INFERENCIA ESTADISTICA

Unidad 3: Fase 4 - Pruebas no paramétricas

Tutor:
Dany Mariela Silva

Estudiantes:

Edid Amparo Bustos Ángel

Código: 51.991.955
Gladys Saavedra
Código: 65.767.519

Grupo: 212064-6

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
Fecha 07 de Mayo 2019
Bogotá
D
RÍA
 Células
Densidad Crioscopia % Proteína % Sólidos somáticas
Nº Muestra % Grasa
(g/ml) (°C) totales (células/ml
de leche)
1 4 1.03 -0.56 3.2 3.2 11.7 1901288
2 13 0.95 -0.58 3.1 3 11.4 1905216
3 22 1.06 -0.55 3.1 2.9 12 1896402
4 31 0.93 -0.53 3.2 3 11.6 1907809
5 40 1.03 -0.52 3.1 3.1 12.2 1909125
6 49 1 -0.52 3.4 3 12.3 1915963
7 58 1.05 -0.52 3.2 3 11.3 1903433
8 67 1.08 -0.51 3.3 2.9 11.8 1897753
9 76 1.03 -0.55 3 2.9 11.8 1904189
10 85 0.98 -0.55 3.4 3 11.6 1902162
11 94 1.04 -0.54 3.1 3.1 11.9 1908144
12 103 1.07 -0.54 3.1 2.8 11.6 1885096
13 112 1.06 -0.5 3.1 3.3 11 1916685
14 121 1.04 -0.52 3.3 3 11.7 1898908
15 130 1.03 -0.52 3.3 3.1 11.5 1906817
16 139 1.02 -0.55 3.2 3.1 11.4 1899013
17 148 1 -0.56 3.1 2.9 11.9 1893919
18 157 1 -0.5 3.1 3 11.6 1887630
19 166 1.01 -0.5 3.2 3 12.2 1909564
20 175 0.99 -0.56 3.1 2.8 12.4 1905026
21 184 1.07 -0.51 3.2 3.1 11.8 1887101
22 193 0.98 -0.51 3.2 3 11.8 1901129
23 202 1.13 -0.54 3 3 11.9 1901328
24 211 0.88 -0.5 3 3 12 1911921
25 220 1.1 -0.55 3.1 3.1 11.7 1920733
26 229 1.08 -0.54 3.2 2.9 11.6 1900273
27 238 1.1 -0.52 3.2 3 12 1890599
28 247 1.05 -0.54 3.3 3 11.9 1914918
29 256 0.94 -0.57 3.3 2.9 11.9 1896183
30 265 1.06 -0.54 3.1 3 11.5 1890880
31 274 1.04 -0.54 3.3 3 11.9 1884962
32 283 0.98 -0.49 3.2 2.9 11.6 1899582
33 292 0.96 -0.55 3.2 3 11.7 1901936
34 301 1.03 -0.49 3.3 3.1 12.2 1887657
35 310 1.09 -0.53 3.1 3.1 11.8 1901495
36 319 1.04 -0.53 3.4 3.2 12 1896702
37 328 1.08 -0.5 3.2 3.1 11.8 1896111
38 337 1.01 -0.51 3.2 3.1 11.7 1903521
39 346 1.09 -0.52 3.1 3.1 12.1 1891329
40 355 1.03 -0.53 3.3 2.8 12.2 1897690
41 364 1.05 -0.57 3.1 3 12 1891017
42 373 1.08 -0.5 3.3 2.9 12 1918214
43 382 0.97 -0.53 3.1 3 11.3 1881569
44 391 0.99 -0.55 3.2 3 11.6 1914245
45 400 1.03 -0.5 3.3 3.1 11.8 1894730
46 409 1.11 -0.53 3.4 3.1 11.8 1892157
47 418 0.99 -0.51 3.3 3 11.4 1915743
48 427 1.09 -0.5 3.3 3.1 12.3 1905727
49 436 1.04 -0.55 3.2 2.8 11.7 1912272
50 445 1.07 -0.54 3.2 3.1 12 1890866
51 454 1.09 -0.55 3.2 3 12.4 1902015
52 463 0.99 -0.48 3.3 2.9 11.6 1881347
53 472 1.06 -0.51 3.3 3 12.3 1898313
54 481 1.05 -0.51 3.1 3.1 11.9 1895276
55 490 1.02 -0.56 3.3 2.8 12.1 1898061
56 499 0.98 -0.53 3.2 3 11.6 1891824
57 508 1.04 -0.55 3.3 3 11.7 1908167
58 517 0.94 -0.51 3.3 3.2 11.9 1892476
59 526 1.11 -0.5 3.2 3.2 11.4 1888002
60 535 1 -0.57 3.3 3.1 12.1 1896918
61 544 1 -0.52 3.3 3 11.7 1907688
62 553 1.08 -0.56 3 3 11.7 1889710
63 562 1.04 -0.55 3.2 3 12.3 1904615
64 571 1.03 -0.49 3.1 2.9 12.1 1901976
65 580 0.96 -0.54 3.3 3 11.6 1885473
66 589 1.04 -0.55 3.3 3.2 11.3 1897895
67 598 1.12 -0.53 3.4 3 11.4 1895162
68 607 1.04 -0.56 3.1 3.2 11.5 1901862
69 616 1.02 -0.52 3.2 2.9 11.4 1908060
70 625 1.02 -0.53 3.2 2.9 12 1885202
71 634 1.03 -0.57 3.2 2.8 11.5 1902837
72 643 1.03 -0.54 3.1 2.8 11.6 1894227
73 652 0.99 -0.53 3.2 3.1 11.3 1896145
74 661 1 -0.53 3.2 3 11.8 1882737
75 670 1.01 -0.52 3.3 3.1 10.9 1890220
76 679 1.02 -0.52 3.2 3 11.5 1902683
77 688 1.05 -0.5 3.3 3 12 1898993
78 697 1.04 -0.51 3.2 3 11.6 1916741
79 706 1.04 -0.54 3 3 12.4 1907565
80 715 1.05 -0.49 3 3 11.9 1903502
81 724 1.03 -0.55 3 3.1 11.4 1898219
82 733 1.02 -0.53 3.2 3 12.5 1902503
83 742 1.08 -0.53 3.2 3 11.8 1898860
84 751 1 -0.52 3.3 3 12 1908142
85 760 1.14 -0.54 3.2 3 11.7 1910167
86 769 1.07 -0.52 3.2 2.9 11.7 1888294
 87 778 1.03 -0.57 3.2 3.1 11.3 1901124
88 787 1 -0.5 3 3 11.6 1905109
89 796 1.02 -0.52 3.2 3 11.8 1894924
90 805 0.98 -0.52 3.1 3.1 11.6 1893482
91 814 0.98 -0.52 3.2 2.9 11.8 1900988
92 823 1.08 -0.54 3.1 2.9 11.5 1902973
93 832 1 -0.54 3.2 3 11.8 1903614
94 841 1.04 -0.56 3.3 2.9 11.9 1907041
95 850 0.91 -0.54 3.2 3 11.2 1899154
96 859 1.07 -0.54 3.2 3.2 11.6 1895926
97 868 0.94 -0.55 3.2 3.1 11.6 1875162
98 877 0.93 -0.5 3.2 2.9 11.7 1886660
99 886 0.95 -0.52 3.2 3 11.6 1895626
100 895 1.09 -0.55 3.2 3.1 12.1 1905635
101 904 1.07 -0.57 3.2 3 11.3 1898904
102 913 1.01 -0.54 3.3 3 11.9 1919331
103 922 0.99 -0.52 3.3 3.1 11.7 1888067
104 931 1.01 -0.5 3.2 3.1 12 1887416
105 940 1.12 -0.56 3.3 3.1 11.7 1890535
106 949 1 -0.55 3.3 3 12 1910342
107 958 1.01 -0.54 3.2 3.2 11.6 1895413
108 967 1.07 -0.5 3.3 3.2 11.4 1895946
109 976 0.94 -0.47 3.3 2.8 11.5 1883178
110 985 1.06 -0.55 3.6 3 12.9 1893908
111 994 1.01 -0.53 3.4 2.9 11.5 1900793
112 1003 1.07 -0.55 3.3 2.9 11.8 1900591
113 1012 1.01 -0.55 3.1 2.9 12 1908127
114 1021 0.99 -0.55 3.2 2.9 11.8 1893414
115 1030 0.94 -0.56 3.2 2.7 12.1 1907596
116 1039 1.02 -0.55 3.3 3 11.6 1892464
117 1048 0.99 -0.56 3.2 2.9 12 1908066
118 1057 1.03 -0.53 3.3 3.1 11.5 1896578
119 1066 1.08 -0.52 3.2 2.8 12 1913637
120 1075 1.08 -0.5 3.2 3 11.9 1910114
121 1084 1.07 -0.52 3.2 3.1 11.1 1904671
122 1093 0.98 -0.53 3.2 2.9 11.8 1917349
123 1102 1.04 -0.56 3.3 2.9 12 1891747
124 1111 1.1 -0.53 3.1 3 11.7 1884521
125 1120 1.05 -0.56 3.3 3 11.7 1908898
126 1129 0.99 -0.56 3.1 3 11.7 1899801
127 1138 1.02 -0.53 3.1 2.9 11.8 1903458
128 1147 0.99 -0.51 3.2 2.9 11.9 1891292
129 1156 1.02 -0.54 3 3.2 11.8 1902772
130 1165 1.13 -0.53 3.1 2.9 12 1902538
131 1174 0.99 -0.54 3.3 2.9 12.1 1894116
132 1183 1.02 -0.52 3.3 3.1 12 1898281
133 1192 1.07 -0.52 3.3 3.2 11.7 1891749
134 1201 1.09 -0.49 3.2 2.9 11.1 1884270
135 1210 0.97 -0.53 3.3 2.9 12 1907130
136 1219 1.04 -0.53 3.3 2.9 11.7 1883041
137 1228 1.01 -0.5 3.4 2.9 11.6 1887360
138 1237 1.09 -0.57 3.2 3 11.6 1883137
139 1246 1.04 -0.53 3.4 3 11.9 1904781
140 1255 1.01 -0.56 3.2 3 11.5 1899405
141 1264 0.99 -0.54 3.2 2.9 11.8 1885051
142 1273 1 -0.53 3.2 3 11.6 1898768
143 1282 0.98 -0.51 3.1 3 12.5 1889675
144 1291 1 -0.53 3.2 3 11.8 1909205
145 1300 1 -0.54 3 3.1 12 1896044
146 1309 1.01 -0.5 3.3 3.1 11.2 1889339
147 1318 1.09 -0.54 3.3 2.9 11.9 1892118
148 1327 1.05 -0.52 3.3 3 12 1895400
149 1336 1.01 -0.52 3.2 2.9 12 1887000
150 1345 1.07 -0.51 3.2 3.1 11.7 1882682
151 1354 0.95 -0.52 3.3 2.9 11.3 1904628
152 1363 1.08 -0.53 3.2 3 12 1916834
153 1372 1.01 -0.5 3.4 2.9 11.7 1907865
154 1381 1.12 -0.58 3.3 3 11.5 1910101
155 1390 1.08 -0.51 3.2 2.9 12.1 1900861
156 1399 1 -0.5 3.2 3.1 11.9 1890566
157 1408 1.03 -0.52 3.3 3.1 12 1900100
158 1417 0.99 -0.53 3.1 3 11.4 1905101
159 1426 0.96 -0.52 3.1 3 11.6 1904786
160 1435 1.06 -0.51 3.4 3 11.5 1921016
161 1444 1.01 -0.52 3.2 2.9 11.7 1889835
162 1453 1.02 -0.54 3.1 2.9 11.4 1891294
163 1462 0.99 -0.53 3.3 3 12.1 1882575
164 1471 0.95 -0.51 3.1 2.9 11.5 1872643
165 1480 1.05 -0.51 3.3 3 11.9 1898411
166 1489 1 -0.56 3.2 3.1 12 1899167
167 1498 1.1 -0.49 3.2 2.9 12.3 1884859
168 1507 1.05 -0.54 3 3 11.5 1906201
169 1516 0.98 -0.53 3.2 2.8 11.7 1887066
170 1525 1.04 -0.52 3.2 3 11.7 1900686
171 1534 0.96 -0.49 3.1 3.1 11.2 1888027
172 1543 0.91 -0.55 3.2 2.9 11.7 1884816
173 1552 1.05 -0.51 3.2 2.9 12.2 1890019
174 1561 1.02 -0.51 3.3 2.9 11.5 1905199
175 1570 1.08 -0.5 3.3 3 11.6 1893723
176 1579 1.05 -0.53 3.2 2.9 11.2 1906107
177 1588 0.97 -0.55 3.4 3.1 11.5 1906113
178 1597 1.05 -0.52 3 2.9 12.3 1886621
179 1606 0.98 -0.51 3.4 2.9 11.8 1878454
180 1615 1 -0.57 3.2 3 11.5 1899104
181 1624 1.13 -0.5 3.2 3.1 12.1 1909336
182 1633 1.08 -0.53 3.1 2.9 11.1 1905819
183 1642 1.1 -0.52 3.1 3 11.7 1885295
184 1651 1.05 -0.52 3.3 2.9 12.4 1912085
185 1660 1.11 -0.48 3.1 3.2 11.9 1897147
186 1669 1.1 -0.54 3.1 2.9 11.9 1901426
187 1678 1.11 -0.54 3.2 2.9 11.9 1891415
188 1687 1.04 -0.57 3.2 3 11.3 1890600
189 1696 1.06 -0.53 3.3 2.9 11.7 1898443
190 1705 1 -0.54 3.1 3.1 11.3 1895317
191 1714 0.93 -0.52 3 3 12.3 1910013
192 1723 0.95 -0.55 3.2 3 11.2 1885847
193 1732 1.04 -0.52 3.3 3.1 11.9 1893834
194 1741 1.02 -0.52 3.2 2.9 11.8 1884617
195 1750 1.03 -0.56 3.2 2.9 11.8 1901443
196 1759 1 -0.52 3.2 2.9 11.6 1897308
197 1768 1.01 -0.54 3 3 12.2 1898274
198 1777 1.06 -0.52 3.1 3 11.8 1895252
199 1786 1.03 -0.55 3.1 3 12.2 1908091
200 1795 0.95 -0.51 3.1 3 11.8 1896721
201 1804 1.07 -0.55 3.2 2.9 11.5 1895051
202 1810 1.05 -0.56 3.1 3 11.8 1872011
Peroxidasa Fosfatasa Tipo de Temperatura Costo Prueba de Temperatura
leche yodo de recepcion

2 2 3 2 784 2 2
2 2 1 2 514 2 1
1 2 1 2 902 2 1
2 2 4 1 648 1 1
2 2 2 2 589 2 2
1 2 2 1 478 2 1
2 2 1 2 688 2 1
2 2 1 1 564 2 1
2 2 4 1 805 2 2
2 2 4 3 571 2 1
2 2 3 2 659 2 2
2 2 1 2 921 2 1
2 2 1 2 995 2 2
2 2 1 2 638 2 1
1 2 3 1 713 1 1
2 2 1 1 824 1 2
2 2 3 2 968 2 1
2 2 1 3 708 2 1
2 1 4 1 838 2 1
2 2 4 1 705 2 1
2 2 1 3 774 2 1
2 2 1 2 611 2 1
2 2 1 3 361 2 1
2 2 1 1 824 2 2
2 2 1 2 833 2 1
1 2 4 1 745 2 2
2 2 1 1 745 2 1
1 2 4 2 555 2 1
2 2 1 2 538 2 1
2 2 4 2 1005 2 2
2 2 4 3 625 2 2
1 2 3 2 628 2 1
2 2 1 1 698 2 1
2 2 1 2 632 2 1
2 2 1 2 322 2 1
2 2 1 2 821 2 1
2 2 1 1 864 2 2
2 2 3 2 622 2 1
2 2 3 2 653 2 2
1 2 1 2 659 2 1
1 2 2 2 750 2 1
2 1 1 3 1065 2 1
2 2 1 2 760 2 1
2 2 1 2 853 2 1
2 2 1 3 872 2 2
2 2 4 1 832 2 2
2 1 1 1 634 2 1
2 2 1 3 567 2 1
2 2 4 2 784 2 1
2 2 1 3 518 2 1
1 2 1 2 358 2 1
2 2 3 1 495 2 1
2 2 1 2 485 2 1
2 2 2 2 467 2 1
1 2 1 3 853 2 1
2 2 4 1 817 2 1
2 2 2 2 594 1 1
2 2 2 1 705 2 1
2 2 1 3 1047 2 1
2 2 1 3 560 2 1
1 2 1 3 865 2 2
2 2 2 2 935 2 1
2 2 1 3 535 2 1
1 2 4 2 435 2 1
2 2 1 2 709 2 2
2 2 1 2 593 2 1
2 2 4 1 500 1 1
1 2 1 2 587 2 1
1 2 1 3 799 2 1
2 2 4 2 502 2 1
2 2 4 2 472 2 1
2 2 4 1 870 2 1
2 2 1 1 786 1 1
1 2 4 2 728 2 1
1 2 3 1 978 2 1
2 2 1 3 522 1 2
2 2 3 3 468 2 2
2 2 1 2 941 1 2
2 2 1 3 438 2 2
2 2 1 1 740 1 1
2 2 1 2 848 2 1
2 2 2 3 598 2 2
2 2 4 2 530 2 1
1 2 1 2 714 2 1
2 2 4 2 633 2 1
2 2 2 2 707 2 1
2 2 4 1 342 2 1
2 2 2 3 486 2 1
2 2 1 2 890 2 1
2 2 1 1 746 2 1
1 2 4 2 929 2 1
2 2 1 2 633 2 2
2 2 3 2 492 2 1
1 2 1 3 638 2 2
2 2 2 3 624 2 1
1 2 1 2 684 2 2
2 2 2 1 428 2 1
2 2 1 3 379 2 1
2 2 1 1 1048 2 1
2 2 3 3 686 2 1
1 2 3 2 620 2 2
2 1 1 2 634 2 1
2 1 1 1 512 2 1
2 2 1 2 699 2 1
2 2 1 1 722 2 1
2 2 1 2 577 2 2
1 2 3 1 835 2 1
2 2 1 2 436 2 1
2 2 1 2 798 1 1
2 2 1 1 1053 2 1
2 2 1 1 528 2 2
2 2 4 1 332 2 1
2 2 3 2 689 2 2
2 2 1 1 568 2 1
2 2 1 2 261 1 1
1 2 1 1 896 2 1
2 2 2 1 657 2 1
2 2 1 3 718 2 1
2 2 3 2 684 2 1
2 2 1 1 622 2 1
2 2 4 2 644 2 1
2 2 1 1 403 2 1
2 2 3 3 664 2 2
2 2 1 3 1157 2 2
1 2 2 3 843 2 2
2 2 1 2 345 1 1
2 2 1 2 840 2 1
2 2 1 2 685 2 1
2 2 1 2 859 2 1
1 2 3 2 780 2 1
2 2 4 2 615 2 1
2 2 2 2 228 1 2
2 2 1 1 645 2 1
2 2 1 3 921 1 1
1 2 1 1 663 1 1
1 2 3 2 626 2 1
1 2 3 2 422 1 1
1 2 2 1 683 2 1
1 2 3 1 688 2 1
2 2 3 1 547 2 1
1 1 4 3 723 2 1
1 1 1 2 1026 2 1
2 2 2 3 895 2 1
1 2 2 2 1096 2 1
2 2 1 3 537 2 1
2 2 1 1 708 2 1
1 2 4 2 873 2 1
2 2 3 1 921 2 2
2 2 3 3 1026 2 2
1 2 1 2 465 2 1
1 2 4 2 766 2 1
2 2 2 2 660 2 1
2 2 1 3 602 2 1
2 2 1 1 451 2 1
2 2 4 3 829 2 1
2 2 4 1 762 2 1
2 2 1 1 728 2 2
2 2 1 2 593 2 2
2 2 4 1 674 2 1
1 2 3 3 508 2 1
2 2 1 3 760 2 1
2 2 1 2 752 2 1
2 2 1 2 509 2 1
1 2 1 2 885 2 2
2 2 2 1 688 2 1
2 2 1 2 708 2 1
1 2 1 2 853 2 1
2 2 1 2 759 2 1
2 2 2 1 593 2 1
2 2 1 2 468 2 1
2 2 3 3 965 2 2
2 2 1 1 455 2 2
2 2 1 2 650 2 1
2 2 4 2 384 2 2
2 2 1 1 1011 2 1
1 1 2 3 593 1 1
2 2 2 2 612 2 1
2 2 1 3 743 2 1
2 2 3 1 510 2 1
2 2 1 1 576 2 1
2 1 1 3 651 2 1
2 2 1 2 637 2 1
2 2 2 3 362 2 1
2 2 3 2 671 2 1
2 2 1 2 420 2 1
2 2 4 2 687 2 1
2 2 1 2 635 2 2
2 2 2 1 495 2 1
2 2 1 3 385 2 1
2 2 1 2 578 2 1
2 2 2 1 505 2 1
2 2 4 2 1046 2 2
2 2 3 1 540 2 1
2 2 1 2 556 2 1
1 2 1 3 974 1 2
1 2 1 1 413 2 1
2 2 1 2 897 2 1
2 2 1 2 964 2 1
1 2 1 2 994 2 1
1 2 1 2 992 2 1
2 2 1 1 606 2 1
2 2 1 2 622 2 1
Satisfacción Departamento

2 4
1 5
1 6
3 5
1 6
2 4
2 4
2 2
1 2
1 2
2 4
2 6
2 2
2 1
2 3
2 6
2 6
2 4
2 2
2 2
2 6
2 4
2 1
4 4
4 2
1 4
2 1
2 6
2 4
1 1
2 6
2 1
2 3
2 4
2 1
2 4
2 6
4 6
2 3
2 2
2 1
4 1
1 1
2 2
2 4
2 1
2 5
2 6
2 3
3 6
2 6
3 3
2 6
1 3
2 6
2 4
2 4
4 5
2 1
2 6
2 3
2 3
2 2
2 4
2 1
2 6
3 6
2 4
2 2
2 4
2 1
2 4
1 3
2 4
1 4
2 4
2 2
2 3
3 4
2 2
2 4
2 3
2 6
2 5
1 5
5 2
2 2
2 2
2 4
3 3
2 4
2 5
1 4
1 6
1 2
2 5
2 4
4 2
2 6
2 4
2 6
2 5
2 4
1 3
2 2
2 6
2 2
5 2
2 4
2 6
1 1
2 3
2 5
2 5
2 1
2 2
2 5
2 5
2 6
2 4
2 5
2 3
1 4
1 2
2 1
2 4
2 1
3 6
2 3
2 5
2 1
2 1
1 3
2 6
2 5
2 5
1 6
1 5
2 6
2 1
1 1
3 6
2 1
1 2
3 4
1 3
2 2
3 2
2 3
2 6
2 4
2 5
2 6
2 3
2 5
2 1
2 1
2 1
3 6
2 1
2 5
2 5
1 3
2 6
2 2
2 2
2 3
1 2
2 4
2 2
2 3
3 1
2 1
2 6
2 6
2 5
2 1
2 4
2 5
4 6
2 4
2 2
1 2
2 6
2 4
2 4
2 6
2 2
2 3
2 2
2 5
1 3
2 2
2 1
2 1
1 5
2 4
2 1
2 1
2 1
2 2
2 3
 Pruebas no paramétricas Características Principales

para el análisis de variables cualitativas. Su nombre lo toma de la distribución Chi c

la que se basa su formula es:

- Los datos puntualizan a las variables cualitativa (nominal u ordinal).

Chi-cuadrado
- Las poblaciones son pequeñas.
- Se desconocen los parámetros media, moda.
- Se quiere contrastar o comparar hipótesis propuestas.
- Existen investigaciones de tipo social - muestras pequeñas no representativas >5

La prueba de Kolmogorov-Smirnov de una muestra es una dócima de bondad de a

grado de acuerdo entre la distribución de un conjunto de valores de la muestra y al
específica. Determina si razonablemente puede pensarse que las mediciones mués
población que tenga esa distribución teórica. En la prueba se compara la distribució
la distribución teórica con la distribución de frecuencia acumulativa observada. Se d
Kolmogorov-Smirnov
estas dos distribuciones muestran la mayor divergencia.
Hipótesis Ho: La distribución observada se ajusta a la distribución teórica. F(x) = Ft
H1: La distribución observada no se ajusta a la distribución teórica.
También: F(x) ( Ft(x) para algún x F(x): es función desconocida Ft(x): es la función
ejemplo la función normal con cierta

Intuitivamente, es idéntico al ANOVA con los datos reemplazados por categorías. E

de la U de Mann-Whitney para 3 o más grupos.
nos permite comparar las medias de r grupos, siendo r mayor o igual a 2. El modelo
Anova presupone que las varianzas de los grupos son iguales y que los residuos o
KrusKal-Wallis independientes e idénticamente distribuidos siguiendo una ley normal con media 0
constante. La hipótesis nula de la prueba Anova de un factor es:

H0: Las medias de los k grupos son todas iguales

H1: Al menos una de las medias es diferente

Las distribución Chi cuadrado de contingencia, se derivan de la distribución Norma

teoría del muestreo pequeño n< 30. Son muy importantes pues son la base de met
Chi-cuadrado de contingencia
como Intervalos de Confianza y Pruebas de Hipótesis. En otros estudios se les defi
diferencias cuadráticas relativas entre valores experimentales (observados) y valore
 CUADRO COMPARATIVO
Características Principales Cuando
a) Cuando queremos comprobar si una
e variables cualitativas. Su nombre lo toma de la𝑋^2=∑_𝑖^𝑘▒
distribución Chi
〖〖 cuadrado
(𝑓 〗 de la probabilidad, en tiene una determinada función de proba
u formula es: chi-cuadrado de ajuste.
_(0−) 𝑓_𝑒) 〗 ^2/𝑓_𝑒 b) Cuando queremos averiguar si dos va
ualizan a las variables cualitativa (nominal u ordinal). independientes estadísticamente. En es
s son pequeñas. cuadrado de independencia o chi-cuadr
n los parámetros media, moda. aplica para comparar las frecuencias es
astar o comparar hipótesis propuestas. obtenidas (muestra) y a partir de esta co
gaciones de tipo social - muestras pequeñas no representativas >5 y población > a 5 y < a 20 significativas. Las frecuencias esperada
frecuencias obtenidas son los resultado

mogorov-Smirnov de una muestra es una dócima de bondad de ajuste. Esto es, se interesa en el
o entre la distribución de un conjunto de valores de la muestra y alguna distribución teórica
Es aplicable a cualquier tamaño de mue
mina si razonablemente puede pensarse que las mediciones muéstrales provengan de una
Compara las funciones de distribución te
nga esa distribución teórica. En la prueba se compara la distribución de frecuencia acumulativa de
aplica a distribuciones de tipo ordinal.
órica con la distribución de frecuencia acumulativa observada. Se determina el punto en el que
Se usa para probar hipótesis acerca de
uciones muestran la mayor divergencia.
Se basa en calcular las diferencias, en v
distribución observada se ajusta a la distribución teórica. F(x) = Ft(x) para todo x.
acumuladas relativasobservadas y las e
ón observada no se ajusta a la distribución teórica.
Ft(x) para algún x F(x): es función desconocida Ft(x): es la función teórica. Esta puede ser por
n normal con cierta

s idéntico al ANOVA con los datos reemplazados por categorías. Es una extensión de la prueba La prueba de Kruskal-Wallis es el métod
Whitney para 3 o más grupos. La prueba Anova cuyas distribuciones
parar las medias de r grupos, siendo r mayor o igual a 2. El modelo no son normales. Incluso cuando las po
e que las varianzas de los grupos son iguales y que los residuos o errores son aleatorios, funciona muy bien.
idénticamente distribuidos siguiendo una ley normal con media 0 y desviación También es adecuado cuando las desvi
ótesis nula de la prueba Anova de un factor es: iguales entre sí,
sin embargo, el Anova de un factor es m
de los k grupos son todas iguales desviaciones típicas
a de las medias es diferente difieren en gran magnitud.

chi-cuadrado de contingencia, permite h

Chi cuadrado de contingencia, se derivan de la distribución Normal y están relacionadas con la
carácteres estadísticos, lleva el nombre
eo pequeño n< 30. Son muy importantes pues son la base de metodologías inferenciales, tales
dos carácteres, observados en una mism
de Confianza y Pruebas de Hipótesis. En otros estudios se les define como la suma de
muestra es $ n$. Las modalidades o cla
áticas relativas entre valores experimentales (observados) y valores teóricos (esperados).
d1,......,ds.
O COMPARATIVO
Cuando se debe Utilizar Utilidad
Cuando queremos comprobar si una variable, cuya descripción parece adecuada,
ne una determinada función de probabilidad. La prueba correspondiente se llama
-cuadrado de ajuste. Esta prueba puede utilizarse incluso con datos medib
Cuando queremos averiguar si dos variables (o dos vías de clasificación) son hipótesis nula de la prueba Chi-cuadrado postula una
dependientes estadísticamente. En este caso la prueba que aplicaremos ser la chi- totalmente especificada como el modelo matemático
adrado de independencia o chi-cuadrado de contingencia. Se la muestra.
lica para comparar las frecuencias esperadas (poblacionales) y las frecuencias Para realizar este contraste se disponen los datos en
tenidas (muestra) y a partir de esta comparación decidir si existen diferencias cada valor o intervalo de valores se indica la frecuenc
nificativas. Las frecuencias esperadas se refieren a la hipótesis nula (Ho) y las empírica.
cuencias obtenidas son los resultados alcanzados por el investigador.

aplicable a cualquier tamaño de muestra

se trata de comparar la distribución muestral observa
mpara las funciones de distribución teórica y empírica. Se
cierta la hipotética distribución de la población .En el c
lica a distribuciones de tipo ordinal.
frecuencias absolutas observadas con sus homónima
usa para probar hipótesis acerca de distribuciones discretas.
Kolmogorov-Smirnov las frecuencias a comparar será
basa en calcular las diferencias, en valor absoluto, entre las frecuencias
acumuladas de las dos distribuciones ; observada y te
umuladas relativasobservadas y las esperadas, en cada clase.
aquellas ocasiones en las que los datos se encuentre

La prueba de Kruskal-Wallis representa una forma se

existencia de las diferencias en la distribución de las t
prueba de Kruskal-Wallis es el método más adecuado para comparar poblaciones
todo cuando el estudio de la variación se realiza desd
yas distribuciones
se corre el riesgo de compa-rar poblaciones que difie
son normales. Incluso cuando las poblaciones son normales, este contraste
edad.Cuando la única forma factible de medición es la
nciona muy bien.
emplear la prueba de KrusKal-Wallis (Kerlinger y Lee
mbién es adecuado cuando las desviaciones típicas de los diferentes grupos no son
uales entre sí,
embargo, el Anova de un factor es muy robusto y sólo se ve afectado cuando las
sviaciones típicas
eren en gran magnitud.

Su utilidad es precisamente evaluar la independencia

-cuadrado de contingencia, permite hacer un test sobre la independencia de dos ordinales, dando un método para verificar si las frecue
rácteres estadísticos, lleva el nombre de test de chi-cuadrado de contingencia. Los categoría son compatibles con la independencia entre
s carácteres, observados en una misma población, son X e Y, el tamaño de la se calculan los valores que indicarían la independenc
uestra es $ n$. Las modalidades o clases de X se denotan c1,.....,cr, las de Y por frecuencias esperadas, comparándolos con las frecue
,......,ds. habitualmente, H0 indica que ambas variables con ind
indica que las variables tienen algún grado de asociac
 Utilidad

de utilizarse incluso con datos medibles en una escala nominal. La

la prueba Chi-cuadrado postula una distribución de probabilidad
ificada como el modelo matemático de la población que ha generado

e contraste se disponen los datos en una tabla de frecuencias. Para

valo de valores se indica la frecuencia absoluta observada o

arar la distribución muestral observada con la resultante de dar por

a distribución de la población .En el caso de la chi-2 se comparaban
lutas observadas con sus homónimas teóricas , en el caso del test de
rnov las frecuencias a comparar serán las frecuencias relativas
as dos distribuciones ; observada y teórica. De ahí su utilidad para
es en las que los datos se encuentren en forma de escala ordinal.

uskal-Wallis representa una forma sencilla y rápida de evaluar la

diferencias en la distribución de las tallas. Esto es importante, sobre
studio de la variación se realiza desde un enfoque geográfico, porque
de compa-rar poblaciones que difieran en sus distribuciones de
única forma factible de medición es la ordinal o el rango, la opción es
a de KrusKal-Wallis (Kerlinger y Lee, 2001). Su fórmula es:

ecisamente evaluar la independencia entre dos variables nominales u

un método para verificar si las frecuencias observadas en cada
mpatibles con la independencia entre ambas variables. Para evaluarla
alores que indicarían la independencia absoluta, lo que se denomina
radas, comparándolos con las frecuencias de la muestra. Como
0 indica que ambas variables con independientes, mientras que H1
riables tienen algún grado de asociación.
 CUADRO COMPA
Pruebas no paramétricas Características Principales Cuand
La prueba de chi o Ji cuadrado (Χ 2), es sin duda la más
conocida y probablemente la más utilizada para el análisis
de variables cualitativas. Su nombre lo toma de la
distribución Chi cuadrado de la probabilidad, en la que se Esta prueba se aplica par
Chi-cuadrado basa su formula es: (poblacionales) y las frecuenc
comparación decidir si e
frecuencias esperadas se
𝑋^2=∑_𝑖^𝑘▒ 〖〖 (𝑓 〗 frecuencias obtenidas s
_(0−) 𝑓_𝑒) 〗 ^2/𝑓_𝑒
Determina la bondad de ajuste de dos distribuciones de
probabilidad entre sí. Es aplicable a cu
Kolmogorov-Smirnov Es más sensible a los valores cercanos a la mediana que a Compara las funciones
los extremos de la distribución.

Intuitivamente, es idéntico al ANOVA con los datos Sirve para probar si un g

KrusKal-Wallis reemplazados por categorías. Es una extensión de la población.No asume nor
prueba de la U de Mann-Whitney para 3 o más grupos. tra

El coeficiente (también llamado contingencia

cuadrática), sobre el que se basa el coeficiente de Permite hacer un test sob
Chi-cuadrado de contingencia contingencia, es una medida de la "intensidad" de la estadísticos, lleva el nombre
relación entre las características observadas.
 CUADRO COMPARATIVO
Cuando se debe Utilizar Utilidad

Esta prueba se aplica para comparar las frecuencias esperadas La prueba de Chi cuadrado utiliza una aproximación a la distribuci
poblacionales) y las frecuencias obtenidas (muestra) y a partir de esta cuadrado, para evaluar la probabilidad de una discrepancia igual o
comparación decidir si existen diferencias significativas. Las que la que exista entre los datos y las frecuencias esperadas seg
frecuencias esperadas se refieren a la hipótesis nula (Ho) y las hipótesis nula. La exactitud de esta evaluación depende de que los
frecuencias obtenidas son los resultados alcanzados por el esperados no sean muy pequeños, y en menor medida de que el co
investigador entre ellos no sea muy elevado.

Es aplicable a cualquier tamaño de muestra Se pueden usar para comparar una muestra con una distribució
Compara las funciones de distribución teórica y empírica. probabilidad de referencia (prueba K – S de una muestra), o para co
dos muestras (prueba K – S de dos muestras).

Cuando la única forma factible de medición es la ordinal o el rang

opción es emplear la prueba de KrusKal-Wallis (Kerlinger y Lee, 20
Sirve para probar si un grupo de datos proviene de la misma fórmula es:
población.No asume normalidad en los datos, en oposición al
tradicional ANOVA

Los dos carácteres, observados en una misma población, son X e Y ,

Permite hacer un test sobre la independencia de dos carácteres tamaño de la muestra es n. Las modalidades o clases de X se denot
estadísticos, lleva el nombre de test de chi-cuadrado de contingencia. las de Y por . También vamos
denotar: el efectivo conjunto de y : es el número de
individuos para los cuales X toma el valor e Y el valor ,
el efectivo margina
es el número de individuos para los cuales X toma el valor ,

el efectivo marginal de : es el número de individuos para los cua

toma el valor .
Estos valores se representan en una tabla de doble entrada conocid
tabla de contingencia.
d

proximación a la distribución Chi

e una discrepancia igual o mayor
frecuencias esperadas según la
ación depende de que los valores
menor medida de que el contraste
muy elevado.

uestra con una distribución de

de una muestra), o para comparar
S de dos muestras).

dición es la ordinal o el rango, la

Wallis (Kerlinger y Lee, 2001). Su
es:

sma población, son X e Y , el

des o clases de X se denotan,
. También vamos a
y : es el número de
r e Y el valor ,
el efectivo marginal de :
s X toma el valor ,

de individuos para los cuales Y

de doble entrada conocida como

Densidad (g/ml)
Prueba Ch
1.03 La prueba de Bondad de Ajuste ji-cuadrado (x2) tiene como objeti
0.95 teorica, para variables cuantitativas discretas y continuas.
1.06 Estadístico de Prueba
0.93
1.03
1
1.05
1.08
1.03
0.98
1.04 Hipotesis
1.07 H0: Los datos provienen de una muestra al azar de una población
1.06 H1: Los datos no provienen de una muestra al azar de una poblac
1.04
1.03 Pasos a verificar:
1.02 1. Plantear las hipótesis nula y alterativa.
1 2. Determinar el nivel de significancia.
1 3. Estimar el valor del estadístico de prueba
1.01 4. Establecer la regla de decisión.
0.99 5. Tomar la decisión.
1.07
0.98 E
1.13 Pregunta de Investigación: Probar que la densidad se distribuy
0.88 Variable: Densidad en el proceso de produccion de derivados lac
1.1
1.08 Paso 1: Plantearla hipótesis
1.1 Hipotesis Nula (H0): La densidad se distribuyen como una norm
1.05 Hipotesis Altervativa(H1): La densidad no se distribuyen como
0.94
1.06 Paso 2: Determinar el nivel de significancia.
1.04
0.98 Tener en cuenta que: H0 es siempre una hipotesis de igualdad.
0.96 nivel de significancia del 95% de confianza solo puedo rechazar H0
1.03
1.09 α= 0.05
1.04
1.08 Paso 3: Estimar el estadístico de prueba
1.01 Ingrese los valores solicitados en los espacios sombreados de ama
1.09
1.03 Datos iniciales
1.05 Media 1.028168316832
1.08 Desviación 0.048756797063
0.97 Num de datos (k) 24
0.99 n 202
1.03
1.11 Tabla de frecuencias
0.99

1.09 Oi ó fo f(xi) ó fe
Xi fe= n/k
1.04 0.88 1 8.417
1.07 0.91 2 8.417
1.09 0.93 3 8.417
0.99 0.94 5 8.417
1.06 0.95 6 8.417
1.05 0.96 4 8.417
1.02 0.97 3 8.417
0.98 0.98 10 8.417
1.04 0.99 14 8.417
0.94 1 18 8.417
1.11
1.01 15 8.417
1 1.02 14 8.417
1 1.03 16 8.417
1.08 1.04 18 8.417
1.04 1.05 15 8.417
1.03 1.06 8 8.417
0.96 1.07 12 8.417
1.04 1.08 13 8.417
1.12 1.09 8 8.417
1.04 1.1 6 8.417
1.02 1.11 4 8.417
1.02 1.12 3 8.417
1.03 1.13 3 8.417
1.03 1.14 1 8.417
0.99 Total 202 202
1
1.01 El valor del Chi-Cuadrado de prueba (calculado) es:
1.02 = 90.040
1.05
1.04 Paso 4: Establecer la regla de decisión.
1.04 El valor del Chi-cuadrado de tabla (teorico) es:
1.05 = 35.17246162691 Grados de libe
1.03
1.02 Paso 5: Tomar la decisión
1.08 Criterio de decisión:
1
1.14 Se rechaza la hipotesis nula al 5% del nivel de significancia
1.07
1.03 Análisis:
1 Con una significancia del 5 % se Rechaza la hipotesis nula es decir
1.02 es mayor que el valor teorico
0.98
0.98
1.08
1
1.04
0.91
1.07
0.94
0.93
0.95
1.09
1.07
1.01
0.99
1.01
1.12
1
1.01
1.07
0.94
1.06
1.01
1.07
1.01
0.99
0.94
1.02
0.99
1.03
1.08
1.08
1.07
0.98
1.04
 1.1
1.05
0.99
1.02
0.99
1.02
1.13
0.99
1.02
1.07
1.09
0.97
1.04
1.01
1.09
1.04
1.01
0.99
1
0.98
1
1
1.01
1.09
1.05
1.01
1.07
0.95
1.08
1.01
1.12
1.08
1
1.03
0.99
0.96
1.06
1.01
1.02
0.99
0.95
1.05
1
 1.1
1.05
0.98
1.04
0.96
0.91
1.05
1.02
1.08
1.05
0.97
1.05
0.98
1
1.13
1.08
1.1
1.05
1.11
1.1
1.11
1.04
1.06
1
0.93
0.95
1.04
1.02
1.03
1
1.01
1.06
1.03
0.95
1.07
1.05
rueba Chi-Cuadrado X2
) tiene como objetivo verificar si los datos de una muestra se asocian a una distribucuón
continuas.

Oi= Frecuencias Observadas

Ei= Frcuencias Esperadas o también f(xi)
K= Número de observaciones
Con k-r grados de libertad.
k: es el número de eventos o categorías.
r: es el número de restricciones (r ≥1)

r de una población distribuida de acuerdo a un modelo teórico.

azar de una población distribuida de acuerdo a un modelo teórico.

EJEMPLO:
nsidad se distribuye como una normal.
on de derivados lacteos

yen como una normal

se distribuyen como una normal

a.

tesis de igualdad. Usualmente lo que se busca es evidencia para poder rechazar H0 con un
puedo rechazar H0 si el valor de p que resulte de la prueba es menor que 0,05.

ombreados de amarillo:
 (Oi-fe)2 /fe

6.535
4.892
3.486
1.387
0.694
2.318
3.486
0.298
3.704
10.912
5.149
3.704
6.833
10.912
5.149
0.021
1.526
2.496
0.021
0.694
2.318
3.486
3.486
6.535
90.040

Grados de libertad= k-1

significancia

otesis nula es decir , la densidad No se distribuye como una normal. Ya que el valor calculado
an a una distribucuón

(xi)

as.
)

oder rechazar H0 con un

nor que 0,05.
al. Ya que el valor calculado
% Proteína
Prueba Chi-Cuadrado
3.2 La prueba de Bondad de Ajuste ji-cuadrado (x2) tiene como objetivo verificar si los
3.1 distribucuón teorica, para variables cuantitativas discretas y continuas.
3.1 Estadístico de Prueba
3.2
3.1
3.4
3.2
3.3
3
3.4
3.1 Hipotesis
3.1 H0: Los datos provienen de una muestra al azar de una población distribuida de ac
3.1 H1: Los datos no provienen de una muestra al azar de una población distribuida d
3.3
3.3 Pasos a verificar:
3.2 1. Plantear las hipótesis nula y alterativa.
3.1 2. Determinar el nivel de significancia.
3.1 3. Estimar el valor del estadístico de prueba
3.2 4. Establecer la regla de decisión.
3.1 5. Tomar la decisión.
3.2
3.2 EJEMPLO:
3 Pregunta de Investigación: Probar que las horas laboradas se distribuye como u
3 Variable: Horas laboradas diariamente
3.1
3.2 Paso 1: Plantearla hipótesis
3.2 Hipotesis Nula (H0): Las horas laboradas se distribuyen como una normal
3.3 Hipotesis Altervativa(H1): Las horas laboradas no se distribuyen como una nor
3.3
3.1 Paso 2: Determinar el nivel de significancia.
3.3 Tener en cuenta que: H0 es siempre una hipotesis de igualdad. Usualmente lo qu
3.2 H0 con un nivel de significancia del 95% de confianza solo puedo rechazar H0 si el
3.2 que 0,05.
3.3
3.1 α= 0.05
3.4
3.2 Paso 3: Estimar el estadístico de prueba
3.2 Ingrese los valores solicitados en los espacios sombreados de amarillo:
3.1
3.3 Datos iniciales
3.1 Media 3.20643564356
3.3 Desviación 0.10322254525
3.1 Num de datos (k) 6
3.2 n 202
3.3
3.4 Tabla de frecuencias
3.3

3.3 Oi ó fo f(xi) ó fe (Oi-fe)2 /fe

Xi fe= n/k
3.2 3 14 33.667 11.488
3.2 3.1 41 33.667 1.597
3.2 3.2 80 33.667 63.766
3.3 3.3 54 33.667 12.281
3.3 3.4 12 33.667 13.944
3.1 3.6 1 33.667 31.696
3.3 Totales 202 202 134.772
3.2
3.3
3.3
3.2
3.3
3.3
3 El valor del Chi-Cuadrado de prueba (calculado) es:
3.2 = 134.772
3.1
3.3 Paso 4: Establecer la regla de decisión.
3.3 El valor del Chi-cuadrado de tabla (teorico) es:
3.4 = 11.0704976935 Grados de libertad= k-1
3.1
3.2 Paso 5: Tomar la decisión
3.2 Criterio de decisión:
3.2
3.1 Se rechaza la hipotesis nula al 5% del nivel de significancia
3.2
3.2 Análisis: Se rechaza la hipotesis nula con una significancia del 5 % ya que es men
3.3 Proteína No se distribuye como una normal.
3.2
3.3
3.2
3
3
3
3.2
3.2
3.3
3.2
3.2
3.2
3
3.2
3.1
3.2
3.1
3.2
3.3
3.2
3.2
3.2
3.2
3.2
3.2
3.2
3.3
3.3
3.2
3.3
3.3
3.2
3.3
3.3
3.6
3.4
3.3
3.1
3.2
3.2
3.3
3.2
3.3
3.2
3.2
3.2
3.2
3.3
3.1
3.3
3.1
3.1
3.2
3
3.1
3.3
3.3
3.3
3.2
3.3
3.3
3.4
3.2
3.4
3.2
3.2
3.2
3.1
3.2
3
3.3
3.3
3.3
3.2
3.2
3.3
3.2
3.4
3.3
3.2
3.2
3.3
3.1
3.1
3.4
3.2
3.1
3.3
3.1
3.3
3.2
3.2
3
3.2
3.2
3.1
3.2
3.2
3.3
3.3
3.2
3.4
3
3.4
3.2
3.2
3.1
3.1
3.3
3.1
3.1
3.2
3.2
3.3
3.1
3
3.2
3.3
3.2
3.2
3.2
3
3.1
3.1
3.1
3.2
3.1
hi-Cuadrado X2
o objetivo verificar si los datos de una muestra se asocian a una
y continuas.

Oi= Frecuencias Observadas

Ei= Frcuencias Esperadas o también f(xi)
K= Número de observaciones
Con k-r grados de libertad.
k: es el número de eventos o categorías.
r: es el número de restricciones (r ≥1)

blación distribuida de acuerdo a un modelo teórico.

población distribuida de acuerdo a un modelo teórico.

EJEMPLO:
as se distribuye como una normal.

como una normal

istribuyen como una normal

aldad. Usualmente lo que se busca es evidencia apra poder rechazar

puedo rechazar H0 si el valor de p que resulte de la prueba es menor

de amarillo:
ibertad= k-1

del 5 % ya que es menor el valor calculado al teorico es decir , la %

 Células somáticas
(células/ml de leche)

1901288 Prueba Kolmogor

1905216
1896402 La única premisa que se necesita es que las mediciones se encuentren al m
1907809 medición considerada sea básicamente continua. Además dicha prueba es
1909125
La prueba Kolmogorov-Smirnov compara las funciones de distribución teó
1915963
1903433 Estadístico de Prueba
1897753
1904189
1902162
1908144
1885096
1916685 Hipotesis
1898908 H0: Los datos analizados siguen una distribución M.
1906817 H1: Los datos analizados no siguen una distribución M.
1899013
1893919 Pasos a verificar:
1887630 1. Plantear las hipótesis nula y alterativa.
1909564 2. Determinar el nivel de significancia.
1905026 3. Estimar el valor del estadístico de prueba
1887101 4. Establecer la regla de decisión.
1901129 5. Tomar la decisión.
1901328
1911921 EJEMPLO:
1920733 Pregunta de Investigación: Realice una prueba de este tipo para proba
1900273
1890599 Variable: Celulas somaticas.
1914918 Paso 1: Plantearla hipótesis
1896183 Hipotesis Nula (H0): las celulas somaticas se distribuyen como una nor
1890880 Hipotesis Altervativa(H1): Las celulas somaticas no se distribuyen com
1884962
1899582 Paso 2: Determinar el nivel de significancia.
1901936 α = 0.05
1887657
1901495 Paso 3: Estimar el estadístico de prueba
1896702 Ingrese los valores solicitados en los espacios sombreados de amarillo:
1896111
1903521 Datos iniciales
1891329 Media 1898238.46
1897690 Desviación 9626.12457
1891017 Minimo 1872011
1918214 Máximo 1921016
1881569 Rango 49005
1914245 Número de Datos 202
1894730 Sturges( Nºde Intervalos) 18.52 19
1892157
Raiz de n( Nºde Intervalos) 14.21
1915743 Tamaño del Intervalo 2646.45
1905727
1912272 Tabla de frecuencias
1890866

1902015
Intervalos lim Inf Lim Sup
1881347 1 1872011 1874657.45
1898313 2 1874657.45 1877303.89
1895276 3 1877303.89 1879950.34
1898061 4 1879950.34 1882596.79
1891824 5 1882596.79 1885243.23
1908167 6 1885243.23 1887889.68
1892476 7 1887889.68 1890536.13
1888002 8 1890536.13 1893182.57
1896918 9 1893182.57 1895829.02
1907688 10 1895829.02 1898475.47
1889710 11 1898475.47 1901121.91
1904615 12 1901121.91 1903768.36
1901976 13 1903768.36 1906414.80
1885473 14 1906414.80 1909061.25
1897895 15 1909061.25 1911707.70
1895162 16 1911707.70 1914354.14
1901862 17 1914354.14 1917000.59
1908060 18 1917000.59 1919647.04
1885202 19 1919647.04 1922293.48
1902837 TOTAL
1894227
1896145
1882737
1890220
1902683 Paso 4. Establecer la Regla de Decisión
1898993
1916741 Estadistico de Prueba S- 0.181360942
1907565 Nivel de Significancia 0.05
1903502 Grados de libertad 202
1898219
Estadistico obtenido de
la tabla (teorico) 0.095689266
1902503 La Hipotesis Se rechaza
1898860
1908142 NOTA: Si el estadistico de prueba es mayor que el estadísitico calculado S
1910167
1888294 Paso 5. Tomar la Decisión
1901124 Podemos concluir que no hay suficiente evidencia estadística para decir qu
1905109 0,09568927 < 0,18136094
1894924
1893482 Análisis: Con una significancia del 5 % se Rechaza la hipotesis nula es decir , las celulas som
1900988 mayor que el valor teorico
1902973
1903614
1907041
1899154
1895926
1875162
1886660
1895626
1905635
1898904
1919331
1888067
1887416
1890535
1910342
1895413
1895946
1883178
1893908
1900793
1900591
1908127
1893414
1907596
1892464
1908066
1896578
1913637
1910114
1904671
1917349
1891747
1884521
1908898
1899801
1903458
1891292
1902772
1902538
1894116
1898281
1891749
1884270
1907130
1883041
1887360
1883137
1904781
1899405
1885051
1898768
1889675
1909205
1896044
1889339
1892118
1895400
1887000
1882682
1904628
1916834
1907865
1910101
1900861
1890566
1900100
1905101
1904786
1921016
1889835
1891294
1882575
1872643
1898411
1899167
1884859
1906201
1887066
1900686
1888027
1884816
1890019
1905199
1893723
1906107
1906113
1886621
1878454
1899104
1909336
1905819
1885295
1912085
1897147
1901426
1891415
1890600
1898443
1895317
1910013
1885847
1893834
1884617
1901443
1897308
1898274
1895252
1908091
1896721
1895051
1872011
ba Kolmogorov-Smirnov
ediciones se encuentren al menos en una escala de intervalo. Se necesita que la
a. Además dicha prueba es aplicable cualquiera sea el tamaño de la muestra.

unciones de distribución teórica y empírica (sólo valido para variables continuas)

Siendo
Fn(x)= Función de distribución muestral
F0(x)= Función teórica

ón M.
ución M.

EJEMPLO:
eba de este tipo para probar que la celulas somaticas se distribuye como una normal.

e distribuyen como una normal

aticas no se distribuyen como una normal

a.

sombreados de amarillo:
 ABS(FOR ACUM-FER
FO FOR FOR ACUM FER ACUM)
2 0.009901 0.00990099 0.0540036018 0.044102611742667
1 0.0049505 0.014851485 0.1080072037 0.093155718534839
1 0.0049505 0.01980198 0.1620108055 0.14220882532701
3 0.0148515 0.034653465 0.2160144074 0.181360942020172
14 0.0693069 0.103960396 0.2700180092 0.166057613168779
12 0.0594059 0.163366337 0.3240216111 0.160655274416396
11 0.0544554 0.217821782 0.3780252129 0.160203430713519
17 0.0841584 0.301980198 0.4320288147 0.130048616713611
18 0.0891089 0.391089109 0.4860324166 0.094943307664199
23 0.1138614 0.504950495 0.5400360184 0.035085523367261
19 0.0940594 0.599009901 0.5940396203 0.004970280731656
23 0.1138614 0.712871287 0.6480432221 0.064828065028593
17 0.0841584 0.797029703 0.7020468239 0.094982879028501
16 0.0792079 0.876237624 0.7560504258 0.120187197978903
9 0.0445545 0.920792079 0.8100540276 0.110738051582771
5 0.0247525 0.945544554 0.8640576295 0.081486924988619
6 0.029703 0.975247525 0.9180612313 0.057186293443973
3 0.0148515 0.99009901 0.9720648332 0.018034176750811
2 0.009901 1 1.026068435 0.026068434991856
202 1
ue el estadísitico calculado S-k se acepta que se distribuye como una normal

cia estadística para decir que los datos se distribuyan como una normal, ya que

esis nula es decir , las celulas somaticas No se distribuyen como una normal. Ya que el valor de prueba es
Tabla de Estadístico Teorico
Tabla de Estadístico Teorico
rico
rico
Densidad
(g/ml)
1.03 Prueba Kolmogorov-
0.95
1.06 La única premisa que se necesita es que las mediciones se encuentren al menos en
0.93 considerada sea básicamente continua. Además dicha prueba es aplicable cualquier
1.03
1
La prueba Kolmogorov-Smirnov compara las funciones de distribución teórica y em
1.05 Estadístico de Prueba
1.08
1.03
0.98
1.04
1.07
1.06 Hipotesis
1.04 H0: Los datos analizados siguen una distribución M.
1.03 H1: Los datos analizados no siguen una distribución M.
1.02
1 Pasos a verificar:
1 1. Plantear las hipótesis nula y alterativa.
1.01 2. Determinar el nivel de significancia.
0.99 3. Estimar el valor del estadístico de prueba
1.07 4. Establecer la regla de decisión.
0.98 5. Tomar la decisión.
1.13
0.88 EJEMPLO:
1.1 Pregunta de Investigación: Realice una prueba de este tipo para probar que el in
1.08 normal.
1.1 Variable: Ingreso Mensual Promedio.
1.05 Paso 1: Plantearla hipótesis
0.94 Hipotesis Nula (H0): El ingreso mensual promedio se distribuyen como una norm
1.06 Hipotesis Altervativa(H1): El ingreso mensual promedio no se distribuyen como
1.04
0.98 Paso 2: Determinar el nivel de significancia.
0.96 α= 0.05
1.03
1.09 Paso 3: Estimar el estadístico de prueba
1.04 Ingrese los valores solicitados en los espacios sombreados de amarillo:
1.08
1.01 Datos iniciales
1.09 Media 1.02816831683168
1.03 Desviación 0.04875679706297
1.05 Minimo 0.88
1.08 Máximo 1.14
0.97 Rango 0.26
0.99 Número de Datos 202
1.03 Sturges( Nºde
Intervalos) 18.517 19
1.11 Raiz de n( Nºde
Intervalos) 14.213
0.99 Tamaño del Intervalo 0.01
1.09
1.04 Tabla de frecuencias
1.07

1.09
Intervalos lim Inf Lim Sup
0.99 1 0.88 0.89
1.06 2 0.89 0.91
1.05 3 0.91 0.92
1.02 4 0.92 0.94
0.98 5 0.94 0.95
1.04 6 0.95 0.96
0.94 7 0.96 0.98
1.11 8 0.98 0.99
1 9 0.99 1.01
1 10 1.01 1.02
1.08 11 1.02 1.03
1.04 12 1.03 1.05
1.03 13 1.05 1.06
0.96 14 1.06 1.08
1.04 15 1.08 1.09
1.12 16 1.09 1.10
1.04 17 1.10 1.12
1.02 18 1.12 1.13
1.02 19 1.13 1.15
1.03 TOTAL
1.03
0.99
1
1.01 Paso 4. Establecer la Regla de Decisión
1.02
1.05 Estadistico de Prueba S-k 0.2592133317
1.04 Nivel de Significancia 0.05
1.04 Grados de libertad 202
1.05 Estadistico obtenido
de la tabla (teorico) 0.09568926608
1.03 La Hipotesis se rechaza
1.02
1.08 NOTA: Si el estadistico de prueba es mayor que el estadísitico calculado S-k se ace
1
1.14 Paso 5. Tomar la Decisión
1.07 Podemos concluir que no hay suficiente evidencia estadística para decir que los dat
1.03 < 0,25921333
1
1.02 Análisis: Con una significancia del 5 % se Rechaza la hipotesis nula es deci
0.98 normal. Ya que el valor de prueba es mayor que el valor teorico
0.98
1.08
1
1.04
0.91
1.07
0.94
0.93
0.95
1.09
1.07
1.01
0.99
1.01
1.12
1
1.01
1.07
0.94
1.06
1.01
1.07
1.01
0.99
0.94
1.02
0.99
1.03
1.08
1.08
1.07
0.98
1.04
1.1
1.05
0.99
1.02
0.99
1.02
1.13
0.99
1.02
1.07
1.09
0.97
1.04
1.01
1.09
1.04
1.01
0.99
1
0.98
1
1
1.01
1.09
1.05
1.01
1.07
0.95
1.08
1.01
1.12
1.08
1
1.03
0.99
0.96
1.06
1.01
1.02
0.99
0.95
1.05
1
1.1
1.05
0.98
1.04
0.96
0.91
1.05
1.02
1.08
1.05
0.97
1.05
0.98
1
1.13
1.08
1.1
1.05
1.11
1.1
1.11
1.04
1.06
1
0.93
0.95
1.04
1.02
1.03
1
1.01
1.06
1.03
0.95
1.07
1.05
 Kolmogorov-Smirnov
es se encuentren al menos en una escala de intervalo. Se necesita que la medición
prueba es aplicable cualquiera sea el tamaño de la muestra.
s de distribución teórica y empírica (sólo valido para variables continuas)

Siendo
Fn(x)= Función de distribución muestral
F0(x)= Función teórica

M.

EJEMPLO:
este tipo para probar que el ingreso mensual promedio se distribuye como una

se distribuyen como una normal

medio no se distribuyen como una normal

ados de amarillo:
 ABS(FOR
ACUM-FER
FO FOR FOR ACUM FER ACUM)
1 0.00495049505 0.004950495 0.05400360184 0.049053107
0 0 0.004950495 0.10800720368 0.103056709
2 0.0099009901 0.0148514851 0.16201080553 0.14715932
3 0.01485148515 0.0297029703 0.21601440737 0.186311437
11 0.05445544554 0.0841584158 0.27001800921 0.185859593
4 0.0198019802 0.103960396 0.32402161105 0.220061215
3 0.01485148515 0.1188118812 0.37802521289 0.259213332
24 0.11881188119 0.2376237624 0.43202881473 0.194405052
18 0.08910891089 0.3267326733 0.48603241658 0.159299743
29 0.14356435644 0.4702970297 0.54003601842 0.069738989
16 0.07920792079 0.5495049505 0.59403962026 0.04453467
18 0.08910891089 0.6386138614 0.6480432221 0.009429361
23 0.11386138614 0.7524752475 0.70204682394 0.050428424
12 0.05940594059 0.8118811881 0.75605042578 0.055830762
21 0.10396039604 0.9158415842 0.81005402763 0.105787557
6 0.0297029703 0.9455445545 0.86405762947 0.081486925
4 0.0198019802 0.9653465347 0.91806123131 0.047285303
6 0.0297029703 0.995049505 0.97206483315 0.022984672
1 0.00495049505 1 1.02606843499 0.026068435
202 1
tadísitico calculado S-k se acepta que se distribuye como una normal

adística para decir que los datos se distribuyan como una normal, ya que 0,09568927

za la hipotesis nula es decir , la dencidad No se distribuyen como una

el valor teorico
Tabla de Estadístico Teorico
Tabla de Estadístico Teorico
orico
orico
% Proteína

3.2
3.1
3.1
3.2
3.1
3.4
3.2
3.3
3
3.4
3.1
3.1
3.1
3.3
3.3
3.2
3.1
3.1
3.2
3.1
3.2
3.2
3
3
3.1
3.2
3.2
3.3
3.3
3.1
3.3
3.2
3.2
3.3
3.1
3.4
3.2
3.2
3.1
3.3
3.1
3.3
3.1
3.2
3.3
3.4
3.3
3.3
3.2
3.2
3.2
3.3
3.3
3.1
3.3
3.2
3.3
3.3
3.2
3.3
3.3
3
3.2
3.1
3.3
3.3
3.4
3.1
3.2
3.2

3.2

3.1

3.2
3.2

3.3

3.2
3.3
3.2
3
3
3
3.2
3.2
3.3
3.2
3.2
3.2
3
3.2
3.1
3.2
3.1
3.2
3.3
3.2
3.2
3.2
3.2
3.2
3.2
3.2
3.3
3.3
3.2
3.3
3.3
3.2
3.3
3.3
3.6
3.4
3.3
3.1
3.2
3.2
3.3
3.2
3.3
3.2
3.2
3.2
3.2
3.3
3.1
3.3
3.1
3.1
3.2
3
3.1
3.3
3.3
3.3
3.2
3.3
3.3
3.4
3.2
3.4
3.2
3.2
3.2
3.1
3.2
3
3.3
3.3
3.3
3.2
3.2
3.3
3.2
3.4
3.3
3.2
3.2
3.3
3.1
3.1
3.4
3.2
3.1
3.3
3.1
3.3
3.2
3.2
3
3.2
3.2
3.1
3.2
3.2
3.3
3.3
3.2
3.4
3
3.4
3.2
3.2
3.1
3.1
3.3
3.1
3.1
3.2
3.2
3.3
3.1
3
3.2
3.3
3.2
3.2
3.2
3
3.1
3.1
3.1
3.2
3.1
 PRUEBA H DE KRUSKAL

Ejercicio: Realice una prueba de este tipo para el porcentaje de proteina del proceso de producc

Solución.
1. Paso 1 ordenar los datos u observaciones

T1 T2
3.1 3.1
3.4 3.3
3.2 3.3
 3.2 3.4
3.1 3.1
3.3 3.2
3.2

2. Paso 2: Asignar Rangos

Rangos T1 T2
1 3.1 3.1
2 3.1 3.1
3 3.2 3.2
4 3.2 3.2
5 3.3 3.3
6 3.4 3.3
7 3.4

3.Calcular suma de Rangos

Rangos T1 T2
1 3.1 3.1
2 3.1 3.1
3 3.2 3.2
4 3.2 3.2
5 3.3 3.3
6 3.4 3.3
7 3.4
TOTAL 19.3 22.6
Total ^2 372.49 510.76

4. Calcular el estadístico de Prueba

12/24(24+1)=
12/24*25

0.02

248.3293809524
 75

-70.033412381

5. Establecer Nivel de significancia e hipotesis:

Nivel de significancia 0.05

Hipótesis
H0: Las cuatro medias de los tratamientos del porcentaje de proteinas tienen la misma media
Ha: Las cuatro medias de los tratamientos del porcentaje de proteinas no tienen la misma media

6.Estadístico Teorico

La región de rechazo para el estadísitoco H con a=0,05 incluye valores de H ≥

Para el estadístico teorico con el 5% de significancia tenemos que:

7.81473

H -70.033412381 Comparamos teniendo en cuenta

7.81473 la regla de decisión

7.Toma de Decisión
No hay evidencia insuficiente para indicar diferencia en las distribuciones del porcentaje de proteinas.

Análisis: Con una significancia del 5 % se Rechaza la hipotesis nula es decir , el porcentaje de proteinas No tienen
calculado no es mayor que el estadistico teorico
 DE KRUSKAL-WALLIS

proteina del proceso de produccion de derivados lacteos

T3 T4
3.2 3.3 n= 24
3.1 3.2
3.4 3.2
3.2 3.2
3.3 3.2
3

T3 T4
3 3.2
3.1 3.2
3.2 3.2
3.2 3.2
3.3 3.3
3.4

T3 T4
3 3.2
3.1 3.2
3.2 3.2
3.2 3.2
3.3 3.3
3.4

19.2 16.1
368.64 259.21
la misma media
en la misma media

, donde esta básado en (k-1) = (4-1)=3 grados de libertad.

porcentaje de proteinas.

el porcentaje de proteinas No tienen la misma media. Ya que el estadistico

Densidad
(g/ml) PRUEBA H DE KR
1.03

0.95

1.06

0.93

1.03

1.05

1.08

1.03

0.98

1.04

1.07

1.06

1.04

1.03

1.02

1
 1

1.01

0.99

1.07

0.98

1.13

0.88

1.1

1.08

1.1

1.05

0.94

1.06

1.04 Ejercicio: Realice una prueba de este tipo para el ingreso mensual promedio.
0.98
0.96 Solución.
1.03 1. Paso 1 ordenar los datos u observaciones
1.09
1.04 T1 T2
1.08 0.95 1.03
1.01 1.06 1.09
1.09 0.93 1.04
1.03 1.03 1.08
1.05 1 1.01
1.08 1.09
0.97
0.99
1.03 2. Paso 2: Asignar Rangos
1.11
0.99 Rangos T1 T2
1.09 1 0.93 1.01
1.04 2 0.95 1.03
1.07 3 1 1.04
1.09 4 1.03 1.08
0.99 5 1.06 1.09
1.06 6 1.09
1.05 7
1.02
0.98 3.Calcular suma de Rangos
1.04
0.94 Rangos T1 T2
1.11 1 0.93 1.01
1 2 0.95 1.03
1 3 1 1.04
1.08 4 1.03 1.08
1.04 5 1.06 1.09
1.03 6 1.09
0.96 7
1.04 TOTAL 4.97 6.34
1.12 Total ^2 24.7009 40.1956
1.04
1.02 4. Calcular el estadístico de Prueba
1.02

1.03
12/24(24+1)= 12/24*25
1.03
0.02

0.99
24.6196538095238

1
75

1.01
-74.5076069238095
1.02
1.05
1.04 5. Establecer Nivel de significancia e hipotesis:
1.04
1.05 Nivel de significancia 0.05
1.03 Hipótesis
1.02 H0: Las cuatro medias de los tratamientos del ingreso mensual promedio tienen la misma media
1.08 Ha: Las cuatro medias de los tratamientos del ingreso mensual promedio no tienen la misma media
1
1.14
1.07 6.Estadístico Teorico
1.03
1 La región de rechazo para el estadísitoco H con a=0,05 incluye valores de H ≥
1.02
0.98 Para el estadístico teorico con el 5% de significancia tenemos que:
0.98 7.81473
1.08
1
1.04 H -74.5076069238095 Comparamos teniendo en
0.91 7.81473 cuenta la regla de decisión
1.07
0.94 7.Toma de Decisión
0.93 No hay evidencia insuficiente para indicar diferencia en las distribuciones del porcentaje de la dencidad
0.95
1.09 Análisis: Con una significancia del 5 % se Rechaza la hipotesis nula es decir , el porcentaje de proteinas
1.07 que el estadistico teorico
1.01
0.99
1.01
1.12
1
1.01
1.07
0.94
1.06
1.01
1.07
1.01
0.99
0.94
1.02
0.99
1.03
1.08
1.08
1.07
0.98
1.04
1.1
1.05
0.99
1.02
0.99
1.02
1.13
0.99
1.02
1.07
1.09
0.97
1.04
1.01
1.09
1.04
1.01
0.99
1
0.98
1
1
1.01
1.09
1.05
1.01
1.07
0.95
1.08
1.01
1.12
1.08
1
1.03
0.99
0.96
1.06
1.01
1.02
0.99
0.95
1.05
1
1.1
1.05
0.98
1.04
0.96
0.91
1.05
1.02
1.08
1.05
0.97
1.05
0.98
1
1.13
1.08
1.1
1.05
1.11
1.1
1.11
1.04
1.06
1
0.93
0.95
1.04
1.02
1.03
1
1.01
1.06
1.03
0.95
1.07
1.05
EBA H DE KRUSKAL-WALLIS
ensual promedio.

T3 T4
1 1 n= 24
0.93 0.93
0.95 0.95
1.04 1.04
1.02 1.02
1.03 1.03
1.05
T3 T4
0.93 0.93
0.95 0.95
1 1
1.02 1.02
1.03 1.03
1.04 1.04
1.05

T3 T4
0.93 0.93
0.95 0.95
1 1
1.02 1.02
1.03 1.03
1.04 1.04
1.05
7.02 5.97
49.2804 35.6409
io tienen la misma media
io no tienen la misma media

, donde esta básado en (k-1) = (4-1)=3 grados de libertad.

es del porcentaje de la dencidad.

decir , el porcentaje de proteinas No tienen la misma media. Ya que el estadistico calculado no es mayor
 Determinar si el tipo de leche depende de la temperatura entreg

Paso 1: Establecer la prueba de hipotesis

𝐻_0 El tipo de leche no depende de la temperatura
versus
𝐻_1 El tipo de leche depende de la temperatura

Paso 2: Establecer el nivel de significancia

𝛼 0.05

Paso 3: Realizar la tabla de contingencia

valores observados
Etiquetas de fila Alta - mayor o igual a 140 °C Media - entre 100 °C y 140 °C
1 29 57
2 9 10
3 9 14
4 13 17
Total 60 98

Paso 4: Calcular los valores esperados de cada celda.

valores esperados
Etiquetas de fila Alta - mayor o igual a 140 °C Media - entre 100 °C y 140 °C
1 33.5643564356436 54.8217821782178
2 7.72277227722772 12.6138613861386
3 8.61386138613861 14.0693069306931
4 10.0990099009901 16.4950495049505

Paso 5: Calcular el valor de chi-cuadrado, utilizando la formula

0.6207 0.0865
0.2112 0.5416
0.0173 0.0003
 0.8333 0.0155

Χ_𝑐^2 4.4556

Paso 6: Calcular el chi-cuadrado teorico

numero de filas 4
numero de columnas 3
grados de libertad 6
𝛼 0.05
Χ_𝛼^2 12.591587243744

Paso 7: Regla de decision

CONCLUSION

Con una significancia del 5 % se acepta la hipotesis nula es decir , la temperatura No depende del tipo de leche. Ya que el valo
es menor que el valor teorico
 de la temperatura entregado por los proovedores.

ados Count - Tipo de leche

Baja - menor o igual a 100 °C Total general Tipo de leche
27 113 1
7 26 2
6 29 3
4 34 4
44 202 Total Result

dos
Baja - menor o igual a 100 °C
24.6138613861386
5.66336633663366
6.31683168316832
7.40594059405941

0.2313
0.3155
0.0159
 1.5664

e del tipo de leche. Ya que el valor calculado

Temperatura
1 2 3 Total Result
29 57 27 113
9 10 7 26
9 14 6 29
13 17 4 34
60 98 44 202
 Determinar si el Depertamento depende de la Peroxid

Paso 1: Establecer la prueba de hipotesis

𝐻_0 El departamento no depende de la peroxidasa A
versus
𝐻_0 el departamento depende de la peroxidasa R

Paso 2: Establecer el nivel de significancia

𝛼 0.05

Paso 3: Realizar la tabla de contingencia

valores observados
Etiquetas de fila Inferiores a 10°C Superiores a 10°C Total General
1 8 26 34
2 6 30 36
3 3 23 26
4 8 33 41
5 8 18 26
6 11 28 39
Total 44 158 202

Paso 4: Calcular los valores esperados de cada celda.

valores esperados
etiqueta la fila Inferiores a 10°C Superiores a 10°C
1 7.406 26.594
2 7.842 28.158
3 5.663 20.337
4 8.931 32.069
5 5.663 20.337
6 8.495 30.505

Paso 5: Calcular el valor de chi-cuadrado, utilizando la formula

0.048 0.013
0.432 0.120
1.253 0.349
0.097 0.027
 0.964 0.268
0.739 0.206

Χ_𝑐^2 4.516
Paso 6: Calcular el chi-cuadrado teorico

numero de filas 6
numero de columnas 2
grados de libertad 5
𝛼 0.05
Χ_𝛼^2 11.0704976935164

Paso 7: Regla de decision

CONCLUSION
con una significancia del 5%, se acepta la hipotesis nula, es decir, la temperatura de
reseccion no depende del departamento ya que el valor calculado es menor al
teorico.
epende de la Peroxidasa.

Cuenta de Peroxidasa Etiquetas de columna

Etiquetas de fila 1 2 Total general
1 8 26 34
2 6 30 36
3 3 23 26
4 8 33 41
5 8 18 26
6 11 28 39
Total general 44 158 202
 CONCLUSIONES
Se describen las pruebas no paramétricas resaltando su fundamento y las indicaciones para su e
Cuadrado, Kolmogorov-Smirnov, H de Kruskal-Wallis, ). Cuando se usan variables cuantitativas cont
una distribución normal, con varianzas similares (ho-mogeneidad), y el tamaño de las mu
estadísticasparamétricas. En caso de que no se cumplan estos requisi-tos, y sobre todo cuando la no
de lamuestra sea menor, el empleo de las pruebas

Fuerza al investigador a profundizar en el conocimiento y dominio de las técnicas de pruebas de hipóte

respecto es considerable

Se amplían en forma técnica, los criterios de decisión evitando con ello el utilizar uno solo con elconse
analiza ni se discute. Estoreviste singular interés en el momento presente en que se analizan y discute

Con este trabajo nos Permitió identificar cada uno de los componentes que contiene un trabajo de inve
entorno que se utilice.

Los diferentes modelos y su desarrollo nos permite tener una concepción global de lo que es realment
hipótesis a manejar yaque es un componente que se puede incluir en cualquier aspecto de la vida coti
El uso de la estadística es de gran importancia en la investigación científica.
Casi todas las investigaciones aplicadas requieren algún tipo de análisis estadístico para que seaposib
En algunos casos, para resolver un problema de carácter empírico, es preciso llevar a cabo unanálisis
simple y directo.
La elección de uno u otro tipo de análisis estadístico depende del problema que se plantee en elestudi
La estadística constituye un instrumento de investigación y no un producto final.
Como conclusion final, la estadistica no parametrica puede apliacarse dentro de las investigacones de
 CONCLUSIONES
mento y las indicaciones para su empleo cuando se trata de de varias muestras con datos independientes (Chi-
e usan variables cuantitativas continuas y la mediaaritmética y desviación estándar de las muestras tienden atener
geneidad), y el tamaño de las muestras es suficiente (ma-yor a 30 casos) se deben utilizar las pruebas
uisi-tos, y sobre todo cuando la normalidad de las distribucionesde la variable en estudio esté en duda y el tamaño
menor, el empleo de las pruebas no paramétricas está indicado.

e las técnicas de pruebas de hipótesis, instrumento muy utilizado en la actualidad. La ganancia en este

ello el utilizar uno solo con elconsecuente problema de convertirlo en una norma absoluta que no se
sente en que se analizan y discuten diferentes temas deactualidad.

es que contiene un trabajo de investigación y sus diferentes matices en cuanto su utilización en el

pción global de lo que es realmente el tema de la investigación y su implementación en cuanto a las

n cualquier aspecto de la vida cotidiana.
entífica.
lisis estadístico para que seaposible evaluar sus resultados.
es preciso llevar a cabo unanálisis bastante complejo, otras veces, basta con efectuar un análisis muy

oblema que se plantee en elestudio así como la naturaleza de los datos.

oducto final.
e dentro de las investigacones de mercadotecnia
dependientes (Chi-
uestras tienden atener
as pruebas
é en duda y el tamaño
 REFERENCIAS BIBLIOGRAFICAS

Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial Migue
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=74&docID=10902747&
Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial Migue
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=82&docID=10902747&
Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial Migue
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=101&docID=1090274
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=82&docID=10902747&
Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial Migue
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=107&docID=1090274
https://www.medigraphic.com/pdfs/pediat/sp-2003/sp032i.pdf
Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial Migue
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=107&docID=1090274
Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial Migue
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=107&docID=1090274
Rivera, A. S., & García, M. M. (2012). Aplicación de la estadística a la psicología. México, D.F., MX: Editorial Migue
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=107&docID=1090274
 LIOGRAFICAS

México, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 73-76. Recuperado de
action?ppg=74&docID=10902747&tm=1498265581473
México, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 81-88. Recuperado de
action?ppg=82&docID=10902747&tm=1498265668763
México, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 100-103. Recuperado
action?ppg=101&docID=10902747&tm=1498265776979
action?ppg=82&docID=10902747&tm=1498265668763
México, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 106-110. Recuperado
action?ppg=107&docID=10902747&tm=1498265831994
s/pediat/sp-2003/sp032i.pdf
México, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 106-110. Recuperado
action?ppg=107&docID=10902747&tm=1498265831994
México, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 106-110. Recuperado
action?ppg=107&docID=10902747&tm=1498265831994
México, D.F., MX: Editorial Miguel Ángel Porrúa. pp. 106-110. Recuperado
action?ppg=107&docID=10902747&tm=1498265831994