Scribd Logo
Upload

Welcome to Scribd!

  • CAPITULO 17 CHI CUADRADA

    Uploaded by

    rikalolol12
    2 views45 pages

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    Download as pdf
    2 views45 pages

    CAPITULO 17 CHI CUADRADA

    Uploaded by

    rikalolol12

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    Download as pdf
    of 45
    9a. edicion Estadistica para las ciencias ~ del comportamiento ROBERT R. PAGANO Traducci6n: Martha Baranda Torres Traductora profesional Revision técnica: Dra. Marina Menez Diaz Profesor Titular A TC Divisién de Investigacion y Estudios de Posgrado Facultad de Psicologia UNAM gs CENGAGE Learning Funuale bau Gona Epa Eandos Uae SS $$ ‘Rasta Brasil Core Espana Estados Undos= Jaén México Reino Unda Singapur Mas , 1 Escaneado con CamSce _ pie CENGAGE = Learning” ae Estadistica para las ciencias del comportamiento, 9. edicién. Robert R. Pagano Director de producto y desarrollo Latinoamérica: Daniel Oti Director editorial y de producci6n Latinoamérica: Rail D. Zendejas Espeje! Editora de desarrollo: Claudia Islas Licona Coordinadora de produccién editorial: Abril Vega Orozco Editor de produccién: (Omar A. Ramirez Rosas Coordinador de manufactura: Rafael Pérez Gonzslez Disefo de portada: Lisa Henry Imagen de portada: © Design Pics Inc./Alamy ‘Composicién tipografica: Servicios Editoriales 6Ns, S.A. de CV. ‘© DR.20m por Cengage Learning Editores, S.A de CV, una Compania de Cengage Learning, nc. Corporativo Santa Fe ‘Av, Santa Fe nim. 505, piso 12 Col. Cruz Manca, Santa Fe CP.05349, México, DF. Cengage Learning™ es una marca registrada usada bajo permiso. DERECHOS RESERVADOS. Ninguna parte de este trabajo amparado por la Ley Federal del Derecho de Autor, podrd ser reproducido, transmitido, almacenado o utilzado en cualquier forma o por cualquier medio, ya sea grdfico, electrénico 0 mecanico, incluyendo, pero sin limitarse alo siguiente: fotocopiado, reproduccién, escaneo, digitalizacion, grabacién en audio, distribucién en Internet, distribuci6n en redes de informacién 0 ‘almacenamiento y recopilacién en sistemas de informacién a excepcién de lo permi fen el Capitulo Il, Articulo 27 de la Ley Federal del Derecho de Autor, sin el consentimiento por escrito dela Editorial. ‘Traducido del libro Understanding Statistics Inthe Behavioral Sciences, 9@. Pagano, Robert R. Publicado en inglés por Wadsworth, tuna compatiia de Cengage Learning © 2010. ISBN: 978-0-495°596523, Datos para catalogacién bibliogréfica: Pagano, Robert R. Estadistca para ls ciencias 5.991, queda dentro de la regién eritica y rechazamos ‘Hp, Existe una diferencia en la poblacién en cuanto a la preferencia por las tres marcas de cerveza ligera sometidas a prueba, Tal parece que la marca C es la marca preferida, Intentemos resolver otro problema de préctica. lac opiladas Para probar suc Jos resultados s 456 CAPITULO 17 Jicuadrada y otras pruebas no paramétricas Sideremos el siguiente ejemplo. Sicuadrada(y?) 457 yerimento Afiliacién politica y actitud le ley que pretende disminuir a 18 aftos la edad legal para : Es zeaceln zn civ Un tne ie radica on = coe i teresado en determinar si existe rin entre Ia afiliacién politica y la actitud ante la propuesta de ley. Una muestra aleatoria dé 200 republicans registra- dos y 200 demécratas registrados recibe abate tea el interés del cientifico y pregunta alos destinatrio si estin a favor, estén indeeisos oen contra dela propuesta > para facititar de ley, se asegura confidencialidad estricta, 8 la respuesta. Se reciben respuestas de los 400 res se presentan en la tabla 17.2. ‘areag Republicanos) 68 2 110 $ Demécratas | 92 18 0 i Marginal — 160 40 200 de columna Los datos en cada celda son la frecuencia de los sujetos Por ejemplo, con los republicanos, 68 estén a favor de la pro indecisos y 110 estén en contra de ella. Con los demécratas, 92 propuesta de ley, 18 estin indecisos y 90 estén en contra de ell se llama tabla de contingencia. Note que al elaborar una tabla de contingencia es esencial que Tas eategorfas sean ‘mutuamente excluyentes. Por lo tanto, si un dato es apropiado para una de las ‘celdas, las categorias deben ser de manera tal que dicho dato no pueda ser captu- rado apropiadamente en ninguna otra celda. Esta tabla de contingencia contiene los datos que representan la contingencia entre la afiliacién politica y la actitud hacia Ja propuesta de ley. La hip6tesis nula establece que no existe contingencia entre las variables en la poblacién. Para este ejemplo, Hy establece que, en esta poblacién, la actitud hacia la propuesta de ley y la afiliacién politica son independientes.Si esto es verdad, entonces, tanto republi- ‘anos como demécratas en la poblacién deberfan contar con la misma proporcién de individuos “a favor", “indecisos” y “en contra” de la propuesta de ley, Resulta claro que, en la tabla de contingencia, las freeuencias en estas tres colummnas son diferentes para los republicanos y para los demécratas. La hipdtesis nula esta- blece que estas frecuencias se deben a un muestreo aleatorio de una poblacién 458 CAPITULO 17 Jicuadrada y otras pruebas no paramétricas cn la cual la proporeién de republicanos es igual a la de demécratas en de las categorias. La hipdtesis alternativa es que los republicanos sf d Jos demécratas en sus actitudes hacia la propuesta de ley. Si es asf, en proporciones serfan distintas en la poblacién. Caleulo de y%5¢ Para p rarla con ya, Con experimentos que involucran dos variables, la parte eT proceso es determinar la f, para cada celda. Como ya discutimos, la nula establece que, en la poblacién, la proporcién de republicanos p goria cs la misma que la proporcién de demécratas. Si conociéramos 5.991, rechazan la actitud hacia la propuesta de le ‘més favorable hacia la propuesta pleta se presenta en la tabla 17.3, Intentemos resolver un probl tabla 17.3. Solucién al problema, y la actitud. a) Hipétesis mula: la afiiacion independientes. La frecuencia ob aleatorio de una poblacién en d cratas que estén a favor de la prop de ella son iguales é 'b) Conclusion, con a = 0.05: PASO 1: caleular ef c Los datos e presentan cién. PASO 2: evaluar el estadistico, Dado que x2u> 5:91, re hacia la propuesta de ley est favorecer mis la proput Celda niimero fy 462 CAPITULO 17 Jicuadrads y otras pruebas no paramétricas para los estudiantes con especialidad datos de frecuencia en proporciones. Dich tabla 17.4. © Aprobatoria- reprobatoria i cuadrads (x?) 463 (AGA CAPITULO 17 JI cuadrada y otras pruebas no parameticas Al observar esta tabla, tal parece que las diferencias entre los ~ encuentran en sus preferencias por los sistemas de calificaciones a reprobatorio y 4.0. Los estudiantes especializados en bellas artes m proporcién més alta a favor del sistema aprobatorio-reprobatorio en sistema 4.0, mientras que los estudiantes especializados en artes y ingenieria exhiben la pauta inversa. Todos los grupos presentan més las mismas proporciones a favor del sistema de calificaciones que defien combinacién entre el 4.0 y el aprobatorio-reprobatorio. Intentemos resolver un problema més de préctica. spropiado. Los dat tadfstico apropiade Reo Sreuadrada iy?) 465 Supuestos subyacentes a la x” Un supuesto bésico al utilizar lay? vacién aceptar s6lo un dato en la tabla, Noes ps mismo sujeto y capturarlas como frecuencias separ tes celdas. Este error produciria una N mayor que tes que existen, ‘Un segundo supuesto es que el tamaffo de la mu tonces cada frecuencia esperada debe ser de cuando me ‘muestra es lo bastante pequefto como para resultar en vviolan estos requisitos, entonces Ia distribucién de muestreo considerablemente de la distribucién te6rica y los valores de probs en la tabla H no son validos.Si el experimento implica un 2 2, los datos violan este supuesto, deberd utilizarse ‘exacta de Fisher." ies ‘A pesar de que la x? se utiliza cor cescala nominal, no esté limitada a este utilizarse con minales, de a de la escala real, los datos deben reducirse a categorfas mutuamente excluyentes ya frecuencias apropiadas antes de pader emplear la x” = Esta prucba se discute en S Sigel y N. Castelan, Jr, Nonparametric Saisie forthe Behavioral Seienees, 2a, od, McGraw-Hill, Nueva York, 1988, pp. 103-ILL También se discute en W. Daniel, ‘Applied Nonparametric Stasis 2a. ed, PWS-Kent, Boston, 1980, pp. 180162, 466 CAPITULO 17 Jicuadrada y otras pruebas no paramétricas experimento PRUEBA DE RANGOS SENALADOS Y PARES IGUALADOS DE WILCOXON oo Gt, cha a ne gale ge eet Sas Ta ee ST menos pod@Fosa que Ta prueba r para i srueba, consideremos el siguiente experiment. cexhibir una pelfcula disetada para promover actitudes mas favorables bi vacion de la vida silvestre. Antes de exhibir la pelicula ante el publico reciben un euestonario que mide In atid del indvidvo hacia la conservae Vida silvestre. A continuacién, se les presenta la pelicula, despues de lo cua nuevo el cuestionaro de acttud. Este incluye 50 punts posiblesy,cuaato m pntaje, tanto més favorable es a acttud hacia Ia conservacisn dela vida i Tesultados se presentan en la tabla 175 1. {Cuil es a hipétesisalternativa? Utilice una hipdtesis no direecional. 2. {Cual es a hipétesis nula? 3. {Cul es su conclusion? Utilice « 1.053 cot SOLUCION 4. Laip6tesis alternativa por lo general se expresa sin especifiar ningin parém Ja poblacidn. Para este ejemplo, éstaestablece que la pelicula sf afecta las hacia la conservacién de la via silvestre 2. La hipétesis nula también por lo regular se expresa sin especifica ningin p ‘de la poblacion. Para este ejemplo, ésta-establece que la pelicula n0 je alguno sobre ls actitudes hacia la conservacién de la via silvestre. Conclusién, con « = 0.053qs: Como con las dems pruebas inferenciales paso es caleular el estadistco apropiado, Los datos se han obtenide a partir tionarios, de manera que poseen cuando menos una escala ordinal. Para i ‘empleo de la prueba de rangos seialados y pares igualados de Wileoxon, sup mos que los datos cumplen con los supuestos de esta prueba (los cuales serdn tidos en breve). El estadistco calculado por la prueba de rangos sefalndo Jqualados de Wilcoxon es Tay. La determinacion de Tuy implica cuatro pa 4) Caloular la diferencia entre cada par de puntajes. b) Ordenar por rangos los valores absolutos de los puntajes de diferencia, del al mayor. ’ 6) Asignar alos rangos resultantes el signo del puntaje de diferencia euyo val solo arroj6 ese rango. 4) Caleula la suma de los rangos con signo positivo y con signo negativo ado. La suma menor € Toc Estos cuatro pasos se han realizado con los datos del evestionario de aettud y Io res resullantes han sido capturados en a taba 175.Por lo tanto, es puntajes de di cia han sido caleuladosy se presentan en la cuarta column de la tabla 175, Los Prueba de rangos sefialados y pares iqualados de Wilcoxon 467 tabla 17.5. Datosy solucién vida silvestre. de los valores absolutos de los ce Note qu como rvs parson ‘egativos porque sus puntajes asociados. al calcular la suma de los rangos positives menor de esas dos sumas. En este Sani i yyla suma de los rangos negativos es iat Observe que con frecuencia no es neces taaparente por inspeccién cusl suma serd Ten el apéndice D contiene los valores N= 10y = 0.05; ode a tabla I, Con la prueba de rangos seftalados y ps sidn es Note que esto es opuesto a laregla que her pruebas. Dado que Tixe <8, rechazamos Hy es hacia la eonservacin d E favorables. 468 CAPITULO 17 Jicuadrada y otras pruebas no paramétricas Resulta fil advertir por qué la prueba de rangos sefalados y par dos de Wilcoxon es més poderosa que la prueba del signo, pero no Ja prueba ¢ para grupos correlacionados. La prueba de rangos seflalados igualados de Wilcoxon toma en cuenta la magnitud de los puntajes de dife lo cual la hace mas poderosa que la prueba del signo. Sin embargo, sélo el orden de rango de los puntajes de diferencia, no su magnitud hhace la prueba ¢. Por lo tanto, la prueba de rangos sefialados y pares igu Wilcoxon no es tan poderosa como la prueba ¢. Intentemos resolver otro problema de préctica. perimento Supuestos de la prueba de rangos sefialados y pares igualados de Wilcoxon Hay dos supuestas subyacentes a la prueba de rangos seitalados y pares iguala- dos de Wilcoxon, Primero, los puntajes dentro-de cada par deben ser cuando menos de medicién ordinal. Segundo, Tos puntajes de diferencia tambien de- ben ser cuando menos de escala ordinal. El segundo requisito surge porque al calcular Ty ordenamos por rangos los puntajes de diferencia. Por lo tanto, la magnitud de los puntajes de diferencia debe ser cuando menos ordinal de ma- nera que puedan ser ordenados por rangos. LA PRUEBA U DE MANN-WHITNEY La prueba U de Mann-Whitney se utiliza en conjuncién con el disefio de grupos independientes con datos que cuando menos son ordinales en escala, Es uni po- ‘derosa prueba no paramgirica utilizada en lugar de Ta prueba fpara grupos inde~ endiedtes cuando existe una violacidn extfoma al puesto de rormalldad 0 cuand sropiada para la prueba r Para ilustrar esta prueba inferencial, consideremos el siguiente experimento. Elefecto de una dieta alta en proteinas en el desarrollo intelectual Una psicéloga del desarrollo, con especial competencia en nutricién, eree en que un dicta alta en proteinas durante Ia infancia temprana es importante para el desart telectual. La dicta en el érea geogréfica en donde la psicéloga vive es baja en La psicdloga eree que dicha dieta durante los primeros afios de la infancia es pari el desarrollo intelectual, Si tione raz6n, une diet alta en proteinas deberdt fen una mayor inteligencia, Se realiza un experimento en el cual 18 nis $0 470 CAPITULO 17 Jicuadrada y otras pruebas no paramétricas nados al azar de entre los niftos de un ato de edad que viven en tna clu Los 18 nifios son después repartidos al azar en dos grupos de nueve n 4a en proteinas durante tres af 1a una dicta alta en proteinas du periodo. Al transcurrir los tres altos, cada nifo es sometido a una prueba de intelectual (C1). Los datos resultantes se presentan en la tabla 17.6. Un n experimental se mud6 a otra ciudad y no fue reemplazado, tabla 17.6 Datos del experimento de la proteina y el Cl Puntajes de la prueba de CI Grupo control, Grupo experimental, baja proteina ‘alta proteina 1 2 43 135 11s, 140 120 4) {Cudles la hipotesis alternativa direccional? b) (Cuales la hipétesis nula? ©) {Cuilles su conclusion? Utilice 05 ot SOLUCION 1, Hip6tesis alternativa: como con Ia prueba 1 para grupos independient altemnativa establece que una dieta alta en proteinas durante la tard el funcionamiento intelectual en relaci6n con una dicta baja en p ‘misma manera que la prueba ¢ para grupos independientes, cada mue derada una muestra aleatoria de su propio conjunto de puntajes de la pardmetros m), 01° y Ho, 07, tespectivamente. Sin embargo, dado que esta p de ordenamiento de rangos,la prueba U de Mann-Whitney no evalda dife las medias de as muestras y, por lo tanto, no hace predicciones acerca de’ de ws y n2-En consecuencia, no se incluyen parémetros de poblacién en la Ja hipotesis alternativa. 2 . Hipétesis nula: ésta (ambién se expresa sin pardmetros de la poblaciéa. L tesis nula establece que a dieta alta en proteinas durante la infancia n¢ efecto alguno sobre el funcionamiento intelectual 0 disminuiri el fu intelectual, Conclusisa, con «= 0.05 za: como con las otras pruebas inferenciales, la cone ‘implica un proceso de dos pasos: calcular el estadistico apropiado y desp Iuarlo por medio de su distribucién de muestreo. PASO I: caleular el estadistico apropiado El estadistico calculado por la p ‘de Mann-Whitney ¢ Uy 0 U'asel cual mide el grado de sep Jos dos conjuntos de puntajes de la muestra. A medida que se inet © tapruba Use Mannewhitney 474 datos de cualquier U'eag Estos se ale 18) Combine los puntajes de. tun puntaje de rango, con 1 ca 'b) Sume os rangos para cada grupo, es di ssuma de los rangos para el grupo 1 y Rp 472 CAPITULO 17 Jicuadrada y otras pruebas no paramétricas endonde n, = nimero de puntajes en el grupo 1 nimero de puntajes en el grupo 2 sma de rangos para fos puntajes en el grupo ‘Ry = suma de rangos para los puntajes en el grupo “Al resolver estas ecuaciones,identificamos una de las muestras como el 4 otra, como el grupo 2. Después slo resolvemos las ecuaciones Ua arrojar4 un niimero menor que cl mimnero de la otra ecuaci6n. De manete riayel menor de fos dos ndimeros es asignado como U,y, el ndimero m dos, como Ugg, No importa cuall muestra es clasificada como grupo 1 y1 grupo 2. Si invertimos las lasificaciones, obtendremos los mismos ntimer ecuaciones; lo que cambia en la clasficacién es cusil ecuacién arroja el ‘mayor y cual otra, el nlimero menor. Dado que lo anterior depende de cu es clasificado como grupo I y cul es el grupo 2, estas ecuaciones se e inicialmente en términos de Uy. En un andlisis real, la ecuacién que a riimero menor es la ecuaciGn Usy;la que arroja el mimero mayor es la ea Ua. Para los datos en el presente ejemplo, nln +1) Ua = ym + 2 = mn 2 40 0 = (6) + 20) = 918) +100 2 2 =n+45-9 = 1426 ~ 100 - os Por lo tant, Vane Uru. = 64 PASO2: evaluar Uy, 0 U's. Las tablas de C.1 a C4 en el apéndice D i valores criticos para Uy U'. Para cada celda hay dos datos El d eel valor més alto de Us, para varias combinaciones de my y mitirdn el rechazo de Hy. El dato menor es el valor més bajo de U' permitiré el rechazo de Hp. La regla de decisin es la siguiente: ‘Si Uy, = Use, techiazamos Hp y afirmamos la Hy. Si U'ayy = U'gqsrechazamos Ho y afirmamos la Hi. Dado que Ua ¥ U'a miden el mismo grado de separaci6n, s610 ‘mos Vor. Cada una de las tablas de Ca C.4 es para un nivel alfa te. Para los datos del presente experimento, a tabla Cs laa Con n; = 9y m= 8, Uae = I8y U'awy = S4, Para evaluar Voy Uoon < 18, rechazamos Hp y afirmamos Hy, Una dieta alta en pro ‘durante la infancia parece incrementar el funcionamiento int relacién con una dieta baja en proteinas. La prueba Ue Mann:Whitney 473 Rangos empatados rangos seftalados y pares igualados de Jos puntajes empatados se les asigna el ejemplo, considere los dos conjuntos Para ordenar por rangos los puntajes co manera. Primero, los puntajes son coloea: Puntaje en brut Rango 12s los rangos 7,8 y 9. Por lo tanto, reeiben el rango 8 9 [(7 +8 + 9)/3 = 8]. Observe que el siguiente ya hemos utilizado los rangos 7,8 y 9 al ca Tangos se realiza de manera correcta, @ final, el tltimo puntaje en bruto debe rec N= 11 también fo es el rango del titimo- tos rangos, se ealeulan Uni ¥ U'ay dela manera tsa, Resolvamos el siguiente problema de practica _ 474 CAPITULO 17 Jicuadrada y otras pruebas no paramétricas perimento La prueba Kruskal Wallis 475 escala ordinal. No depende de que los puntajes de Ia forma en particular (es decir, la forma de Ia di son de escala de ‘una prueba poderosa. Sin embargo, ya que s6lo utiliza Jos datos, no lo es tanto como la prueba t pata grupos ir utiliza la propiedad de intervalo de los puntaj LA PRUEBA KRUSKAL-WALLIS Esta es una prueba no paramétrica que se utiliza con pendientes que emplea & niimero de muestras. Se usa © ANOVA paramétrico dé un factor discutido en el sta ‘tos de esa prueba son seriamente violados. La prueba als normalidad en la poblacién ni homogeneidad de 1a varianza, ANOVA paraméitico, y sélo requiere la escala ordinal de a diente. Se utiliza cuando las violaciones de lanormalidad mogeneidad de Ta varianza son extremas 0 cuando Tae proporcién es requeric prender esta prueba, comencem Evaluacién de dos programas de reduccién de peso ‘Una psicdloga dela salud, contratada por una gran eorporacién est interesada en eva- twat dos programas de reduccién de peso que considera epicar con los empleados de su corporacién. Conduce un experimento en el cual 18 empleados obesos son asignados al azar a tres condiciones, con seis sujetos eada una. Los sujetos en Ia eondicién 1 se someten a una dicta que reduce su ingesta cal6rica diaria en SiN ealoras. Los sujtos en In condicin 2 reeiben la misma dicta restringida, pero, ademas, se les pide ceminar dos millas cada dia. a condicion 3 cs la condicin control, en a cual se pide als sujetos que rmantengan su consumo y sus habitos de ejercieioacostumbraclos. Los datos presentados en Ja tabla 17.8 son Ia cantidad de libras perdidas por cada sujeto ato largo de un pe- riodo de seis meses. Un ndmero positive indica pérdida de peso y un-niimero negativo indica aumento de peso. Suponga que los datos exhiben una firme violacin de Ia nor 476 CAPITULO 17 Jicuadrada y otras pruebas no paramétrices } tabla 17.8 Datos para el experimento de reduccién de peso, 1 2 Dieta + ejerciio ‘malidad de la poblacién, de manera que la psiedloga decida analizarlos con | Kruskal-Wallis, en lugar de utilizar el ANOVA paramétrico, a) {Cul es la hip6tesis alternativa? b) {Cul es la hipotesis nula? ©) {Cuil es su conclusién? Utilice a = 0.05. SOLUCION 2) Hipotesis alternative: como oon el ANOVA paramético, la hipétess sstablece que cuando menos una de las condiciones afecta In perdida ‘manera dstintaa cuando menos una de las otras condiciones, De Ia que el ANOVA paramético,cada muestra es considerada una mesa su propio conjunto de punlajespoblacionaes Sse tenen k muestra ciones En ete ejemplo, k= 3 Sin embargo dado que noes paramettca, Kruskal-Wallis no hace predicconesacerea de las medias de la poblaci Solo firma que euando menos na de as isribuciones de la poblacisne de euendo menos una dels otras dstrbuciones de poblaci ') Hipciess mula as muestas son muestrasaletoras de las misma (0 dei distribuciones poblacionales. No existe predicciGn espectfica en cuanto a py ©) Conchisién com a = 005:como yas costumbre para evaluat ye so de ds paso calcular cl estatisicoapropindo'y despues evaluat co su distrbucion de muesreo, prueba Kruskal-Wallis es Hoi. El procedimiento es muy similar al «de Ucay para la prueba U de Mann-Whitney. Todos los puntajes se y-se ordenan por rangos, en los cuales se asigna 1 al puntaje més. Siguiente y N al més alto. Cuando se ha finalizado, los rangos pat dicién o muestra se suman. Estos procedimientos se han realiza {datos det presente ejemplo y se han capturado en la tabla 17.8, ‘Las sumas de los rangos para cada grupo se representan como R Rs, espectivamente, Para ¢s0s datos, Ry 58, Ry = 88y Ry = 25. ue resulte no razonable considerar que provienea de muestras qu seleccionadas al azar de la misma poblacién, Mientras més grand diferencias entre las sumas de los rangos de cada muestra, men0s sera que las muestras provengan de la misma poblacién, * La prueba Kruskal-Wallis 477 ‘= nimero de muestras 0 grupos 1n;~ miimero de puntajes en la mucstra i 1m = mtimero de puntajes en la mucst ‘m= mimero de puntajes en la muestra 2 ny = msimero de puntajes en la muestra 3 ‘nx = iimero de puntajes en la muestra k 1N = mimero de puntajes en todas las muestras combinadas ‘Ry = sua de los rangos para la muestra i ‘Ry = suma de los rangos para la muestra 1 ‘Re = sunia de Tos rangos para la muestra 2 ‘Ry = suma de Tos rangos para la muestra 3 ‘Rx = suma de los rangos para la muestra k Al sustituir los valores apropiados de la tabla en esta ecuacién, obtenemos 12 YOR (Ra? (RED He [areal nee | aN 121/68" , 9 | sy = ary +S +S] -s08+ = 6861-57 1st 'PASO2: eraltar el estaistieo, Puede demostarse que sel nimero de puntajes en ‘cada muestra es cinco o més, la distribucién de muestreo del estadistico H es aproximadamente el mismo que jcuadrada con gl = k~1.Enel presente exporimento, gl = k~1 = 3-1 = 2.De la tabla H,con a = 0205 y = 2, He = 5.991 ‘Como con el ANOVA paramétrico, la prueba Kruskal-Wallis es una prueba no direc cional. La repla de decision establece que bi Si Hoge Hg rechazar Ho Si How < Hera, retener Ho. 478 CAPITULO 17 Jicuadrada y otras pruebas no paramétricas —— Laprueba Kruskal-Wallis 479 ‘Supuestos subyacentes a la prueba Kruskal-Wallis Para_utilizar la prueba Kruskal-Wallis los datos deben ser cuando menos de es- ‘cala ordinal-Ademés, debe haber cuando menos cinco puntajes en cada muestra para utilizar las probabilidades dadas en la tabla de ji cuadrada.* __*Pari anaizar datos con menos de eineo puntajes en una muestra Je. Nonparamaric Sas for he Behavioral Selene, 2, MEG 2 480 CAPITULO 17 scuadrada y otras pruebas no paraméticas occ denn Caceeeeen Libaghe stew te spe Un articulo de pri mera plana en el Wall Street Journal ccomenté los posi> bles malos usos de la investigacion en las ciencias so

    You might also like