Ji cuadrada
FACULTAD DE CIENCIAS DE LA SALUD – ESCUELA ACADÉMICO PROFESIONAL DE PSICOLOGÍA
ESTADÍSTICA
Facultad de Ciencias de la Salud
Dr. Mayhuasca Salgado RonaldDocente
Distrito Opinión sobre el uso de la píldora del día siguiente
A favor En contra No sabe/no
opina
Tambo 50 10 2
Chilca 55 3 2
Huayucachi 30 35 8
Huancán 30 30 20
La siguiente tabla muestra el resultado de 275 entrevistas realizadaspor una encuestadora para conocer la opinión de la población adultahuancaína acerca de la “píldora del día siguiente”. Los datos estánclasificados por sector de la ciudad en donde se aplicó la prueba
Determinar si los cuatro sectores poblacionales son homogéneosrespecto a la opinión sobre el uso de la píldora del día siguiente, con un99% de confianza.
Determinar si el toser por la mañana estáasociado al fumar cigarrillos en personas de25 años a 50 años de edad (N.C= 90%). Para tal efecto seleccionamos una muestra de 100
personas de esta población objeto de estudio y seobtiene la siguiente tabla:
¿Tose por la mañana?
¿Fuma cigarrillos? Total
SI NO
SI 45 24 69
NO 15 16 31
TOTAL 60 40 100
Al término de la clase el estudiante será capaz de contrastar hipótesis
realizadas sobre dos poblaciones de las que no se conoce su distribución
Propósito
Pruebas no paramétricas
Las pruebas de significación estadística “z” y “t” son dosde un conjunto de pruebas que se llaman paramétricas, suuso supone que la distribución de la población es normal oaproximadamente normal.
Y se llaman paramétricas por que deseamos estimar ocontrastar uno o más PARÁMETROS de la población
Pero, muchas veces no conocemos la distribución de la poblacióno se está trabajando con variables cualitativas o atributos que nose prestan para ser analizados por medio de la distribución normal
Pruebas no paramétricas
Es allí en el que el análisis estadístico se realizan conpruebas NO PARAMÉTRICAS.
Son métodos de análisis estadístico que no dependen delconocimiento de la distribución de la población y que pruebanhipótesis que no son afirmaciones sobre parámetros de lapoblación. Se llaman pruebas de DISTRIBUCIÓN LIBRE.
Pruebas no paramétricas
Las áreas en las que las pruebas NO paramétricasencuentran su mayor uso son en ciencias de la salud yciencias de la conducta
Para obtener conclusiones acerca de una población analizando lamuestra están las siguientes pruebas no paramétricas: ji-cuadrado, de Kolmogorov-Smirnov y la prueba de Rachas
Pruebas estadísticas
Pruebas paramétricas
Pruebas no paramétricas
Son aquellas en las que el interés se centra en probar unahipótesis acerca de uno o más parámetros de la población.Requiere conocer la distribución de la población.
Son aquellos procedimientos que prueban hipótesis quenos son afirmaciones acerca de parámetros de la población,si no mas bien plantea determinados comportamientospara la población o cuando no se conoce la distribución.
Inferencia estadística
Prueba de hipótesis
Pruebas paramétricas
Número de grupos
Variable de interés
Parámetro poblacional
Prueba estadística
UnoCuantitativa
Media: μ Prueba ZPrueba T
Varianza: σ2 Chi cuadrada
Cualitativa Proporción Prueba Z
Pruebas paramétricas
Número de grupos
Variable de interés
Parámetro poblacional Prueba estadística
Dos
CuantitativaMedias: μ1, μ2
Media de la diferencia: μd
De comparación de medias: Prueba Z o T
Prueba – datos pareados
Varianzas: σ21, σ22 De comparación de varianzasPrueba F
Cualitativa Proporciones: P1, P2 De comparación de proporcionesPrueba Z
KK≥3 Cuantitativa
Medias: μ1, μ2,… De comparación de mediasAnálisis de varianza (prueba F)
Varianzas: σ21, σ22 ,… Prueba de Bartlet para comparación de varianzas
Pruebas NO paramétricas
Número de grupos
Variable de interés
Hipótesis Prueba estadística
Uno
Cuantitativa, ordinal o
categórica
Distribución de la población posee
modelo determinado
De bondad de ajuste
Chi cuadrada
Kolgomorov- Smirnov
Ordinal o cuantitativa
Medición de efecto antes y después (observaciones
pareadas)
De signo
De Wilcoxon
CualitativaDe Mc Nemar
Pruebas NO paramétricas
Número de grupos
Variable de interés
Hipótesis Prueba estadística
Dos
Cuantitativa, ordinal
Comparación de mediciones (grupos
independientes)
Prueba de Mann-Whitney
CualitativaComparación de
proporcionesExacta de Fisher
Pruebas NO paramétricas
Número de grupos
Variable de interés
Hipótesis Prueba estadística
KK≥3
Cuantitativa o cualitativa
Comparación de mediciones (grupos independientes)
De Kruskall-Wallis
Comparación de mediciones (grupos dependientes)
De Friedman
Cualitativa
Comparación de proporciones: P1j, P2j…
Prueba de comparación de proporciones o de
homogeneidad
Chi cuadrada
Comparación de tratamientos (observaciones
relacionadas)Prueba de Cochran
Distribución Ji-cuadrada : X2(n)
Distribución Ji-cuadrada : X2(n)
1. La distribución X2 tiene como parámetro n grados de libertad.
2. No posee valores negativos. El valor mínimo es 0.
3. Todas las curvas son asimétricas positivas
4. Cuando aumentan los grados de libertad, las curvas son menoselevadas y más extendidas a la derecha
5. Se usa para evaluar la asociación entre variables cualitativasmedidas a escala nominal.
Distribución Ji-cuadrada : X2(n)
Esta distribución no da una curva única como en ladistribución normal, sino que posee para cadagrado de libertad una curva (asimétrica), como enla distribución t.
Distribución Ji-cuadrada : X2(n)
La prueba X2 se usa en la mayoría de los casos en que lasobservaciones (datos) se pueden clasificar en clases o categorías yse tratan como frecuencias, de este modo determinamos si lasfrecuencias observadas son compatibles o no con las frecuenciasque se esperan de acuerdo con alguna hipótesis planteada…
En otras palabras esta prueba mide la discrepancia entre las frecuencias observadas (O) y sus respectivas frecuencias esperadas (E)
Aplicaciones
• INDEPENDENCIA DE CRITERIOS(variables)
• HOMOGENEIDAD DE PROPORCIONES
• PRUEBA DE BONDAD DE AJUSTE
En investigación observacional o descriptiva con población única
Estudios comparativos
Poco usado
1. INDEPENDENCIA DE CRITERIOS (variables)
1. De una muestra de unidades de análisis elegida al azar deuna población, estamos interesados en evaluar si doscriterios de clasificación medidas a escala nominal sonindependientes o no.
2. Los totales marginales de la tabla de contingencia no estáncontrolados por el investigador (son aleatorios)
Estudio transversal de población única
Con los datos obtenidos de las dos variables cualitativas, elaboramos una tabla de contingencia FxC que permita evaluar la asociación
Población
Muestra
Estadística de prueba Ji-cuadrada : X2(n)
Se supone que Ho es verdadera, es decir, que las variables son independientes,por consiguiente se tiene:
Mide el grado de concordancia entre los pares de frecuencias observadas yesperadas en cada una de las celdas, suponiendo que Ho es verdadera.
Fórmula de trabajo:
Grados de libertad = (f-1).(c-1)
Donde:Oi: Frecuencia observadaEi: Frecuencia esperada
𝐹. 𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑎 =𝑇𝑜𝑡𝑎𝑙 𝑓𝑖𝑙𝑎𝑠 𝑥 𝑡𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠
𝑇𝑜𝑡𝑎𝑙 𝑔𝑒𝑛𝑒𝑟𝑎𝑙
𝑋2 = 𝑂𝑖−𝐸𝑖 2
𝐸𝑖
Prueba de independencia
Determinar si el toser por la mañanaestá asociado al fumar cigarrillos enpersonas de 25 años a 50 años de edad(N.C= 90%).
Ejemplo:
El objetivo del estudio es
Para tal efecto seleccionamos una muestra de 100personas de esta población objeto de estudio y seobtiene la siguiente tabla:
¿Tose por la mañana?
¿Fuma cigarrillos? Total
SI NO
SI 45 24 69
NO 15 16 31
TOTAL 60 40 100
Prueba de independencia
1. Planteamiento de hipótesis
Ho: toser por la mañana es independiente de fumarcigarrillos
H1: toser por la mañana está asociado a fumar cigarrillos
Prueba de independencia
2. Estadística de la prueba
Tiene distribución X2 con grados de libertad= (2-1) (2-1) = 1, si Ho esverdadera.
Grados de libertad = (f-1).(c-1)
Donde:Oi: Frecuencia observadaEi: Frecuencia esperada
𝐹. 𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑎 =𝑇𝑜𝑡𝑎𝑙 𝑓𝑖𝑙𝑎𝑠 𝑥 𝑡𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠
𝑇𝑜𝑡𝑎𝑙 𝑔𝑒𝑛𝑒𝑟𝑎𝑙
𝑿𝟐 = 𝑶𝒊−𝑬𝒊 𝟐
𝑬𝒊
Prueba de independencia
3. Cálculo de las frecuencias esperadas y 𝑋2
Oi: Frecuencia observada Ei: Frecuencia esperada
𝐸11 =69𝑥60
100= 41,4
𝑋2 = 45−41,4 2
41,4+
15−18,6 2
18,6+24−27,6 2
27,6+16−12,4 2
12,4
𝐸12 =69𝑥40
100= 27,6
𝐸21 =31𝑥60
100= 18,6
𝐸22 =31𝑥40
100= 12,4
¿Tose por la mañana?
¿Fuma cigarrillos? Total
SI NO
SI 45 24 69
NO 15 16 31
TOTAL 60 40 100
𝑋2 = 2,53
𝑋2 = 𝑂𝑖−𝐸𝑖 2
𝐸𝑖
Prueba de independencia
4. Valor de p
Decisión: Siendo p mayor a 0,10 no se rechaza Ho.
Conclusión: Toser en la mañana es independiente de fumar cigarrillos (p>0,05)
De la tabla de distribución de 𝑋2 con 1 gl: 0,10< p< 0.95O sea p>0,10
No rechazamos
Ho
Rechazamos Ho
95% 90% 85%
5. Decisión y conclusión
𝑋2 = 2,53 g.l:1
Ho: toser por la mañana es independiente de fumar cigarrillos
2. PRUEBA DE HOMOGENEIDAD
2. PRUEBA DE HOMOGENEIDAD
1. Se aplica cuando se desea conocer si dos o más muestrasprovienen de poblaciones homogéneas con respecto aalgún criterio de clasificación
2. Se usan cuando se desarrollan estudios comparativos
3. La hipótesis nula establece que las muestras se extraen depoblaciones homogéneas
Estadística de prueba Ji-cuadrada : X2(n)
Mide el grado de concordancia entre los pares de frecuencias observadas yesperadas en cada una de las celdas, suponiendo que Ho es verdadera.
Fórmula de trabajo:
Grados de libertad = (f-1).(c-1)
Donde:Oi: Frecuencia observadaEi: Frecuencia esperada
𝐹. 𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑎 =𝑇𝑜𝑡𝑎𝑙 𝑓𝑖𝑙𝑎𝑠 𝑥 𝑡𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠
𝑇𝑜𝑡𝑎𝑙 𝑔𝑒𝑛𝑒𝑟𝑎𝑙
𝑋2 = 𝑂𝑖−𝐸𝑖 2
𝐸𝑖
Prueba de homogeneidad
Evaluar la efectividad de un antibiótico en tresenfermedades de transmisión sexual.
Ejemplo:
Cura de la ETS ETS Total
A B C
SI 75 25 70 170
NO 15 45 10 70
TOTAL 90 70 80 240
E11
E21 E22
E12 E13
E23
Prueba de homogeneidad
1. Planteamiento de hipótesis
Ho: Las muestras provienen de poblaciones homogéneassegún la cura de pacientes con ETS
H1: Las muestras no provienen de poblaciones homogéneas
según la cura de pacientes con ETS
Prueba de homogeneidad
2. Estadística de la prueba
Tiene distribución X2 con grados de libertad= (2-1) (3-1) = 2, si Ho es verdadera.
Grados de libertad = (f-1).(c-1)
Donde:Oi: Frecuencia observadaEi: Frecuencia esperada
𝐹. 𝐸𝑠𝑝𝑒𝑟𝑎𝑑𝑎 =𝑇𝑜𝑡𝑎𝑙 𝑓𝑖𝑙𝑎𝑠 𝑥 𝑡𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠
𝑇𝑜𝑡𝑎𝑙 𝑔𝑒𝑛𝑒𝑟𝑎𝑙
𝑿𝟐 = 𝑶𝒊−𝑬𝒊 𝟐
𝑬𝒊
Cura de la ETS ETS Total
A B C
SI 75 25 70 170
NO 15 45 10 70
TOTAL 90 70 80 240
Prueba de homogeneidad
3. Cálculo de las frecuencias esperadas y 𝑋2
Oi: Frecuencia observada Ei: Frecuencia esperada
𝐸11 =170𝑥90
240= 63,75
𝑋2 = 75−63,75 2
63,75+
25−49,58 2
49,58+… +
10−23,34 2
23,34
𝐸13 =170𝑥80
240= 56,67
𝐸21 =90𝑥70
240= 26,25
𝐸23 =80𝑥70
240= 23,34
𝑋2 = 59,34
𝐸12 =170𝑥70
240= 49,58
𝐸22 =70𝑥70
240= 20,42
𝑔. 𝑙 = 2
Prueba de homogeneidad
4. Valor de p
Decisión: Siendo p menor a 0,05 se rechaza Ho.
Conclusión: Las muestras no provienen de poblaciones homogéneas. Es decir, lacapacidad de cura del antibiótico difiere en al menos dos enfermedades (p<0,05)
De la tabla de distribución de 𝑋2 con 2 gl: Valor de p<0,05
No rechazamos
Ho
Rechazamos Ho95% 90% 85%
5. Decisión y conclusión
𝑋2 = 59,34 𝑔. 𝑙. = 2
Ho: Las muestras provienen de poblacioneshomogéneas según la cura de pacientes con ETS
Distribución X2
Distribución X2
Conclusiones
- La prueba Ji-cuadado se usa principalmente para determinar sidos variables nominales tienen relación o no en una poblacióncuya distribución se desconoce.
- La tabla de distribución ji-cuadrado posee valores positivos.
Top Related