Estadistica no parametrica

//
/
/ Esquema del capitulo
"// 15.1. Contraste de signos e intervale de confianza
Contraste de signos de muestras pareadas 0 enlazadas
Aproximaci6n normal
Contraste de signos de una mediana poblacional
Intervalo de confianza de la mediana
15.2. Contraste de W ilcoxon basado en la ordenaci6n de las diferencias
Minitab (contraste de Wilcoxon)
Aproximaci6n normal
15.3. Contraste U de Mann-Whitney
15.4. Contraste de la suma de puestos de Wilcoxon
15.5. Correlaci6n de orden de Spearman

Introducci6n
En el Capftulo 2 vimos que los datos se clasifican en numericos y cualitativos. Los meto-
dos estadfsticos que hemos estudiado hasta ahora requieren el uso de datos numericos.
En el caso de esos datos, las medias, las varianzas y las desviaciones tfpicas tienen sen-
tido. Sin embargo, en el de los datos cualitativos (nominales u ordinales), no pueden apli-
carse los metodos parametricos. En este capftulo introducimos contrastes no parametricos
que suelen ser el metoda necesario para extraer conclusiones inferenciales sobre datos
nominales u ordinales. A menudo se obtienen datos de ese tipo en muchos contextos, co-
mo los estudios de mercado, las encuestas a empresas y los cuestionarios.
En los Capftulos 10 Y 11 introdujimos algunos contrastes de hip6tesis que dependfan
del supuesto de la normalidad de las distribuciones poblacionales. EI supuesto de la nor-
malidad a menudo es razonable. Ademas, en virtud del teorema dellfmite central, muchos
de estos metodos de contraste siguen siendo mas 0 menos validos cuando las muestras
son grandes aunque la distribuci6n poblacional no sea normal. Si embargo, puede darse
el caso de que en las aplicaciones practicas sea insostenible el supuesto de la normal i-
dad. En estas circunstancias, es deseable basar las inferencias en contrastes no parame-
tricos que son validos en una amplia variedad de distribuciones de la poblaci6n subyacen-
teo Esos contrastes suelen denominarse contrastes que no dependen de fa distribuci6n.
En este capftulo describimos algunos de los contrastes no parametricos que son
adecuados para analizar datos nominales, datos ordinales 0 datos numericos cuando no
puede postularse el supuesto de la normalidad de la distribuci6n de probabilidad de la
poblaci6n. En capftulos posteriores analizamos otros contrastes no parametricos. No es
nuestro objetivo aquf intentar describir toda la amplia variedad de metodos no parametri-
cos que existen. Nuestra aspiraci6n es mas modesta: que el lector se haga una idea de
algunos metodos no parametricos, entre los que se encuentran el contraste de signos, el
contraste de Wilcoxon basado en la ordenaci6n de las diferencias, el contraste U de
Mann-Whitney, el contraste de la suma de puestos de Wilcoxon y el contraste de corre-
laci6n de orden de Spearman. Estas son alternativas no parametricas a los distintos me-
todos introducidos antes en el libro.
628 Estadfstica para administraci6n y economfa

15.1. Contraste de signos e intervalo de confianza

El contraste no parametrico mas sencillo de realizar es el contraste de signos. Se utiliza
principal mente para contrastar hipotesis sobre la posicion central (mediana) de una di stri-
bucion poblacional 0 para analizar datos de muestras pareadas. El contraste de sign os se
emplea en los estudios de mercado para averiguar si los consumidores prefieren uno de dos
productos. Dado que los encuestados manifiestan simplemente su preferencia, los datos son
nominales y se prestan a metodos no parametricos.

Contraste de signos de muestras pareadas 0 enlazadas

Supongamos que se toman muestras pareadas 0 enlazadas de una pohlacion y se descartan
las diferencias iguales a 0, por 10 que quedan n observaciones. El contraste de signos pue-
de utilizarse para contrastar la hipotesis nula de que la median a poblacional de las diferen-
cias es 0 (10 que serfa cierto, por ejemplo, si las diferencias procedieran de una poblacion
cuya distribucion fuera simetrica en torno a una media de 0). Sea + una diferencia positi-
va y - una diferencia negativa. Si la hipotesis nula fuera verdadera, nuestra secuencia de
diferencias + y - podrfa concebirse como una muestra aleatoria extrafda de una pobla-
cion en la que las probabilidades de + y - fueran cada una de 0,5. En ese caso, las ob-
servaciones constituirfan una muestra aleatoria extrafda de una poblacion binomial en la
que la probabilidad de + serfa de 0,5. Por 10 tanto, si P representa la verdadera proporcion
de + que hay en la poblacion (es decir, la verdadera proporcion de diferencias positivas),
la hipotesis nula es simplemente

Ho:P = 0,5

El contraste de signos se basa entonces en el hecho de que el numero de observaciones

positivas, S, que hay en la muestra sigue una distribucion binominal (donde P = 0,5 segun
la hipotesis nula).

Contraste de signos de muestras pareadas

Supongamos que se toman muestras aleatorias pareadas 0 enlazadas de una poblacion y que
se descartan las diferencias iguales a 0, por 10 que quedan n observaciones. Cal cui amos la di-
ferencia para cad a par de observaciones y anotamos el signo de esta diferencia. EI contraste
de signos se utiliza para contrastar
Ho:P = 0,5

donde Pes la proporcion de observaciones no nulas en la poblacion que son positivas. EI esta-
dfstico del contraste S para el contraste de signos de muestras pareadas es simplemente

S = mimero de pares que tienen una diferencia positiva

donde S sigue una distribuci6n binomial, donde P = 0,5 Y n = numero de diferencias no nulas.

Tras contrastar la hipotesis nula y la hipotesis alternativa y hallar un estadfstico del

contraste, el paso siguiente es calcular el p-valor y extraer conclusiones basadas en una re-
gIa de decision.
 Capitulo 15. Estadistica no parametrica 629

Calculo del p-valor de un contraste de signos

EI p-valor de un contraste de signos se halla utilizando la distribuci6n binomial con n = nu-
mero de diferencias no nulas, S = numero de diferencias positivas y P = 0,5.
a) En un contraste de la cola superior

HI:P > 0,5 p-valor = P(x ~ S) (15.1 )

b) En un contraste de la cola inferior

HI:P < 0,5 p-valor = P(x ::s;; S) (15.2)

c) En un contraste de dos colas

HI:P"# 0,5 2(p-valor) (15.3)

EJEMPLO 15.1. Preferencia por un producto (contraste de signos)

Un restaurante italiano cercano a un campus universitario esta considerando la posibili-
dad de utilizar una nueva receta para hacer la salsa que echa a las pizzas. Se elige una
muestra aleatoria de ocho estudiantes y se pide a cada uno que valore en una escala de
1 a 10 su opinion sobre la salsa original y sobre la salsa propuesta. La Tabla 15.1 mues-
tra las valoraciones obtenidas en la comparacion; los numeros mas altos indican que
gusta mas el producto.
lIndican los datos una tendencia general a preferir la nueva salsa a la original?

Solucion
La Tabla 15.1 tambien muestra las diferencias de valoracion de los estudiantes y los
signos de estas diferencias. As!, se asigna un + si se prefiere la salsa original, un - si
°
se prefiere la nueva y si se valoran los dos productos por igual. En este experimento,
dos estudiantes prefieren la salsa original y cinco la nueva; uno las valora por igual.
Tabla 15.1. Valoraci6n de la salsa de pizza por parte de los estudiantes.

Valoracion

Producto Producto Diferencia Signo

Estudiante original nuevo (original-nuevo) de la diferencia

A 6 8 -2 -

B 4 9 -5 -

C 5 4 1 +
D 8 7 1 +
E 3 9 -6 -

F 6 9 -3 -

G 7 7 0 0
H 5 9 - 4 .-

La hipotesis nul a de interes es que en la poblacion en general no hay una tendencia

general a preferir un producto al otro. Para evaluar esta hipotesis, comparamos los nu-
meros .que expresan una preferencia por cada producto, descartando los que valoran los
630 Estad fstica para adm inistrac ion y econom fa

productos por igual. En este ejempl o, los valores del estudiante G se omiten y el tamano
efectivo de la muestra se reduce a n = 7. La unica informacion muestral en la que se
basa nuestro contraste es que dos de los siete estudiantes prefieren el producto original.
Por 10 tanto, el estadfstico del contraste es S = 2.
La hipotesis nula puede concebirse como la hipotesis de que la mediana poblacional
de las diferencias es 0. Si la hipotesis nula fuera verdadera, nuestra secuencia de dife-
rencias + y - podria concebirse como una muestra aleatoria extrafda de una poblacion
en la que las probabilidades de + y - son 0,5 cada una. En ese caso, las observaciones
constituirian una muestra aleatoria extrafda de una poblacion binomial en la que la pro-
babilidad de + es 0,5 . Por 10 tanto, si P representa la verdadera proporcion de + que
hay en la poblacion (es decir, la verdadera proporcion de la poblacion que prefiere la
salsa original), la hipotesis nul a es simplemente

Ho: P = 0,5 No hay una tendencia general a preferir uno de los productos al otro

Se utiliza un contraste de una cola para averiguar si existe una tendencia general a pre-
ferir la nueva salsa a la original. La alternativa de interes es que la mayoria de la po-
blacion prefiere el nuevo producto. Esta alternativa se expresa de la forma siguiente:

HI:P < 0,5 La mayorfa prefiere el nuevo producto (0 menos del 50% prefiere
el producto original)

A continuacion, haHamos la probabilidad de observar en la muestra un resultado tan

extremo 0 mas que el que se obtendrfa si la hipotesis nula fuera, en realidad, verdadera.
Este valor es e! p-valor del contraste. Si representamos por medio de P(x) la probabili-
dad de observar x «exitos» (+) en n = 7 pruebas binomiales, cada una con una proba-
bilidad de exito de 0,5, entonces la probabilidad binomial acumulada de observar dos
o menos + puede obtenerse utilizando la formula binomial, una tabla binomial 0 un
programa informatico como Microsoft Excel. El p-valor se halla por medio de la ecua-
cion 15.2:
P-valor = P(x ~ 2) = P(x = 0) + P(x = 1) + P(x = 2)
= 0,0078 + 0,0547 + 0,1641 = 0,2266

Con un p-valor tan grande, no podemos rechazar la hipotesis nula y concluimos que los
datos no son suficientes para sugerir que los estudiantes prefieren la nueva salsa. Asi-
mismo, podrfamos haber dicho que si adoptamos la regIa de decision «rechazar Ho si
hay dos 0 menos + en lamuestra», entonces la probabilidad de que la hipotesis nula se
rechace cuando en realidad es verdadera es 0,2266. Por 10 tanto, ese contraste tiene un
p-valor de 22,66 por ciento. Dado que el p-valor es el nive! de significacion mas bajo al
que puede rechazarse la hipotesis nula, en este ejemplo la hipotesis nula puede recha-
zarse al 22,66 por ciento 0 mas . Es improbable que alguien estuviera dispuesto a acep-
tar un nivel de significacion tan alto. Una vez mas, concluimos que los datos no son
estadfsticamente significativos para recomendar un cambio de salsa. Quiza nuestra deci-
sion se debe a que tenemos un pequeno numero de observaciones muestrales.

Para ilustrar un contraste de dos colas, supongamos que queremos averiguar si hay en
la poblacion una preferencia general por cualquiera de los dos productos. En ese caso,
H I : P =F 0,5 y, por la ecuacion 15.3, el p-valor = 2P(x ~ 2) = 2(0,2266) = 0,4532.
 Capitulo 15. Estadistica no parametrica 631

Observese tambien que

p-valor = P(x ~ 2) + P(x ~ S) = P(o) + P(l) + P(2) + P(S) + P(6) + P(7) = 0,4S32

Ese elevado p-valor sugerirfa que los datos no son suficientes para pensar que los estu-
diantes prefieren una de las salsas a la otra. Solo podrfamos rechazar la hipotesis nula y
concluir que se prefiere una de las salsas con un nivel de significacion del 4S,32 por ciento.

Aproximacion normal
Como consecuencia del teorema del lfmite central, puede utilizarse la distribucion normal
como aproximacion de la distribucion binomial si la el tamano de la muestra es grande.
Los expertos discrepan sobre la definicion exacta de «grande». Sugerimos que la aproxi-
macion normal es aceptable si el tamano de la muestra es de mas de 20. Un factor de co-
rreccion de continuidad del estadfstico del contraste compensa la estimacion de datos dis-
cretos con una distribucion continua y permite aproximarse mas al p-valor.

EI contraste de signos: aproximacion normal (grandes muestras)

Si el numero n de observaciones muestrales no nulas es grande, el contraste de signos se ba-
sa en la aproximacion normal de la binomial de media y desviaci6n tfpica:

Media: J,l = nP = O,Sn Desviacion tfpica: (J = J nP(l - P) = J 0,2Sn = O,S vrn

EI estadfstico del contraste es

S* - J,l S* - O,Sn
Z=-- - (15.4)
(J
O,Svrn

donde S* es el estadfstico del contraste corregido para tener en cuenta la continuidad y se defi-
ne de la forma siguiente:
a) En un contraste de dos colas

S* = S + O,S si S < J,l 0 S* = S - O,S si S > J,l (15.5)

b) En un contraste de la cola superior

S* = S - O,S (15.6)

En un contraste de la cola inferior

S* = S + O,S (15.7)

EJEMPLO 15.2. EI helado (contraste de signos: aproximacion normal)

Se ha pedido a una muestra aleatoria de 100 ninos que comparen dos nuevos sabores de
helado: mantequilla de cacahuete y chicle. Cincuenta y seis miembros de la muestra
prefieren el helado de mantequilla de cacahuete, 40 el de chicle y 4 no manifiestan nin-
guna preferencia. Utilice la aproximacion normal para averiguar si existe una preferen-
cia general por cualquiera de los dos sabores. Compare su resultado con las probabilida-
des binomiales obtenidas utilizando tanto Excel como Minitab.
632 Estadfstica para adm inistracion y economfa

Solucion
Para contrastar si existe en esta poblacion una preferencia general por uno de los dos
sabores, las hipotesis son

Ho: P = 0,5 Los nifios no tienen ninguna preferencia par ninguno de los dos sabores
HI: P oj: 0,5 Los nifios tienen preferencia par uno de los dos sabores

Sea P la proporcion de la poblacion que prefiere el helado de chicle, por 10 que S = 40

(P tambien podria haber sido la proporcion de la poblacion que prefiere el helado de
mantequilla de cacahuete; en ese caso S = 56). Utilizando las ecuaciones 15.4 y 15.5,

fl = nP = 0,5n = 0,5(96) = 48
/
(J = 0,5 j% = 4,899
S* - 'i 405 - 48 ~yL
Z= r' - 1,53 dado que 40 < 48, S* = 40,5
(J 4,899 ?~ r

De la distribucion normal estandar se deduce que el p-valor aproximado = 2(0,0630) =

=0,126. Por 10 tanto, puede rechazarse la hipotesis nula a todos los niveles de signifi-
cacion superiores a 12,6 por ciento. Si no se utiliza ningun factor de coneccion de con-
tinuidad, el valor Z se convierte en Z = - 1,633, 10 que da un p-valor algo men or:
0,1024.
Minitab y Excel (contraste de signos) Dado que el contraste de signos se basa en la
distribuci6n de probabilidad binomial, el uso de Minitab 0 de Excel es sencillo. En la
salida Minitab (Figura 15.1A) se observa que el p-valor = 2(0,0626728) = 0,1254 Y en
la salida Excel (Figura 15.lB) se observa que el p-valor = P(x :s; 40) + P(x ~ 56) =
= 0,0626728 + 0,0626728 = 0,1253456. Los dos p-valores son cercanos al p-valor de
0,126 obtenido utilizando las ecuaciones 15.4 y 15.5. Los datos no son suficientes para
sugerir que los nifios tienen una prefercncia general pOl' uno de los sabores 0 por el otro.

x p( X <= X )
40,0 0,0626728

Figura 15.1A. Ejemplo del helado: n = 96, P = 0,5, S = 40 (salida Minitab).

= 0.002672849
Retuns the Incllvici.:al term binomial distrlrutloo prcbabllity.

Cumulative Is a logical value : fef the cumulJtlve dlstributiw ft.n:t1cn, use TRLE; fer
!he probability mass n.rrtioo. use FALSE.

Formula result = 0 .062672849

Help 00 ibis fi n:tjoo a< II Cancel I

Figura 15.1B. Ejemplo del helado: n = 96, P = 0,5, S = 40 (salida Excel).
 Capftulo 15. Estadfstica no parametrica 633

Contraste de signos de una mediana poblacional

El contraste de signos tambien puede utilizarse en el caso de una muestra para contrastar la
hipotesis de que la mediana es un valor dado.

EJEMPLO 15.3. Ingresos iniciales de personas recien licenciadas

(contraste de signos)
El decano de la facultad de administracion de empresas de una universidad querrfa tener
informacion sobre los ingresos iniciales de las personas recien licenciadas. Estos son los
sueldos iniciales de una muestra aleatoria de 23 licenciados:
29250 29900 28070 31400 311 00 c 29000 33000 50000 28500 31000
34800 42100 33200 36000 658q(1' 34000 29900 32000 31500 29900
32890 36000 35000

i,Indican los datos que la mediana de los ingresos iniciales es diferente de 35.000 $?
Income Los datos para hacer este problema se encuentran en el fichero de datos Income.

Solucion
Dado que la distribucion de los ingresos a menudo esta sesgada, se utilizara el contraste
de signos. La hlpotesis nula y la hipotesis alternativa son

Ho: Mediana = 35.000 $

HI : Mediana # 35.000 $

Aquf contrastamos la hipotesis nula utilizando una distribucion binomial en la que

P = 0,50. Primero obtenemos una respuesta aproximada utilizando las ecuaciones 15.4
y 15.5. Observese que hay 17 estudiantes que indicaron que tenian unos ingresos inicia-
les de mas de 35.000 $, 5 que ten fan unos ingresos iniciales de menos de 35.000 $ y 1
que tenia unos ingresos iniciales de 35.000 $. El tamaDO de la muestra se reduce a
n = 22 Y S = 17. Se observa que la media y la desviacion tfpica son

J1. = nP = 0,5n = 0,5(22) = 11

(J = 0,5 fo = 2,345
Dado que S = 17 > f.l = 11, el estadfstico de contraste de la aproximacion normal es

16,5 - 11
Z= 2,345 = 2,35

Utilizando la tabla de la distribucion normal estandar, el p -valor aproximado es

2(0,0094) = 0,0188. La Figura 15.2 muestra los resultados obtenidos utilizando el pro-
grama Excel para resolver este problema:

P(X ~ 51 n = 22, P = 0,5) = P(X ~ 17 In = 22, P = 0,5) = 0,0845

En este ejemplo, que es de dos colas, el p-valor = 2(0,00845) = 0,0169 (algo menor
que el p-valor de 0,0188 obtenido por medio del metodo de la aproximacion normal).
634 Estad fstica para ad ministracion y economfa

-., '~:-~ ~~~=.~~=~~·~3ji~":§~'*1~

B!I'-()'4)IST i
Number _s :?

Probabi lity_s jO.5

Cumulat ive! TRLE

= Of.o84 ~27
Retl.l1ls the IrdivldJal term binomial distribution p-cbebllity .

Cumu lative Is a logical value : for the cumulative distrirutlon fLJl':tion, use TRLE, for
the p--cbcttill':y mass fLnCtlan, use FAlSE

Formula result :: O . 0084~27

!
~JQ en jhis fl(lCUrQ o<ll--=c'--""'-.I-01 1
Figura 15.2. Ejemplo de los ingresos iniciales (salida Excel).

La Figura 15.3 muestra la salida Minitab de este ejemplo.

Sign test of median = 350 00 versus not = 35000

N Below Equal Above p Median

23 17 0. 0169 3200 0

Figura 15.3. Ejemplo de los ingresos in iciales (salida Minitab).

Tanto Excel como Minitab calculan el p-valor utilizando las probabilidades bino-
miales. Si n > 50, entonces Minitab calcula el p-valor utilizando la aproximacion
normal.

Intervalo de confianza de la mediana

Pa.ra calcular intervalos de confianza. de Ia. mediana basados en el contraste de signos pue-
de utilizarse el program a Minitab. Consideremos los ingresos iniciales que se indican en el
ejemplo 15.3 y se encuentran en el fichero de datos Income. Observese que en la salida
Minitab de la Figura 15.4 se incluyen tres intervalos de confianza. La primera fila indica el
nivel de confianza obtenido (0,9069) justo por debajo del deseado (0,95); la tercera indica
el nivel de confianza alcanzable (0,9653) justo por encima del deseado (0,95). «EI caIculo
del primero y el tercer intervalo se realiza con un metoda parecido al de los signos que se
emplea cuando se hace un contraste de hip6tesis de la medi ana. Primero se orden an las ob-
servaciones. EI intervalo que va de la d-esima observaci6n mas pequefia a la d-esima ob-
servacion mas grande tiene una confianza de 1 - 2P(X < d) utili zando la distribuci6n bi-
nomial en la que P = 0,5. Los intervalos que tienen coeficientes de confianza justo por
encima y por debajo del deseado son los que se seleccionan. Solo raras veces puede lograr-
se la confianza deseada con estos intervaIos» (vease la referencia bibliografica 7). En nues-
tro ejemplo, el intervalo que va de la octava observaci6n mas pequefia a Ia octava mas
grande tiene un nivel de confianza de 0,9069, donde X sigue una distribuci6n binomial,
siendo n = 23 Y P = 0,5. EI intervalo intennedio establece que los ingresos medianos se
encuentran entre 30.393 $ y 34.442 $ con una confianza del 95 por ciento. Asimismo, el
intervalo que va de la septima observaci6n mas pequefia a la septima mas grande tiene un
nivel de confianza de 0,9653, donde X sigue una distribuci6n binomial, siendo n = 23 Y
P = 0,5 .
 Capitulo 15. Estadlstica no parametrica 635

Figura 15.4. S i gn confidence interval fo r median

Intervalo de Achieved
confianza del N Median Con f ide nce Confidenc e interva l Pos ition
Incomes 23 32000 0.906 9 31000, 34000 )
ejemplo de los 0.9500 30393, 34442) NLI
ingresos iniciales 0 . 9653 29900 , 34800) 7
(salida Minitab) .

Hettmansperger y Sheather desarrollaron el me to do de interpolaci6n no lineal utilizado

por Minitab para hallar el intervalo de confianza intermedio (vease la referencia bibliogni-
fica 3). Tambien se obtienen de una manera parecida otros intervalos de confianza para
metodos no parametricos analizados en este capitulo.

EJERCICIOS

\"Ejer~cios aplicados
Estudiante Antes Despues Estudiante Antes Despues
\ 15.1. S~ pide a una muestra aleatoria de 12 analistas
',~ancieros que predigan cUlinto subin'in en ter- A
B
62
63
69
72
F
G
53
49
61
63
minos porcentuales los precios de las acciones C 84 80 H 58 59
ordinarias de dos em pres as el proximo ano. La D 70 70 I 83 87
tabla muestra los resultados obtenidos. Utilice el E 60 69 J 92 98
contraste de signos para contrastar la hipotesis
nul a de que en la poblacion de analistas no hay 15.3. Se pregunta a una muestra de II encargados de
una preferencia general por la sub ida del precio supermercados que tienen una caja nipida si sus
de las acciones de una de las empresas 0 por la clientes tienen una actitud positiva hacia la caja
subida del precio de las acciones de la otra. nipida. Siete contestan «sf» y cuatro contestan
«no». Contraste la hipotesis nula de que, en la
Analista Accion 1 Accion 2 Analista Accion 1 Accion 2 poblacion de encargados, las respuestas se repar-
~ ten por igual entre «sf» y «no» frente a la hipote-
A
B
6,8
9,8
7,2
12,3
G
H
9,3
1,0
10,1
2,7
I \ SiS alternativa bilateral.

C 2,1 5,3 -0,2 1,3 15.4. ~e ha examinado una muestra de 60 empresas

D
E
F
6,2
7,1
6,5
6,8
7,2
6,2
K
L
9,6
12,0
6,3
9,8
12,0
8,9
\ .J
.
que recompraron franquicias. En estos casos, los
rendimientos de las acciones ordinarias en torno
a la fecha de anuncio de la recompra fueron po-
sitivos 39 veces, negativos 18 y cero 3. Contras-
te la hipotesis nula de que los rendimientos posi-
15.2. Una organizacion ofrece un program a destinado tivos y los negativos son igual de probables
a aumentar el nivel de comprension de los estu- frente a la hipotesis alternativa de que los positi-
diantes cuando leen trabajos tecnicos nipida- vos son mas probables (vease la referencia bi-
mente. Se da a cada uno de los miembros de una bliografica 2).
muestra aleatoria de 10 estudiantes 30 minutos
para leer un articulo. A continuacion, se realiza 15.5. En una muestra aleatoria de 130 votantes, 44
un contraste del nivel de comprension logrado. eran partidarios de una subida de los impuestos
Este proceso se repite una vez que estos estu- para aumentar los gastos en educacion, 68 eran
diantes terminan el programa. La tabla adjunta contrarios y 18 no manifestaron su opinion. Con-
muestra los niveles de comprension obtenidos traste la hipotesis nula de que los votantes estin
antes y despues de asistir al programa. Utilice el repartidos por igual en esta cuestion frente a una
contraste de signos para contrastar la hipotesis hip6tesis alternativa bilateral.
nula de que en esta poblacion no hay una mejora 15.6. Se ha pedido a una muestra aleatoria de 60 eco-
general de los niveles de comprension despues nomistas profesionales que predigan si la tasa de
de asistir al programa. inflacion sera el proximo ano mas alta, mas baja
636 Estadfstica para administracion y economfa

o mas 0 menos igual que la de este ano . Los re- Prediccion Numero
sultados se muestran en la tabla adjunta. Contras- Mas alta 20
te la hip6tesis nula de que los economistas estan Mas baja 29
divididos par igual en esta cuesti6n. Mas 0 menos igual 11

15.2. Contraste de Wilcoxon basado en la ordenaci6n

de las diferencias
Uno de los inconvenientes del contraste de signos es que solo tiene en cuenta una cantidad
muy reducida de informacion, a saber, los signos de las diferencias. Por ejemplo, en la Ta-
bla 15.1 el contraste de signos indica simplemente que producto se prefiere y no tiene en
cuenta el grado de preferencia. Cuando el tamano de la muestra es pequeno, es de esperar,
pues, que el contraste no sea muy poderoso. El contraste de Wilcoxon bas ado en la ordena-
cion de las diferencias es un metoda para incorporar informacion sobre la magnitud de las
diferencias entre pares enlazados. Sigue siendo un contraste que no depende de la distribu-
cion. Al igual que muchos contrastes no parametricos, se basa en las ordenaciones.

EI contraste de Wilcoxon en el caso de muestras pareadas

EI contraste de Wilcoxon puede emplearse cuando se dispone de una muestra aleatoria de
pares enlazados de observaciones. Supongamos que la distribuci6n poblacional de las diferen-
cias· en estas muestras pareadas es simetrica y que queremos contrastar la hip6tesis nula de
que esta distribuci6n esta centrada en O. Descartando los pares entre los que la diferencia es
0, ordenamos las n diferencias absolutas restantes en sentido ascendente; en caso de empate,
el puesto asignado es la media de los puestos que ocupan en la ordenaci6n. Se calc ulan las
sumas de los puestos correspondientes a las diferencias positivas y negativas y la menor de
estas sumas es el estadfstico de Wilcoxon, T, es decir,

(15.8)
donde
T+ suma de los puestos correspondientes a diferencias positivas
=
T_ suma de los puestos correspondientes a diferencias negativas
=
n = numero de diferencias no nulas
Se rechaza la hip6tesis nula si T es menor 0 igual que el valor de la Tabla 10 del apendice.

EJEMPLO 15.4. Preferencia por un producto (contraste de Wilcoxon)

Resuelva el ejemplo 15.1 de la valoracion de una salsa de pizza utili zan do el contraste
de Wilcoxon.

Solucion
Prescindimos, al 19ual que en el contraste de signos, de cualquier diferencia de 0, por 10
que eliminamos el estudiante G del estudio y el tamano de la muestra se reduce a
n = 7. A continuacion, ordenamos en sentido ascenden.te las diferencias absolutas no
nulas. Es decir, asignamos un «1» al valor absoluto mas bajo. Si dos 0 mas valores son
iguales, se les asigna la media de los puestos correspondientes. En nuestro ejemplo, las
 Capitulo 15. Estadistica no parametrica 637

dos diferencias absolutas mas pequefias son iguales. Por 10 tanto, el puesto que les asigna-
mos es la media de los puestos 1 y 2, es decir, 1,5. Asignamos el 3 al siguiente valor
absoluto, y asf sucesivamente. Ordenamos todas las diferencias y obtenemos la Tabla 15.2.
Tabla 15.2. Calculo del estadfstico de contraste de Wilcoxon para los datos
sobre las preferencias.

Estudiante Diferencia Puesto (+) Puesto ( - )

A -2 3
B -5 6
C 1 1,5
D 1 1,5
E -6 7
F -3 4
G 0
H -4 5
Suma de los puestos 3 25
Estadistico T de Wilcoxon = minimo (3, 25) = 3

Los puestos de las diferencias positivas y negativas se suman por separado. La me-
nor de estas sumas es el estadfstico T de Wilcoxon. En este ejemplo, T = 3.
A continuaci6n, suponemos que la distribuci6n poblacional de las diferencias parea-
das es simetrica. La hip6tesis nula que vamos a contrastar es que el centro de esta dis-
tribuci6n es 0. En nuestro ejemplo, pues, suponemos que las diferencias de valoraci6n
de los dos productos siguen una distribuci6n simetrica y queremos contrastar si esa dis-
tribuci6n esta centrada en 0, es decir, si no hay ninguna diferencia entre las valoracio-
nes. Sospecharfamos de la hip6tesis nula si la suma de los puestos correspondientes a
diferencias positivas fuera muy diferente de la suma de los puestos correspondientes a
diferencias negativas. Por 10 tanto, se rechazara la hip6tesis nula en el caso de los valo-
res bajos del estadfstieo T.
Los puntos de corte de la distribuci6n de esta variable aleatoria se encuentran en el
apendice y se refieren a los contrastes de que la distribuci6n poblacional de las diferen-

° °
cias pareadas esta centrada en algun numero mayor que 0 en algun numero menor que
frente a la hip6tesis alternativa unilateral. Cuando el tamafio de la muestra es n, la
tabla muestra el numero Ta tal que peT < Ta) = (X correspondiente a distintas probabili-
dades IY.. Por ejemplo, si suponemos que (X = 0,05, vemos en la tabla que cuando n = 7,
peT ~ 4) = 0,05. Como el estadfstico del contraste de Wilcoxon es T = 3, se rechaza la
hip6tesis nula frente a la hip6tesis alternativa unilateral al nivel del 5 por ciento. Es pro-
bable que, en conjunto, las valoraciones del nuevo producto sean mayores.

Minitab (contraste de Wilcoxon)

Para realizar un eontrastc de Wilcoxon puede utilizarse el program a Minitab. Considere-
mos de nuevo las valoraciones que hacen los estudiantes de una salsa de pizza y que se
muestran en la Tabla 15.1 (ejemplo 15.1) y se repiten aquf:
Estudiante A B C D E F G H
Valoraci6n (original) 6 4 5 8 3 6 7 5
Valoraci6n (nueva) 8 9 4 7 9 9 7 9
638 Estadfstica para administraci6n y economfa

En el caso de las muestras pareadas, se introducen los datos de cada par en columnas
separadas en una hoja de trabajo de Minitab y se utiliza Calc para obtener las diferencias
entre las columnas 0 se introducen simplemente las diferencias de las dos column as si se
dispone facilmente de elIas. La Figura 15.5 muestra la salida Minitab del contraste de Wil-
coxon. En este caso, el p -valor es 0,038 para un contraste unilateral de la cola inferior. Ob-
servese que la informaci6n adicional que suministran los paquetes informaticos permite re-
chazar la hip6tesis nula a un nivel de significaci6n mucho mas bajo que el que es posible
con el contraste de signos. Sabemos que aunque el programa informatico suministra infor-
maci6n como el p-valor, la interpretaci6n correcta es responsabilidad del lector. Este es
frecuentemente el caso en los estudios que se publican en revistas de investigaci6n (vease
la referencia bibliografica 4). La interpretaci6n correcta es fundamental.
Figura 15.5. Wilcoxon Signed Rank Test for Pizza Sauce Example
Ejemplo de la salsa
de pizza (salida Test of median = 0.000000 versus median < 0 . 000000
Minitab). N for wilcoxon Estimated
N Test Statistic P Median
Pizza Sauce 8 7 3.0 0 . 038 -2.250

Aproximacion normal
Cuando el numero n de diferencias no nulas en la muestra es grande (n > 20), la distribu-
ci6n normal constituye una buena aproximaci6n del estadfstico de Wilcoxon T en el caso
de la hip6tesis nula de que las diferencias poblacionales estan centradas en O. Cuando esta
hip6tesis es verdadera, la media y la varianza de esta distribuci6n se hallan por medio de
las ecuaciones siguientes.

Contraste de Wilcoxon: aproximacion normal (grandes muestras)

En la hip6tesis nula de que las diferencias poblacionales estan centradas en 0, el contraste de
Wilcoxon tiene una media y una varianza que vienen dadas por

n(n + 1)
E(T) = {IT = --
4- (15.9)

y
2 n(n + 1)(2n + 1)
Var (T) = UT = ---2-4 - - - (15.10)

Entonces, cuando el tamafio de la muestra, n, es grande, la distribuci6n de la variable aleato-

ria, Z, es aproximadamente nQrmal estandar donde

T - II
Z= rT (15.11)
uT
Si el numero, n, de diferencias no iguales a cero es grande y T es el valor observado del esta-
dfstico de Wilcoxon, los siguientes contrastes tienen un nivel de significaci6n (J..
1. Si la hip6tesis alternativa es unilateral, se rechaza la hip6tesis nula si
T- {IT
< -z'"
 Capftulo 15. Estadfstica no parametrica 639

2. Si la hipotesis alternativa es bilateral, se rechaza la hipotesis nula si

EJEMPLO 15.5. Metodos de postauditorla (contraste de Wilcoxon)

En un estudio se compararon empresas que tenfan sofisticados metodos de postauditorfa
y empresas que no ten fan metod os de ese tipo. Se examino una muestra de 31 pares de
empresas. Se calcul6 el cociente entre la valoracion de mercado y los costes de reposi-
cion de los activos de cada una y se utilizo como medida de los resultados de las em-
presas. En cada uno de los 31 pares, una de las empresas utilizaba un sofisticado · meto-
do de postauditorfa y la otra no. Se calcularon las 31 diferencias entre los cocientes y se
ordenaron las diferencias absolutas. La menor de las sumas de los puestos, 189, corres-
pondio a los pares en los que el cociente era mayor en el caso de la empresa que carecfa
de sofisticados metodos de postauditorfa. Contraste la hipotesis nula de que la distribu-
cion de las diferencias entre los cocientes esta centrada en 0 frente a la hipotesis alter-
nativa de que tiende a ser menor en las empresas que carecen de sofisticados metodos
de postauditorfa (v ease la referencia bibliografica 8).

Solucion
Dada una muestra de n = 31 pares, el estadfstico de Wilcoxon tiene, seg(m la hipotesis
nula, la media
n(n + 1) (31 )(32)
IlT = = = 248
4 4
y la varianza
2 n(n + 1)(2n + 1) (31)(32)(63)
Var (1) = ClT = = = 2.604
24 24

por 10 que la desviacion tfpica es

ClT = 51,03

El valor observado del estadfstico es T = 189. Se deduce de las ecuaciones 15.9-15.11

que se rechaza la hipotesis nula frente a la hipotesis alternativa unilateral si

Z=
T- /I
rT
189 - 248 -59
- 1,16<zo:
ClT 51,03 51,03
Suponiendo que (J., = 0,05
Zo: = -1,645

EI resultado del contraste no es suficiente para rechazar la hipotesis nula. Utilizando la

distribucion nOlmal estandar, la hipotesis nula puede rechazarse a todos los niveles de
significacion de 12,3 por ciento 0 mas.
 640 Estadfstica para administracion y economfa

EJERCICIOS

Ejercicios aplicados
15.7. Irvine y Rosenfeld (vease la referencia bibliogra- Estudiante Nacional Importada Estudiante Nacional Importada
fica 4) estudiaron «Ia influencia de la emisi6n de A 2 6 F 4 8
Monthly Income Preferred Stock (MIPS) en los B 3 5 G 3 9
precios de las acciones ordinarias de las empre- C 7 6 H 4 6
sas emisoras». EI fisco ha permitido deducir de D 8 8 I 5 4
los impuestos los dividendos de las MIPS desde E 7 5 6 9
el momento en que las introdujo por primera vez
Goldman Sachs en 1993 . Por 10 tanto, «Ia emi-
si6n de MIPS permite a la empresa aumentar su 15.9. Dieciseis estudiantes universitarios de primer
capital social con un coste despues de impuestos ano se agruparon en ocho pares de tal forma
casi igual al de la deuda a largo plazo». Uno de que los dos miembros de cada par fueran 10
los aspectos de su estudio es una comparaci6n de mas parecidos posibles en 10 que se referfa a su
algunas caracterfsticas financieras de las empre- expediente academico -medido par medio de
sas que habfan emitido MIPS (un total de 185) las calificaciones obtenidas en la ensenanza se-
con las de empresas similares que no hablan emi- cundaria y en el examen de acceso a la uni ver-
tido MIPS antes dell de enero de 1999. Las em- sidad- y a sus orfgenes sociaJes . La principal
presas emisoras de MIPS tambien se dividieron diferencia existente dentro de los pares era que
entre empresas industriales que cotizan en bolsa uno de los estudiantes procedfa de la regi6n en
y empresas de servicios publicos, como las tele- la que estaba la universidad y el otro no. Al fi-
f6nicas, las electricas, las de gas y las de agua. nal del primer ano de universidad, se registra-
La tabla adjunta es una lista parcial de algunos ron las calificaciones medias obtenidas por es-
resultados de este estudio: tos estudiantes; los resultados se muestran en la
tabla. Utilice el contraste de Wilcoxon para
Contraste
de la analizar los datos. Analice las implicaciones de
Media diferencia los resultados del contraste.
N de las drlas de
empresas cmpresas Empresas Contraste ordena·
MIPS MIPS similares de signos ciones
De la De fuera De la De fuera
Actiros IOtales (miles de mil/olles) Par region de la region Par region de la region
Todas las empresas que emiren MIPS 185 26,47 19,42 0,01 0,oI
Empresas de servicios pliblicos 83 10,45 8,65 0,01 0,01 A 3,4 2,8 E 3,9 3,7
Empresas industriales 102 39,60 28,26 am 0,01
B 3,0 3,1 F 2,3 2,8
Cobertllta de illtere,es
Todas las empresas que emiten MIPS 164 5,53 7,71 0,04 0,01 C 2,4 2,7 G 2,6 2,6
Emprcsas de servicios pilblicos 83 4,44 5,15 0,01 om D 3,8 3,3 H 3,7 3,3
Empresas industriales 81 6,63 10,25 0,06 0,01
Coeiellte entre de.do a corta plaza
y actiws totales (%)
Todas las empresQs que emiten MIPS 185 23,5 21,4 0,06 0,03 15.10. En un estudio se pidi6 a una muestra aleatoria
Empresas de scrvicios publicos 83 32,6 29,3 0,Q3 0,01 de 40 estudiantes de administraci6n de empre-
Empresas industriales 102 16,1 14,9 0,19 0,28
sas que acababan de cursar las asignaturas de
introducci6n tanto de estadfstica como de conta-
_ Analice los resultados de esta parte del estudio.
~f pide a una muestra aleatoria de 10 estudiantes
bilidad que valoraran el interes de cada una en
una escala de 1 (nada interesante) a 10 (muy
~e valoren en una cata a ciegas la calidad de interesante). Se calcularon las 40 diferencias
',,- / dos marcas de cerveza, una nacional y una im- entre los pares de valoraciones y se ordenaron
'.-~
portada. Las valoraciones se basan en una escala las diferencias absolutas. La suma menor, que
de I (mala) a 10 (excelente). La tabla adjunta era la de los estudiantes que pensaban que la
muestra los resultados. Utilice el contraste de asignatura de contabilidad era la mas interesan-
Wilcoxon para contrastar la hip6tesis nula de que te, era 281. Contraste la hip6tesis nula de que la
la di stribuci6n de las diferencias pareadas esta poblaci6n de estudiantes de administraci6n de
centrada en 0 frente a la hip6tesis alternativa de empresas valorarfa estos cursos por igual frente
que la poblaci6n de todos los estudiantes bebedo- a la hip6tesis alternativa de que el curso de es-
res de cerveza prefiere la marca importada. tadfstica se considera el mas interesante.
 Capitulo 15. Estadistica no parametrica 641

15.11. Un consultor tiene interes en saber como afec- rna, es de 160. ~Que conclusiones pueden
ta la introduccion de un programa de gestion extraerse de este resultado?
total de la calidad a la satisfaccion de los tra-
15.12. Se toma una muestra aleatoria de 80 propieta-
bajadores en el trabajo. Se pide a una muestra
rios de magnetoscopios. Se pide a cada uno de
aleatoria de 30 trabajadores que evalue el nivel
los miembros de la muestra que valore la canti-
de satisfaccion en una escala de 1 (muy insa-
dad de tiempo que dedica al mes a ver los pro-
tisfecho) a 10 (muy satisfecho) tres meses an-
gramas de television que ha grabado y a ver las
tes de que se introduzca el programa. Se pide a
cintas alquiladas. A continuacion, se calculan
los miembros de esta misma muestra que ha-
las 80 diferencias entre las cantidades de tiem-
gan esta evaluacion de nuevo tres meses des-
po y se ordenan sus val ores absolutos. La me-
pues de la introduccion del programa. Se cal-
nor de las sumas de los puestos correspondien-
culan las 30 diferencias entre los pares de
tes a los programas de television grabados es
valoraciones y se ordenan las diferencias abso-
de 1.502. Analice las implicaciones de este re-
lutas. La suma menor de todas las sumas de
sultado.
los puestos, que es la de los que estan mas sa-
tisfechos antes de la introduccion del progra-

15.3. Contraste U de Mann-Whitney

En el Capitulo 11 vimos como podfa compararse la posicion central de dos distribuciones
poblacionales cuando se disponfa de una muestra aleatoria de datos pareados. En este apar-
tado introducimos un contraste del mismo problema cuando se toman muestras aleatorias
independientes de las dos poblaciones, el contraste U de Mann-Whitney. La distribucion
del estadfstico de Mann-Whitney, U, se aproxima a la distribucion normal a un ritmo bas-
tante nipido a medida que aumenta el numero de observaciones muestrales. La aproxima-
cion es adecuada si cada muestra contiene al menos 10 observaciones. Por 10 tanto, solo
consideraremos aquf las muestras en las que n[ ~ 10 y n2 ~ 10. Para contrastar la hipotesis
nula de que la posicion central de las dos distribuciones poblacionales es igual, suponemos
que, aparte de la existencia de cualquier po sible diferencia entre las posiciones centrales,
las dos distribuciones poblacionales son identicas.

Estadfstico U de Mann-Whitney
Supongamos que, aparte de la existencia de posibles diferencias entre las posiciones centra-
les, las dos distribuciones poblacionales son identicas. Supongamos que se dispone de n1 ob-
servaciones de la primera poblacion y n2 observaciones de la segunda. Se juntan las dos
muestras y se ordenan las observaciones en sentido ascendente, aSignando, en caso de em-
pate, la media de los puestos correspondientes. Sea R1 la suma de los puestos de las observa-
ciones de la primera poblacion. En ese caso, el estadfstico U de Mann-Whitney se define de
la forma siguiente:

(15.12)

Puede demostrarse entonces que, si la hipoteslS\nUla es verdadera, la variable aleatoria

U tiene la media y la varianza definidas en las ecu~ciones 15.13 y 15.14.
642 Estadfstica para administracion y economfa

Contraste U de Mann-Whitney: aproximacion normal

Suponiendo como hipotesis nula que las posiciones centrales de las dos distribuciones pobla-
cionales son iguales, el estadistico U de Mann-Whitney tiene la media y la varianza siguientes:

(15.13)

(15.14)

Entonces, cuando las muestras son de gran tamano (ambas son como minimo de 10), la distri-
bucion normal es una buena aproximacion de la distribucion de la variable aleatoria

U - J1
Z= . v (15.15)
Uu

Las reglas de decisi6n del estadfstico del contraste de Mann-Whitney, U, se indican en

las ecuaciones 15 .16 a 15.18.

Reglas de decision del contraste U de Mann-Whitney

Se supone que las dos distribuciones poblacionales son identicas, aparte de las diferencias
que puedan existir entre sus posiciones centrales. Para contrastar la hipotesis nula de que las
dos distribuciones poblacionales tienen la misma posicion central, las reglas de decision para
un nivel de significacion dado son las siguientes:
1. Si la hipotesis alternativa es la hipotesis de la cola superior unilateral, la regia de deci-
sion es
U - J1u
Rechazar Ho si < -z" (15.16)

2. Si la hipotesis alternativa es la hipotesis de la cola inferior unilateral, la regia de deci-

sion es
U - flu
Rechazar Ho si > z" (15.17)

3. Si la hipotesis alternativa es la hipotesis bilateral, la regia de decision es

U-fl U - flu
Rechazar Ho si ___ u < - Z,,/2 0 Rechazar H 0 si > Z,,/2 (15.18)
Uu Uu

EJEMPlO 15.6. Horas de estudio (contraste U de Mann-Whitney)

La Tabla 15.3 muestra el numero de horas semanales que los estudiantes afirman que
dedican a estudiar las asignaturas de introducci6n a la economfa financiera y a la conta-
bilidad. Los datos proceden de muestras aleatorias de 10 estudiantes de economfa finan -
ciera y 12 de contabilidad.
Hours (,Indican los datos la existencia de una diferencia en el numero mediano de horas
seman ales que dedican los estudiantes a estudiar las asignaturas de introducci6n a la
economfa financiera y a la contabilidad? EI fichero de datos se llama Hours.
 Capitulo 15. Estadistica no parametrica 643

Tabla 15.3. Numero de horas seman ales dedicadas a estudiar las asignaturas
de economia financiera y de contabilidad.

Economia financiera 10 6 8 10 12 13 11 9 5 11
Contabilidad 13 17 14 12 10 9 15 16 11 8 9 7

Solucion
Nuestra hipotesis nula es que las posieiones eentrales (medianas) de las dos distribueio-
nes poblacionales son identieas.

Ho: Mediana (1) = Mediana (2) Los estudiantes dedican la misma cantidad de tiempo
a estudiar las asignaturas de econom[a jinanciera y de contabilidad

Se juntan las dos muestras y se ordenan las observaciones en sentido ascendente dando
a los empates el mismo tratamiento que antes. Las ordenaeiones resultantes se muestran
en la Tabla 15.4.
Tabla 15.4. Numero de horas semanales dedicadas a estudiar las asignaturas
de economia financiera y de contabilidad

Economia
financiera (Puesto) Contabilidad (Puesto)

10 (10) 13 (17,5)
6 ' (2) 17 (22)
8 (4,5) 14 (19)
10 (10) 12 (15,5)
12 (15,5) 10 (10)
13 (17,5) 9 (7)
11 (13) 15 (20)
9 (7) 16 (21)
5 (1) 11 (13)
11 (13) 8 (4,5)
9 (7) .
7 (3)
Suma de puestos 93,5 Suma de puestos 159,5

Ahora, si la hipotesis nula fuera verdadera, serfa de esperar que las ordenaeiones
medias de las dos muestras fueran muy parecidas. En este ejemplo, el puesto medio de
los estudiantes de eeonomfa finaneiera es 9,35, mientras que el de los estudiantes de
eontabilidad es 13,29. Como oeurre siempre que se eontrastan hipotesis, queremos saber
eual es la probabilidad de que hubiera una diserepaneia de esta magnitud si la hipotesis
nula fuera verdadera.
No es neeesario ea1cular las dos sumas de los puestos, pues si eonoeemos una, pode-
mos deducir la otra. Por ejemplo, en este easo los puestos deben sumar 10 mismo que la
suma de los enteros de 1 a 22, es decir, 253. Por 10 tanto, eualquier eontraste de la hipo-
tesis puede basarse simplemente en una de las sumas de puestos. Si la eeonomfa finan-
ciera es la primera muestra, entonees

n2 = 12 R[ = 93,5
644 Estadfstica para administracion yeconomfa

por 10 que el valor observado del estadfstico de Mann-Whitney es, de acuerdo con la
ecuaci6n 15.12,

Utilizando la hip6tesis nula de que las posiciones centrales de las dos distribuciones po-
blacionales son iguales y la ecuaci6n 15.13, la distribuci6n del estadfstico tiene una
media
nln2 (10)(12)
E( U) = flu = 2 = 2 = 60

y una varianza

nlninl + n2 + 1) (10)(12)(23)
Var(U)=O' 2 = = =230
u 12 12

Se deduce que

U - flu 81,5 - 60
r;:;::;;:. = 1,42 y p-valor = 0,1556
O'u vi 230

Por 10 tanto, la hip6tesis nul a puede rechazarse a niveles de significaci6n superiores a

15,56 por ciento. Con el nivel de significaci6n habitual de 0,05, el resultado del contras-
te no es suficiente para conduir que los estudiantes dedican mas tiempo a estudiar una
de estas materias que la otra. Podrfamos haber utiIizado un factor de correcci6n de con~
tinuidad en la aproximaci6n normal. EI p-valor sera de algo mas de 0,1556.
Si los estudiantes de contabilidad son la poblaci6n 1, por 10 que nI = 12 Y
RI = 159,5, el resultado es el mismo, ya que z = - 1,42. EI p-valor sigue siendo
0,1556.

Minitab (contraste U de Mann-Whitney) Minitab calcula el valor z utilizando un

factor de correcci6n de continuidad. La Figura 15.6 es la salida Minitab del ejemplo
15.6. Observese que el p-valor es algo mas alto.

Mann-Whitney Test: Finance, Accounting

Finance N = 10 Median = 10.000

Accounting N = 12 Median = 11 . 500

Point estimate for ETA1-ETA2 is -2.000

95 . 6 Percent CI for ETA1-ETA2 is (-5 . 001,1.000)

W = 93.5

Test of ETA1 = ETA2 vs ETA1 not = ETA2 is significant at 0 . 1661

The test is significant at 0 .1643 (adjusted for ties)

Figura 15.6. Ejemplo del numero de horas de estudio (salida Minitab).

 Capitulo 15. Estadistica no parametrica 645

EJERCICIOS

Ejercicios aplicados tos porcentuales a 10 largo del ano eran los si-
15.13. En un estudio se compararon empresas que te- gllientes:
nian un comite de auditoria con empresas que - 2,7 6,2 8,9 11,3 2, 1
no 10 tenfan. Se midio en muestras de empresas
de cada tipo el grado de participacion de los 3,9 -2,4 1,3 7,9 10,2
consejeros en la propiedad por medio del nume-
ro de acciones que posefa el consejo de admi- Uti lice el contraste de Mann-Whitney para
nistracion en porcentaje del numero total de ac- interpretar estos datos.
ciones emitidas. En la muestra, la participacion
15.15. En una muestra aleatoria de 12 titulados en ad-
de los consejeros era, en conjunto, mayor en las
ministracion de empresas de una universidad
empresas que no tenfan comite de auditorfa. Pa-
privada, los sueldos de partida aceptados des-
ra contrastar la significacion estadfstica, se cal-
pues de licenciarse (en miles de dolares) fueron
culo el estadfstico U de Mann-Whitney. Se ob-
los siguientes:
servo que (U - flu) / (Ju era 2,01 (vease la
referencia bibliogn'ifica 1). (, Que conc1usiones 26,2 29,3 31 ,3 28,7 27,4 25,1
~'I pueden extraerse de este resultado?
26,0 27,1 27,5 29,8 32,6 34,6
15.14/ Un analista bursitil elaboro a comienzos del
, __/ / ano una lista de acciones para comprar y otra En una muestra aleatoria independiente de 10
de acciones para vender. En una muestra alea- titulados en administracion de empresas de una
toria de 10 acciones de la «!ista de compra», universidad publica, los sueldos de partida
los rendimientos porcentllales a 10 largo del ano aceptados despues de licenciarse (en miles de
eran los siguientes: dol ares) flleron los siguientes:
9,6 5,8 13,8 17,2 11,6 25,3 28,2 29,2 27,1 26,8
4,2 3,1 11 ,7 13,9 12,3 26,5 30,7 31 ,3 26,3 24,9

En una muestra aleatoria independiente de 10 Analice los datos utilizando el contraste de

acciones de la «lista de venta», los rendimien- Mann-Whitney y comente los resultados.

15.4. Contraste de la suma de puestos de Wilcoxon

El contraste de la suma de puestos de Wilcoxon es parecido al contraste U de Mann-
Whitney. Los resultados son los mismos con ambos contrastes. Lo incluimos aquf para
completar el analisis, ya que es posible que se prefiera este contraste por su sencillez.

Estadlstico T de la suma de los puestos de Wilcoxon

Supongamos que se dispone de n 1 observaciones de la primera poblacion y n2 observaciones de la
segunda. Se juntan las dos muestras y se ordenan las observaciones en sentido ascendente, asignando,
en caso de empate, la media de los puestos correspondientes. Sea T la suma de los puestos de las obser-
vaciones de la primera poblaci6n (T en el contraste de la suma de puestos de Wilcoxon es igual que R 1
en el contraste U de Mann-Whitney). Suponiendo que la hip6tesis nula es verdadera, el estadfstico de la
suma de puestos de Wilcoxpn, T, tiene la media

(15.19)
646 Estadfstica para administracion y economfa

y la varianza

(15.20)

Entonces, cuando las muestras son de gran tamano (n 1 ;;:, 10 y n2 ;;:, 10), la distribuci6n normal
es una buena aproximaci6n de la distribuci6n de la variable aleatoria

T- It
Z= rT
(15.21 )
uT

Cuando hay un gran numero de empates, la ecuaci6n 15.20 puede no ser correcta (v ease la
referencia bibliografica 6).

En el caso de los datos de la Tabla 15.4, T = R J = 93,5 Y

Observese que la varianza de la distribuci6n muestral del estadfstico de la suma de

puestos de Wilcoxon, T, es igual que la varianza de la distribuci6n muestral del estadfstico
de Mann-Whitney, U. Se deduce que

93,5 - 115 .
-1,42 y p-valor = 0,1556
foO
EJEMPLO 15.7. Beneficios de dos empresas
(contraste de la suma de puestos de Wilcoxon)

En un estudio que pretendfa comparar los resultados de empresas que revelan las pre-
dicciones de la direcci6n sobre los beneficios con los resultados de las que no las reve-
lan, se tomaron muestras aleatorias de 80 empresas de cada una de las poblaciones. Se
midi6 la variabilidad de la tasa de crecimiento de los beneficios en los 10 periodos ante-
riores en cada una de las 160 empresas y se ordenaron estas variabilidades. La suma de
los puestos de las empresas que no revelan las predicciones de la direcci6n sobre los
beneficios era 7.287 (vease la referencia bibliografica 5). Contraste la hip6tesis nula de
que las posiciones centrales de las distribuciones poblacionales de las variabiIidades de
los beneficios son las mismas en los dos tipos de empresas frente a la hip6tesis alterna-
tiva bilateral. Demuestre que estos resultados son iguales que los del contraste U de
Mann-Whitney y los del contraste de la suma de puestos de Wilcoxon.
 Capftulo 15. Estad fstica no parametrica 647

Solucion
Dado que tenemos que n] = 80, n2 = 80 y R] = 7.287, el valor calculado del estadfstico
de Mann-Whitney es

Segun la hip6tesis nula, el estadfstico de Mann-Whitney tiene la media

n]n2 (80)(80)
flu =- = = 3.200
2 2
y la varianza
2 n]nin] + n2 + 1) (80)(80)(161)
(J = = = 85.867
u 12 12

En este caso, tenemos que

2.353 - 3.200
z= -2,89
J85.867

En la Tabla 1 de la distribuci6n normal estandar del apendice, vemos que el valor de

a/2 correspondiente a un valor de z de 2,89 es 0,0019, por 10 que el p-valor es 0,0038.
Por 10 tanto, la hip6tesis nula puede rechazarse a todos los niveles de mas del 0,38 por
ciento.
EI contraste de la suma de puestos de Wilcoxon utiliza las ecuaciones 15.19 a 15.21.
La media de T es
n](n] + n2 + 1) 80(161)
E(T) = ------ = = 6.440
2 2

La varianza de T es igual que la de U (la ecuaci6n 15.14 es igual que la 15.20). Por 10
tanto, por la ecuaci6n 15.21,
T - flT 7.287 - 6.440
----;===-- = 2 89
J85.867 '

y, de nuevo, puede rechazarse la hip6tesis nula a todos los niveles de mas del 0,38 por
ciento. Se obtienen los mismos resultados utilizando el contraste U de Mann-Whitney
que utilizando el de la suma de los puestos de Wilcoxon. Estos datos constituyen, pues,
una prueba contundente en contra de la hip6tesis de que las posiciones centrales de las
distribuciones de las variabilidades poblacionales de las tasas de crecimiento de los be-
neficios de las empresas que revelan las predicciones de los beneficios son iguales que
las de las empresas que no las revelan.
Ahora bien, si se nos hubieran dado los datos efectivos en lugar de simplemente los
puestos en la ordenaci6n, podrfamos haber realizado un contraste de la hip6tesis nul a
utilizando los metodos del Capitulo 11. Sin embargo, utilizando el contraste de Mann-
Whitney, hemos observado que la hip6tesis nula puede rechazarse sin el supuesto de la
normalidad de fa poblaci6n.
648 Estadfstica para administracion y economfa

EJERCICIOS

Ejercicios aplicados
15.16. Una empresa entrevista tanto a expertos en mar- Mejor calificado 8,1 12,7 13,9 2,3 16,1 5,4 7,3
keting como a expertos en economfa financiera 9,8 14,3 4,1
para cubrir el puesto de direccion general. Un Peor calificado 3,5 14,0 11 ,1 4,7 6,2 13,3 7,0
equipo de altos directivos de la empresa realiza 7,3 4,6 10,0
una larga entrevista y un largo examen a una
muestra aleatoria de 10 expertos en marketing y
a una muestra aleatoria independiente de 14 ex- Contraste la hip6tesis nula de que no existe ningu-
pertos en economfa financiera. A continuacion, na diferencia entre las posiciones centrales de las
ordena a los candidatos de 1 (el mejor para cu- distribuciones poblacionales de las tasas de ren-
brir el puesto) a 24, como muestra la tabla ad- dirniento frente a la hip6tesis alternativa de que
junta. Contraste la hip6tesis nul a de que, en los fondos mejor calificados tienden a obtener
conjunto, los altos directivos de la empresa no mayores tasas de rendirniento que los peor cali-
tienen ninguna preferencia por los expertos en ficados.
marketing 0 por los expertos en economia fi-
nanciera frente a la hipotesis alternativa de que 15.19. Se pregunta a una muestra aleatoria de 50 estu-
prefieren los expertos en economia financiera . diantes que sueldo deberfa estar dispuesta la
l. economfa financiera 13. marketing universidad a pagar para atraer a la persona id6-
2. economfa financiera 14. economia financiera nea para entrenar al equipo de futbol. Se hace la
3. marketing 15. economfa financiera misrna pregunta a una muestra aleatoria inde-
4. economfa financiera 16. economfa financiera pendiente de 50 profesores. A continuaci6n, se
5. economfa financiera 17. marketing
juntan las 100 cifras sobre el sueldo y se orde-
6. marketing 18. marketing
7. economia financiera 19. economfa financiera nan (asignandose I al sueldo mas bajo). La su-
8. marketing 20. economfa financiera rna de los puestos de los profesores es 2.024.
9. marketing 2l. economfa financiera Contraste la hip6tesis nula de que no existe nin-
10. marketing 22. marketing guna diferencia entre las posiciones centrales de
11. economfa finan ciera 23. marketing las distribuciones de los sueldos propuestos por
12. economfa financiera 24. economfa fi nanciera
los estudiantes y por los profesores frente a la
15.17. Un profesor pidi6 a una muestra aleatoria de 15 hip6tesis alternativa de que en conjunto los es-
alumnos y a una muestra aleatoria independien- tudiantes propondrfan un sueldo mas alto para
te de 15 alumnas que escribieran un ensayo al atraer a un entrenador.
final de un curso de escritura. A continuaci6n,
el profesor orden6 estos ensayos de 1 (el mejor) 15.20. En un estudio se compar6 el tiempo (en dfas)
a 30 (el peor). Bsta es la ordenaci6n. que tardaba una muestra aleatoria de 120 em-
presas australianas que tienen buenos informes
Alumnos 26 24 15 16 8 29 12 6 18 de auditorfa en publicar desde finales de afio un
11 13 19 10 28 7
inforrne preliminar sobre los beneficios con el
Alumnas 22 2 17 25 14 21 5 30 3 9 que tardaba una muestra aleatoria independiente
4 1 27 23 20 de 86 empresas cuyos inforrnes no eran buenos.
Se juntaron los tiempos que tardaban las 206
Contraste la hipotesis nula de que en conjunto empresas y se ordenaron, asignandose al tiempo
el orden de los alumnos y el de las alumnas es el mas corto el puesto 1. La suma de los puestos
mismo frente a la hip6tesis alternativa bilateral. de las empresas cuya auditorfa no era buena era
15.18. Un boletin informativo califica los fondos de 9.686 (vease la referencia bibliografica 9). Con-
inversion. Se eligen muestras aleatorias inde- traste la hip6tesis nula de que las posiciones
pendientes de 10 fondos que tienen la maxima centrales de las dos distribuciones poblacionales
calificaci6n y 10 que tienen la peor califica- son identicas frente a la hip6tesis alternativa de
ci6n. Las cifras siguientes son las tasas porcen- que las empresas cuya auditorfa no era buena
tuales de rendimiento que obtendran estos 20 tardaban mas en publicar un informe preliminar
fondos el pr6ximo afio. sobre sus beneficios.
 Capftulo 15. Estadfstica no parametrica 649

15.21. Se comparan los sueldos de partida de licencia- 60 sueldos de partida. La suma de los puestos
dos en administraci6n de empresas de dos des- de los estudiantes de una de las facultades es
tacadas facultades de administraci6n de em- l.243. Contraste la hip6tesis nula de que las po-
presas. Se toman muestras aleatorias de 30 estu- siciones centrales de las distribuciones pobla-
diantes de cada una y se juntan y ordenan los cionales son identicas.

15.5. Correlacion de orden de Spearman

El coeficiente de correlaci6n muestral puede verse seriamente afectado por las observacio-
nes extremas. Ademas, los contrastes basados en 61 recurren para su validez al supuesto de
la normalidad. Puede obtenerse una medida de la correlaci6n en la que no influyen seria-
mente los val ores extremos y en la que pueden basarse contrastes validos de distribuciones
poblacionales muy generales utilizando los puestos en ordenaciones. El contraste resultante
sera en ese caso no param6trico.

Correlaci6n de orden de Spearman

Supongamos que se toma una muestra aleatoria (x1 , Y1 ), .•• , (xn' Yn) de n pares de observacio-
nes. Si las Xi y las Yi se ordenan en sentido ascendente y se calcula la correlacion muestral de
estos puestos, el coeficiente resultante se llama coeficiente de correlacion de orden de
Spearman. Si no hay empates, una formula equivalente para calcular este coeficiente es

n
6 L d;:
r = 1 __ =:-1_ _
-;;
i
(15.22)
s n(n 2 - 1)

donde las di son las diferencias entre los puestos de los miembros de los distintos pares.
Los siguientes contrastes de la hip6tesis nula Ho de que no existe ninguna relaci6n en la
poblacion tienen un nivel de significaci6n ex.

1. Para contrastar la hipotesis nula de que no existe ninguna relacion frente a la hip6tesis
alternativa de que existe una relacion positiva, la regia de decision es

Rechazar Ho si r, > rs. c< (15.23)

2. Para contrastar la hip6tesis nula de que no existe ninguna relacion frente ala hipotesis
alternativa de que existe una relacion negativa, la regia de decision es

Rechazar Ho si rs < - rs,c< (15.24)

3. Para contrastar la hip6tesis nula -de que no existe ninguna relaci6n frente a la hipotesis
alternativa bilateral de que existe alguna relacion, la regia de decision es

Rechazar Ho si r, < - rs ,rx/2 0 rs> r"c</2 (15.25)

650 Estadfstica para administraci6n y economfa

EJEMPLO 15.8. Promoci6n de los cruceros (correlaci6n de orden

de Spearman)

Para promover los cruceros por el Mediternlneo, supongamos que una empresa de cru-
ceros se anuncia en 17 revistas de viajes. Se invita a los lectores a pedir folletos y lite-
ratura. Las dos variables que se quiere relacionar son:

X: coste de la publicidad y la distribuci6n, en miles de d6lares

Y: rendimiento de la publicidad

donde este ultimo se define de la forma siguiente:

Y = (ingresos estimados de las solicitudes de informaci6n -

- coste de la publici dad) -:- coste de la publicidad

La Tabla 15.5 enumera los puestos de estas dos variables de los 17 anuncios de revistas.
Ca1cule el coeficiente de correlaci6n de orden de Spearman y contraste la relaci6n entre
las variables.

Tabla 15.5. Calculos de la correlaci6n de orden del ejemplo de los cruceros.

Revista Orden (x) Orden (y) Di = orden (x) - orden (y) d I2

14 2 12 144
2 8 4 4 16
3 16 - 15 225
4 16 1 15 225
5 17 5 12 144
6 13 6 7 49
7 15 8 7 49
8 2 11 - 9 81
9 7 9 - 2 4
10 3 13 -10 100
11 6 12 - 6 36
12 9 17 - 8 64
13 5 3 2 4
14 4 7 - 3 9
15 11 14 -3 9
16 12 15 - 3 9
17 10 10 0 0
Suma 1.168

Solucion

Dado que no hay empates, utilizamos la ecuaci6ri 15.22 y obtenemos

6 L df
i= I 6(1.168)
r =1- 2
=1- ------0,------ -0,431
S n(n - 1) 17[(17)2 - 1]
 Capitulo 15. Estadistica no parametrica 651

Dado que hay 17 pares de observaciones, los puntos de corte (vease la Tabla 11 del
apendice) en los contrastes al nivel del 10 por ciento y del 5 por ciento son, respectiva-
mente,
r .I·.O.OS = 0,412 y rs.O.025 = 0,49

La hipotesis nula de que no existe ninguna relacion puede rechazarse frente a la hipote-
sis alternativa bilateral, segllO la regIa de decision, al nivel del 10 por ciento, pero no al
nivel del 5 por ciento. Nuestras conclusiones no se basan en el supuesto de la nOl'mali-
dad de la poblacion.

Si no hay empates, entonces es sencillo calcular la correlacion de orden de Spearman

con el programa Minitab 0 con el Excel. Si hay empate, calculamos la correlacion simple
(apartado 12.1) entre los puestos.

EJERCICIOS

13
~ Je icios basicos meses y los activos totales (en millones de do-
lares) .
f. 15.22. os estudiantes de un curso de tecnologfa de
\ omercio electronico tienen que hacer un exa- Rendimiento Activos Rcndirniento Activos Rendimiento Activos
\.. men final escrito y un proyecto para obtener la
calificacio n final. Las calificaciones de una 29,3 300 16,0 421 12,9 75
muestra aleatoria de 10 estudiantes tanto en el 27,6 70 15,5 99 11,3 610
23,7 3.004 15,2 756 9,9 264
examen como en el proyecto son
22,3 161 15,0 730 7,9 27
22,0 827 14,4 436 6,7 71
Examen 81 62 74 78 93 69 72 83 90 84 19,6 295 14,0 143 3,3 719
17,6 29 13,7 117
Proyecto 76 71 69 76 87 62 80 75 92 79

a) Calcule el coeficiente de correlacion de or-

a) Halle el coeficiente de correlacion de orden den de Spearman.
de Spearman. b) Realice un contraste no parametri co de la
b) Contraste la relacion. hipotesis nula de que no existe ninguna rela-
15.23. La tabla adj unta muestra el rendimiento por- cion en la poblacion fre nte a una hipotesis
centual de una muestra aleatori a de 20 fondos alternati va bilateral.
de inversion a largo plazo en un periodo de 12 c) Analice las ventajas de un contraste no para-
metrico de estos datos.

RESUMEN

Los contrastes no parametricos analizados en este capf- son contrastes de esta hipotesis nula, pero suponiendo
tulo representan un subconjunto muy pequeno de los solamente que las dos distribuciones poblacionales tie-
metodos no parametricos que se utilizan actualmente. nen la misma forma. Esta es la principal ventaja de los
En capftulos posteriores, encontraremos algunos otros metodos no parametricos. Son adecuados con una am-
contrastes que no dependen de la distribucion. plia variedad de supuestos sobre las distribuciones po-
Es instructivo comparar los contrastes de este capf- blacionales subyacentes.
tulo con los de los Capftulos 10 y II , en los que ex a- Entre las ventajas de los contrastes no parametricos
minamos el problema de contrastar la igualdad de dos se encuentran las siguientes:
medias poblacionales, suponiendo que las distribucio-
nes poblacionales son normales. Tambien puede consi- 1. Menos supuestos sobre la poblaci6n
derarse que los contrastes desarrollados en este capitulo No es necesario el supuesto de la normalidad. Es-
652 Estadistica para administraci6n y economia

tos contrastes no parametricos son adecuados con poderosos. En el caso de las poblaciones que siguen
una amplia variedad de supuestos sobre las distri- una distribucion normal, los contrastes parametricos
buciones poblacionales subyacentes. del Capitulo II son mas poderosos que los contrastes
2. Los calculos son mas sencillos basados en ordenaciones, ya que estos ultimos descar-
Los contrastes no parametricos pueden realizarse tan parte de la informacion de los datos. Es decir, los
bastante deprisa, especial mente el contraste de contrastes parametricos tienen mas capac idad para de-
signos. tectar los incumplimientos de la hipotesis nub. Sin em-
3. Pueden contrastarse datos nominales U ordinales bargo, al men os en las muestras de moderado tamano,
Por ejemplo, si todo 10 que se sabe en un estudio los contrastes como el de Wilcoxon y el de Mann-
de comparacion de productos es que producto se Whitney solo son algo menos poderosos que los con-
prefiere, puede aplicarse inmediatamente el con- trastes t cuando las distribuciones poblacionales son
traste de signos. En muchas situaciones practicas, normales. Por esta razon, as! como pOl'que pueden apli-
solo se dispone de datos en forma de ordenaciones, carse en muchos mas casos, estos contrastes no para-
10 que lleva logicamente a utilizar metod os como metricos son muy conocidos. Ademas, cuando la distri-
el contraste de Wilcoxon 0 el de Mann-Whitney. bucion poblacional se aleja mucho de la normal,
4. lnfluyen menos los casos atfpicos pueden tener mucho mas poder que los contrastes co-
De la misma forma que en la media pueden influir rrespondientes basados en la distribucion normal. Los
las observaciones extremas, 10 mismo ocurre con
program as informaticos tambien han aumentado el uso
las inferencias basadas en los contrates t de los Ca-
de los contrastes no parametricos.
p!tulos 10 y II. En cambio, los contrastes basados
Dado que los metodos no parametricos son bastante
en los puestos dan mucho menos peso a los val ores
diffciles de extender a los problemas que implican la
muestrales atfpicos.
construccion de complejos modelos, los metodos tradi-
Uno de los inconvenientes de los contrastes no pa- cionales de los Capitulos 10 y 11 , cuyo desarrollo es
rametricos es que, con el supuesto de la normalidad de mucho mas sencillo, siguen constituyendo los elemen-
la poblacion, los metodos no parametricos son men os tos principales del analisis estadfstico.

TERMINOS CLAVE

coeficiente de conelacion contraste de la suma de puestos contraste de Wilcoxon basado

de orden de Spearman, 649 de Wilcoxon, 645 en la ordenacion
contraste de signos, 628 contraste U de Mann-Whitney, 641 de las diferencias, 636

EJERCICIOS V APLICACIONES DEL CAPiTULO

15.24. (,Que significa que un contraste no sea parame- 15.27. En una muestra aleatoria de 16 analistas de los
trico? (,Cuales son las ventajas relativas de esos tipos de cambio, 8 creen que el yen japones sera
contrastes? una excelente inversion este ano, 5 creen que
sera una mala inversion y 3 no tienen ninguna
15.25. Ponga un ejemplo realista de un problema esta- opinion decidida sobre esta cuestion. (,Que con-
dfstico del mundo de la empresa en el que sea c1usiones podemos extraer de estos datos?
preferible un contraste no parametrico al con-
traste parametrico alternativo. 15.28. En una muestra aleatoria de 100 estudiantes
universitarios, 35 esperan disfrutar de un nivel
15.26. En una muestra aleatoria de 12 analistas, 7 de vida mas alto que el de sus padres, 43 espe-
creen que las ventas de automoviles en Estados ran disfrutar de un nivel de vida mas bajo y 22
Unidos probablemente seran mayores el ano esperan tener el mismo nivel de vida que sus
que viene que este, 2 creen que seran mucho padres. (,Son estos datos una prueba contunden-
menores y los demas preven que seran mas 0 te de que en la poblacio n de estudiantes es
menos iguales que este ano . (,Que conclusion mayor el numero de estudiantes que esperan te-
podemos ex traer de estos datos? ner un nivel de vida mas bajo que el de sus pa-
 Capitulo 15. Estadistica no parametrica 653

dres que el numero de estudiantes que esperan Propia Economia Propia Economia
tener LIn nivel de vida mas alto? Analista em~resa en general Analista cmj!rcsa en general
1 8 8 6 6 9
15.29. En una muestra aleatoria de 120 profesores de 2 7 5 7 7 7
administraci6n de empresas, 48 creen que la ca- 3 6 7 8 5 2
4 5 4 9 4 6
pacidad de analisis de los estudiantes ha mejo- 5 8 4 IO 9 6
rado en la ultima decada, 35 creen que ha em-
peorado y 37 no ven ningun cambio perceptible. 15.31. Se construyen nueve pares de perfiles hipoteti-
Evalue la fuerza de la evidencia muestral que cos de empleados de empresas que solicitan la
sugiere que el numero de profesores que creen admisi6n en un master de administraci6n de
que la capacidad de analisis ha mejorado es empresas. Dentro de cada par, los perfiles son
mayor que el numero de profesores que creen identicos; 10 unico que varia es que uno de los
que ha empeorado. candidatos es un hombre y el otro es una mujer.
En las entrevistas realizadas en el proceso de
15.30. Se pide a una muestra aleatoria de 10 analistas admisi6n, se evalua en una esc ala de 1 (poca) a
de empresas que valoren en una escala de I 10 (mucha) la idoneidad de los candidatos para
(muy malas) a 10 (muy buenas) las perspectivas el programa. Los resultados se muestran en la
de su propia empresa y las de la economfa en tabla adjunta. Analice estos datos utilizando el
general en el presente ano. Los resultados obte- contraste de Wilcoxon.
nidos se muestran en la tabla adj unta. Utilizan-
do eJ contraste de Wilcoxon, analice la proposi- Entrevista Hombre Mujer Entrevista Hombre Mujer
ci6n de que en conjunto los analistas de 1 8 8 6 9 9
2 9 10 7 5 3
empresas son mas optimistas sobre las perspec- 3 7 5 8 4 5
tivas de sus propias empresas que sobre las 4 4 7 9 6 2
perspectivas de la economia en general. 5 8 8

Bibliografla
1. Brandbury, M. E., «The Incentives for Voluntary Audit Committee Formation», Journal of Ac-
counting and Public Policy, 9, 1990, pags. 19-36.
2. Brickely, F. H. Dark y M. S. Weisbach, «An Agency Perspective on Franchising», Financial
Management, 20, n.o I, 1991, pags. 27-35.
3. Hettmansperger, T. P. y S. J. Sheather, «Confidence Intervals Based on Interpolated Order Sta-
tistics», Statistics and Probability Letters, 4, 1986, pags. 75-79.
4. Irvine, Paul y James Rosenfeld, «Raising Capital Using Monthly Income Preferred Stock: Mar-
ket Reaction and Implications for Capital Structure Theory» , Financial Management, 29, verano,
2000, pags. 5-20.
5. Jaggi, B. y P. Grier, «A Comparative Analysis of Forecast Disclosing and Nondisclosing Firms»,
Financial Management, 9, n.o 2, 1980, pags. 38-43.
6. Lehman, E. L., Nonparametrics: Statistical Methods Based on Ranks, San Francisco, Holden-
Day, 1975.
7. Mintab User's Guide 2: Data Analysis and Quality Tools, State College, PA, Minitab, 1997.
8. Meyers, M. D., L. A. Gordon y M. M. Hamer, «Postauditing Capital Assets and Firm Perform-
ance: An Empirical Investigation», Managerial and Decision Economics, 12, 1991 , pags. 317-
327.
9. Whittred, G. P., «Audit Qualification and the Timeliness of Corporate Annual Reports», Ac-
counting Review, 55, 1980, pags. 563-577.