciones.
- Si la divisin es tal que hay observaciones que no pueden colocarse en ningn
subconjunto, stas se descartan del anlisis.
- Es muy importante dividir los datos en subconjuntos al azar; es decir usar la
tabla de nmeros aleatorios.
- Para cada subconjunto, se calcula la sumatoria de las diferencias al cuadrado de
cada dato respecto a la media de cada subconjunto (a cada dato se le resta la
media del subconjunto al que pertenece, la diferencia se eleva al cuadrado y
todas estas diferencias elevadas al cuadrado se suman para cada subconjunto).
- El procedimiento es sencillo, pero requiere muchas operaciones.
- Se usar un doble subndice para identificar los subconjuntos individualmente.
- Primero, k es el nmero de observaciones en cada subconjunto, m es el nmero
de subconjunto de X y n es el nmero de subconjunto de Y.
Entonces, los datos para el j-simo subconjunto de X puede escribirse como:
X j1 , X j 2 , X j 3 ,L , X jk
j = 1,2 ,3 ,L , n'
Y j 1 ,Y j 2 ,Y j 3 ,L ,Y jk
D( X j ) = X ji X j ,
i =1
j = 12
, ,L,m'
donde:
X j = i=1
ji
D(Yj ) = Yji Yj ,
i =1
j = 12
, ,L,n'
donde:
Yj = i=1
k
ji
EMPATES:
- No hay problema en la aplicacin de la prueba de rangos de Moses con los
empates en los datos originales, s hay que realizar un ajuste si existen empates
en las D( X ) y en las y D( Yj ) . Se debe utilizar la correccin usual de la prueba de
Wilcoxon.
j
MUESTRAS GRANDES:
- Cuando el tamao de la muestra es grande, se debe emplear la aproximacin
para muestra grande de la prueba de Wilcoxon.
1
2
3
Pesos Finales
Conjunto
31.5
32.0
29.5
35.0
29.5
27.5
30.0
28.0
30.0
27.0
34.0
33.0
i=1 ji
123.5
123.5
120.0
Y ji
D(X)
j
30.88
30.88
30.00
33.19
21.19
15.50
Y ji
D(Y)
j
35.88
33.50
33.50
49.69
4.50
26.00
1
2
3
Pesos Finales
Conjunto
37.5
32.0
35.5
40.5
35.0
36.5
34.5
33.5
30.5
31.0
33.5
31.5
i=1
143.5
134.0
134.0
ji
4.50
1
Y
15.50
2
X
21.19
3
X
26.00
4
Y
33.19
5
X
49.69
6
Y
WY = 1+4+6 = 11
Puesto que la hiptesis alterna (Ha:) es que las alpacas alimentadas con heno
que es el grupo experimental (grupo Y) deberan mostrar una mayor variabilidad
en peso vivo, entonces la hiptesis alterna es: H a : 2X < Y2 , por tanto, debemos
rechazar la Ho:, si la probabilidad asociada con una Wx. Ver la tabla (Anexo, J)
de probabilidades de los lados inferior para Wx, el estadstico de la suma de
rangos de Wilcoxon-Mann-Whitney).
6. Regin de Rechazo: En virtud de que la hiptesis alterna especifica la direccin
de la diferencia, se utiliza una prueba unidireccional. La regin de rechazo
consiste en todos los valores de las sumatorias de rangos tan grandes o mayores
que el valor observado ( p rechace la Ho:).
7. Decisin: Como p = 0.0143 =0.05, entonces se rechaza la Ho:, es decir
existe evidencia suficiente para afirmar que la variabilidad del grupo
experimental (suplementadas con heno) es mayor a las alpacas del grupo control
en cuanto se refiere a los incrementos de pesos vivos.
EJERCICIOS:
1. Los datos corresponden a las alpacas mantenidas en condiciones crticas de
alimentacin en poca de estiaje, para lo cual se ensayo dos grupos: experimental (ensilado) y control (testigo), para evaluar el incremento de peso vivo (kg).
La informacin se presenta en seguida:
Grupo Control
33.0 27.0 34.0 27.5 31.5 29.5 29.5 30.0 30.0 28.0 35.0 32.0
G.Exp.- Ensilado 42.0 34.0 32.0 35.5 41.0 34.0 35.0 37.0 33.0 33.0 31.5 31.0
Estadstica No Paramtrica Aplicada a la Ganadera - 99 Encuentre la variabilidad de los pesos vivos en ambos grupos de experimentacin con la prueba de Moses.
2. La informacin corresponde a los pesos vivos (gr) por camada en cuyes primerizas de dos grupos: experimental (CEM) y control (testigo). La informacin se
presenta en el siguiente cuadro:
Grupo Control
G.Exp.- CEM
290 144 336 260 358 354 300 350 242 326 358 242 370
308 612 368 374 416 338 312 410 450 436 232 342 360
Existir variabilidad en los pesos vivos por camada en cuyes primerizas de ambos grupos?. Probar con la prueba de Moses. Use =0.05.
4
EL CASO DE K-MUESTRAS RELACIONADAS
4.1. Prueba de Q de COCHRAN
USOS Y RESTRICCIONES:
- La prueba de Q de Cochran para k muestras relacionadas, provee un mtodo
para evaluar si tres o ms conjuntos igualados de frecuencias o proporciones
difieren significativamente entre ellos mismos.
- La igualacin debe fundamentarse en las caractersticas relevantes de los diferentes sujetos o en el hecho de que los mismos sujetos sean utilizados en las
diferentes condiciones.
- La prueba Q de Cochran es particularmente aplicable a datos de tipo categrico
(en escala nominal) u observaciones ordinales (o de intervalo) dicotmicas.
- Es una prueba paralela a la prueba paramtrica F de Anlisis de Varianza de dos
vas o se conoce con el nombre de diseo bloque aleatorios.
- Prueba si k muestras relacionadas provienen de la misma poblacin; si las kmuestras exiben diferencias significativas entre s.
MTODO:
- A los datos dicotmicos se les asigna la puntuacin 1 por cada xito y el valor
0 por cada fracaso.
- Los datos se presentan en una tabla de Nxk, siendo N = renglones y k = columnas. N es el nmero de casos en cada uno de los k grupos o condiciones.
- El valor de Q, se determina utilizando la siguiente ecuacin:
L
F IO
( k 1 )M k G G G J P
MN
H K PQ
Q=
j =1
2
j
j =1
k Li L
2
i
i =1
i =1
Q=
k( k 1) Gj G
j=1
i =1
i=1
kLi L2i
G = Promedio de G j .
L i = Nmero total de xitos en el i-simo rengln.
- La significacin del valor observado de Q puede determinarse mediante la Tabla de valores crticos de la distribucin Ji-cuadrada (Anexo, C), ya que Q, se
distribuye aproximadamente como la 2 con gl = k - 1. Si la probabilidad asociada con la ocurrencia cuando Ho: es verdadera es tan grande como el valor
observado de Q es igual o menor que , entonces debemos rechazar Ho:
- Si el tamao de N no es muy pequeo; no hay recomendacin especifica con
respecto al tamao mnimo de N.
EJEMPLO:
Se realiz un experimento en la elaboracin de quesos y probar la aceptabilidad
en quesos semiduros, para lo cual se usaron tres tipos de cuajos: cuajo de alpaca
fresca (CAF), cuajo comercial (CC) y cuajo de alpaca + fermento (CA+F). Para
probar la aceptabilidad se realiz a 15 personas quines debern calificar los tres
tipos de quesos elaborados con diferentes cuajos. Para realizar esta calificacin se
dicotomiz de la siguiente forma: 1 = Aceptable y 0 = No aceptable.
SOLUCIN.
1. Hiptesis Estadstica:
Ho: La probabilidad de un s es la misma para los 3 tipos de calificacin de
quesos.
Ha: La probabilidad de un s difiere dependiendo a la forma de probar los
quesos semiduros.
2. Nivel de Significacin: = 0.05
3. Prueba Estadstica: Se elige la prueba de Q de Cochran porque los datos
pertenecen a ms de dos grupos relacionados (k = 3) y son respuestas dicotmicas
(s y no).
LM
MN
( k 1 ) k G 2j
Q=
j =1
k Li
i =1
F G
GH
k
j =1
I
JK
OP
PQ , y se distribuye aproximadamente
2
i
i =1
GRUPO
CC
CAF
CA+F
Li
Li2
Li
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0
1
0
1
0
0
1
0
0
1
0
0
1
0
0
0
0
1
1
1
1
0
1
1
0
0
0
0
1
1
1
1
0
1
1
0
0
1
1
1
0
1
0
0
1
1
2
1
3
2
1
1
2
2
2
0
1
1
1
2
1
4
1
9
4
1
1
4
4
4
0
1
1
1
4
G1 = 5
G2 = 8
G3 = 9
TOTAL
15
i=1
Li = 22
15
i=1
L2i = 40
G j = G1 + G2 + G3 = 5 + 8 + 9 = 22 , observe que:
j=1
LM
MN
( k 1) kG2j
Q=
j =1
F G I OP
GH JK P (31) 3(5 +8 + 9 ) 22
Q=
j
k Li L
2
i
i =1
i =1
i =1
= 22 , entonces Q es.
j =1
15
3(22) 40
52
.
= 20
26
Estadstica No Paramtrica Aplicada a la Ganadera - 103 Se busca en la tabla de valores crticos de la distribucin Ji-cuadrada con
gl = k - 1 = 3 - 1 = 2, (Anexo, C) entonces tenemos que Q 2, tiene una
probabilidad de ocurrencia cuando Ho: es verdadera, es decir p = 0.5.
6. Regin de rechazo y aceptacin: La regin de recazo consiste en todo los valores de Q que sean tan grandes que la probabilidad asociada con su ocurrencia
cuando Ho: es verdadera, sea igual o menor que = 0.05.
7. Decisin: Como p = 0.5 > = 0.05, entonces se acepta la Ho:, es decir que la
probabilidad de un s es la misma para los tres tipos de quesos elaborados
con diferentes cuajos.
4.2. ANOVA BIFACTORIAL POR RANGOS DE FRIEDMAN
Cuando los datos estn en k muestras igualadas y al menos estn en escala
ordinal, se puede utilizar el Anlisis de Friedman para evaluar la hiptesis nula
de que las k muestras fueron extradas de la misma poblacin.
Debido a que k muestras son igualadas, el nmero de casos N es el mismo en
cada una de las muestras. La igualacin se logra estudiando el mismo grupo de
sujetos en cada una de las k condiciones.
El investigador puede obtener N conjuntos, cada uno de k sujetos igualados, y
asignar al azar a un sujeto de cada conjunto a la primera condicin, segunda
condicin, etc.
El anlisis de varianza bifactorial de Friedman evala la hiptesis nula de que
los k grupos igualados o medidas repetidas provienen de la misma poblacin o
de poblaciones con la misma mediana.
Para la prueba de Friedman, los datos deben presentarse en una tabla de doble
entrada conteniendo N renglones (sujetos o conjuntos de sujetos igualados) y k
columnas (las distintas condiciones). Los datos que emplea esta prueba son rangos, las puntuaciones en cada rengln se ordenan por rangos separadamente,
estudiando k condiciones, los rangos de cualquier rengln varan de 1 a k.
La prueba de Friedman determina la probabilidad de que diferentes columnas de
rango (muestras) provengan de la misma poblacin, es decir, que las k variables tengan la misma mediana. La prueba de Friedman determina si los rangos
totales (R ) para cada condicin o variable, difieren significativamente de los
j
valores esperados por oportunidad, para realizar esta prueba, se calcula el valor
Fr =
F 12
I
GH Nk ( k + 1) R JK 3N ( k + 1)
k
2
j
j =1
Donde:
N = Nmero de renglones (sujetos)
k = Nmero de columnas (variables o condiciones)
(R ) = Suma de los rangos en la j-sima columna (suma de los rangos para variaj
ble j-sima)
k
H0 : 1 = 2 =L= t
H a : j j'
j j'
Nk ( k + 1) j =1
5. Regin de rechazo: Si
con gl. = k - 1
2
2c = Fr > gl , , entonces se rechaza la Ho.
Si 2c = Fr
Fc > FglNumerador
, entonces se rechaza la Ho:
error ,
Fc FglNumerador
, entonces se acepta la Ho:
error ,
6. CONCLUSIN: Se puede concluir comparando ( 2c = Fr) con
cuadrado de la tabla, Anexo, C).
2gl , (Ji-
Fr =
k
12
R2j 3N( k + 1) ,
Nk ( k + 1) j =1
5. Regin de rechazo: Si
con gl. = k - 1
Si 2c = Fr
Fc > FglNumerador
, entonces se rechaza la Ho:
error ,
Fc FglNumerador
, entonces se acepta la Ho:
error ,
6. Clculo de la estadstica de prueba: Mediante el uso de datos de la tabla anterior, se obtiene:
Fr =
12 k 2
12
Rj 3N(k +1) =
152 +252 +142 3x9(3+1)=8.222
7. DECISIN: Como
Una vez presionado el botn izquierdo, aparece el siguiente caja de dilogo, tal
como se puede ver a continuacin:
Estadstica No Paramtrica Aplicada a la Ganadera - 107 Al presionar en la ficha OK, procede a realizar los clculos y muestra la salida en
la pantalla de OUTPUT, tal como se puede ver a continuacin:
Test Statisticsa
Ranks
A
B
C
Mean
Rank
1.67
2.78
1.56
N
Chi-Square
df
Asymp. Sig.
9
8.222
2
.016
a. Friedman Test
EJEMPLO:
Se ensay un experimento para analizar el efecto de dos fermentos lcticos y un
testigo en la elaboracin del queso tipo Chuquibambilla (Queso 1: Fermento lctico lento, Queso 2: Fermento lctico rpido y queso 3: testigo), las variables de
respuesta fueron: Sabor, olor, color, textura y corteza, para esto se us la siguiente
escala ordinal para calificar:
Muy bueno
= 1 punto;
Bueno
= 2 puntos;
Regular
= 3 puntos;
Malo
= 4 puntos;
Muy mal
= 5 puntos.
La informacin se presenta a continuacin para la variable: SABOR
Probador
I
II
Grupo
III
N= 8
IV
V
VI
VII
VIII
TIPODEQUESO
Q1 Q2 Q3
1
2
1
2
2
1
2
2
1
1
2
1
2
2
1
2
3
2
2
3
2
3
3
2
Rangos de 8 grupos
Q1
Q2
1.5
3
2.5
2.5
2.5
2.5
1.5
3
2.5
2.5
1.5
3
1.5
3
2.5
2.5
Rj
16
22
Q3
1.5
1
1
1.5
1
1.5
1.5
1
10
Y.j
6
6
6
6
6
6
6
6
Y.. = 48
Fr =
k
12
12
R 2j 3N ( k + 1 ) =
162 + 222 + 102 3x8(3+1)
8x3(3+1)
Nk ( k + 1) j =1
Fr =
12
( 840 ) 96 = 9.0
96
Tabla de Ji-cuadrado:
. ; 22,0.01 = 921
.
(2k1), = 22,0.05 = 599
DECISIN:
Como Fr = 9.0 > 22 ,0.01 = 9.21 , entonces se rechaza la Ho:, encontrndose una
diferencia estadstica altamente significativa entre los tres tipos de quesos, que se
han experimentado.
Comparaciones Mltiples entre Grupos o Condiciones.
Para probar la significancia de las diferencias de los pares individuales, utilizamos la siguiente desigualdad:
Ru Rv Z k ( k 1 )
Nk ( k + 1 )
6
Ru Rv Z k ( k 1 )
k ( k + 1)
6N
R1 R2 = 16 22 = 6
R1 R 3 = 1 6 1 0 = 6
R 2 R 3 = 22 10 = 12
Debido a que
igual a k ( k 1 )
8x3( 3 + 1 )
Nk ( k + 1 )
= 2.394
= 9.576
6
6
Se realiza la comparacin R 2 R 3 = 22 10 = 12 > 9.576, es decir existe diferencia significativa entre los tipos de quesos elaborados con fermento lctico rpido y el queso elaborado en forma tradicional (testigo).
EJERCICIOS:
1.- La siguiente tabla indica las calificaciones obtenidas por nueve estudiantes de
Medicina Veterinaria y Zootecnia, seleccionadas al azar en los exmenes finales
de tres materias distintas. Probar la hiptesis nula segn la cual los estudiantes de
MVZ que constituyen la poblacin de la cual se extrajo la muestra tienen un
aprovechamiento igual en las tres materias, contra la hiptesis alternativa de que
su aprovechamiento es mejor por lo menos en una de las materias. Sea = 0.05.
Estudiante
1
2
3
4
5
6
7
8
9
MATERIA
Fundamentos Fisiologa
98
95
95
71
76
80
95
81
83
77
99
70
82
80
75
72
88
81
Anatoma
77
79
91
84
80
93
87
81
83
2.- A quince estudiantes de fisioterapia seleccionados al azar se les dieron las siguientes instrucciones: suponga que se van a casar con un persona que tiene
alguna de las siguientes incapacidades (se clasificaron las incapacidades de 1 a
10, de acuerdo con su primera, segunda, tercera (y as sucesivamente) eleccin de
la incapacidad que aceptaran en su cnyuge. Los resultados se muestran en la
siguiente tabla.
N de
estudiante
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
A
1
1
2
1
1
2
2
1
1
2
2
2
3
2
2
B
3
4
3
4
4
3
4
5
4
3
4
3
2
5
3
C
5
5
7
7
7
7
6
7
5
6
5
6
6
7
6
D
9
7
8
8
8
9
9
9
7
8
8
8
9
8
7
INCAPACIDAD
E
F
8
2
8
2
9
1
9
2
10
2
8
1
8
1
10
2
8
2
9
1
9
1
10
1
8
1
9
1
8
1
G
4
3
4
3
3
4
3
3
3
4
3
4
4
3
5
H
6
6
6
6
6
5
7
4
6
7
7
5
7
4
4
I
7
9
5
5
5
6
5
6
9
5
6
7
5
6
9
J
10
10
10
10
9
10
10
8
10
10
10
9
10
10
10
Hospital
1
2
3
4
5
A
7.56
9.98
7.23
8.22
7.59
MTODOS
B
9.68
9.69
10.49
8.55
8.30
C
11.65
10.69
11.77
10.72
12.36
Despus de eliminar los efectos propios del hospital, sugieren estos datos una
diferencia entre los mtodos en el tiempo medio empleado para servir la comida?
Sea = 0.05. Calcula de prueba de Friedman.
4.- Diecisis individuos con sobrepeso participaron en un anlisis para comparar
cuatro dietas para reduccin de peso. Los individuos formaron grupos de acuerdo
con el peso inicial y a cada uno de los cuatro sujetos de cada grupo se le asign, al
azar, una de las cuatro dietas de reduccin de peso. Al terminar el perodo experimental se consider la prdida de peso en libras como sigue:
RGIMEN
A
12
15
15
18
B
26
29
27
38
C
24
23
25
33
D
23
25
24
31
Despus de eliminar las diferencias debidas al peso inicial, estos datos proporcionan suficiente evidencia para indicar una diferencia en los efectos de la dieta?
Sea = 0.05. Calcula de prueba de Friedman.
5.- Un equipo de remotivacin en un hospital psiquitrico efectu un experimento
para comparar cinco mtodos para remotivar a los pacientes. Estos ltimos se
agruparon de acuerdo con el nivel inicial de motivacin. A cada paciente de los
cinco grupos se le asign, al azar, uno de los cinco mtodos. Al final del periodo
experimental, un equipo, formado con un psiquiatra, un psiclogo, una enfermera y un trabajador social, evalu a los pacientes. Ningn miembro del equipo
supo el mtodo asignado a cada paciente. El equipo asign a cada paciente una
calificacin como medida de su nivel de motivacin. Los resultados son los siguientes:
Nivel incial
de motivacin
Nulo
Muy bajo
Bajo
Promedio
A
58
62
67
70
MTODO DE REMOTIVACIN
B
C
D
68
60
68
70
65
80
78
68
81
81
70
89
E
64
69
70
74
Enfermera
A
B
C
D
1
2
Tratamientos
3
4
1
8.4
9.4
9.8
12.2
2
12.8
15.2
12.9
14.4
3
9.6
9.1
11.2
9.8
Individuos
4
5
9.8
8.4
8.8
8.2
9.9
8.5
12.0
8.5
6
8.6
9.9
9.8
10.9
7
8.9
9.0
9.2
10.4
8
7.9
8.1
8.2
10.0
= mediana de la
H 0 : 1 = 2 =L = k
- La hiptesis alterna debe plantearse de la siguiente manera:
H a : 1 2 L k
Estadstica No Paramtrica Aplicada a la Ganadera - 113 - Las medianas se encuentran ordenadas por magnitud.
- Si la hiptesis alterna es verdadera, al menos una de las diferencias es una
desigualdad estricta (<).
- El investigador debe ser capaz de especificar el orden de los grupos (medidas o
condiciones) a priori.
- Para aplicar la prueba de Page, los datos de las k muestras o medidas deben
encontrarse al menos en escala ordinal.
- Existen N casos o conjuntos de observaciones. Como en el anlisis de varianza
bifactorial por rangos de Friedman, si las k muestras son igualadas, la igualacin se logra al obtener N conjuntos de k sujetos igualados y asignar
aleatoriamente a cada uno de los sujetos en cada una de las k condiciones.
MTODO:
- Para aplicar la prueba de Page para alternativas ordenadas, el investigador debe
especificar primero el ordenamiento, a priori, de los grupos.
- Los datos se colocan en una tabla de doble entrada con N renglones (sujetos) y
k columnas (condiciones o variables).
- Los renglones representan los sujetos o conjuntos de sujetos igualdos, y las
columnas representan las k condiciones (grupos o medidas).
- Los datos para la prueba de Page son rangos.
- Las puntuaciones en cada rengln se ordenan por separado y varan de 1 a k.
- La hiptesis nula consiste en que el rango promedio en cada una de las columnas es el mismo.
- La hiptesis alterna es que el rango se incrementa a lo largo de los grupos del 1
al k.
- Se utilizan los rangos totales R j para los j-grupos. Para realizar la prueba, se
calcula el etadstico L.:
k
Nk ( k + 1 )2
,
4
2L =
Nk 2 ( k 2 1 )2
144( k 1 )
As, para evaluar la hiptesis Ho: de que las medianas son iguales, contra la
hiptesis de que las medianas estn ordenadas, debemos calcular el estadstico
ZL :
ZL =
12 L 3 Nk ( k + 1 )2
k ( k 2 1)
k 1
N
Seguidamente calculamos L:
9
L = jRj = 26+ 2(21) + 3(14) + 4(19) +5( 29) + 6( 31) + 7(40) +8(50) + 9( 40) = 1557
j=1
5
EL CASO DE K-MUESTRAS INDEPENDIENTES
5.1. PRUEBA JI-CUADRADA PARA K-MUESTRAS INDEPENDIENTES.
- Cuando los datos experimentales consisten en frecuencias en categoras discretas (nominales o categricos y, en ocasiones, ordinales), se puede utilizar la
prueba Ji-cuadrada para evaluar la significacin de las diferencias entre k
grupos independientes.
- La prueba Ji-cuadrada para k muestras o grupos independientes es una extensin de la prueba Ji-cuadrada para dos muestras independientes, presentada
anteriormente.
- La prueba Ji-cuadrada es similar tanto para dos como para k muestras o
grupos independientes.
MTODO:
- Para aplicar la prueba Ji-cuadrada, primero debemos presentar los datos (frecuencias) en una tabla rxk, donde los datos en cada columna corresponden a las
frecuencias en cada una de las r categoras de respuesta para cada uno de los
k grupos o muestras diferentes.
- Determine la frecuencia esperada segn Ho: para cada celdilla encontrando el
producto de los totales marginales comunes a la celdilla y dividiendo este producto entre N. Es decir, encuentre las frecuencias esperadas eij = i j N (N es
la sumatoria de cada uno de los totales marginales y representa el nmero total
de observaciones independientes. Cuando se inflan los valores de N debido a
mltiples observaciones de cada sujeto, esto invalida la prueba). Si las frecuencias esperadas son pequeas, combine categoras.
d e i
=
ij
2
c
ij
eij
i =1 j =1
i j
N
=
2
c
i =1 j =1
ij2
eij
(2r 1 )( k 1 )
Donde:
i.
.j
..
r = nmero de filas.
k = nmero de columnas.
- Determine los grados de libertad gl = (r - 1)(k - 1)
- Determine la significacin de la 2c observada recurriendo a la tabla de valores
crticos de la prueba Ji-cuadrada (Anexo, C). Si la probabilidad para el valor
observado de 2c con un valor particular de grados de libertad (el que corresponda) es menor o igual que , rechace la hiptesis nula en favor de Ha:
Cundo utilizar la prueba Ji-cuadrada
- La Ji-cuadrada requiere que las frecuencias esperadas eij en cada celdilla no
sean demasiado pequeas.
- Cuando se viola este requisito, los resultados de la prueba no pueden ser interpretados porque la distribucin 2c no est bien aproximada a la distribucin
de la Ji-cuadrada de la Tabla de valores crticos de Ji-cuadrada (Anexo, C).
- Cochran (1954) recomienda que en pruebas de Ji-cuadrada donde los grados de
libertad son mayores que uno (gl>1) (esto es, que r k sean mayores que dos), el
nmero de celdillas que presenten frecuencias esperadas menores que cinco (eij
<5), no debe ser mayor del 20% y ninguna celdilla debe presentar frecuencias
esperadas menores que uno (eij <1).
Estadstica No Paramtrica Aplicada a la Ganadera - 119 - Si los requisitos no son cubiertos por los datos de acuerdo con la forma en que se
recolectaron y no fue posible contar con una muestra grande, el investigador
debe combinar categoras para incrementar las eij en varias celdillas.
- Despus de combinar las categoras y despus de que menos del 20% de las
celdillas tengan frecuencias esperadas menores que cinco, y ninguna celdilla
tenga una frecuencia esperada menor que uno, el investigador puede interpretar
tilmente los resultados de la prueba Ji-cuadrada.
- La combinacin de las categoras debe realizarse juiciosamente, esto es, los
resultados de la prueba estadstica pueden no ser interpretados si las categoras
han sido combinadas caprichosamente.
- Las categoras que son combinadas deben tener alguna propiedad en comn o
identificacin mutua, por si la interpretacin del resultado de la prueba, despupes
de haber combinado los renglones o columnas, tiene cierta utilidad.
- El investigador debe ser precavido contra la necesidad de combinar categoras
si se utiliza una muestra suficientemente grande.
- La prueba Ji-cuadrada es insensible a los efectos de orden, as, cuando se ordenan las categoras de respuesta o los grupos (o ambos), la prueba Ji-cuadrada
puede no ser la mejor.
- Cochran (1954) ha presentado mtodos que fortalecen la prueba Ji-cuadrada
comn cuando Ho: es verdadera contra alternativas especficas.
- Finalmente, debe notarse que la prueba Ji-cuadrada es aplicada a frecuencias.
- No es correcto emplear porcentajes o cualquier otra transformacin de los datos
al aplicar la prueba de Ji-cuadrada.
EJEMPLO:
Un grupo de investigadores, al estudiar la relacin entre el tipo sanguneo y la
severidad de una afeccin en la poblacin, reuni los datos de 1500 personas, los
cuales se presentan en la tabla de contingencia. Los investigadores desean saber si
estos datos son compatibles con la hiptesis de que el grado de la afeccin y el tipo
sanguneo son independientes. La informacin se presenta a continuacin:
1500 individuos clasificados segn la severidad de su condicin y tipo de sangre
Severidad
TIPODESANGRE
de la condicin
TOTAL
A
B
AB
O
AUSENTE
543
211
90
476
1320
MODERADA
44
22
8
31
105
SEVERA
28
9
7
31
75
TOTAL
615
242
105
538
1500
2c
d
=
r
i =1 j =1
ij
eij
eij
(2r 1 )( k 1 )
2c =
Para ejecutar el programa, se solicita en el men principal la opcin RUN > ALL
y clic, es decir ejecutar el programa y seleccionar toda las sentencias.
SEVERIDAD
Ausente
Moderada
Severa
Total
A
543
44
28
615
Tipo de sangre
B
AB
211
90
22
8
9
7
242
105
O
476
31
31
538
Total
1320
105
75
1500
Chi-Square Tests
Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear
Association
N of Valid Cases
Value
5.116a
5.060
.216
6
6
Asymp.
Sig.
(2-sided)
.529
.536
.642
df
1500
EJERCICIOS:
1. En estudio de asociacin entre color de ojos y de cabello se obtuvieron los
siguientes datos:
Color de ojos
Azules
Grieses
Castaos
Avellanos
TOTAL
Rubio
60
20
10
10
100
Color de cabello
Castao Negro
40
60
50
20
50
10
160
10
300
100
Rojo
40
10
30
20
100
Total
200
100
100
200
600
Estadstica No Paramtrica Aplicada a la Ganadera - 123 que las clasificaciones de satisfaccin son dependientes de las categoras del
empleo a un nivel de 0.05?.
Clas ific ac in
A LTA
M E DIA
B A JA
TO TA L
I
40
103
57
200
II
60
87
53
200
III
52
82
66
200
IV
48
88
64
200
Total
200
360
240
800
2c = 8 .7 3
3. Se clasific en forma cruzada una muestra de 250 mdicos de acuerdo con su
especialidad y con la zona de la comunidad en que trabajaban. Los resultados
fueron los siguientes:
Zona de la
comundad
Norte
Sur
Este
Oeste
Total
A
20
6
4
10
40
ESPECIALIDAD
B
C
18
12
22
15
6
14
19
23
65
64
D
17
13
11
40
81
Total
67
56
35
92
250
1
n11
n21
2
n12
n22
k
n1k
n2k
....
....
....
- Utilizando los datos de la tabla que se ha formado, calcule el valor de 2c mediante la siguiente ecuacin:
d
=
2
2
c
ij
i =1 j =1
eij
eij
con gl . = k 1 , =
2
c
ij2
e
i =1 j =1
ij
Donde:
e ij
Estadstica No Paramtrica Aplicada a la Ganadera - 125 asociada dada por los valores tan grandes como la 2c observada es igual o
menor que , rechace la Ho: en favor de la Ha: El procedimiento de clculo
para esta prueba es exactamente el mismo que para la Ji-cuadrada para k-muestras independientes, que se se desarrolla en temas anteriores.
EJEMPLO:
Se realiz en el CIP-Chuquibambilla durante los meses de octubre 1991 a agosto
de 1992, la induccin de celo, para lo cual se us los agentes estimuladores en
borregas: con cras (G1) tratados con Acetato de Melengestrol (MGA), sin cra
(G2) tratados con Acetato de Melengestrol, con cra (G3) con retajo y con cra
(G4) sin recibir ningn estmulo (control), todo los grupos tenan pesos vivos
homogneos. La informacin corresponde a los pesos vivos (kg) de borregas que
estn en celo en los diferentes grupos en estudio.
N r o. d e bor r e g a s e n c elo q u e e st n c on el a g en te
N d e B or r eg a s
G1
G2
1
26
25
2
40
32
3
28
28
4
24
30
5
33
34
6
25
29
7
29
29
8
38
31
9
24
32
30
10
25
11
28
12
28
13
30
estim u la d or .
G3
G4
26
24
28
30
28
28
24
26
27
25
29
27
31
25
26
30
32
28
30
d
=
2
2
c
i =1 j =1
ij
eij
eij
con gl . = k 1
Estadstica No Paramtrica Aplicada a la Ganadera - 127 En tercer lugar, presentar en una tabla de contingencia de 2x4, con los nmeros
en el cuerpo de la tabla representando las frecuencias de signos de ms (+)
(puntuaciones por arriba de la mediana) y signos de menos (-) (puntuaciones
por debajo de la mediana) en cada uno de los 4 grupos, de la siguiente forma:
G1
5
8
13
eij
5.88
7.12
G2
8
2
10
GRUPOS
eij
G3
4.52 3
5.48 6
9
eij
4.07
4.93
G4
3
7
10
eij TOTAL
4.52
19
5.48
23
42
2c =
ij
eij
i=1 j=1
ij
5.88
4.52
4.07
5.48
Con gl. = k - 1 = 4 - 1 = 3.
Observamos que las frecuencias esperadas son menores que 5, entonces se
recomienda realizar la combinacin de los grupos (G3 y G4), y realizar
nuevamente los clculos de la 2c observado de la siguiente forma:
GRUPOS
G2 eij (G3 y G4) eij TOTAL
8 4.52
6
8.6
19
2 5.48
13
10.4
23
42
10
19
eij
5.88
7.12
2c =
i=1 j=1
G1
5
8
13
ij
ij
eij
5.88
4.52
8.60
10.4
1
Y11
Y21
Y31
....
....
....
Yn1
Donde
2
Y12
Y22
Y32
....
....
....
Yn2
GRUPO
3
Y13
Y23
Y33
....
....
....
Yn3
....
....
....
....
....
....
....
....
k
Y1K
Y2K
Y3K
....
....
....
Ynk
Estadstica No Paramtrica Aplicada a la Ganadera - 129 La prueba de Kruskal-Wallis, evala la diferencia entre los rangos promedios
para determinar si son lo suficientemente dispares, de tal forma que no hayan sido
extrados de la misma poblacin. Existen dos formas para calcular la prueba de
Kruskal-Wallis (KW).
LM
N
d i
OP
Q
2
12 k
12 k 2
KW=
nj Rj R o KW=
njRj 3( N+1)
N( N+1) j=1
N( N+1) j=1
Donde:
k = Nmero de muestras o grupos.
n = Nmero de casos en la j-sima muestra
j
N = Nmero de casos en la muestra combinada (suma de n)
R = Sumatoria de los rangos en la j-sima muestra o grupo.
j
H0 : 1 = 2 =L = g
1. Hiptesis:
Ha : g g'
g g'
L 12 n R OP 3( N +1)
KW = M
,
N N( N +1) Q
j=1
R2j
2
j
j =1
= nj Rj2
j =1
Fc > FglNumerador
, entonces se rechaza la Ho:
error ,
Fc FglNumerador
, entonces se acepta la Ho:
error ,
6. CONCLUSIN: Se puede concluir comparando KW con
2gl , (Ji-cuadrado
nj
I
17
20
40
31
35
5
GRUPO
II
8
7
9
8
III
2
5
4
3
Rj
nj
I
9
10
13
11
12
R1 =55
5
GRUPO(Rangos)
II
6.5
5
8
6.5
III
1
4
3
2
R2 =26
4
R3 = 10
4
N= 13
SOLUCIN:
1: Hiptesis: Ho: Las distribuciones de las poblaciones son idnticas.
Ha: Al menos una de las poblaciones tiende a mostrar valores mayores que, cuando menos, una de las otras poblaciones.
2. Nivel de significancia: = 0.05
3. Estadstica de prueba (La escala de medicin a utilizarse es, al menos ordinal).
Las muestras son aleatorias e independientes, y fueron extradas de sus respectivas poblaciones.
2
j
j =1
= 10.68131868
5. Regin de rechazo: Si KW = 10.68 > 22 ,0.05 = 7.7604 , entonces rechazamos
la hiptesis nula y se acepta la Ha:.
6. CONCLUSIN: Como KW = 10.68 > 22 ,0.05 = 7.7604 , entonces al menos una
de las poblaciones tiende a mostrar valores mayores que, cuando menos, una
de las otras poblaciones.
CORRECCIN PARA LOS EMPATES
Para realizar la correccin de los empates, debemos determinar cuntos grupos
de empate hay y cuntas puntuaciones se encuentran empatadas en cada grupo. Se
usar la siguiente frmula:
g
(t
i =1
3
i
ti )
N3 N
En nuestro ejemplo, se tiene un grupo (Grupo II) y existen dos puntuaciones con
6.5 y 6.5, entonces g = 1.
23 2
6
= 1
= 0.9972527
3
13 13
2184
KWcorr. =
KW
1068
.
=
= 10709
.
~ 10.71
6
09972527
.
1
2184
k R
12
j
= KW =
3( N + 1 )
N ( N + 1 ) j =1 n j
123
2
c
nj Rj
j =1
Otra forma de realizar la prueba de Kruskal-Wallis, es la aproximacin a la prueba estadstica de F, es decir, se realiza como un diseo completamente al azar.
MTODO AUTOMATIZADO PARA LA PRUEBA DE KRUSKA-WALLIS
Con el uso del paquete estadstico SPSS, se puede comprobar los resultados encontrados anteriormente, para esto simplemente ingrese la informacin en la hoja
del SPSS codificando los dos grupos en forma ordenada, tal como se presenta a
continuacin:
Estadstica No Paramtrica Aplicada a la Ganadera - 133 Una vez presionado el botn izquierdo, aparece el siguiente caja de dilogo, tal
como se puede ver a continuacin:
TIEMPO
GRUPO
1
2
3
Total
Test Statistics
N
5
4
4
13
Mean
Rank
11.00
6.50
2.50
Chi-Square
df
Asymp. Sig.
a,b
TIEMPO
10.711
2
.005
8
2.5
2.4
3.0
1.5
SOLUCIN:
1. Hiptesis estadstica:
Ho: No hay diferencia en los pesos de nacimiento promedio de cerdos de
diferentes tamaos de camada.
Ha: Los pesos de nacimiento promedio de cerdos de diferentes tamapos de
camada no son todos iguales.
2. Nivel de significacin: = 0.05 y N = 56, el nmero total de cerdos recin
nacidos en estudio.
3. Prueba Estadstica: Puesto que las ocho camadas son idenpendies, es apropiada una prueba estadstica para k muestras independientes. Aunque la medida de peso en libras est en una escala de proporcin, escogemos el anlisis de
varianza de una clasificacin no paramtrica en vez de la prueba paramtrica
equivalente a fin de evitar hacer la suposiciones concernientes a la normalidad y homogeneidad de la varianza asociadas con la prueba paramtrica F e
incrementar la generalidad de nuestras hallazgos.
4. Distribucin muestras: Calculada con la siguiente ecuacin:
2
2c = KW =
k R
12
j
3( N + 1 )
N ( N + 1 ) j =1 n j
123
k
nj Rj
j =1
Estadstica No Paramtrica Aplicada a la Ganadera - 135 de Valores crticos de Ji-cuadrada (Anexo, C).
5. Clculo de la prueba estadstica:
Rangos de pesos de nacimiento de ocho camadas de cerdos
CAMADAS
1
Ri
2
Ri
3
Ri
4
Ri
5
1.1 1.0 1.6 5.0 2.6 23.0 2.5 18.5 2.0
1.9 6.0 2.0 8.5 2.9 31.5 2.6 23.0 2.0
2.0 8.5 2.3 14.0 3.1 36.0 2.8 27.5 2.1
2.8 27.5 2.4 15.5 3.2 41.0 2.9 31.5 2.6
2.8 27.5 2.8 27.5 3.2 41.0 3.2 41.0 2.6
3.2 41.0 3.2 41.0 3.2 41.0 3.2 41.0 2.9
3.3 47.5 3.5 52.5 3.3 47.5 3.3 47.5
3.3 47.5 3.5 52.5 3.3 47.5 3.3 47.5
3.6 54.5
3.4 51.0
4.4 56.0
3.6 54.5
R1 = 317.0 R2 = 216.5 R3 = 414.0 R4 = 277.5 R5 =
Ri
8.5
8.5
11.0
23.0
23.0
31.5
6
2.5
2.9
3.1
3.1
Ri
18.5
31.5
36.0
36.0
7
1.2
1.2
2.2
2.2
2.5
2.6
Ri
2.5
2.5
12.5
12.5
18.5
23.0
8
Ri
1.5 4.0
2.4 15.5
2.5 18.5
3.0 34.0
R8 = 72.0
Con los datos de la tabla anterior, podemos calcular el valor de KW sin corregir
el efecto de las ligas con la ecucin siguiente:
2c = KW =
LM
N
OP
Q
k R2
(317)2 (216.5)2
(72)2
12
12
j
3( N +1) =
+
+L+
3(56+1) =18.464
8
4
56(56+1) 10
N( N +1) j=1 nj
2
6
4
60
2
6
2
6
4
60
5
120
4
60
4
60
3
24
7
6
336 210
2
6
2
6
Obsrvese que para cualquier valor particular de t, el valor de T es una constante. Ahora, usando la frmula siguiente, podemos calcular la correccin total
por ligas (empates):
N N
3
= 1
(6 + 60 + 6 + 6 + 60+L+6 + 6)
= 0.9945
( 56 )3 56
KW =
k
Rj
12
3( N + 1) ,
N ( N + 1 ) j =1 n j
es el numera-
dor. De este modo, necesitamos solamente hacer una operacin adicional para
obtener el valor KW, corregido el efecto de las ligas (empates) es:
2
KW =
k
Rj
12
3( N + 1 )
N ( N + 1 ) j =1 n j
18.464
= 18.566
0.9945
N3 N
11
9
10
13
11
5
Tiempo (min)
9
14
10
8
8
6
15
12
10
13
6
Probar que las diferencias en las dosificaciones tienen efecto real en los tiempos
medios necesarios para dormirse en las poblaciones de donde proceden. Use un
nivel de significacin de 0.05.
Estadstica No Paramtrica Aplicada a la Ganadera - 137 2.- La siguiente tabla indica los niveles del residuo de plaguicida (ppb) en muestras
de sangre extradas de cuatro grupos de personas. Utilizar la prueba de KruskalWallis para probar, a un nivel de significacin de 0.05, la hiptesis nula de que
no existe diferencia entre los grupos con respecto al nivel medio de residuos de
plaguicidas.
A 10
B 4
Poblacin
C 15
D 7
37
35
5
11
12
32
10
10
31
19
12
8
11
33
6
2
9
18
6
5
44
11
9
4
12
7
11
5
15
32
9
2
42
17
14
6
23
8
15
3
3.- Los siguientes valores corresponden a los gastos diarios promedio de pacientes hospitali-
REA
I
II
II
$80.75
$58.63
$84.21
78.15
72.70
101.76
85.40
64.20
107.74
71.94
62.50
115.30
82.05
63.24
126.15
Con un nivel de significacin de 0.05. es posible concluir que los grupos difieren con
respecto a los gastos diarios promedios?
4.- En un anlisis sobre los efectos de la glucosa en la liberacin de insulina a varias muestras
del tejido pancretico de animales experimentales, se les asign aleatoriamente un tratamiento con uno de los cinco estimulantes diferentes. Posteriormente, se determin el total
de insulina liberada. Los experimentadores queran saber si es posible concluir que hay
una diferencia entre los cinco traamientos con respecto a la cantidad media de insulina
liberada y aplicar la prueba de Kruskal-Wallis. Comparar los resultados con aquellos que
se obtienen cuando se utiliza la prueba F.
T1
1.53
1.61
3.75
2.89
3.26
TOTAL
13.04
ESTIMULANTE
T2
T3
T4
3.15
3.89
8.18
3.96
3.68
5.64
3.59
5.70
7.36
1.89
5.62
5.33
1.45
5.79
8.82
1.56
5.33
5.26
7.10
15.60
30.01
47.69
T5
5.86
5.46
5.69
6.49
7.81
9.03
7.49
8.98
56.81
5.- Se desea saber si cuatro tratamientos para la inflamacin de coyunturas difieren en cuanto
a efectividad. Cuatro grupos de pacientes se sometieron a los diferentes tratamientos. Al
final de un periodo determinado, cada grupo fue sometido a una prueba para cuantificar la
efectividad del tratamiento. Se obtuvieron los siguientes puntajes:
1
64
88
72
80
79
71
4
95
90
80
87
88
85
A
14.29
19.10
19.09
16.25
15.09
16.61
19.63
Mtodo de empaque
B
20.06
20.64
18.00
19.56
19.47
19.07
18.38
C
20.04
26.23
22.74
24.04
23.37
25.02
23.27
ESTMULO
16 14 14 13 13 12 12 17 17 17 19 14 15 20
II
III 8
10
10
10
11 11
10
Proporcionan estos datos la suficiente evidencia paar indicar una diferencia real entre
las medias de las poblaciones?. Aplicar la prueba de Kruskal-Wallis al nivel de significacin
= 0.05.
8. Tres mdicos desean comparar el tiempo de convalescencia de sus pacientes hospitalizados
despus de una intervencin quirrgica menor sin complicaciones. Se eligi una muestra
de ocho registros de los archivos de cada mdido y se observaron los siguientes tiempos de
convalescencia.
4
4
5
5
5
3
5
4
3
4
3
3
6
4
3
6
5
3
4
3
4
5
3
5
1
279
338
334
198
303
Experimento
2
3
378
172
275
335
412
335
265
282
286
250
4
381
346
340
471
318
10. Un grupo de investigadores desea comparar cuatro programas de aptitud fsica diseados
para directivos. A cada miembro de un conjunto de treinta directos se le asign
aleatoriamente uno de los cuatro programas. La siguiente tabla muestra la diferencia entre
las puntuaciones de la condicin fsica obtenidas por cada uno de los directivos, antes y
despus de participar en el programa.
A
13
24
19
18
9
21
17
22
24
P R O GR A M A S
B
C
11
12
13
19
20
9
14
14
11
21
21
7
14
6
8
D
22
26
22
22
26
19
6
MEDIDAS DE ASOCIACIN Y SUS PRUEBAS DE
SIGNIFICACIN
6.1. EL COEFICIENTE DE C DE Cramr
FUNCIN:
- El coeficiente C de Cramr es una medida del grado de asociacin o relacin
entre dos series de atributos o variables.
- Se usa nicamente cuando tenemos slo informacin categrica (escala nominal) acerca de uno o de ambos conjuntos de atributos o variables.
- Se emplea cuando la informacin acerca de los atributos consiste en una serie
no ordenada de categoras.
- Para el uso del coeficiente de Cramr, no es necesario suponer continuidad
subyacente para las diferentes categoras usadas al medir uno o ambos conjuntos de atributos.
- No se necesita siquiera ser capaces de ordenar las categoras en alguna forma
particular.
- El coeficiente de Cramr, al ser calculado de una tabla de contingencia, proporciona los mismos valores sin considerar cmo fueron ordenadas las categoras
en las filas y columnas.
MTODO:
- Arregle las frecuencias observadas en una tabla de contingencia de rxh, donde
r es el nmero de categoras en las cuales se clasifica una variable y k es el
nmero de categoras en las cuales se clasifica la otra variable.
- Determine la frecuencia esperada segn Ho: para cada celda, al multiplicar los
Estadstica No Paramtrica Aplicada a la Ganadera - 141 datos totales marginales comunes a esa celda y dividiendo despus este producto por el nmero total de casos N. Es decir, para cada celda en la tabla de
contingencia calcule:
d
=
r
2
c
i =1 j =1
ij
eij
eij
ij2
= N ~ (2r1)( k1)
i=1 j=1 eij
2
c
C=
2c
N (L - 1)
Total
345
149
322
816
339( 345 )
= 143.33
816
e31 =
265( 345 )
= 112.04
816
e12 =
339( 149 )
= 61.90
816
e32 =
265( 149 )
= 48.39
816
e13 =
339( 322 )
= 133.77
816
e33 =
265( 322 )
= 104.57
816
e21 =
212( 345 )
= 89 .63
816
e22 =
212( 149 )
= 38.71
816
e23 =
212( 322 )
= 83.66 ,
816
Condicin de la vaca
Gestantes Probadas
Gestantes sospechosas
Vacas probadas
Total
Tipo de alimentacin
Alfalfa Pasto Natural Conc. + Pasto natural
143.33
89.63
112.04
61.90
38.71
48.39
133.77
83.66
104.57
339.00
212.00
265.00
Total
345.00
149.00
322.00
816.00
Estadstica No Paramtrica Aplicada a la Ganadera - 143 b. Estimacin de chi cuadrado: Para facilitar el clculo se prepara una matriz
como:
Categoras
Gestante prob. con alfalfa
Gestante prob. con past. natur.
Gestante prob. con conc.+ pastos nat.
Gestante sospechosa con alfalfa
Gest. sospech. con pastos nat.
Gest. Sospech. con conc.+Pastos nat.
Vaca con alfalfa
Vaca con pasto natural
Vaca con conc. + pasto natural
Oi
52
119
174
47
46
56
240
47
35
= 212 .46
= + 212 .48
dif. = 0.02
C=
2c
C=
N (L - 1)
254.9496
2c
=
= 0.395
816( 3 1 )
N( L 1
A medida que las discrepancias o diferencias entre los valores esperados y los
observados se incremente, mayor ser la relacin o asociacin entre las dos
variables, luego mayor tambin ser el valor de C
d. Decisin: Hay una ligera asociacin, es decir a mejor calidad alimenticia menor
fertilidad en vacas y viceversa. Nota: aparentemente en ste ejemplo la calidad
del alimento induce a una menor fertilidad; sin embargo sera necesario analizar
cul es el alimento de mejor calidad, en ste caso es la alfalfa, y como es sabido
la alfalfa en su constitucin tiene fitoestrgenos que inhiben la concepcin,
motivo por el cual para empadrar vacas pastoreados en alfalfa es necesario
quitarles del alfalfar un mes antes de realizar el empadre, para no tener ste
problema de infertilidad. Si la 2c para el estadstico de la muestra es
significativo, entonces podemos concluir que en la poblacin la asociacin entre
las dos series de atributos no es cero, esto es, que los atributos o las variables no
son independientes.
2
i
entonces una expresin general para el coeficiente de correlacin productomomento de Pearson es:
r =
xy
x2 y2
en el cual las sumas estn sobre los valores de N en la muestra. Ahora cuando las
X y las Y son rangos, r = r. Conociendo que los datos que estn en rangos,
podemos simplificar la ecuacin anterior para obtener la expresin siguiente para
el coeficiente de correlacin de Spearman de rangos ordenados:
rs =
x 2 + y 2 di2
2 x2 y2
rs = 1
6 di2
i =1
N3 N
x 2 + y 2 di2
2 x2 y2
a la forma proporcionada
en la ecuacin rs = 1
6 di2
i =1
N3 N
rs =
(N 3 - N) - 6 d 2 (Tx + Ty ) 2
(N 3 - N) 2 - (Tx + Ty )(N 3 - N) + Tx Ty
6 d i2
i =1
N3 N
rs = 1
6 di2
i =1
N3 N
<
N3 N
. Por tanto, es necesario corregir la suma de cuadrados, teniendo en
12
Tx = (t 3i - t i )
i =1
N 3 N Tx
12
rs =
x 2 + y 2 d i2
2 x2 y2
o rs =
PRUEBA DE SIGNIFICACIN DE rs
Si los sujetos cuyas puntuaciones se emplean para calcular rs fueron elegidos
aleatoriamente de una poblacin, podemos usar esas puntuaciones para determinar
si las dos variables estn asociadas en la poblacin. Esto es, podemos probar la
hiptesis nula de que las dos variables en estudio no estn asociadas (esto es, son
independientes) en la poblacin y el valor observado de rs difiere de cero slo al
azar. As, podemos probar la hiptesis Ho: no existe asociacin entre X y Y,
contra la hiptesis Ha: existe asociacin entre X y Y (una prueba bidireccional) o
Ha: existe una asociacin positiva (o negativa) entre X y Y (una prueba
unidireccional). Puede notarse notarse que no hemos especificado las dos hiptesis
como Ho: s = 0 contra Ha: s 0 debido a que no es probable el caso en el cual
las variables estn normalmente distribuidas, s = 0 no necesariamente significa
que las variables son independientes, mientras que si son independientes, entonces
Fertilidad
1975 (X) 1976 (Y)
55
62
62
57
46
55
70
65
58
62
65
66
60
66
64
60
71
68
68
72
62
65
59
60
60
58
55
60
62
70
58
66
Total
R A N GO S
1975 (X)
14.5
7
16
2
12.5
4
9.5
5
1
3
7
11
9.5
14.5
7
12.5
1976 (Y)
9.5
15
16
7.5
9.5
5
5
12
3
1
7.5
12
14
12
2
5
diferencia de Rangos (X - Y)
di=(X - Y)
5
-8
0
-5.5
3
-1
4.5
-7
-2
2
-0.5
-1
-4.5
2.5
5
7.5
di
25.00
64.00
0.00
30.25
9.00
1.00
20.25
49.00
4.00
4.00
0.25
1.00
20.25
6.25
25.00
56.25
315.50
Orden
9
60
10
Promedio
9 + 10
x=
= 9 .5
2
Orden
6
7
8
Promedio
6+ 7 +8
x=
=7
3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
1975(X)
OBSERV.
71
70
68
65
64
62
62
62
60
60
59
58
58
55
55
46
Orden
1
2
3
4
5
7
6+7+8
=7
7 x=
3
7
9.5 9+10
=95
x=
.
2
9.5
11
12.5 x =12+13=125.
2
12.5
14.5 14+15
=145
.
x=
2
14.5
16
U|
V|
W
UV
W
UV
W
UV
W
1976(Y)
OBSERV. Orden
72
1
70
2
68
3
66
5
4+5+6
=5
66
5 x=
3
66
5
65
7.5 x = 7+8 =75
.
2
65
7.5
9+10
62
9.5
x=
.
= 95
2
62
9.5
60
12
11+12+13
=12
60
12 x=
3
60
12
58
14
57
15
55
16
U|
V|
W
UV
W
UV
W
U|
V|
W
rs = 1
6di2
i =1
N3 N
= 1
1893
1893
6( 3155
.)
.
1 2
= 1
= 046397
4080
(16 )2 16
(16 1)16
rs = 0.53603
El valor rs = 0.53603 , indica que hay una ligera relacin entre el rango de
fertilidad de 1975 y el de 1976; es decir que majadas o rebaos que tenan
porcentajes ms o menos altos de fert6ilidad en el ao 1975, tambin alcanzan
porcentajes ms o menos altos en 1976, mientras que los rebaos que tuvieron
porcentajes bajos, han mantenido su valor en el ao 1976.
Nota: Cuando en las variables hay muchas observaciones con valores iguales,
la frmula para estimar el coeficiente de correlacin por rangos de Spearman
es:
R| X = N N T
12
, donde S
|| Y = N N T
12
T
3
rs =
X 2 + Y 2 di2
2 X 2 Y2
di2 = 325.5
(16)2 16
4 = 336
12
2
(16) 16
Y2 =
4 = 336 , luego
12
X2 =
336+3363155
. 3565
.
rs =
= =053051
.
2 336336
( ) 672
).
Es otro estadstico que sirve para medir la relacin entre dos variables, donde
los datos estn medidos ordinalmente. Este coeficiente tiene algunas ventajas
sobre la de Spearman como:
a. Posee una distribucin menos severa por lo que es ms suave.
b. Los resultados dan probabilidades exactas y potentes con cada valor de la
estadstica.
c. Este coeficiente tiene mltiples aplicaciones y en situaciones variadas.
d. La distribucin de Kendall es simtrica con media cero y cuanto mayor es
el tamao de la muestra se aproxima a la distribucin normal.
e. Para fines de inferencia, posee una distribucin muestral conocida,
resultando tal medida mucho ms satisfactorio que rs.
f. Entre las ventajas de ste coeficiente es que, es un poco ms laborioso que
el mtodo de clculo de Spearman.
El valor del coeficiente de Kendall oscila entre 1 1 . Cuanto ms
se aproxime a 1, mayor es el grado de relacin entre las variables en
estudio. A mayor asociacin ms se aproximan a +1 1; si ambas
variables crecen positivamente hay relacin positiva y si una variable
decrece y la otra crece hay una relacin inversa y cuando una crece y la
otra no vara, entonces no axiste relacin entre ellas, lo que quiere decir
que se acercan a cero, ( 1 0 1 ). La frmula par estimar
=
es:
s
2s
, =
donde:
1
n( n 1 )
( n )( n 1 )
2
0.5 0.7 0.8 0.8 0.9 1.0 1.0 1.1 1.2 1.2 1.2 1.3 1.4 1.4 1.5
7.5 9.2 6.0 6.5 9.0 10.0 9.0 9.0 8.0 10.1 8.6 9.5 10.5 10.5 10.2
Valores P
12
6
12
11
6
4
5
5
6
3
4
3
1
0
P = 78
P=
P
12
6
12
11
6
4
5
5
6
3
4
3
1
0
78
Q = 23
d. Estimamos la puntuacin de S = P+Q
S = 78 + (-23) = 55
e. Finalmente se estima el coeficiente de Kendall (
2( 55 )
110
=
= 05238
.
15(15 1) 210
Este resultado de = 0.5238, nos indica que hay una relacin moderada positiva
entre peso al nacimiento de lechones (X) y el peso al destete de los mismos (Y).
El coeficiente de correlacin simple (r ) es un nmero el cual cuantifica el
grado de asociacin entre dos variables. As en chanchos a gran porcentaje de
jamn y lomo hay menor porcentaje de grasa en la espalda y viceversa. Los
valores de del coeficiente son: r = +1 = perfecta correlacin positiva (las dos
variables suben), r =-1 = perfecta correlacin negativa (una variable sube y la
otra baja o viceversa), s r = 0 = No hay correlacin o sea no hay grado alguno
de asociacin.
Una correlacin fenotpica entre dos rasgos puede ser til para un criador,
luego si se conoce que dos rasgos estn fuertemente asociados, midiendo
solamente uno de los rasgos se puede conocer el fenotipo para el otro rasgo. La
misma cosa o principio se aplica para estimar la semejanza gentica entre
parientes, donde entre parientes cercanos la correlacin entre genotipos es grande
que para parientes lejanos.
La frmula computacional de r es:
n XY X i Yi
r=
r=
n X ( X )2 n Y 2 ( Y )2
LM
N
( X )( Y )
n
2
X
(
)
( Y )2
X2
Y2
n
n
XY
OPLM
QN
OP
Q
EJEMPLO:
Cul es el coeficiente de correlacin entre las variables peso al nacer (X) y peso
al destete (Y) en corderos de 4 meses de edad? con n = 12.
Y (kg)
12.8
15.0
18.4
17.8
14.9
16.8
15.9
18.0
14.9
15.4
15.0
13.6
X
6.25
23.04
12.96
16.00
13.69
23.04
9.00
15.21
8.41
14.44
9.61
7.29
Y
163.84
225.00
338.56
316.84
222.01
282.24
252.81
324.00
222.01
237.16
225.00
184.96
XY
32.00
72.00
66.24
71.20
55.13
80.64
47.70
70.20
43.21
58.52
46.50
36.72
r=
12(680.06) (42.8)(188.5)
12(158.94)-(42.8)2 12(2994.43)-(188.50)2
= 05343
.
X = 127.400 Y = 1389.000
X = 8.493 Y = 92.600
( Xi Xi )
(Yi Yi )
(Xi Xi )(Yi Yi )
-1.2933
0.5067
0.2067
0.9067
-0.2933
-0.4933
0.0067
-0.9933
1.3067
0.3067
-0.8933
0.0067
0.6067
0.9067
-0.7933
-7.6000
11.4000
1.4000
5.4000
-4.6000
-17.6000
-0.6000
-16.6000
27.4000
-2.6000
-12.6000
-7.6000
7.4000
29.4000
-12.6000
9.8293
5.7760
0.2893
4.8960
1.3493
8.6827
-0.0040
16.4893
35.8027
-0.7973
11.2560
-0.0507
4.4893
26.6560
9.9960
( X i X i )( Yi Yi ) 134.7664
=
= 9.6262
n 1
15 1
r=
XY
( X )( Y )
n
n 1
C ov .( XY )
9.6262
=
= 0.8603 0 .86
SxSy
0.7805(14.3368)
Estadstica No Paramtrica Aplicada a la Ganadera - 159 TABLA A: Probabilidades asociadas con el lado superior de la distribucin normal.
El cuerpo de la tabla proporciona las probabilidades unidireccionales segn Ho: de
Z. Las columnas marginales de la izquierda proporcionan diferentes valores de Z
hasta para un decimal. La fila superior proporciona diferentes valores hasta el segundo lugar decimal. As, por ejemplo, la probabilidad unidireccional para Z 0.11
Z -0.11 es p = 0.4562
Z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4.0
0.00
0.5000
0.4602
0.4207
0.3821
0.3446
0.3085
0.2743
0.2420
0.2119
0.1841
0.1587
0.1357
0.1151
0.0968
0.0808
0.0668
0.0548
0.0446
0.0359
0.0287
0.0228
0.0179
0.0139
0.0107
0.0082
0.0062
0.0047
0.0035
0.0026
0.0019
0.0013
0.0010
0.0007
0.0005
0.0003
0.000230
0.000160
0.000110
0.000070
0.000050
0.000003
0.01
0.4960
0.4562
0.4168
0.3783
0.3409
0.3050
0.2709
0.2389
0.2090
0.1814
0.1562
0.1335
0.1131
0.0951
0.0793
0.0655
0.0537
0.0436
0.0351
0.0281
0.0222
0.0174
0.0136
0.0104
0.0080
0.0060
0.0045
0.0034
0.0025
0.0018
0.0013
0.0009
0.02
0.4920
0.4522
0.4129
0.3745
0.3372
0.3015
0.2676
0.2358
0.2061
0.1788
0.1539
0.1314
0.1112
0.0934
0.0778
0.0643
0.0526
0.0427
0.0344
0.0274
0.0217
0.0170
0.0132
0.0102
0.0078
0.0059
0.0044
0.0033
0.0024
0.0018
0.0013
0.0009
0.03
0.4880
0.4483
0.4090
0.3707
0.3336
0.2981
0.2643
0.2327
0.2033
0.1762
0.1515
0.1292
0.1093
0.0918
0.0764
0.0630
0.0516
0.0418
0.0336
0.0268
0.0212
0.0166
0.0129
0.0099
0.0075
0.0057
0.0043
0.0032
0.0023
0.0017
0.0012
0.0009
0.04
0.4840
0.4443
0.4052
0.3669
0.3300
0.2946
0.2611
0.2296
0.2005
0.1736
0.1492
0.1271
0.1075
0.0901
0.0749
0.0618
0.0505
0.0409
0.0329
0.0262
0.0207
0.0162
0.0125
0.0096
0.0073
0.0050
0.0041
0.0031
0.0023
0.0016
0.0012
0.0008
0.05
0.4801
0.4404
0.4013
0.3632
0.3264
0.2912
0.2578
0.2266
0.1977
0.1711
0.1469
0.1251
0.1056
0.0885
0.0735
0.0606
0.0495
0.0401
0.0322
0.0256
0.0202
0.0158
0.0122
0.0094
0.0071
0.0054
0.0040
0.0030
0.0022
0.0016
0.0011
0.0008
0.06
0.4761
0.4364
0.3974
0.3594
0.3228
0.2877
0.2546
0.2236
0.1949
0.1685
0.1446
0.1230
0.1038
0.0869
0.0721
0.0594
0.0485
0.0392
0.0314
0.0250
0.0197
0.0154
0.0119
0.0091
0.0069
0.0052
0.0039
0.0029
0.0021
0.0015
0.0011
0.0008
0.07
0.4721
0.4325
0.3936
0.3557
0.3192
0.2843
0.2514
0.2206
0.1922
0.1660
0.1423
0.1210
0.1020
0.0853
0.0708
0.0582
0.0475
0.0384
0.0307
0.0244
0.0192
0.0150
0.0116
0.0089
0.0068
0.0051
0.0038
0.0028
0.0021
0.0015
0.0011
0.0008
0.08
0.4681
0.4286
0.3897
0.3520
0.3156
0.2810
0.2483
0.2177
0.1894
0.1635
0.1401
0.1190
0.1003
0.0838
0.0694
0.0571
0.0465
0.0375
0.0301
0.0239
0.0188
0.0146
0.0113
0.0087
0.0066
0.0049
0.0037
0.0027
0.0020
0.0014
0.0010
0.0007
0.09
0.4641
0.4247
0.3859
0.3483
0.3121
0.2776
0.2451
0.2148
0.1867
0.1611
0.1379
0.1170
0.0985
0.0823
0.0681
0.0559
0.0455
0.0367
0.0294
0.0233
0.0183
0.0143
0.0110
0.0084
0.0064
0.0048
0.0036
0.0026
0.0019
0.0014
0.0010
0.0007
Bidireccioanl
Unidireccional
0.30
#C
0.15
1
1.036
2
1.440
3
1.645
4
1.780
5
1.881
6
1.960
7
2.026
8
2.080
9
2.128
10
2.170
11
2.208
12
2.241
15
2.326
21
2.450
28
2.552
#C: Es el nmero de comparaciones .
0.25
0.125
1.150
1.534
1.732
1.863
1.960
2.037
2.100
2.154
2.200
2.241
2.278
2.301
2.394
2.515
2.615
0.20
0.1
1.282
1.645
1.834
1.960
2.054
2.128
2.189
2.241
2.287
2.326
2.362
2.394
2.475
2.593
2.690
0.15
0.075
1.440
1.780
1.960
2.080
2.170
2.241
2.300
2.350
2.394
2.432
2.467
2.498
2.576
2.690
2.785
0.10
0.05
1.645
1.960
2.128
2.241
2.326
2.394
2.450
2.498
2.539
2.576
2.608
2.638
2.713
2.823
2.913
0.05
0.025
1.960
2.241
2.394
2.498
2.576
2.638
2.690
2.734
2.773
2.807
2.838
2.866
2.935
3.038
3.125
Bidireccio
nal
0.05
0.01
1
1.96
2.58
2
2.21
2.79
3
2.35
2.92
4
2.44
3.00
5
2.51
3.06
6
2.57
3.11
7
2.61
3.15
8
2.65
3.19
9
2.69
3.22
10
2.72
3.25
11
2.74
3.27
12
2.77
3.29
15
2.83
3.35
20
2.91
3.42
#C: Es el n mero de comp araciones .
Las entradas bidireccionales s e adaptaron de Dunnet, C.W . (1964).
Las entradas un id ireccion ales s e ad pataron de Gup ta, S.S. (1963).
#C
Un idireccion al
0.05
0.01
1.65
2.33
1.92
2.56
2.06
2.69
2.16
2.77
2.24
2.84
2.29
2.89
2.34
2.94
2.38
2.97
2.42
3.00
2.45
3.03
2.48
3.06
2.50
3.08
2.57
3.14
2.64
3.21
gl
1
2
3
4
5
0.000
0.001
636.61
31.59
12.94
8.610
6.859
6
7
8
9
10
0.718
0.711
0.706
0.703
0.700
0.906
0.896
0.889
0.883
0.879
1.134
1.119
1.108
1.100
1.093
1.440
1.415
1.397
1.383
1.372
1.943
1.895
1.860
1.833
1.812
2.447
2.365
2.306
2.262
2.228
3.1 43
2.9 98
2.8 96
2.8 21
2.7 64
3.707
3.499
3.355
3.250
3.169
5.959
5.405
5.041
4.781
4.587
11
12
13
14
15
0.697
0.695
0.694
0.692
0.691
0.876
0.873
0.870
0.868
0.866
1.088
1.083
1.079
1.076
1.074
1.363
1.356
1.350
1.345
1.341
1.796
1.782
1.771
1.761
1.753
2.201
2.179
2.160
2.145
2.131
2.7 18
2.6 81
2.6 50
2.6 24
2.6 02
3.106
3.055
3.012
2.977
2.947
4.437
4.318
4.221
4.140
4.073
16
17
18
19
20
0.690
0.689
0.688
0.688
0.687
0.866
0.863
0.862
0.861
0.860
1.071
1.069
1.067
1.066
1.064
1.337
1.333
1.330
1.328
1.325
1.746
1.740
1.734
1.729
1.725
2.120
2.110
2.101
2.093
2.086
2.5 84
2.5 67
2.5 52
2.5 40
2.5 28
2.921
2.898
2.878
2.861
2.845
4.015
3.965
3.922
3.883
3.850
21
22
23
24
25
0.686
0.686
0.685
0.685
0.684
0.859
0.858
0.858
0.000
0.856
1.063
1.061
1.060
1.059
1.058
1.323
1.321
1.319
1.318
1.316
1.721
1.717
1.714
1.711
1.708
2.080
2.074
2.069
2.064
2.060
2.5 18
2.5 08
2.5 00
2.4 92
2.4 85
2.831
2.819
2.807
2.797
2.787
3.819
3.792
3.767
3.745
3.725
26
27
28
29
30
0.684
0.684
0.683
0.683
0.683
0.856
0.855
0.855
0.854
0.854
1.058
1.057
1.056
1.055
1.055
1.315
1.314
1.313
1.311
1.310
1.706
1.703
1.701
1.699
1.697
2.056
2.052
2.048
2.045
2.042
0.0 00
2.4 73
2.4 67
2.4 60
2.4 57
2.779
2.771
2.763
2.756
2.750
3.707
3.690
3.674
3.659
3.646
35
40
45
50
55
0.682
0.681
0.680
0.680
0.679
0.853
0.851
0.850
0.849
0.849
1.052
1.050
1.048
1.047
1.047
1.306
1.303
1.301
1.299
1.297
1.690
1.684
1.680
1.676
1.673
2.030
2.021
2.014
2.008
2.004
2.4 38
2.4 23
2.4 12
2.4 03
2.3 96
2.724
2.704
2.690
2.678
2.669
3.591
3.551
3.520
3.496
3.476
60
70
80
0.679
0.678
0.678
0.848
0.847
0.847
1.046
1.045
1.044
1.296
1.294
1.293
1.671
1.667
1.665
2.000
1.994
1.990
2.3 90
2.3 81
2.3 74
2.600
2.648
2.638
3.460
3.435
3.416
6 0.676 0.872
7 0.989 1.24
8 1.34 1.65
9 1.73 2.09
10 2.16 2.56
1.24
1.69
2.18
2.70
3.25
1.64
2.17
2.73
3.33
3.94
11
12
13
14
15
2.60
3.07
3.57
4.07
4.60
3.05
3.57
4.11
4.66
5.23
3.82
4.40
5.01
5.63
6.26
16
17
18
19
20
5.14
5.70
6.26
6.84
7.43
5.81
6.41
7.01
7.63
8.26
2.20
2.83
3.49
4.17
4.87
13.20
14.00
14.80
15.70
16.50
3.45
4.25
5.07
5.90
6.74
14.40
16.00
17.50
19.00
20.50
16.80
18.50
20.10
21.70
23.20
18
20
22
23
25
13.70
14.80
16.00
17.10
18.20
17.30
18.50
19.80
21.10
22.30
19.70
21.00
22.40
23.70
25.00
21.90
23.30
24.70
26.10
27.50
24.70
26.20
27.70
29.10
30.60
26
28
29
31
32
11.90
12.80
13.70
14.60
15.50
15.30
16.30
17.30
18.30
19.30
19.40
20.50
21.60
22.70
23.80
23.50
24.80
26.00
27.20
28.40
26.30
27.60
28.90
30.10
31.40
28.80
30.20
31.50
32.90
34.20
32.00
33.40
34.80
36.20
37.60
34
35
37
38
40
16.30
17.20
18.10
19.00
19.90
20.30
21.30
22.30
23.30
24.30
24.90
26.00
27.10
28.20
29.30
29.60
30.80
32.00
33.20
34.40
32.70
33.90
35.20
36.40
37.70
35.50
36.80
38.10
39.40
40.60
38.90
40.30
41.50
43.00
44.30
41
42
44
45
46
26 11.20 12.20 13.80 15.40 17.30 20.80 25.30 30.40 35.60 38.90 41.90 45.60 48
27 11.80 12.90 14.60 16.20 18.10 21.70 26.30 31.50 36.70 40.10 43.20 47.00 49
28 1250 1360 1530 1690 1890 2270 2730 3260 3790 4130 4450 4830 51
x= 0
0
0.2500
0.1250
0.0625
0.0313
0.0156
0.0078
0.0039
0.0020
0.0010
1
0.7500
0.5000
0.3125
0.1875
0.1094
0.0625
0.0352
0.0195
0.0107
2
1
0.8750
0.6875
0.5000
0.3438
0.2266
0.1445
0.0898
0.0547
1
0.9375
0.8125
0.6563
0.5000
0.3633
0.2539
0.1719
1
0.9688
0.8906
0.7734
0.6367
0.5000
0.3770
1
0.9844
0.9375
0.8555
0.7461
0.6230
1
0.9922
1
0.9648 0.9961
1
0.9102 0.9805 0.998
0.8281 0.9453 0.9893
11
12
13
14
15
16
17
18
19
20
0.0005
0.0002
0.0001
0.0001
0.0059
0.0032
0.0017
0.0009
0.0005
0.0003
0.0001
0.0001
0.0327
0.0193
0.0112
0.0065
0.0037
0.0021
0.0012
0.0007
0.0004
0.0002
0.1133
0.073
0.0461
0.0287
0.0176
0.0106
0.0064
0.0038
0.0022
0.0013
0.2744
0.1938
0.1334
0.0898
0.0592
0.0384
0.0245
0.0154
0.0096
0.0059
0.5000
0.3872
0.2905
0.2120
0.1509
0.1051
0.0717
0.0481
0.0318
0.0207
0.7256
0.6128
0.5000
0.3953
0.3036
0.2272
0.1662
0.1189
0.0835
0.0577
0.8867
0.8062
0.7095
0.6047
0.5000
0.4018
0.3145
0.2403
0.1796
0.1316
0.0133
0.0085
0.0053
0.0033
0.0020
0.0010
0.0010
0.0392
0.0262
0.0173
0.0113
0.0073
0.0050
0.0030
0.0020
0.0010
0.0010
0.0946
0.0669
0.0466
0.0320
0.0216
0.0140
0.0100
0.0060
0.0040
0.0030
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
10
1
0.999
0.9673
0.927
0.8666
0.7880
0.6964
0.5982
0.5000
0.4073
0.3238
0.2517
0.9941
0.9807
0.9539
0.9102
0.8491
0.7728
0.6855
0.5927
0.5000
0.4119
0.9995
0.9968
0.9888
0.9713
0.9408
0.8949
0.8338
0.7597
0.6762
0.5881
1
0.9
0.9
0.9
0.9
0.9
0.9
0.8
0.8
0.7
0.1917
0.1431
0.1050
0.0758
0.0539
0.0380
0.0260
0.0180
0.0120
0.0080
0.3318
0.2617
0.2024
0.1537
0.1148
0.0840
0.0610
0.0440
0.0310
0.0210
0.5000
0.4159
0.3388
0.2706
0.2122
0.1630
0.1240
0.0920
0.0680
0.0490
0.6
0.5
0.5
0.4
0.3
0.2
0.2
0.1
0.1
0.1
0.0
0.0
0.0
0.0
0.0
N
2
3
4
5
6
7
8
9
10
FG N IJ p (1 p )
H KK
k
N k
Los puntos decimales se han omitido. Todas las entradas deben leerse como 0.nnnn.
Para valores de p 0.5, sese la fila superior para p y la columna izquierda para k.
Para valores de p>0.5, sese la fila inferior para p y la columna derecha para k.
N
2
k
0
1
2
0
1
2
3
0
1
2
3
4
0
1
2
3
4
5
0
1
2
3
4
5
6
0
1
2
3
4
5
6
7
0.01
9801
198
1
9703
294
3
0
9606
388
6
0
0
9510
480
10
0
0
0
9415
571
14
0
0
0
0
9321
659
20
0
0
0
0
0
0.99
0.05
9025
950
25
8574
1354
71
1
8145
1715
135
5
0
7738
2036
214
11
0
0
7351
2321
305
21
1
0
0
6983
2573
406
36
2
0
0
0
0.95
0.10
8100
1800
100
7290
2430
270
10
6561
2916
486
36
1
5905
3280
729
81
4
0
5314
3543
984
146
12
1
0
4783
3720
1240
230
26
2
0
0
0.90
0.15
7225
2550
225
6141
3251
574
34
5220
3685
975
115
5
4437
3915
1382
244
22
1
3771
3993
1762
415
55
4
0
3206
3960
2097
617
109
12
1
0
0.85
p
0.20
6400
3200
400
5120
3840
960
80
4096
4096
1536
256
16
3277
4096
2048
512
64
3
2621
3932
2458
819
154
15
1
2097
3670
2753
1147
287
43
4
0
0.80
0.25
5625
3750
625
4219
4219
1406
156
3164
4219
2109
469
39
2373
3955
2637
879
146
10
1780
3560
2966
1318
330
44
2
1335
3115
3115
1730
577
115
13
1
0.75
p
0.30
4900
4200
900
3430
4410
1890
270
2401
4116
2646
756
81
1681
3602
3087
1323
283
24
1176
3025
3241
1852
595
102
7
824
2471
3177
2269
972
250
36
2
0.70
1/3
4444
4444
1111
2963
4444
2222
370
1975
3951
2963
988
123
1317
3292
3292
1646
412
41
878
2634
3292
2195
823
165
14
585
2048
3073
2561
1280
384
64
5
2/3
0.40
3600
4800
1600
2160
4320
2880
640
1296
3456
3456
1536
256
778
2592
3456
2304
768
102
467
1866
3110
2765
1382
369
41
280
1306
2613
2903
1935
774
172
16
0.60
0.45
3025
4950
2025
1664
4084
3341
911
915
2995
3675
2005
410
503
2059
3369
2757
1125
185
277
1359
2780
3032
1861
609
83
152
872
2140
2918
2388
1172
320
37
0.55
0.50
2500
5000
2500
1250
3750
3750
1250
625
2500
3750
2500
625
312
1562
3125
3125
1562
312
156
938
2344
3125
2344
938
156
78
547
1641
2734
2734
1641
547
78
0.50
2
1
0
3
2
1
0
4
3
2
1
0
5
4
3
2
1
0
6
5
4
3
2
1
0
7
6
5
4
3
2
1
0
k
10
15
k
0
1
2
3
4
5
6
7
8
0
1
2
3
4
5
6
7
8
9
0
1
2
3
4
5
6
7
8
9
10
0
1
2
3
4
5
6
7
8
9
0.01
9227
746
26
1
0
0
0
0
0
9135
830
34
1
0
0
0
0
0
0
9044
914
42
1
0
0
0
0
0
0
0
8601
1303
92
4
0
0
0
0
0
0
0.05
6634
2793
515
54
4
0
0
0
0
6302
2985
629
77
6
0
0
0
0
0
5987
3151
746
105
10
1
0
0
0
0
0
4633
3658
1348
307
49
6
0
0
0
0
0.10
4305
3826
1488
331
46
4
0
0
0
3874
3874
1722
446
74
8
1
0
0
0
3487
3874
1937
574
112
15
1
0
0
0
0
2059
3432
2669
1285
428
105
19
3
0
0
0.15
2725
3847
2376
839
185
26
2
0
0
2316
3679
2597
1069
283
50
6
0
0
0
1969
3474
2759
1298
401
85
12
1
0
0
0
874
2312
2856
2184
1156
449
132
30
5
1
p
0.20
1678
3355
2936
1468
459
92
11
1
0
1342
3020
3020
1762
661
165
28
3
0
0
1074
2684
3020
2013
881
264
55
8
1
0
0
352
1319
2309
2501
1876
1032
430
138
35
7
0.25
1001
2670
3115
2076
865
231
38
4
0
751
2253
3003
2336
1168
389
87
12
1
0
563
1877
2816
2503
1460
584
162
31
4
0
0
134
668
1559
2252
2252
1651
917
393
131
34
0.30
576
1977
2965
2541
1361
467
100
12
1
404
1556
2668
2668
1715
735
210
39
4
0
282
1211
2335
2668
2001
1029
368
90
14
1
0
47
305
916
1700
2186
2061
1472
811
348
116
1/3
390
1561
2731
2731
1707
683
171
24
2
260
1171
2341
2731
2048
1024
341
73
9
1
173
867
1951
2601
2276
1366
569
163
30
3
0
23
171
599
1299
1948
2143
1786
1148
574
223
0.40
168
896
2090
2787
2322
1239
413
79
7
101
605
1612
2508
2508
1672
743
212
35
3
60
403
1209
2150
2508
2007
1115
425
106
16
1
5
47
219
634
1268
1859
2066
1771
1181
612
0.45
84
548
1569
2568
2627
1719
703
164
17
46
339
1110
2119
2600
2128
1160
407
83
8
25
207
763
1665
2384
2340
1596
746
229
42
3
1
16
90
318
780
1404
1914
2013
1647
1048
0.50
39
312
1094
2188
2734
2188
1094
312
39
20
176
703
1641
2461
2461
1641
703
176
20
10
98
439
1172
2051
2461
2051
1172
439
98
10
0
5
32
139
417
916
1527
1964
164
1527
8
7
6
5
4
3
2
1
0
9
8
7
6
5
4
3
2
1
0
10
9
8
7
6
5
4
3
2
1
0
15
14
13
12
11
10
9
8
7
6
10
15
25
k
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
0.01
8179
1652
159
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
7778
1964
238
18
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.05
3585
3474
1887
596
133
22
3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
2774
3650
2305
930
269
60
10
1
0
0
0
0
0
0
0
0
0
0
0
0
0.10
1216
2702
2852
1901
898
319
89
20
4
1
0
0
0
0
0
0
0
0
0
0
0
718
1994
2659
2265
1384
646
239
72
18
4
1
0
0
0
0
0
0
0
0
0
0.15
388
1368
2293
2428
1821
1028
454
160
46
11
2
0
0
0
0
0
0
0
0
0
0
172
759
1607
2174
2110
1564
920
441
175
58
16
4
1
0
0
0
0
0
0
0
p
0.20
115
576
1369
2054
2182
1746
1091
545
222
74
20
5
1
0
0
0
0
0
0
0
0
38
236
708
1358
1867
1960
1633
1108
623
294
118
40
12
3
1
0
0
0
0
0
0.25
32
211
669
1339
1897
2023
1686
1124
609
271
99
30
8
2
0
0
0
0
0
0
0
8
63
251
641
1175
1645
1828
1654
1241
781
417
189
74
25
7
2
0
0
0
0
0.30
8
68
278
716
1304
1789
1916
1643
1144
654
308
120
39
10
2
0
0
0
0
0
0
1
14
74
243
572
1030
1472
1712
1651
1336
916
536
268
115
42
13
4
1
0
0
1/3
3
30
143
429
911
1457
1821
1821
1480
987
543
247
92
28
7
1
0
0
0
0
0
0
5
30
114
313
658
1096
1487
1673
1580
1264
862
503
251
108
40
12
3
1
0
0.40
0
5
31
123
350
746
1244
1659
1797
1597
1171
710
355
146
49
13
3
0
0
0
0
0
0
4
19
71
199
442
800
1200
1511
1612
1465
1140
760
434
212
88
31
9
2
0.45
0
1
8
40
139
365
746
1221
1623
1771
1593
1185
727
366
150
49
13
2
0
0
0
0
0
1
4
18
63
172
381
701
1084
1419
1583
1511
1236
867
520
266
115
42
13
0.50
0
0
2
11
46
148
370
739
1201
1602
1762
1602
1201
739
370
148
46
11
2
0
0
0
0
0
1
4
16
53
143
322
609
974
1328
1550
1550
1328
974
609
322
143
53
20 20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
25 25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
k
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
0.01
7397
2242
328
31
2
0
7
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.99
0.05
2146
3389
2586
1270
451
124
27
5
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.95
0.10
424
1413
2277
2361
1771
1023
474
180
58
16
4
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.90
0.15
76
404
1034
1703
2028
1861
1368
828
420
181
67
22
6
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.85
p
0.20
12
93
337
785
1325
1723
1795
1538
1106
676
355
161
64
22
7
2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.80
0.410
0.381
0.358
0.339
0.322
0.436
0.405
0.381
0.360
0.342
0.470
0.438
0.411
0.388
0.368
0.521
0.486
0.457
0.432
0.410
0.618
0.577
0.543
0.514
0.490
11
12
13
14
15
0.307
0.295
0.284
0.274
0.266
0.326
0.313
0.302
0.292
0.283
0.352
0.338
0.325
0.314
0.304
0.391
0.375
0.361
0.349
0.338
0.468
0.450
0.433
0.418
0.404
16
17
18
19
20
0.258
0.250
0.244
0.237
0.231
0.274
0.266
0.259
0.252
0.246
0.295
0.286
0.278
0.272
0.264
0.328
0.318
0.309
0.301
0.294
0.392
0.381
0.371
0.363
0.356
25
30
35
0.21
0.19
0.18
0.22
0.20
0.19
0.24
0.22
0.21
0.27
0.24
0.23
0.32
0.29
0.27
ms de 35
107
.
N
114
.
N
122
.
N
136
.
N
163
.
N
Estadstica No Paramtrica Aplicada a la Ganadera - 169 TABLA G: Valores crticos de r en la prueba de Series
Los diferentes valores crticos de r estn proporcionados en las tablas para valores de
m y n menores o iguales a 20. Para la prueba de series de una muestra, cualquier
valor observado de r que sea menor o igual al valor ms pequeo, o que sea mayor o
igual al valor ms grande en un par, es significativo en el nivel = 0.05.
m n 2
2
4 5
8 9 10 11 12 13 14 15 16 17 18 19
2 2 2 2 2 2 2 2
-- -- -- -- -- -- -- -3
2 2 2 2 2 2 2 2 2 3 3 3 3 3
-- -- -- -- -- -- -- -- -- -- -- -- -- -4
2 2 2 3 3 3 3 3 3 3 3 4 4 4 4
9 9 -- -- -- -- -- -- -- -- -- -- -- -- -5
2 2 3 3 3 3 3 4 4 4 4 4 4 4 5 5
9 10 10 11 11 -- -- -- -- -- -- -- -- -- -- -6
2 2 3 3 3 3 4 4 4 4 5 5 5 5 5 5 6
-- 9 10 11 12 12 13 13 13 13 -- -- -- -- -- -- -7
2 2 3 3 3 4 4 5 5 5 5 5 6 6 6 6 6
-- -- 11 12 13 13 14 14 14 14 15 15 15 -- -- -- -8
2 3 3 3 4 4 5 5 5 6 6 6 6 6 7 7 7
-- -- 11 12 13 14 14 15 15 16 16 16 16 17 17 17 17
9
2 3 3 4 4 5 5 5 6 6 6 7 7 7 7 8 8
-- -- -- 13 14 14 15 16 16 16 17 17 18 18 18 18 18
10
2 3 3 4 5 5 5 6 6 7 7 7 7 8 8 8 8
-- -- -- 13 14 15 16 16 17 17 18 18 18 19 19 19 20
11
2 3 4 4 5 5 6 6 7 7 7 8 8 8 9 9 9
-- -- -- 13 14 15 16 17 17 18 19 19 19 20 20 20 21
12 2 2 3 4 4 5 6 6 7 7 7 8 8 8 9 9 9 10
-- -- -- -- 13 14 16 16 17 18 19 19 20 20 21 21 21 22
13 2 2 3 4 5 5 6 6 7 7 8 8 9 9 9 10 10 10
-- -- -- -- -- 15 16 17 18 19 19 20 20 21 21 22 22 23
14 2 2 3 4 5 5 6 7 7 8 8 9 9 9 10 10 10 11
-- -- -- -- -- 15 16 17 18 19 20 20 21 22 22 23 23 23
15 2 3 3 4 5 6 6 7 7 8 8 9 9 10 10 11 11 11
-- -- -- -- -- 15 16 18 18 19 20 21 22 22 23 23 24 24
16 2 3 4 4 5 6 6 7 8 8 9 9 10 10 11 11 11 12
-- -- -- -- -- -- 17 18 19 20 21 21 22 23 23 24 25 25
17 2 3 4 4 5 6 7 7 8 9 9 10 10 11 11 11 12 12
-- -- -- -- -- -- 17 18 19 20 21 22 23 23 24 25 25 26
18 2 3 4 5 5 6 7 8 8 9 9 10 10 11 11 12 12 13
-- -- -- -- -- -- 17 18 19 20 21 22 23 24 25 25 26 26
19 2 3 4 5 6 6 7 8 8 9 10 10 11 11 12 12 13 13
-- -- -- -- -- -- 17 18 20 21 22 23 23 24 25 26 26 27
20 2 3 4 5 6 6 7 8 9 9 10 10 11 12 12 13 13 13
-- -- -- -- -- -- 17 18 20 21 22 23 24 25 25 26 27 27
Adaptado de Swed y Eisenhart, C., "Tables for testing randomness of grouping in a sequence
ofalternatives" EnAnnals ofMathematicalStatistics N14 1943
20
2
-3
-4
-5
-6
-6
-7
17
8
18
9
20
9
21
10
22
10
23
11
24
12
25
12
25
13
26
13
27
13
27
14
28
10
0,5000
0,4609
0,4229
0,3848
0,3477
0,3125
0,2783
0,2461
0,2158
0,1875
0,1611
0,1377
0,1162
0,0967
0,0801
0,0654
0,0527
0,0420
0,0322
0,0244
0,0186
0,0137
0,0098
0,0068
0,0049
0,0029
0,0020
0,0010
11
0,5171
0,4829
0,4492
0,4155
0,3823
0,3501
0,3188
0,2886
0,2598
0,2324
0,2065
0,1826
0,1602
0,1392
0,1201
0,1030
0,0874
0,0737
0,0615
0,0508
0,0415
0,0337
0,0269
0,0210
0,0161
0,0122
0,0093
0,0068
0,0049
0,0034
0,0024
0,0015
0,0010
0,0005
12
13
14
15
0,5151
0,4849
0,4548
0,4250
0,3955
0,3667
0,3386
0,3110
0,2847
0,2593
0,2349
0,2119
0,1902
0,1697
0,1506
0,1331
0,1167
0,1018
0,0881
0,0757
0,0647
0,0549
0,0461
0,0386
0,0320
0,0261
0,0212
0,0171
0,0134
0,0105
0,0081
0,0061
0,0046
0 0034
0,5000
0,4730
0,4463
0,4197
0,3934
0,3677
0,3424
0,3177
0,2939
0,2709
0,2487
0,2274
0,2072
0,1879
0,1698
0,1527
0,1367
0,1219
0,1082
0,0955
0,0839
0,0732
0,0636
0,0549
0,0471
0,0402
0 0341
0,5000
0,4758
0,4516
0,4276
0,4039
0,3804
0,3574
0,3349
0,3129
0,2915
0,2708
0,2508
0,2316
0,2131
0,1955
0,1788
0,1629
0,1479
0,1338
0 1206
0,5110
0,4890
0,4670
0,4452
0,4235
0,4020
0,3808
0,3599
0,3394
0,3193
0,2997
0,2807
0 2622
C o ntinu ac i n ...
c
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
13
0,0085
0,0067
0,0052
0,0040
0,0031
0,0023
0,0017
0,0012
0,0009
0,0006
0,0004
0,0002
0,0001
N
14
0,0520
0,0453
0,0392
0,0338
0,0290
0,0247
0,0209
0,0176
0,0148
0,0123
0,0101
0,0083
0,0067
0,0054
0,0043
0,0034
0,0026
0,0020
0,0015
0,0012
0,0009
0,0006
0,0004
0,0003
0,0002
0,0001
0,0001
15
0,1514
0,1384
0,1262
0,1147
0,1039
0,0938
0,0844
0,0757
0,0677
0,0603
0,0535
0,0473
0,0416
0,0365
0,0319
0,0277
0,0240
0,0206
0,0177
0,0151
0,0128
0,0108
0,0090
0,0075
0,0062
0,0051
0,0042
0,0034
0,0027
0,0021
0,0017
0,0013
0,0010
0,0008
0,0006
0,0004
0,0003
0,0002
0 0002
Estadstica No Paramtrica Aplicada a la Ganadera - 173 TABLA I: Probabilidades para tablas de cuatro entradas,
X
- S1
prueba de Fisher, N 15. N: Tamao de muestra; S 1 : Es el
total marginal pequeo; S 2 : Es el siguiente ms pequeo;
- X: Frecuencia en la celda correspondiente a los dos totales ms pequeos. Para un conjunto dado de N, los valores po- S2
- N
sibles S 1 y S de X son 0,1,2,..., S 1 . Bajo la lnea de cada
2
conjunto est un
valor de X tal que X S1 ( S2 X ) ( N S1 ) ; mientras que para valores
mayores X S1 > ( S2 X ) ( N S1 ) . Estos puntos de corte definen direcciones iguales y
opuestas de igualdad de las proporciones en las dos muestras. La probabilidad
acumulativa de una desviacin tan grande o ms grande en la misma direccin de la
igualdad de las proporciones, est en la columna rotulada Obs.; mientras que la
probabilidad de una desviacin tan grande o ms grande en la direccin opuesta de la
igualdad de las proporciones est en la columna rotulada Otra. El tamao de la
desviacin aqu se mide por el valor absoluto de X S ( S X ) ( N S ) Estas tablas se
tomaron de tablas ms extensas preparadas por Donald Goyette y M. Ray Mickey.
Health Science Computing Facility, UCLA.
1
N S1 S2 X
2 1 1 0
1
3 1 1 0
1
4 1 1 0
1
4 1 2 0
1
4 2 2 0
1
2
5 1 1 0
1
5 1 2 0
1
5 2 2 0
1
2
6 1 1 0
1
6 1 2 0
1
6 1 3 0
1
6 2 2 0
1
2
6 2 3 0
1
2
6 3 3 0
1
2
3
7 1 1 0
1
7 1 2 0
1
7 1 3 0
1
Probabilidad
Obs. Otra Totales
0.500 0.500 1.000
0.500 0.500 1.000
0.667 0.333 1.000
0.333 0.000 0.333
0.750 0.250 1.000
0.250 0.000 0.250
0.500 0.500 1.000
0.500 0.500 1.000
0.167 0.167 0.334
0.833 0.833 1.666
0.167 0.167 0.334
0.800 0.200 1.000
0.200 0.000 0.200
0.600 0.400 1.000
0.400 0.000 0.400
0.300 0.100 0.400
0.700 0.300 1.000
0.100 0.000 0.100
0.833 0.167 1.000
0.167 0.000 0.167
0.667 0.333 1.000
0.333 0.000 0.333
0.500 0.500 1.000
0.500 0.500 1.000
0.400 0.067 0.467
0.600 0.400 1.000
0.067 0.000 0.067
0.200 0.200 0.400
0.800 0.800 1.600
0.200 0.200 0.400
0.050 0.050 0.100
0.500 0.500 1.000
0.500 0.500 1.000
0.050 5.050 5.100
0.857 0.143 1.000
0.143 0.000 0.143
0.714 0.286 1.000
0.286 0.000 0.286
0.571 0.429 1.000
0.429 0.000 0.429
N S1 S2 X
7 2 2 0
1
2
7 2 3 0
1
2
7 3 3 0
1
2
3
8 1 1 0
1
8 1 2 0
1
8 1 3 0
1
8 1 4 0
1
8 2 2 0
1
2
8 2 3 0
1
2
8 2 4 0
1
2
8 3 3 0
1
2
3
8 3 4 0
1
2
3
8 4 4 0
1
2
3
4
Probabilidad
Obs. Otra Totales
0.476 0.048 0.524
0.524 0.476 1.000
0.048 0.000 0.048
0.286 0.143 0.429
0.714 0.286 1.000
0.143 0.000 0.143
0.114 0.029 0.143
0.629 0.371 1.000
0.371 0.114 0.485
0.029 0.000 0.029
0.875 0.125 1.000
0.125 0.000 0.125
0.750 0.250 1.000
0.250 0.000 0.250
0.625 0.375 1.000
0.375 0.000 0.375
0.500 0.500 1.000
0.500 0.500 1.000
0.536 0.464 1.000
0.464 0.536 1.000
0.036 0.000 0.036
0.357 0.107 0.464
0.643 0.357 1.000
0.107 0.000 0.107
0.214 0.214 0.428
0.786 0.786 1.572
0.214 0.214 0.428
0.179 0.018 0.197
0.714 0.286 1.000
0.286 0.179 0.465
0.018 0.000 0.018
0.071 0.071 0.142
0.500 0.500 1.000
0.500 0.500 1.000
0.071 0.071 0.142
0.014 0.014 0.028
0.243 0.243 0.486
0.757 0.757 1.514
0.243 0.243 0.486
0.014 0.014 0.028
N S1 S2 X
9 1 1 0
1
9 1 2 0
1
9 1 3 0
1
9 1 4 0
1
9 2 2 0
1
2
9 2 3 0
1
2
9 2 4 0
1
2
9 3 3 0
1
2
3
9 3 4 0
1
2
3
9 4 4 0
1
2
3
4
10 1 1 0
1
10 1 2 0
1
10 1 3 0
1
10 1 4 0
1
10 1 5 0
1
Probabilidad
Obs. Otra Totale
0.889 0.111 1.000
0.111 0.000 0.111
0.778 0.222 1.000
0.222 0.000 0.222
0.667 0.333 1.000
0.333 0.000 0.333
0.556 0.444 1.000
0.444 0.000 0.444
0.583 0.417 1.000
0.417 0.000 0.417
0.028 0.000 0.028
0.417 0.083 0.500
0.583 0.417 1.000
0.083 0.000 0.083
0.278 0.167 0.445
0.722 0.278 1.000
0.167 0.000 0.167
0.238 0.226 0.464
0.774 0.774 1.548
0.226 0.238 0.464
0.012 0.000 0.012
0.119 0.048 0.167
0.595 0.450 1.045
0.405 0.119 0.524
0.048 0.000 0.048
0.040 0.008 0.048
0.357 0.167 0.524
0.643 0.357 1.000
0.167 0.040 0.207
0.008 0.000 0.008
0.900 0.100 1.000
0.100 0.000 0.100
0.800 0.200 1.000
0.200 0.000 0.200
0.700 0.300 1.000
0.300 0.000 0.300
0.600 0.400 1.000
0.400 0.000 0.400
0.500 0.500 1.000
0.500 0.500 1.000
Probabilidad
N S1 S2 X Obs. Otra Totales
11 3 4 0 0.212 0.024 0.236
1 0.721 0.279 1.000
2 0.279 0.212 0.491
3 0.024 0.000 0.024
11 3 5 0 0.121 0.061 0.182
1 0.576 0.424 1.000
2 0.424 0.121 0.545
3 0.061 0.000 0.061
11 4 4 0 0.106 0.088 0.194
1 0.530 0.470 1.000
2 0.470 0.106 0.576
3 0.088 0.000 0.088
4 0.003 0.000 0.003
11 4 5 0 0.045 0.015 0.060
1 0.348 0.197 0.545
2 0.652 0.348 1.000
3 0.197 0.045 0.242
4 0.015 0.000 0.015
11 5 5 0 0.013 0.002 0.015
1 0.175 0.067 0.242
2 0.608 0.392 1.000
3 0.392 0.175 0.567
4 0.067 0.013 0.080
5 0.002 0.000 0.002
12 1 1 0 0.917 0.083 1.000
1 0.083 0.000 0.083
12 1 2 0 0.833 0.167 1.000
1 0.167 0.000 0.167
12 1 3 0 0.750 0.250 1.000
1 0.250 0.000 0.250
12 1 4 0 0.667 0.333 1.000
1 0.333 0.000 0.333
12 1 5 0 0.583 0.417 1.000
1 0.417 0.000 0.417
12 1 6 0 0.500 0.500 1.000
1 0.500 0.500 1.000
12 2 2 0 0.682 0.318 1.000
1 0.318 0.000 0.318
2 0.015 0.000 0.015
12 2 3 0 0.545 0.455 1.000
1 0.455 0.545 1.000
2 0.045 0.000 0.045
12 2 4 0 0.424 0.091 0.515
1 0.576 0.424 1.000
2 0.091 0.000 0.091
12 2 5 0 0.318 0.152 0.470
1 0.682 0.318 1.000
2 0.152 0.000 0.152
12 2 6 0 0.227 0.227 0.454
1 0.773 0.773 1.546
2 0.227 0.227 0.454
12 3 3 0 0.382 0.127 0.509
1 0.618 0.382 1.000
2 0.127 0.000 0.127
3 0.005 0.000 0.005
12 3 4 0 0 255 0 236 0 491
N S1 S2 X
3
12 4 4 0
1
2
3
4
12 4 5 0
1
2
3
4
12 4 6 0
1
2
3
4
12 5 5 0
1
2
3
4
5
12 5 6 0
1
2
3
4
5
12 6 6 0
1
2
3
4
5
6
13 1 1 0
1
13 1 2 0
1
13 1 3 0
1
13 1 4 0
1
13 1 5 0
1
13 1 6 0
1
13 2 2 0
1
2
13 2 3 0
1
2
13 2 4 0
1
2
Probabilidad
Obs. Otra Totales
0.091 0.091 0.182
0.141 0.067 0.208
0.594 0.406 1.000
0.406 0.141 0.547
0.067 0.000 0.067
0.002 0.000 0.002
0.071 0.010 0.081
0.424 0.152 0.576
0.576 0.424 1.000
0.152 0.171 0.323
0.010 0.000 0.010
0.030 0.030 0.060
0.273 0.273 0.546
0.727 0.727 1.454
0.273 0.273 0.546
0.030 0.030 0.060
0.027 0.001 0.028
0.247 0.045 0.292
0.689 0.311 1.000
0.311 0.247 0.558
0.045 0.027 0.072
0.001 0.000 0.001
0.008 0.008 0.016
0.121 0.121 0.242
0.500 0.500 1.000
0.500 0.500 1.000
0.121 0.121 0.242
0.008 0.008 0.016
0.001 0.001 0.002
0.040 0.040 0.080
0.284 0.284 0.568
0.716 0.716 1.432
0.284 0.284 0.568
0.040 0.040 0.080
0.001 0.001 0.002
0.923 0.077 1.000
0.077 0.000 0.077
0.846 0.154 1.000
0.154 0.000 0.154
0.769 0.231 1.000
0.231 0.000 0.231
0.692 0.308 1.000
0.308 0.000 0.308
0.615 0.385 1.000
0.385 0.000 0.385
0.538 0.462 1.000
0.462 0.000 0.462
0.705 0.295 1.000
0.295 0.000 0.295
0.013 0.000 0.013
0.577 0.423 1.000
0.423 0.000 0.423
0.038 0.000 0.038
0.462 0.077 0.539
0.538 0.462 1.000
0 077 0 000 0 077
N S1 S2 X
12 2 4 0
1
2
14 2 5 0
1
2
14 2 6 0
1
2
14 2 7 0
1
2
14 3 3 0
1
2
3
14 3 4 0
1
2
3
14 3 5 0
1
2
3
14 3 6 0
1
2
3
14 3 7 0
1
2
3
14 4 4 0
1
2
3
4
14 4 5 0
1
2
3
4
14 4 6 0
1
2
3
4
14 4 7 0
1
2
3
4
14 5 5 0
1
2
3
Probabilidad
Obs. Otra Totales
0.495 0.066 0.561
0.505 0.495 1.000
0.066 0.000 0.066
0.396 0.110 0.506
0.604 0.396 1.000
0.110 0.000 0.110
0.308 0.165 0.473
0.692 0.308 1.000
0.165 0.000 0.165
0.231 0.231 0.462
0.769 0.769 1.538
0.231 0.231 0.462
0.453 0.093 0.546
0.547 0.453 1.000
0.093 0.000 0.093
0.003 0.000 0.003
0.330 0.176 0.506
0.670 0.330 1.000
0.176 0.000 0.176
0.011 0.000 0.011
0.231 0.027 0.258
0.725 0.275 1.000
0.275 0.231 0.506
0.027 0.000 0.027
0.154 0.055 0.209
0.615 0.385 1.000
0.385 0.154 0.539
0.055 0.000 0.055
0.096 0.096 0.192
0.500 0.500 1.000
0.500 0.500 1.000
0.096 0.096 0.192
0.210 0.041 0.251
0.689 0.311 1.000
0.311 0.210 0.521
0.041 0.000 0.041
0.001 0.000 0.001
0.126 0.095 0.221
0.545 0.455 1.000
0.455 0.126 0.581
0.095 0.000 0.095
0.005 0.000 0.005
0.070 0.015 0.085
0.406 0.175 0.581
0.594 0.406 1.000
0.175 0.070 0.245
0.015 0.000 0.015
0.035 0.035 0.070
0.280 0.280 0.560
0.720 0.280 1.000
0.280 0.280 0.560
0.035 0.035 0.070
0.063 0.023 0.086
0.378 0.203 0.581
0.622 0.378 1.000
0 203 0 063 0 266
N S1 S2 X
2
3
4
5
14 6 6 0
1
2
3
4
5
6
14 6 7 0
1
2
3
4
5
6
14 7 7 0
1
2
3
4
5
6
7
15 1 1 0
1
15 1 2 0
1
15 1 3 0
1
15 1 4 0
1
15 1 5 0
1
15 1 6 0
1
15 1 7 0
1
15 2 2 0
1
2
15 2 3 0
1
2
15 2 4 0
1
2
15 2 5 0
1
2
15 2 6 0
1
2
15 2 7 0
Probabilidad
Obs. Otra Totales
0.500 0.500 1.000
0.500 0.500 1.000
0.133 0.133 0.266
0.010 0.010 0.020
0.009 0.000 0.009
0.121 0.016 0.137
0.471 0.156 0.627
0.529 0.471 1.000
0.156 0.121 0.277
0.016 0.009 0.025
0.000 0.000 0.000
0.002 0.002 0.004
0.051 0.051 0.102
0.296 0.296 0.592
0.704 0.296 1.000
0.296 0.296 0.592
0.051 0.051 0.102
0.002 0.002 0.004
0.000 0.000 0.000
0.015 0.015 0.030
0.143 0.143 0.286
0.500 0.500 1.000
0.500 0.500 1.000
0.143 0.143 0.286
0.015 0.015 0.030
0.000 0.000 0.000
0.933 0.067 1.000
0.067 0.000 0.067
0.867 0.133 1.000
0.133 0.000 0.133
0.800 0.200 1.000
0.200 0.000 0.200
0.733 0.267 1.000
0.267 0.000 0.267
0.667 0.333 1.000
0.333 0.000 0.333
0.600 0.400 1.000
0.400 0.000 0.400
0.533 0.467 1.000
0.467 0.000 0.467
0.743 0.257 1.000
0.257 0.000 0.257
0.010 0.000 0.010
0.629 0.371 1.000
0.371 0.000 0.371
0.029 0.000 0.029
0.524 0.057 0.581
0.476 0.524 1.000
0.057 0.000 0.057
0.429 0.095 0.524
0.571 0.429 1.000
0.095 0.000 0.095
0.343 0.143 0.486
0.657 0.343 1.000
0.143 0.000 0.143
0 267 0 200 0 467
TABLAI: (continuacin)
Probabilidad
N S1 S2 X Obs. Otra Totales
15 3 5 0 0.264 0.242 0.506
1 0.758 0.758 1.516
2 0.242 0.264 0.506
3 0.022 0.000 0.022
15 3 6 0 0.185 0.044 0.229
1 0.659 0.341 1.000
2 0.341 0.185 0.526
3 0.044 0.000 0.044
15 3 7 0 0.123 0.077 0.200
1 0.554 0.446 1.000
2 0.446 0.123 0.569
3 0.077 0.000 0.077
15 4 4 0 0.242 0.033 0.275
1 0.725 0.275 1.000
2 0.275 0.242 0.517
3 0.033 0.000 0.033
4 0.001 0.000 0.001
15 4 5 0 0.154 0.077 0.231
1 0.593 0.407 1.000
2 0.407 0.154 0.561
3 0.077 0.000 0.077
4 0.004 0.000 0.004
15 4 6 0 0.092 0.011 0.103
1 0.462 0.143 0.605
N S1 S2 X
2
3
4
15 4 7 0
1
2
3
4
15 5 5 0
1
2
3
4
5
15 5 6 0
1
2
3
4
5
15 5 7 0
1
2
3
Probabilidad
Obs. Otra Totales
0.538 0.462 1.000
0.143 0.092 0.235
0.011 0.000 0.011
0.051 0.026 0.077
0.338 0.231 0.569
0.662 0.338 1.000
0.231 0.051 0.282
0.026 0.000 0.026
0.084 0.017 0.101
0.434 0.167 0.601
0.566 0.434 1.000
0.167 0.084 0.251
0.017 0.000 0.017
0.000 0.000 0.000
0.042 0.047 0.089
0.294 0.287 0.581
0.713 0.713 1.426
0.287 0.294 0.581
0.047 0.042 0.089
0.002 0.000 0.002
0.019 0.007 0.026
0.182 0.100 0.282
0.573 0.427 1.000
0.427 0.182 0.609
N S1 S2 X
4
5
15 6 6 0
1
2
3
4
5
6
15 6 7 0
1
2
3
4
5
6
15 7 7 0
1
2
3
4
5
6
7
Probabilidad
Obs. Otra Totales
0.100 0.019 0.119
0.007 0.000 0.007
0.017 0.011 0.028
0.168 0.119 0.287
0.545 0.455 1.000
0.455 0.168 0.623
0.119 0.017 0.136
0.011 0.000 0.011
0.000 0.000 0.000
0.006 0.001 0.007
0.084 0.035 0.119
0.378 0.231 0.609
0.622 0.378 1.000
0.231 0.084 0.315
0.035 0.006 0.041
0.001 0.000 0.001
0.001 0.000 0.001
0.032 0.009 0.041
0.214 0.100 0.314
0.595 0.405 1.000
0.405 0.214 0.619
0.100 0.032 0.132
0.009 0.001 0.010
0.000 0.000 0.000
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
0.0500
0.1000
0.2000
0.3500
0.5000
0.6500
0.8000
0.9000
0.9500
1.0000
15
14
13
12
11
10
9
8
7
6
0.0286
0.0571
0.1143
0.2000
0.3143
0.4286
0.5714
0.6857
0.8000
0.8857
0.9429
0.9714
1.0000
18
17
16
15
14
13
12
11
10
9
8
7
6
0.0179
0.0357
0.0714
0.1250
0.1964
0.2857
0.3929
0.5000
0.6071
0.7143
0.8036
0.8750
0.9286
0.9643
0.9821
1.0000
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
0.0119
0.0238
0.0476
0.0833
0.1310
0.1905
0.2738
4.3571
0.4524
0.5476
0.6429
0.7262
0.8095
0.8690
0.9167
0.9524
0.9762
0.9881
1.0000
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
0.0083
0.0167
0.0333
0.0583
0.0917
0.1333
0.1917
0.2583
0.3333
0.4167
0.5000
0.5833
0.6667
0.7417
0.8083
0.8667
0.9083
0.9417
0.9667
27
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
0.0061
0.0121
0.0242
0.0424
0.0667
0.0970
0.1394
0.1879
0.2485
0.3152
0.3879
0.4606
0.5394
0.6121
0.6848
0.7515
0.8121
0.8606
0.9030
30
29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
0.0045
0.0091
0.0182
0.0318
0.0500
0.0727
0.1045
0.1409
0.1864
0.2409
0.3000
0.3636
0.4318
0.5000
0.5682
0.6364
0.7000
0.7591
0.8136
33
32
31
30
29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
0.003
0.007
0.014
0.024
0.038
0.055
0.080
0.108
0.143
0.185
0.234
0.286
0.346
0.405
0.468
0.53
0.594
0.653
0.713
TABLA J: Probabilidades de los lados inferior y superior para Wx, el estadstico de la suma de rangos de W
n = 4 CU n = 5 CU
n = 6 CU n = 7
m= 4
CU n = 8 CU n = 9 CU n = 10 CU
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
0,0143
0,0286
0,0571
0,1000
0,1714
0,2429
0,3429
0,4429
0,5571
0,6571
0,7571
0,8286
0,9000
0,9429
0,9714
0,9857
1,0000
0,0048
0,0095
0,0190
0,0333
0,0571
0,0857
0,1286
0,1762
0,2381
0,3048
0,3810
0,4571
0,5429
0,6190
0,6952
0,7619
0,8238
0,8714
0,9143
0,9429
0,9667
0,9810
0,9905
0,9952
1,0000
38
37
36
35
34
33
32
31
30
29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
14
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
0,0079
0,0159
0,0317
0,0556
0,0952
0,1429
0,2063
0,2778
0,3651
0,4524
0,5476
0,6349
0,7222
0,7937
0,8571
0,9048
0,9444
0,9683
0,9841
0,9921
1,0000
30
29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
34
33
32
31
30
29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
0,0030
0,0061
0,0121
0,0212
0,0364
0,0545
0,0818
0,1152
0,1576
0,2061
0,2636
0,3242
0,3939
0,4636
0,5364
0,6061
0,6758
0,7364
0,7939
0,8424
0,8848
0,9182
0,9455
0,9636
0,9788
0,0020
0,0040
0,0081
0,0141
0,0242
0,0364
0,0545
0,0768
0,1071
0,1414
0,1838
0,2303
0,2848
0,3414
0,4040
0,4667
0,5333
0,5960
0,6586
0,7152
0,7697
0,8162
0,8586
0,8929
0,9232
42
41
40
39
38
37
36
35
34
33
32
31
30
29
28
27
26
25
24
23
22
21
20
19
18
0,0014
0,0028
0,0056
0,0098
0,0168
0,0252
0,0378
0,0531
0,0741
0,0993
0,1301
0,1650
0,2070
0,2517
0,3021
0,3552
0,4126
0,4699
0,5301
0,5874
0,6448
0,6979
0,7483
0,7930
0,8350
46
45
44
43
42
41
40
39
38
37
36
35
34
33
32
31
30
29
28
27
26
25
24
23
22
0,0010
0,0020
0,0040
0,0070
0,0120
0,0180
0,0270
0,0380
0,0529
0,0709
0,0939
0,1199
0,1518
0,1868
0,2268
0,2697
0,3177
0,3666
0,4196
0,4725
0,5275
0,5804
0,6334
0,6823
0,7303
50
49
48
47
46
45
44
43
42
41
40
39
38
37
36
35
34
33
32
31
30
29
28
27
26
CL
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
CL
n=5
0,0040
0,0079
0,0159
0,0278
0,0476
0,0754
0,1111
0,1548
0,2103
0,2738
0,3452
0,4206
0,5000
0,5794
0,6548
0,7262
0,7897
0,8452
0,8889
0,9246
0,9524
0,9722
0,9841
0,9921
0,9960
1,0000
CU
40
39
38
37
36
35
34
33
32
31
30
29
28
27
26
25
24
23
22
21
20
19
18
17
16
15
n=6
0,0022
0,0043
0,0087
0,0152
0,0260
0,0411
0,0628
0,0887
0,1234
0,1645
0,2143
0,2684
0,3312
0,3961
0,4654
0,5346
0,6039
0,6688
0,7316
0,7857
0,8355
0,8766
0,9113
0,9372
0,9589
0,9740
CU
45
44
43
42
41
40
39
38
37
36
35
34
33
32
31
30
29
28
27
26
25
24
23
22
21
20
n=7
0,0013
0,0025
0,0051
0,0088
0,0152
0,0240
0,0366
0,0530
0,0745
0,1010
0,1338
0,1717
0,2159
0,2652
0,3194
0,3775
0,4381
0,5000
0,5619
0,6225
0,6806
0,7348
0,7841
0,8283
0,8662
0,8990
m=5
CU
50
49
48
47
46
45
44
43
42
41
40
39
38
37
36
35
34
33
32
31
30
29
28
27
26
25
n=8
0,0008
0,0016
0,0031
0,0054
0,0093
0,0148
0,0225
0,0326
0,0466
0,0637
0,0855
0,1111
0,1422
0,1772
0,2176
0,2618
0,3108
0,3621
0,4165
0,4716
0,5284
0,5835
0,6379
0,6892
0,7382
0,7824
CU
55
54
53
52
51
50
49
48
47
46
45
44
43
42
41
40
39
38
37
36
35
34
33
32
31
30
n
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
Tabla J: (Continuacin).
CL
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
n=6
0.0010
0.0022
0.0043
0.0076
0.0130
0.0206
0.0325
0.0465
0.0660
0.0898
0.1201
0.1548
0.1970
0.2424
0.2944
0.3496
0.4091
0.4686
0.5314
0.5909
0.6504
0.7056
0.7576
0.8030
0.8452
0.8799
0.9102
0.9340
0.9535
0.9675
0.9794
CU
57
56
55
54
53
52
51
50
49
48
47
46
45
44
43
42
41
40
39
38
37
36
35
34
33
32
31
30
29
28
27
n=7
0.0006
0.0012
0.0023
0.0041
0.0070
0.0111
0.0175
0.0256
0.0367
0.0507
0.0688
0.0903
0.1171
0.1474
0.1830
0.2226
0.2669
0.3141
0.3654
0.4178
0.4726
0.5274
0.5822
0.6346
0.6859
0.7331
0.7774
0.8170
0.8526
0.8829
0.9097
CU
63
62
61
60
59
58
57
56
55
54
53
52
51
50
49
48
47
46
45
44
43
42
41
40
39
38
37
36
35
34
33
m= 6
n=8
0.0003
0.0007
0.0013
0.0023
0.0040
0.0063
0.0100
0.0147
0.0213
0.0296
0.0406
0.0539
0.0709
0.0906
0.1142
0.1412
0.1725
0.2068
0.2454
0.2864
0.3310
0.3773
0.4259
0.4749
0.5251
0.5741
0.6227
0.6690
0.7136
0.7546
0.7932
CU
69
68
67
66
65
64
63
62
61
60
59
58
57
56
55
54
53
52
51
50
49
48
47
46
45
44
43
42
41
40
39
n = 9 CU
0.0002 75
0.0004 74
0.0008 73
0.0014 72
0.0024 71
0.0038 70
0.0060 69
0.0088 68
0.0128 67
0.0180 66
0.0248 65
0.0332 64
0.0440 63
0.0567 62
0.0723 61
0.0905 60
0.1119 59
0.1361 58
0.1638 57
0.1942 56
0.2280 55
0.2643 54
0.3035 53
0.3445 52
0.3878 51
0.4320 50
0.4773 49
0.5227 48
0.5680 47
0.6122 46
0.6555 45
n = 10 CU
0.0001 81
0.0002 80
0.0005 79
0.0009 78
0.0015 77
0.0024 76
0.0037 75
0.0055 74
0.0080 73
0.0112 72
0.0156 71
0.0210 70
0.0280 69
0.0363 68
0.0467 67
0.0589 66
0.0736 65
0.0903 64
0.1099 63
0.1317 62
0.1566 61
0.1838 60
0.2139 59
0.2461 58
0.2811 57
0.3177 56
0.3564 55
0.3962 54
0.4374 53
0.4789 52
0.5211 51
CL
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
n=7
0,0003
0,0006
0,0012
0,0020
0,0035
0,0055
0,0087
0,0131
0,0189
0,0265
0,0364
0,0487
0,0641
0,0825
0,1043
0,1297
0,1588
0,1914
0,2279
0,2675
0,3100
0,3552
0,4024
0,4508
0,5000
0,5492
0,5976
0,6448
0,6900
0,7325
0,7721
0,8086
0,8412
0,8703
0,8957
0,9175
CU
77
76
75
74
73
72
71
70
69
68
67
66
65
64
63
62
61
60
59
58
57
56
55
54
53
52
51
50
49
48
47
46
45
44
43
42
n=8
0,0002
0,0003
0,0006
0,0011
0,0019
0,0030
0,0047
0,0070
0,0103
0,0145
0,0200
0,0270
0,0361
0,0469
0,0603
0,0760
0,0946
0,1159
0,1405
0,1678
0,1984
0,2317
0,2679
0,3063
0,3472
0,3894
0,4333
0,4775
0,5225
0,5667
0,6106
0,6528
0,6937
0,7321
0,7683
0,8016
m= 7
CU
84
83
82
81
80
79
78
77
76
75
74
73
72
71
70
69
68
67
66
65
64
63
62
61
60
59
58
57
56
55
54
53
52
51
50
49
n=9
0,0001
0,0002
0,0003
0,0006
0,0010
0,0017
0,0026
0,0039
0,0058
0,0082
0,0115
0,0156
0,0209
0,0274
0,0356
0,0454
0,0571
0,0708
0,0869
0,1052
0,1261
0,1496
0,1755
0,2039
0,2349
0,2680
0,3032
0,3403
0,3788
0,4185
0,4591
0,5000
0,5409
0,5815
0,6212
0,6597
CU
91
90
89
88
87
86
85
84
83
82
81
80
79
78
77
76
75
74
73
72
71
70
69
68
67
66
65
64
63
62
61
60
59
58
57
56
n = 10
0,0001
0,0001
0,0002
0,0004
0,0006
0,0010
0,0015
0,0023
0,0034
0,0048
0,0068
0,0093
0,0125
0,0165
0,0215
0,0277
0,0351
0,0439
0,0544
0,0665
0,0806
0,0966
0,1148
0,1349
0,1574
0,1819
0,2087
0,2374
0,2681
0,3004
0,3345
0,3698
0,4063
0,4434
0,4811
0,5189
CU
98
97
96
95
94
93
92
91
90
89
88
87
86
85
84
83
82
81
80
79
78
77
76
75
74
73
72
71
70
69
68
67
66
65
64
63
CL
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
n=8
0,0001
0,0002
0,0003
0,0005
0,0009
0,0015
0,0023
0,0035
0,0052
0,0074
0,0103
0,0141
0,0190
0,0249
0,0325
0,0415
0,0524
0,0652
0,0803
0,0974
0,1172
0,1393
0,1641
0,1911
0,2209
0,2527
0,2869
0,3227
0,3605
0,3992
0,4392
0,4796
0,5204
0,5608
0,6008
0,6395
0,6773
0,7131
0,7473
0,7791
0,8089
CU
100
99
98
97
96
95
94
93
92
91
90
89
88
87
86
85
84
83
82
81
80
79
78
77
76
75
74
73
72
71
70
69
68
67
66
65
64
63
62
61
60
m=8
n=9
0,0000
0,0001
0,0002
0,0003
0,0005
0,0008
0,0012
0,0019
0,0028
0,0039
0,0056
0,0076
0,0103
0,0137
0,0180
0,0232
0,0296
0,0372
0,0464
0,0570
0,0694
0,0836
0,0998
0,1179
0,1383
0,1606
0,1852
0,2117
0,2404
0,2707
0,3029
0,3365
0,3715
0,4074
0,4442
0,4813
0,5187
0,5558
0,5926
0,6285
0,6635
CU
108
107
106
105
104
103
102
101
100
99
98
97
96
95
94
93
92
91
90
89
88
87
86
85
84
83
82
81
80
79
78
77
76
75
74
73
72
71
70
69
68
n = 10
0,0000
0,0000
0,0001
0,0002
0,0003
0,0004
0,0007
0,0010
0,0015
0,0022
0,0031
0,0043
0,0058
0,0078
0,0103
0,0133
0,0171
0,0217
0,0273
0,0338
0,0416
0,0506
0,0610
0,0729
0,0864
0,1015
0,1185
0,1371
0,1577
0,1800
0,2041
0,2299
0,2574
0,2863
0,3167
0,3482
0,3809
0,4143
0,4484
0,4827
0,5173
CU
116
115
114
113
112
111
110
109
108
107
106
105
104
103
102
101
100
99
98
97
96
95
94
93
92
91
90
89
88
87
86
85
84
83
82
81
80
79
78
77
76
CL
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
n=9
0,0000
0,0000
0,0001
0,0001
0,0002
0,0004
0,0006
0,0009
0,0014
0,0020
0,0028
0,0039
0,0053
0,0071
0,0094
0,0122
0,0157
0,0200
0,0252
0,0313
0,0385
0,0470
0,0567
CU
126
125
124
123
122
121
120
119
118
117
116
115
114
113
112
111
110
109
108
107
106
105
104
n = 10
0,0000
0,0000
0,0000
0,0001
0,0001
0,0002
0,0003
0,0005
0,0007
0,0011
0,0015
0,0021
0,0028
0,0038
0,0051
0,0066
0,0086
0,0110
0,0140
0,0175
0,0217
0,0267
0,0326
m= 9
CU CL
135 68
134 69
133 70
132 71
131 72
130 73
129 74
128 75
127 76
126 77
125 78
124 79
123 80
122 81
121 82
120 83
119 84
118 85
117 86
116 87
115 88
114 89
113 90
n=9
0,0680
0,0807
0,0951
0,1112
0,1290
0,1487
0,1701
0,1933
0,2181
0,2447
0,2729
0,3024
0,3332
0,3652
0,3981
0,4317
0,4657
0,5000
0,5343
0,5683
0,6019
0,6348
0,6668
CU
103
102
101
100
99
98
97
96
95
94
93
92
91
90
89
88
87
86
85
84
83
82
81
n = 10
0,0394
0,0474
0,0564
0,0667
0,0782
0,0912
0,1055
0,1214
0,1388
0,1577
0,1781
0,2001
0,2235
0,2483
0,2745
0,3019
0,3304
0,3598
0,3901
0,4211
0,4524
0,4841
0,5159
CU
112
111
110
109
108
107
106
105
104
103
102
101
100
99
98
97
96
95
94
93
92
91
90
m = 10
CL
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
n = 10
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
0,0002
0,0002
0,0004
0,0005
0,0008
0,0010
0,0014
0,0019
0,0026
0,0034
0,0045
0,0057
0,0073
0,0093
0,0116
0,0144
0,0177
0,0216
0,0262
0,0315
CU
155
154
153
152
151
150
149
148
147
146
145
144
143
142
141
140
139
138
137
136
135
134
133
132
131
130
CL
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
n = 10
0,0376
0,0446
0,0526
0,0615
0,0716
0,0827
0,0952
0,1088
0,1237
0,1399
0,1575
0,1763
0,1965
0,2179
0,2406
0,2644
0,2894
0,3153
0,3421
0,3697
0,3980
0,4267
0,4559
0,4853
0,5147
CU
129
128
127
126
125
124
123
122
121
120
119
118
117
116
115
114
113
112
111
110
109
108
107
106
105
0.10
0.05
0.025
0.01
n
3
4
2.347 1.732
* 3.273
1.586
2.502
4.483
5
6
7
1.632 1.897 1.644
2.324 2.912 2.605
4.195 5.116 6.037
8
1.500
2.777
4.082
6.957
1.371
2.162
2.868
4.252
1.378
1.919
2.556
3.730
1.327
1.796
2.443
3.230
1.310
1.807
2.263
3.088
1.295
1.766
2.251
2.954
9
1.575
2.353
3.566
7.876
1.434
2.057
2.683
4.423
1.361
1.893
2.536
3.388
1.338
1.845
2.349
3.224
1.320
1.790
2.287
2.967
1.283
1.765
2.236
2.925
1.294
1.744
2.206
2.857
10
1.611
2.553
3.651
8.795
1.466
2.000
2.951
4.276
1.361
1.900
2.496
3.443
1.339
1.829
2.339
3.164
1.313
1.776
2.248
3.002
1.284
1.756
2.209
2.880
1.304
1.742
2.181
2.802
1.295
1.723
2.161
2.770
11
1.638
2.369
3.503
5.831
1.448
2.067
2.776
4.017
1.340
1.891
2.497
3.435
1.320
1.833
2.337
3.161
1.302
1.796
2.240
2.979
1.290
1.746
2.205
2.856
1.288
1.744
2.172
2.798
1.284
1.726
2.152
2.733
1.289
1.716
2.138
2.705
12
1.616
2.449
3.406
5.000
1.455
2.096
2.847
3.904
1.369
1.923
2.479
3.444
1.330
1.835
2.349
3.151
1.318
1.787
2.239
2.929
1.293
1.759
2.198
2.845
1.299
1.737
2.172
2.770
1.284
1.720
2.144
2.718
1.290
1.708
2.127
2.683
1.283
1.708
2.117
10
11
12
4 10 16 13 16 18 24 21 24 26 32 29
10 16 16 18 21 24 25 28 29 36 33
** ** 17 22 25 32 29 34 37 40 41
32 34 40 37 40 41 48
38 38 44 44 46 49 52
46 46 52 53 56 57 64
5 11 13 20 19 21 23 26 30 30 32 35
13 16 20 21 24 26 28 35 35 36 40
** 17 25 26 29 33 36 40 41 46 48
37 45 41 44 46 47 55
42 50 46 49 51 56 60
51 60 56 61 63 67 75
6 15 16 19 24 24 26 30 32 33 42 37
15 18 21 30 25 30 33 36 38 48 43
** 22 26 36 31 38 42 44 49 54 54
42 45 48 49 54 54 56
48 51 54 56 66 61 66
60 63 66 68 78 77 80
7 15 18 21 24 35 28 32 34 38 40 44
16 21 24 25 35 34 36 40 43 45 50
19 25 29 31 42 42 46 50 53 57 59
49 48 51 54 56 59 61
56 56 58 61 64 68 72
70 70 71 75 81 85 87
8 16 24 23 26 28 40 33 40 41 48 47
19 24 26 30 34 40 40 44 48 52 53
22 32 33 38 42 48 49 56 59 64 66
50 52 64 57 62 64 72
58 60 72 65 72 73 80
72 75 88 81 88 91 100
30
35
41
32
36
46
35
40
48
26
29
37
12 24 32
27 36
33 40
29
33
41
32
38
46
34
38
46
40
44
52
11 22
25
31
13 25
28
34
14 26
31
37
15 30
33
42
16 30
34
43
41
46
56
45
50
60
37
42
51
40 48 51 52
45 52 57 60
57 64 69 74
66
76
94
61
68
86
69
77
97
65
74
92
70
80
99
73
83
10
72 74 90
82 85 10
104 104 12
72
81
99
61 68 72 76 77 84 85 92
71 78 84 88 89 96 98 10
92 94 102 108 111 120 121 12
59 63 66 69 72 76 79 84
67 72 76 80 83 87 92 95
85 89 95 100 104 108 114 11
55 60 65
62 68 75
78 84 90
51 54 60
57 63 69
73 77 84
68 72 84 80 84 87 92 94 10
78 78 98 92 96 99 104 108 11
94 102 112 111 120 124 130 135 14
61 78 72 75 79 81 87 89 95
71 91 78 86 90 94 98 102 10
92 104 102 106 112 118 121 127 13
72
72
96
54
64
77
52
60
74
51
57
69
66 72 75 80 90 87 91 99 100 11
76 84 86 92 105 101 105 111 113 12
95 102 106 111 135 120 130 138 142 15
63
72
89
59
67
85
54
64
77
66
66
88
48
57
69
45
51
62
45 48 52 60 65
51 56 60 69 75
63 70 75 84 90
42 49 50 54 60
48 56 58 63 68
60 70 72 77 84
37 44 47 51 55
43 50 53 57 62
54 59 66 73 78
42
48
54
33 38 41 45 48
38 43 48 51 57
49 53 59 62 69
32 34 40 43 50
36 40 44 46 60
44 50 56 61 70
24
28
34
10 19
22
28
30
35
40
30 32 33 45 43
33 36 40 54 46
42 46 49 63 61
Continuacin....
9 21 21 26
21 25 28
27 29 36
36
39
48
36
40
49
37
41
52
42
45
54
40
46
55
43
47
58
45
51
63
18
19
20
21
22
23
24
56
60
76
49
57
69
48
56
66
45
52
64
48
52
64
41
49
57
40
46
56
4
37
44
53
58
67
82
56
65
81
54
62
76
51
60
75
55
60
75
47
56
67
46
51
63
5
44
49
61
72
78
96
63
73
91
62
70
88
60
69
84
56
66
80
54
61
77
54
66
78
6
49
56
68
64
73
91
62
72
88
8
57
65
81
70
80
99
72
81
99
9
65
74
92
m
11 12 13 14 15 16 17
72 77 81 87 91 94 119
83 89 94 99 105 109 136
104 111 118 124 130 139 153
18 19 20
102 108 113
118 125 130
150 157 162
10
69
77
97
59
68
85
56
64
81
7
54
61
75
46 53 65 67 74 81 88 100 100 106 111 119 130 130 137 142 148 155
52 61 75 78 85 95 101 110 116 120 131 136 145 148 156 161 168 180
64 73 90 96 106 118 124 140 143 153 160 169 180 185 192 201 211 220
A d aptad a d e Gail, M .H. Y Green S.B. " Critical v alu es fo r th e on e-s ided two -s ample Ko lmo g o rov -S
* * Es tad s ticas q ue n o alcan zan es te n iv el de s ig n ificacin .
25
3
32
35
43
n
17
10
9 12 15
15
12 16 16
16 20
10 15 16 20
15 20 25
25
12 15 18 24
18 20 24
24 30
14 18 21 25
21 24 28
28 35
7
28
30
36
30
30
36
24
24
30
18
20
24
15
18
12
35
42
42
28
30
36
25
28
35
21
24
28
18
21
14
34
40
48
30
34
40
27
30
35
24
28
32
21
21
16
16
36
42
49
33
39
45
30
35
40
27
28
36
21
24
27
18
18
40
46
53
36
40
48
35
40
45
28
30
36
24
27
30
18
20
44
48
59
38
43
54
35
39
45
29
33
40
27
30
33
20
22
46
53
60
48
48
60
36
43
50
36
36
44
27
30
36
22
24
50
56
65
46
52
60
40
45
52
35
39
48
30
33
39
24
26
56
63
77
48
54
64
42
46
56
38
42
48
33
36
42
24
26
56
62
75
51
57
69
50
55
60
40
44
52
33
36
42
26
28
59
64
77
54
60
72
48
54
64
44
48
56
36
39
45
28
30
61
68
84
56
62
73
50
55
68
44
48
60
36
42
48
30
32
65
72
87
66
72
84
52
60
70
46
50
60
39
45
51
32
34
18 24 28 35 36 40 44 50 60 57 60 64 68 75 76 79 82 85 10
20 27 30 40 40 46 48 53 70 60 66 70 74 80 84 89 92 94 1
30 36 45 48 53 60 63 80 77 80 84 90 100 100 106 108 113 1
20 27 29 35 38 44 48 52 57 66 64 67 73 76 80 85 88 92 9
22 30 33 39 43 48 53 59 60 77 72 75 82 84 89 93 97 102 1
33 40 45 54 59 64 70 77 88 86 91 96 102 106 110 118 122 1
22 27 36 36 48 46 52 57 60 64 72 71 78 84 88 90 96 99 10
24 30 36 43 48 53 60 63 66 72 84 81 86 93 96 100 108 108 1
36 44 50 60 60 68 75 80 86 96 95 104 108 116 119 126 130 1
24 30 35 40 46 50 54 59 64 67 71 91 78 87 91 96 99 104 10
26 33 39 45 52 56 62 65 70 75 81 91 89 96 101 105 110 114 1
39 48 52 60 65 72 78 84 91 95 117 104 115 121 127 131 138 1
10
11
12
13
14
15
m
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 2
16 21 24 27 30 34 40 40 44 48 52 54 58 60 72 68 72 74 8
16 21 28 30 34 40 48 46 48 53 60 62 64 67 80 77 80 82 8
32 35 40 48 56 55 60 64 68 72 76 81 88 88 94 98 1
18 21 27 30 33 36 40 54 50 52 57 59 63 69 69 74 81 80 8
18 24 28 35 39 42 46 54 53 59 63 65 70 75 78 82 90 89 9
27 36 40 45 49 55 63 63 70 75 78 84 90 94 99 108 107 1
n
8
Continuacin...
32
36
38
19
20
21
22
23
24
25
19
20
21
22
23
24
25
48
54
63
48
51
60
45
51
57
42
48
57
42
45
54
39
45
51
36
42
48
3
36
39
45
57
64
76
56
62
72
52
59
72
52
60
68
49
53
64
46
50
60
44
48
60
4
44
48
56
65
72
87
63
70
83
60
69
80
60
65
80
56
61
71
52
60
70
50
55
68
5
48
54
64
73
80
97
70
78
92
69
75
90
66
72
88
64
70
83
66
72
84
56
62
73
6
54
60
72
18
11
12
15
m
10 11 12 13 14 15 16 17
76 80 88 91 96 101 112 109
84 89 96 101 106 114 128 124
100 106 116 121 126 133 160 143
74
82
99
9
69
78
94
74
82
98
72
80
94
68
77
88
8
72
80
88
72
79
93
69
76
91
65
72
87
61
68
84
7
59
64
77
38
42
46
38
40
44
36
38
42
34
38
40
32
34
18
2
28
30
30
32
17
n
16
Continuacin...
Tabla L-3: Valores crticos de Dm ,n para la prueba de Kolmogorov-Smirnov para dos muestras
(muestras grandes, bidireccional).*
1.22
m+n
mn
0,05
1.36
m+n
mn
0,025
1.48
m+n
mn
0,01
1.63
m+n
mn
0,005
1.73
m+n
mn
0,001
1.95
m+n
mn
Adaptado de Smirnov, N., "Tables for estimating the goodness of fit of empirical
distributions". Annals of Mathematical Statistics, 1948.
N
3
4
5
6
7
8
9
10
11
12
13
2
3
4
5
6
7
8
3
4
5
010
.
0.05
0.01
6,00
6,00
5,20
5,33
5,43
5,25
5,56
5,00
4,91
5,17
4,77
6,00
6,50
6,40
7,00
7,14
6,25
6,22
6,20
6,54
6,17
6,00
-8,00
8,40
9,00
8,86
9,00
8,67
9,60
8,91
8,67
9,39
4,61
6,00
6,60
6,30
6,36
6,40
6,26
6,30
5,99
6,00
7,40
7,80
7,80
7,60
7,80
7,50
9,21
-8,60
9,60
9,96
10,00
10,37
10,35
6,25
7,47
7,60
7,68
7,82
8,53
8,80
8,96
11,34
10,13
11,00
11,52
7,78
9,49
13,28
Adaptado por Hollander, M. Y Wolfe, D.A. Nonparametric
statistic, 1973.
N 0.05
2 28
3 41
4 54
5 66
6 79
7 91
8 104
9 116
10 128
11 141
12 153
13 165
14 178
15 190
16 202
17 215
18 227
19 239
20 251
0.01 0.001
42
55
68
81
93
106
119
131
144
156
169
181
194
206
218
231
243
256
56
70
83
96
109
121
134
147
160
172
185
197
210
223
235
248
260
0.05
58
84
111
137
163
189
214
240
266
292
317
k=7
0.01 0.001
60
87
89
114 117
141 145
167 172
193 198
220 225
246 252
272 278
298 305
324 331
0.05
103
150
197
244
291
338
384
431
477
523
570
k=8
0.01 0.001
106 109
155 160
204 210
251 259
299 307
346 355
393 403
441 451
487 499
534 546
581 593
0.05
166
244
321
397
474
550
625
701
777
852
928
k=9
0.01
376
549
722
893
1063
1232
1401
1569
1736
1905
2072
k=6
0.05
500
736
971
1204
1436
1668
1900
2131
2361
2592
2822
0.01
520
761
999
1236
1472
1706
1940
2174
2407
2639
2872
0.001
178
260
341
420
499
577
655
733
811
888
965
k = 10
0.001
388
567
743
917
1090
1262
1433
1603
1773
1943
2112
0.01
173
252
331
409
486
563
640
717
793
869
949
0.001
544
790
1032
1273
1512
1750
1987
2223
2459
2694
2929
0.05
670
987
1301
1614
1927
2238
2549
2859
3169
3478
3788
0.01
696
1019
1339
1656
1972
2288
2602
2915
3228
3541
3852
0.001
726
1056
1382
1704
2025
2344
2662
2980
3296
3612
3927
0.10
10
13
16
18
21
24
27
16
20
23
26
30
33
24
27
31
35
39
32
36
41
45
42
47
52
52
58
64
20
24
0.05
11
14
17
20
23
26
29
18
21
25
28
32
35
25
29
34
38
42
34
39
44
48
44
50
55
56
62
68
22
26
0.01
12
15
19
22
25
29
32
19
23
27
31
35
39
28
33
37
42
46
38
43
48
53
49
55
61
61
68
75
24
29
0.005
-16
20
23
27
30
33
20
25
29
33
37
41
29
34
39
44
49
40
45
51
56
51
57
64
64
71
78
25
30
Continuacin...
Tamao de las
muestras
3
3
5
3
3
6
3
3
7
3
3
8
3
4
4
3
4
5
3
4
6
3
4
7
3
4
8
3
5
5
3
5
6
3
5
7
3
5
8
3
6
6
3
6
7
3
6
8
3
7
7
3
7
8
3
8
8
4
4
4
4
4
5
4
4
6
4
4
7
4
4
8
4
5
5
4
5
6
4
5
7
4
5
8
4
6
6
4
6
7
4
6
8
4
7
7
4
7
8
4
8
8
0,10
28
32
36
40
29
33
38
42
47
38
43
48
53
49
54
60
61
67
74
34
39
44
49
54
44
50
56
61
56
62
68
69
76
83
0,05
30
34
38
42
31
35
40
45
50
41
46
51
57
52
58
64
64
71
78
36
41
47
52
57
47
53
59
65
60
66
73
73
80
88
0,01
33
38
42
47
34
39
44
49
55
45
51
57
63
57
64
70
71
78
86
40
45
51
57
63
52
58
65
71
66
73
80
81
88
97
0,005
35
40
44
49
36
41
46
52
57
47
53
59
65
60
67
73
74
81
89
42
48
54
60
66
55
61
68
75
69
76
83
84
92
100
Continuacin...
Tamaos de las
muestras
0,10
0,05
0,01
0,005
555
50
54
59
62
556
57
60
66
69
557
63
67
73
76
558
69
73
80
84
566
63
67
74
77
567
70
74
82
85
568
77
81
89
93
577
77
82
90
94
578
85
89
98
102
588
92
98
107
111
666
71
75
82
86
667
78
82
91
94
668
85
90
99
103
677
86
91
100
103
678
94
99
109
113
688
102
108
118
122
777
94
99
109
113
778
102
108
119
123
788
111
117
129
133
888
121
127
139
144
2222
18
19
21
22
22222
28
30
33
34
222222
40
43
46
49
3333
37
39
43
45
33333
58
62
68
70
333333
85
89
97
101
4444
63
66
72
76
44444
100
105
115
119
444444
146
153
166
171
5555
95
100
109
113
55555
152
159
173
178
555555
223
233
251
258
6666
134
140
153
158
66666
215
225
243
250
666666
316
329
353
362
Adaptado de Odeh, R.E. "On Jonckheere's k-sample test against
ordered alternatives". En Technometrics, 1971.
0.25 0.10
0.05
0.025
0.01
0.005
0.0025
Tabla R-1: Probabilidades del lado superior para T, del coeficiente de correlacin de
Kendall de rangos ordenados (N 10).
Las entradas son p = P T valor de la tabla .
N
4
T
0.000
0.333
0.667
1.000
P N T
P
N T
P
N T
P
0.625 7 0.048 0.500 9 0.000 0.540 10 0.022 0.500
0.375
0.143 0.386
0.056 0.460
0.067 0.431
0.167
0.238 0.281
0.111 0.381
0.111 0.364
0.042
0.333 0.191
0.167 0.306
0.156 0.300
0.429 0.119
0.222 0.238
0.200 0.242
5 0.000 0.592
0.524 0.068
0.278 0.179
0.244 0.190
0.200 0.408
0.619 0.035
0.333 0.130
0.289 0.146
0.400 0.242
0.714 0.015
0.389 0.090
0.333 0.108
0.600 0.117
0.810 0.005
0.444 0.060
0.378 0.078
0.800 0.042
0.905 0.001
0.500 0.038
0.422 0.054
1.000 0.008
1.000 0.000
0.556 0.022
0.467 0.036
0.611 0.012
0.511 0.023
6 0.670 0.500 8 0.000 0.548
0.667 0.006
0.556 0.014
0.200 0.360
0.071 0.452
0.722 0.003
0.600 0.008
0.333 0.235
0.143 0.360
0.778 0.001
0.644 0.005
0.467 0.136
0.214 0.274
0.833 0.000
0.689 0.002
0.600 0.068
0.286 0.199
0.889 0.000
0.733 0.001
0.733 0.028
0.357 0.138
0.944 0.000
0.778 0.000
0.867 0.008
0.429 0.089
1.000 0.000
0.822 0.000
1.001 0.001
0.500 0.054
0.867 0.000
0.571 0.031
0.911 0.000
0.643 0.016
0.956 0.000
0.714 0.007
1.000 0.000
0.786 0.003
0.857 0.001
0.929 0.000
1.000 0.000
Adaptada por Charles Griffin &Co. Ltd. 1970.
Tabla R-2: Valores crticos para T, el coeficiente de correlacin de Kendall de rangos ordenad
Las entradas son valores de T que P T valor de tabla
0.100
0.050
0.025
N 0.200
0.100
0.050
11
0.345
0.418
0.491
12
0.303
0.394
0.455
13
0.308
0.359
0.436
14
0.275
0.363
0.407
15
0.276
0.333
0.390
16
0.250
0.317
0.383
17
0.250
0.309
0.368
18
0.242
0.294
0.346
19
0.228
0.287
0.333
20
0.221
0.274
0.326
21
0.210
0.267
0.314
22
0.195
0.253
0.295
23
0.202
0.257
0.296
24
0.196
0.246
0.290
25
0.193
0.240
0.287
26
0.188
0.237
0.280
27
0.179
0.231
0.271
28
0.180
0.228
0.265
29
0.172
0.222
0.261
30
0.172
0.218
0.255
Adaptada por Charles Griffin & Co. Ltd. 1970.
0.010
0.020
0.564
0.545
0.513
0.473
0.467
0.433
0.426
0.412
0.392
0.379
0.371
0.344
0.352
0.341
0.333
0.329
0.322
0.312
0.310
0.301
0.005
0.010
0.600
0.576
0.564
0.516
0.505
0.483
0.471
0.451
0.439
0.421
0.410
0.378
0.391
0.377
0.367
0.360
0.356
0.344
0.340
0.333
unidirecciona
bidireccional
N
0.25
0.20
0.10
0.05
0.025
0.01
0.005 0.001
3
0.500
1.000
4
0.447
0.500
0.707
0.707
1.000
5
0.333
0.408
0.534
0.667
0.802
0.816
1.000
6
0.277
0.327
0.472
0.600
0.667
0.764
0.866 1.000
7
0.233
0.282
0.421
0.527
0.617
0.712
0.761 0.901
8
0.206
0.254
0.382
0.484
0.565
0.648
0.713 0.807
9
0.187
0.230
0.347
0.443
0.515
0.602
0.660 0.757
10
0.170
0.215
0.325
0.413
0.480
0.562
0.614 0.718
11
0.162
0.202
0.305
0.387
0.453
0.530
0.581 0.677
12
0.153
0.190
0.288
0.465
0.430
0.505
0.548 0.643
13
0.145
0.180
0.273
0.347
0.410
0.481
0.527 0.616
14
0.137
0.172
0.260
0.331
0.391
0.458
0.503 0.590
15
0.133
0.166
0.251
0.319
0.377
0.442
0.485 0.570
16
0.125
0.157
0.240
0.305
0.361
0.423
0.466 0.549
17
0.121
0.151
0.231
0.294
0.348
0.410
0.450 0.532
18
0.117
0.147
0.222
0.284
0.336
0.395
0.434 0.514
19
0.114
0.141
0.215
0.275
0.326
0.382
0.421 0.498
20
0.111
0.139
0.210
0.268
0.318
0.374
0.412 0.488
25
0.098
0.122
0.185
0.236
0.279
0.329
0.363 0.430
30
0.088
0.110
0.167
0.213
0.253
0.298
0.329 0.390
35
0.081
0.101
0.153
0.196
0.232
0.274
0.303 0.361
40
0.075
0.094
0.142
0.182
0.216
0.255
0.282 0.335
45
0.071
0.088
0.133
0.171
0.203
0.240
0.265 0.316
50
0.067
0.083
0.126
0.161
0.192
0.225
0.250 0.298
60
0.060
0.075
0.114
0.147
0.174
0.206
0.227 0.270
70
0.056
0.070
0.106
0.135
0.160
0.190
0.210 0.251
80
0.052
0.065
0.098
0.126
0.150
0.178
0.197 0.235
90
0.049
0.061
0.092
0.119
0.141
0.167
0.185 0.221
Adaptada de Maghsoodloo, S., "Estimates of the quantiles of Kendall's partial rank
correlation coefficiente"., 1975.
Continuacin...
N
5
S
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
K=4
u
0.000
0.033
0.067
0.100
0.133
0.167
0.200
0.233
0.267
0.300
0.333
0.367
0.400
0.433
0.467
0.500
0.533
0.567
0.600
p
0.5137
0.4126
0.3266
0.2491
0.1795
0.1271
0.0903
0.0604
0.0376
0.0242
0.0156
0.0088
0.0048
0.0030
0.0017
0.0007
0.0004
0.0002
0.0001
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
0.000
0.022
0.044
0.067
0.089
0.111
0.133
0.156
0.178
0.200
0.222
0.244
0.267
0.289
0.311
0.333
0.356
0.378
0.400
0.422
0.444
0.467
0.489
0.5134
0.4310
0.3532
0.2837
0.2231
0.1708
0.1277
0.0939
0.0676
0.0472
0.0324
0.0219
0.0145
0.0092
0.0058
0.0037
0.0022
0.0013
0.0008
0.0004
0.0002
0.0001
0.0001
N
7
S
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
K=4
u
0.000
0.016
0.032
0.048
0.063
0.079
0.095
0.111
0.127
0.143
0.159
0.175
0.190
0.206
0.222
0.238
0.254
0.270
0.286
0.302
0.317
0.333
0.349
0.365
0.381
0.397
0.413
p
0.5111
0.4413
0.7460
0.3124
0.2562
0.2066
0.1637
0.1275
0.0977
0.0736
0.0545
0.0397
0.0285
0.0201
0.0139
0.0095
0.0064
0.0042
0.0028
0.0018
0.0011
0.0007
0.0004
0.0003
0.0002
0.0001
0.0001
84
85
86
87
88
89
90
91
92
93
94
95
96
0.000
0.012
0.024
0.036
0.048
0.060
0.071
0.083
0.095
0.107
0.119
0.131
0.143
0.5098
0.4490
0.3903
0.3348
0.2833
0.2366
0.1949
0.1585
0.1271
0.1006
0.0786
0.0606
0.0461
Continuacin...
N
2
S
4
6
10
K=4
u
0.155
0.167
0.179
0.190
0.202
0.214
0.226
0.238
0.250
0.262
0.274
0.286
0.298
0.310
0.321
0.333
0.345
K=5
u
-0.200
0.200
1.000
16
18
20
22
24
26
30
0.067
0.200
0.333
0.467
0.600
0.733
1.000
0.3896
0.2065
0.1025
0.0295
0.0112
0.0039
0.0002
30
32
34
36
38
40
42
44
46
48
50
0.000
0.067
0.133
0.200
0.267
0.333
0.400
0.467
0.533
0.600
0.667
0.5381
0.3533
0.2080
0.1074
0.0528
0.0238
0.0093
0.0039
0.0012
0.0004
0.0001
N
8
S
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
p
0.1346
0.0257
0.0188
0.0136
0.0097
0.0068
0.0048
0.0033
0.0022
0.0015
0.0010
0.0007
0.0004
0.0003
0.0002
0.0001
0.0001
N
5
S
52
54
56
58
60
62
64
66
68
70
72
74
K=5
u
0.040
0.080
0.120
0.160
0.200
0.240
0.280
0.320
0.360
0.400
0.440
0.480
p
0.3838
0.2544
0.1579
0.0918
0.0500
0.0257
0.0124
0.0057
0.0025
0.0010
0.0004
0.0001
76
78
80
82
84
86
88
90
92
94
96
98
100
102
104
0.013
0.040
0.067
0.093
0.120
0.147
0.173
0.200
0.227
0.253
0.280
0.307
0.333
0.360
0.387
0.4663
0.3453
0.2428
0.1623
0.1034
0.0628
0.0364
0.0202
0.0108
0.0055
0.0027
0.0013
0.0006
0.0002
0.0001
106
108
110
112
114
116
118
120
122
124
126
128
130
0.010
0.029
0.048
0.067
0.086
0.105
0.124
0.143
0.162
0.181
0.200
0.219
0.238
0.4718
0.3674
0.2750
0.1980
0.1372
0.0916
0.0589
0.0366
0.0220
0.0128
0.0072
0.0039
0.0021
p
1.0000
0.3750
0.0620
Continuacin...
N
7
S
132
134
136
138
140
140
142
144
146
148
150
152
154
156
158
160
162
164
166
168
170
172
174
176
178
K=5
u
0,257
0,276
0,295
0,314
0,333
N
2
S
6
7
10
15
0,000
0,014
0,029
0,043
0,057
0,071
0,086
0,100
0,114
0,129
0,143
0,157
0,171
0,186
0,200
0,214
0,229
0,243
0,257
0,271
K=6
u
-0,200
-0,067
0,333
1,000
23
24
26
27
28
29
30
0,022
0,067
0,156
0,200
0,244
0,289
0,333
p
0,0011
0,0005
0,0003
0,0001
0,0001
0,5233
0,4291
0,3411
0,2629
0,1965
0,1425
0,1003
0,0686
0,0456
0,0294
0,0185
0,0113
0,0068
0,0039
0,0022
0,0012
0,0007
0,0003
0,0002
0,0001
0,4682
0,3034
0,1798
0,1469
0,0883
0,0608
0,0402
N
3
S
31
32
35
36
37
40
K=6
u
0,378
0,422
0,556
0,600
0,644
0,778
p
0,0336
0,0226
0,0062
0,0029
0,0020
0,0006
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
0,000
0,022
0,044
0,067
0,089
0,111
0,133
0,156
0,178
0,200
0,222
0,244
0,267
0,289
0,311
0,333
0,356
0,378
0,400
0,422
0,444
0,467
0,489
0,511
0,533
0,556
0,578
0,4656
0,4094
0,3374
0,2569
0,2086
0,1746
0,1332
0,0970
0,0725
0,0566
0,0433
0,0289
0,0198
0,0160
0,0114
0,0072
0,0049
0,0034
0,0025
0,0016
0,0008
0,0007
0,0005
0,0003
0,0002
0,0001
0,0001
75
76
77
78
79
80
81
0,000
0,013
0,027
0,040
0,053
0,067
0,080
0,4841
0,4258
0,3665
0,3085
0,2600
0,2190
0,1800
p
1,0000
0,6875
0,2188
0,0312
Continuacin...
N
5
S
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
K=6
u
0,093
0,107
0,120
0,133
0,147
0,160
0,173
0,187
0,200
0,213
0,227
0,240
0,253
0,267
0,280
0,293
0,307
0,320
0,333
0,347
0,360
0,373
0,387
0,400
0,413
0,427
p
0,1452
0,1173
0,0949
0,0753
0,0583
0,0452
0,0355
0,0272
0,0202
0,0151
0,0115
0,0085
0,0062
0,0044
0,0033
0,0024
0,0017
0,0011
0,0008
0,0006
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
0,004
0,013
0,022
0,031
0,040
0,049
0,058
0,067
0,076
0,084
0,093
0,102
0,111
0,120
0,129
0,4640
0,4126
0,3637
0,3186
0,2768
0,2380
0,2030
0,1723
0,1451
0,1209
0,1000
0,0824
0,0674
0,0546
0,0439
N
6
S
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
K=6
u
0,138
0,147
0,156
0,164
0,173
0,182
0,191
0,200
0,209
0,218
0,227
0,236
0,244
0,253
0,262
0,271
0,280
0,289
0,298
0,307
0,316
0,324
0,333
p
0,0352
0,0280
0,0221
0,0173
0,0135
0,0105
0,0081
0,0062
0,0047
0,0036
0,0027
0,0020
0,0015
0,0011
0,0008
0,0006
0,0004
0,0003
0,0002
0,0002
0,0001
0,0001
0,0001
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
0,003
0,010
0,016
0,022
0,029
0,035
0,041
0,048
0,054
0,060
0,067
0,073
0,079
0,086
0,092
0,098
0,105
0,111
0,4694
0,4258
0,3838
0,3436
0,3057
0,2703
0,2375
0,2074
0,1800
0,1553
0,1332
0,1136
0,0963
0,0812
0,0680
0,0567
0,0470
0,0388
Continuacin...
N
7
S
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
K=6
u
0,117
0,124
0,130
0,137
0,143
0,149
0,156
0,162
0,168
0,175
0,181
0,187
0,194
0,200
0,206
0,213
0,219
0,225
0,232
0,238
0,244
0,251
0,257
0,263
0,270
p
0,0318
0,0260
0,0211
0,0170
0,0137
0,0110
0,0087
0,0069
0,0054
0,0043
0,0033
0,0026
0,0020
0,0015
0,0012
0,0009
0,0007
0,0005
0,0004
0,0003
0,0002
0,0002
0,0001
0,0001
0,0001
N
8
S
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
K=6
u
0,076
0,081
0,086
0,090
0,095
0,100
0,105
0,110
0,114
0,119
0,124
0,129
0,133
0,138
0,143
0,148
0,152
0,157
0,162
0,167
0,171
0,176
0,181
0,186
0,190
0,195
0,200
0,205
0,210
0,214
0,219
0,224
0,229
p
0,0742
0,0633
0,0538
0,0455
0,0383
0,0321
0,0268
0,0223
0,0185
0,0152
0,0125
0,0102
0,0083
0,0068
0,0055
0,0044
0,0035
0,0028
0,0022
0,0018
0,0014
0,0011
0,0009
0,0007
0,0005
0,0004
0,0003
0,0002
0,0002
0,0001
0,0001
0,0001
0,0001
210
0,000
0,4930
211
0,005
0,4545
212
0,010
0,4169
213
0,014
0,3805
214
0,019
0,3455
215
0,024
0,3122
216
0,029
0,2807
217
0,033
0,2511
218
0,038
0,2235
219
0,043
0,1980
220
0,048
0,1745
221
0,052
0,1531
222
0,057
0,1337
223
0,062
0,1162
224
0,067
0,1005
225
0,071
0,0866
Nota: Los valores presentados corresponden a las probabilidades c>=0.0001. As las
prob. del lado superior para valores grandes de u tienen probabilidades < 0.00005.
p
0.750
0.250
N
2
0.000
0.333
0.667
1.000
0.639
0.361
0.139
0.028
0.000
0.167
0.333
0.500
0.667
0.833
1.000
0.592
0.408
0.241
0.118
0.045
0.012
0.002
0.000
0.100
0.200
0.300
0.400
0.500
0.600
0.700
0.800
0.900
1.000
0.567
0.433
0.306
0.198
0.116
0.060
0.027
0.010
0.003
0.001
0.000+
N
2
k=3
Tc
0.333
1.000
p
0.500
0.125
0.111
0.333
0.556
0.778
1.000
0.500
0.278
0.116
0.033
0.005
0.000
0.111
0.222
0.333
0.444
0.556
0.667
0.778
0.889
1.000
0.576
0.424
0.282
0.167
0.086
0.038
0.014
0.004
0.001
0.000+
0.000
0.067
0.113
0.200
0.267
0.333
0.400
0.467
0.533
0.600
0.667
0.733
0.800
0.556
0.445
0.338
0.243
0.164
0.103
0.060
0.032
0.016
0.007
0.003
0.001
0.000+
Adaptada de Stilson, D.W. Y Campbell, V.N., "A noe on calculating tau and average
tau and on the sampling distribution of average tau with a criterion ranking". 1962.
BIBLIOGRAFA
1. PAGANO, R.R. (1999). Estadstica para las Ciencias del
Comportamiento. Quinta Edicin. Edit. Internacional Thompson
Editores.
2. PEREZ-TEJADA, H.E. (2000). Estadstica para las ciencias sociales
y del comportamiento. 2da. Edic. Edit. Oxford University Press Mxico,
S.A. de C.V.