Universidad Nacional del Altiplano – Puno

Escuela de Post Grado

DOCTORADO EN EDUCACIÓN

CONTRASTACIÓN DE
HIPÓTESIS
Presentado por:

Dr. Reynaldo Sucari León

 ÍNDICE
Planteamiento de la
hipótesis estadística

Parte 1: Chi cuadrada.

Parte 2:
* r de Pearson.
* Rho de Spearman.

Parte 3: Prueba t de
Student
 Proceso de la
Prueba de Hipótesis
1. Planteamiento de la hipótesis estadística
H0: Hipótesis nula
Ha: Hipótesis alterna
2. Nivel de significancia o riesgo
 = 0.05 (5%)
3. Estadígrafo de prueba
(Dependiendo del tipo o diseño de estudio)
4. Establecer la región crítica (valor crítico)

5. Calcular los valores de la prueba estadística

6. Decisión Estadística
La Prueba Chi-cuadrada
“X ”
2
 La Prueba Chi-Cuadrada
Definición: Es una prueba estadística Simbología:
para datos no paramétricos, que se utiliza Ch2=X2
generalmente para evaluar hipótesis
estadísticas acerca de la relación entre dos Nivel de medición:
variables cualitativas categóricas. Nominal y ordinal.

Hipótesis a probar: Correlacionales.

Variables involucradas: (2) La Prueba Ch2 no considera
relaciones causales.

Fórmula:
(Oij  Eij ) 2
X2 
ij Eij

Donde:
O=Valor Observado de la variable.
E=Valor Esperado de la variable.
X2=Valor de Chi-cuadrada calculada.
 La Prueba X2
Descripción y manejo de la tabla:

Si: α=0,05 y gl=4gl. X2(4)=9,488

Si: α=0,05 y gl=6gl. X2(6)=12,592
Si: α=0,05 y gl=10gl. X2(10)=18,307
Si: α=0,01 y gl=15gl. X2(15)=30,578
Si: α=0,25 y gl=20gl. X2(20)=23,827
Si: α=0,10 y gl=13gl. X2(13)=19,811
Si: α=0,50 y gl=28gl. X2(28)=27,336
Si: α=0,05 y gl=600gl. X2(600)=658,093
 Ejemplo práctico de la Prueba X2
Ejemplo 1:
En la Facultad de Ingeniería de la
Universidad Nacional del Altiplano - Puno, Nerviosismo y ansiedad
se desea determinar si existe alguna
relación entre el nivel académico Nivel
(estudiantes del primer año, segundo año, académico NN LN MN EN TOTAL
tercer año y cuarto año) y el nivel de Primer año 20 20 40 80 160
nerviosismo medido por una prueba
estándar de nerviosismo y ansiedad que Segundo año 10 30 30 30 100
indica el nerviosismo según las categorías Tercer año 40 20 10 10 80
siguientes: no nervioso (NN), ligeramente
Cuarto año 40 20 0 0 60
nervioso (LN), moderadamente nervioso
(MN) y extremadamente nervioso (EN). Si TOTAL 110 90 80 120 400
se elige aleatoriamente a 400 estudiantes
de la mencionada Facultad, cuyos datos se
muestran en la tabla siguiente: Solución:

Paso 1: Hipótesis estadística:

H1: El nivel académico se relaciona con el nivel de nerviosismo en…
H0: El nivel académico no se relaciona con el nivel de nerviosismo en …
Paso 2: La prueba es unilateral y de cola a la derecha.
Paso 3: Nivel de significancia α=0,05.
Paso 4: Esquema de la prueba:
gl=(C-1)(F-1)=(4-1)(4-1)
gl=9
Y con: X2(9)=16,919

Paso 5: Cálculo de Ch2:

Región de Región de
(Oij  Eij ) 2
Aceptación Rechazo
X2 
ij Eij

Nerviosismo y ansiedad

Nivel
académico NN LN MN EN TOTAL
Primer año E11 E12 E13 E14 160
Segundo año E21 E22 E23 E24 100
Tercer año E31 E32 E33 E34 80
Cuarto año E41 E42 E43 E44 60
TOTAL 110 90 80 120 400
Cálculo de Ch2:

X2(9)=154,14
Paso 6: Decisión
estadística:

Región de Región de
Aceptación Rechazo

|
154,14

Como la X2=154,14 y este cae en la región de rechazo; por lo

tanto rechazamos la H0 y aceptamos la H1.

Paso 7: Conclusión estadística:

Existe una relación significativa entre el nivel académico y el nivel

de nerviosismo en los estudiantes de la Facultad de Ingeniería de la
Universidad Nacional del Altiplano - Puno.
Estudio de caso 2: ENCUESTA
Se quiere estudiar la relación que existe entre el Sexo, Grado
académico y el Ingreso familiar de los docentes de la Institución
Educativa de la UGEL Nº 6.

Por favor responda cada ítem de la presente encuesta:

Sexo:
( ) Femenino ( ) Masculino

Grado académico:
( ) Bachiller ( ) Magíster
( ) Doctor ( ) Otros

Ingreso familiar:
( ) Menos o iguales de S/. 550
( ) Mayor que S/. 550 y menor que S/. 800
( ) Mayor que S/. 800 y menor que S/.1200.
( ) Mayor que S/. 1200.
DEFINIR LA VARIABLES EN SPSS
Datos resultados de la encuesta
INGRESO DE DATOS
Cálculo de X2
 Tabla de contingencia

Sexo

Femenino Masculino

Grado Bachiller 2 3
Magist er 2 0
Doctor 2 1
Otros 2 0

Pruebas de chi-cuadrado de Pearson

Sexo
Grado Chi-cuadrado 3,600
gl 3
Sig. ,308
Cálculo Manual de Ji-Cuadrada
 La “r”
de Pearson
 El Coeficiente de Correlación
“r” de Pearson
Definición: Es una prueba estadística que Simbología: “r”
sirve para analizar la relación entre dos
variables medidas en un nivel por intervalos Nivel de medición:
o de razón. Intervalos o razón.

Hipótesis a probar: Correlacionales del tipo:

“A mayor x, mayor y”; “A mayor x, menor y”; “Altos valores de x
están asociados con altos valores en y”; “Altos valores de x están
asociados con bajos valores en y”.
Variables involucradas: (2) La Prueba “r” no considera la noción de
causa y efecto (o sea en esta prueba no existen las VI ni las VD),
solo mide el grado de relación que puede ser Directa (+) e Inversa
(-).
Fórmula
:
Ejemplo práctico de la “r” de Pearson

Ejemplo:
En la Institución Educativa “Maria
Auxiliadora” de Puno, se desea conocer la
relación que existe en el rendimiento
académico del área curricular de
Matemática y de Comunicación, para el
cual se trabajó con una muestra
probabilística de 20 estudiantes del 5°
grado, cuyos resultados mostramos a
continuación.

Solución:

Como primer paso se debe de calcular el coeficiente de correlación de

Pearson, para luego realizar la prueba de hipótesis de significancia del valor
de la correlación con la prueba t de Student.
Paso 1: Cálculo del Coeficiente
de Correlación
 Contraste de la hipótesis
Paso 1: Formulación de las hipótesis estadística:

Hi: Existe una relación significativa entre el rendimiento académico en el área de

Comunicación y el área de Matemática en los estudiantes del 5° grado ……
H0: No existe una relación significativa entre el rendimiento académico en el área de
Comunicación y el área de Matemática en los estudiantes del 5° grado ……
Paso 2: La prueba es bilateral o a dos colas.
Paso 3: Nivel de significancia α=0,05.
Paso 4: Esquema de la prueba:

gl=n-2=20-2=18. Región de Región de Región de

Rechazo Aceptación Rechazo

Punto crítico: -2.10

Paso 5: Cálculo de la
prueba:

Región de Región de Región de

Rechazo Aceptación Rechazo

Paso 6: Decisión
estadística:
Puesto que tc (t calculada) es menor que la tt (t teórica), es decir
(-3,15 < -2,10), en consecuencia se rechaza la hipótesis nula
(Ho) y se acepta la hipótesis alterna (Hi).

Paso 7: Conclusión estadística:

Se concluye que existe una correlación indirecta y significativa entre el
rendimiento académico en el área de Comunicación y el área de Matemática
en los estudiantes del 5° grado de la Institución Educativa “María
Auxiliadora” de Puno
 ¿Qué es el Coeficiente de
Correlación de Spearman?
•El coeficiente de correlación de Spearman,
simbolizado por rs, es una medida de correlación para
variables en un nivel de medición ordinal, de tal modo
que los individuos u objetos de la muestra pueden
ordenarse por rangos o jerarquías.
El coeficiente varía de -1.0 (correlación negativa
perfecta) a +1,0 (correlación positiva perfecta)
0 cero, significa no correlación.
• Estadística sumamente perfecta para variables
ordinales.
Caso 1. Se tiene las puntuaciones en las variables (inteligencia) y
(rendimiento académico) de 10 estudiantes de 5º de secundaria de
la I.E.S. Aplicación UNA y se desea conocer si ambas puntuaciones
están correlacionadas.
HIPÓTESIS
X Y (Rendimiento
H0: ρxy = 0
Alumno (Inteligencia) académico) Ha: ρxy ≠ 0
A 105 8
B 116 16
C 103 4
D 124 14
E 137 18
F 126 18
G 112 6
H 129 20
I 118 14
J 105 12

Correlacional

Correlación
de Pearson

Coef. Correl. Spearman

Solución del caso
(ordinal)
3
Coeficiente C de Cramér
(nominal)

Chi-cuadrada (nominal u ordinal)

30
Solución del caso 1
Correlacional

HIPÓTESIS
Correlación de
H0: ρxy = 0 Pearson
Ha: ρxy ≠ 0
Coef. Correl. Spearman (ordinal)
Coeficiente C de Cramér
(nominal)

Chi-cuadrada (nominal u ordinal)

La inteligencia y el
rendimiento están
correlacionados altamente

31
Caso 2: Se pretende realizar un estudio correlaciona entre
el desempeño docente y la actitud docente y averiguar si se
relacionan significativamente en los docentes de la
Institución Educativa Pública de Educación Secundaria
“Politécnico Huáscar” de la UGEL Puno.

ESCALA ORDINAL

Variable Valores Instrumento

Muy alta,
Desempeño alto,
docente medio, Cuestionario
bajo,
muy bajo
Nunca,
Actitud algunas veces,
Cuestionario
docente casi siempre,
Siempre
Hipótesis Estadística
• Ho: (ρ = 0) No existe relación significativa entre el
desempeño docente y la actitud docente en la Institución
Educativa Pública de Educación Secundaria “Politécnico
Huáscar” de la UGEL Puno.

• H1: (ρ ≠ 0) Existe relación significativa entre el desempeño

docente y la actitud docente en la Institución Educativa
Pública de Educación Secundaria “Politécnico Huáscar” de
la UGEL Puno.
 Correlación de Spearman entre las variables de
desempeño docente y la actitud en la Institución
Educativa Pública de Educación Secundaria
“Politécnico Huáscar” de la UGEL Puno

Estadístico
Nº Casos p-valor
Spearman
180 .782 .000

Elaboración propia

Se puede afirmar que existe evidencia para concluir que existe una
relación positiva y significativa alta y el (p–valor)= 0.000 < 0.05,
entre las variables de desempeño y la actitud docente en la
Institución Educativa Pública de Educación Secundaria
“Politécnico Huáscar” de la UGEL Puno, aceptándose la hipótesis
alterna y rechazándose la hipótesis nula.
La Prueba “t”
de Student
 LA PRUEBA t DE STUDENT
Definición: Es una prueba estadística para evaluar
si dos grupos difieren entre sí de manera
Simbología: t
significativa respecto a sus medias. Nivel de medición:
Intervalos o razón
Hipótesis: De diferencia entre dos grupos. La hipótesis de investigación
alterna, propone que los grupos difieren de manera significativa entre sí y la
hipótesis nula propone que los grupos no difieren significativamente.
Variable: La comparación se realiza sobre una variable (teóricamente
dependiente). Si hay diferentes variables, se efectúa varias pruebas t (una por
cada variable), y la razón que motiva la creación de los grupos es la variable
independiente. El tamaño de muestra es pequeño: n<30
Fórmula: _
X 1 X 2
_
Grados de Libertad: Es el número de
t maneras en que los datos pueden variar
S12 S 22 libremente.

n1 n2 gl=(n1+n2)-2
Tamaño del Efecto: Es la diferencia estandarizada entre las
medias de los 2 grupos.
_ _
X 1 X 2 Las medias varían
Tamaño del efecto  9,10  7,19
Tamaño del efecto   0,97 menos de una S, una
Desv. Stad . Sopesada 1,96 respecto de la otra.
Descripción y manejo de la tabla:

2 colas, α=0,05 y gl=5gl.

tt=2,57

2 colas, α=0,01 y gl=10gl.

tt=3,17

2 colas, α=0,10 y gl=18gl.

tt=1,73

1 colas, α=0,05 y gl=20gl.

tt=1,72
 La Prueba t de diferencia de
medias
Ejemplo 1:
Para verificar la suposición de que existe diferencia en el rendimiento
académico en la asignatura de Análisis Matemático I, en los
estudiantes de dos aulas A y B de una Universidad, se tomó una
muestra aleatoria de cada aula y se les aplicó una misma prueba de
conocimientos, obteniéndose los puntajes que a continuación se
indican.

Aula A: 16,43,24,35,20,27,29,30,40,32.
Aula B: 15,40,18,37,16,29,30,45,20,36.

Realizar la prueba al nivel de significación de 5%.

Solución:
µ1: El rendimiento académico en Matemática del Aula A.

µ2: El rendimiento académico en Matemática del Aula B.

1. Formulación de la hipótesis:
 Ho: µ1=µ2, No existe diferencias significativas en el rendimiento académico de
Matemática en las dos aulas A y B.
 H1: µ1 ≠ µ2; µ1>µ2 ó µ1<µ2: Existe diferencias significativas en el rendimiento
académico de Matemática en las dos aulas A y B.

2. Determinación del tipo de Prueba:

 Existe dos posibilidades de la H1, y como no se puede anticipar la dirección de
la prueba, debe realizarse una prueba bilateral.

3. Nivel de significancia:
 Asumido: 5%=0.05.
4. Distribución aplicable:
 Teniendo en cuenta que se quiere comparar el puntaje en dos muestras pequeñas y
como los datos están distribuidos normalmente, utilizaremos la prueba de diferencia
de medias con la distribución de Student.

5. Esquema gráfico de la prueba

 Nivel de significancia: α=0.05.
 Grados de libertad: gl=n1+n2-2=10+10-2=18 gl.
 En la tabla “t”, con 18 gl y α=0.05 y a dos colas: tt=2.101.
 6. El punto crítico:

Región de Región de Región de

7. Cálculo del Rechazo Aceptación Rechazo
estadígrafo de la
prueba: |
0,24
Datos :
x1  29,6;
x1  x 2 29,6  28,6
S  63,84
2
t   0,24
63,84  105,64
1

x 2  28,6; S S
1
2 2
2

S 22  105,64 n 10

8. Toma de decisiones:
 Como la tc=0,24 cae en la zona de aceptación, por tanto descartamos la H1 y
aceptamos la H0; es decir no existe diferencias significativas en el
rendimiento del curso Análisis Matemático I en las dos aulas A y B.
La Prueba t de diferencia de medias
Ejemplo 2:
Se necesita verificar la PROCESAMIENTO DE INFORMACION
eficacia de una Estrategia Estudiantes Grupo A Grupo B
Didáctica en una Universidad 1 30 44
específica. 2 43 40

3 24 36

Cuadro comparativo (Grupo A y Grupo B) 4 35 37

50
5 20 16
45
40 6 27 29
Puntuación

35
30
Grupo A
7 29 38
25
Grupo B
20 8 30 45
15
10 9 25 35
5
0
10 34 36
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
N° de trabajadores 11 27 29
12 29 35
13 32 45
Solución: 14 40 42
15 18 36
1. Formular la hipótesis nula y alterna
de acuerdo al problema.

HIPÓTESIS ALTERNA: HIPÓTESIS NULA:

H1 : GE  GC H o : GE  GC

esto es: H 1 : 1   2 ó 1   2
No existe diferencias en
Si existe diferencias en el el aprendizaje en el
aprendizaje en el grupo grupo A y grupo B.
A y grupo B.

Donde:
 2. Escoger un nivel de significancia o riesgo α.

Se eligió el nivel de
significancia:
α=0,05.

3. El estadígrafo de prueba
Se eligió el nivel de significancia: α=0,05.
Luego se seleccionó el estadístico de prueba, ”t de
Student”, debido a que la muestra es pequeña y
además ésta tiene distribución normal y los dos
grupos fueron asignados aleatoriamente.

Asimetría de Pearson: Grupo “A” = 0,237 y Grupo “B” = 0,080

 4. Establecer la región crítica

La prueba t sigue
una distribución:
NE+NC-2gl,
Es decir: 15+15-
2=28gl.

Se determinó la Región de Región de Región de

Rechazo Aceptación Rechazo
región de rechazo
(RR), 28gl y α=0,05
(2,048)
5. Calcular los valores de la prueba estadística
de una muestra aleatoria de tamaño “n”

_ _
X 1 X 2 29,53  36,20
t   2,5654
S S1
2 2
2 (6,74)  (7,48)
2 2

n 15

Región de Región de Región de

Rechazo Aceptación Rechazo

|
-2,5654
 6. Decisión Estadística
Como la t calculada
(tc) con los datos
procesados es igual a:
-2,57 y este cae en la
zona de rechazo;
entonces
Popperianemente se
rechaza la Ho, y se
acepta la hipótesis
alterna H1.
PRUEBAS DE HIPÓTESIS
DOS GRUPOS INDEPENDIENTES

• Prueba T de Student

• Prueba U de Mann-Whitney
 Prueba T de Student
La prueba de t Student, es un método de análisis
estadístico, que compara las medias de dos grupos
diferentes. Es una prueba paramétrica, o sea que solo
sirve para comparar variables numéricas de distribución
normal.
La prueba t Student, arroja el valor del estadístico t.
Según sea el valor de t, corresponderá un valor de
significación estadística determinado.

En definitiva la prueba de t Student contrasta la H0 de

que la media de la variable numérica “y”, no tiene
diferencias para cada grupo de la variable categórica
“x”.
 DIFERENCIA DE MEDIAS GRUPOS INDEPENDIENTES (T)
ejemplo: Se desea saber si existen diferencias entre ambos grupos

GRUPO 1 6,2 6,3 5,4 4,5 5,0 4,7 5,7 3,3

GRUPO 2 5,8 6,6 6,8 5,9 5,4 5,0 6,5 6,7

n1  8 M1  5,14 DS1  0,99

n2  8 M 2  6,09 DS2  0,66

M1  M 2
t 
(n1 1 ) DS12  (n2 1 ) DS22  1 1 
  
(n1  1)  (n2  1)  
 n1 n2 
DIFERENCIA DE MEDIAS GRUPOS INDEPENDIENTES (T)

n1  8 M1  5,14 DS1  0,99

n2  8 M 2  6,09 DS2  0,66

M1  M 2
t 
(n1 1 ) DS12  (n2 1 ) DS22  1 1 
  
(n1  1)  (n2  1)  
 n1 n2 

CÁLCULO DEL VALOR T OBSERVADO

5,14  6,09
t 
(8  1)0,99 2  (8  1)0,66 2  1 1 
  
(8  1)  (8  1) 8 8
 DIFERENCIA DE MEDIAS GRUPOS INDEPENDIENTES (T)

Valor calculado
to  2.28
Existen diferencias de rend. favorables
 = 0.05 bilateral al grupo 2 (M=6,09) respecto del grupo 1
(M=5,14), t(14)=2,28, p<.05.
valor critico
t0.025;14  2.14
t0.975;14  2.14
to  2.28
grados de libertad
(n1-1)+(n2-1)
Se Rechaza Ho
 DIFERENCIA DE MEDIAS GRUPOS INDEPENDIENTES (T)
ejemplo: Se desea saber si el Grupo 2 tiene mejor rendimiento que el
Grupo 1
GRUPO 1 6,2 6,3 5,4 4,5 5,0 4,7 5,7 3,3
GRUPO 2 5,8 6,6 6,8 5,9 5,4 5,0 6,5 6,7

n1  8 M1  5,14 DS1  0,99

n2  8 M 2  6,09 DS2  0,66

M1  M 2
t 
(n1 1 ) DS12  (n2 1 ) DS22  1 1 
  
(n1  1)  (n2  1)  
 n1 n2 
DIFERENCIA DE MEDIAS GRUPOS INDEPENDIENTES (T)

n1  8 M1  5,14 DS1  0,99

n2  8 M 2  6,09 DS2  0,66
M1  M 2
t 
(n1 1 ) DS12  (n2 1 ) DS22  1 1 
  
(n1  1)  (n2  1)  
 n1 n2 

CÁLCULO DEL VALOR T OBSERVADO

6,095,14
t 
(8  1)0,99 2  (8  1)0,66 2  1 1 
  
(8  1)  (8  1) 8 8
 DIFERENCIA DE MEDIAS GRUPOS INDEPENDIENTES (T)

Valor calculado
to  2.28

 = 0.05 unilateral
valor critico
t0.05;14  1,76
t0.95;14  1,76
to  2.28

Se rechaza Ho
Prueba U de Mann-Whitney
En el caso de tener que comparar las medias de dos
grupos de distribución anormal, se debe utilizar un tipo
de prueba no paramétricas, como la prueba U de Mann
– Withney.
Esta prueba se utiliza para determinar si dos grupos
independientes han sido tomados de la misma
población, por lo cual se contrasta la H0 de que los
grupos A y B tienen la misma distribución.

Se supone que se tienen dos variables, una de ellas

cuantitativa no normal y, al menos, ordinal,
considerada como variable respuesta y la otra
dicotómica, considerada como variable explicativa . Se
intenta establecer si hay diferencias en la variable
respuesta con relación a los grupos formados por la
variable explicativa.
Se presentará a continuación el proceso de contraste
para muestras por aproximación normal.
 DIFERENCIA ENTRE GRUPOS INDEPENDIENTES (U)

Ejemplo de Contraste bilateral

Un profesor atiende dos secciones vespertinas de un

curso, una de Educación Básica y otra de Educación
Parvularia.

En las calificaciones finales en la asignatura, sus

estudiantes obtuvieron las notas que aparecen en la
tabla que se muestra a continuación.

¿ Podemos concluir al nivel de significación 0,05 que

existen diferencias entre ambas carreras?

¿ Podemos afirmar lo mismo al nivel de significación

0,01?
 DIFERENCIA ENTRE GRUPOS INDEPENDIENTES (U)
Paso 1) Se recogen los datos de ambas muestras.

NOTA F CARRERA NOTA F CARRERA

3,2 EBV 4,0 EPV
3,2 EBV 4,2 EPV
3,5 EBV 4,4 EPV
3,8 EBV 4,4 EPV
3,8 EBV 4,4 EPV
3,9 EBV 4,4 EPV
4,0 EBV 4,7 EPV
4,1 EBV 4,9 EPV
4,2 EBV 5,1 EPV
4,4 EBV 5,2 EPV
4,5 EBV 5,2 EPV
4,5 EBV 6,0 EPV
4,6 EBV 6,3 EPV
4,7 EBV 6,4 EPV
 DIFERENCIA ENTRE GRUPOS INDEPENDIENTES (U)
Paso 2) Se ordenan todos los datos, de menor a mayor, de
ambas muestras y en un solo conjunto, cuidando de
identificar a cada uno con su muestra respectiva.
NOTA F CARRERA RANGO (T) NOTA F CARRERA RANGO (T)
3,2 EBV 1,5 4,4 EPV 14
3,2 EBV 1,5 4,4 EBV 14
3,5 EBV 3 4,5 EBV 17,5
3,8 EBV 4,5 4,5 EBV 17,5
3,8 EBV 4,5 4,6 EBV 19
3,9 EBV 6 4,7 EPV 20,5
4,0 EPV 7,5 4,7 EBV 20,5
4,0 EBV 7,5 4,9 EPV 22
4,1 EBV 9 5,1 EPV 23
4,2 EPV 10,5 5,2 EPV 24,5
4,2 EBV 10,5 5,2 EPV 24,5
4,4 EPV 14 6,0 EPV 26
4,4 EPV 14 6,3 EPV 27
4,4 EPV 14 6,4 EPV 28
 DIFERENCIA ENTRE GRUPOS INDEPENDIENTES (U)
Paso 3) Se calculan R1 y R2, que corresponden a la sumatoria
de todos los rangos de la muestra de tamaño n1 y n2,
respectivamente.
NOTA F CARRERA RANGO (T) NOTA F CARRERA RANGO (T)
3,2 EBV 1,5 4,0 EPV 7,5
3,2 EBV 1,5 4,2 EPV 10,5
3,5 EBV 3 4,4 EPV 14
3,8 EBV 4,5 4,4 EPV 14
3,8 EBV 4,5 4,4 EPV 14
3,9 EBV 6 4,4 EPV 14
4,0 EBV 7,5 4,7 EPV 20,5
4,1 EBV 9 4,9 EPV 22
4,2 EBV 10,5 5,1 EPV 23
4,4 EBV 14 5,2 EPV 24,5
4,5 EBV 17,5 5,2 EPV 24,5
4,5 EBV 17,5 6,0 EPV 26
4,6 EBV 19 T1 6,3 EPV 27 T2
4,7 EBV 20,5 136,5 6,4 EPV 28 269,5

T1   r in T2   r in 2
1
 DIFERENCIA ENTRE GRUPOS INDEPENDIENTES (U)
Paso 4) A continuación se calcula el valor U de Mann-
Whitney, que provee una estimación de la desviación de las
sumas de los rangos que podría esperarse por casualidad.

nx (nx 1)
U n n   Tx
12 2
n  número de sujetos en el grupo 1
1
n  número de sujetos en el grupo 2
2
nx  número de sujetos en el grupo de mayor suma de rangos
Tx  La suma mayor de rangos
 DIFERENCIA ENTRE GRUPOS INDEPENDIENTES (U)
En nuestro ejemplo de las notas finales según la carrera, tenemos
los siguientes valores:

n1 ( EBV )  14 T1.n1 ( EBV )  136,5

n2 ( EPV )  14 T2.n2 ( EPV )  269,5

nx (nx 1)
Si sustituimos en U n n   Tx
12 2
14(14 1)
Tenemos U  14 14   269,5
2

Por lo tanto U  31,5

 DIFERENCIA ENTRE GRUPOS INDEPENDIENTES (U)

Paso 5) Está demostrado que cuando n1 y n2 aumentan de

tamaño, la distribución U se acerca rápidamente a la
distribución normal, con los siguientes parámetros:

nn n n (n  n 1)
U  1 2 U  1 2 1 2
2 12
por lo que podemos determinar la significación de un valor
observado de U por medio de:
nn
U 1 2
U  U Z  2
Z  o U n n (n  n  1)
U U 1 2 1 2
12
 DIFERENCIA ENTRE GRUPOS INDEPENDIENTES (U)
En nuestro ejemplo de las notas finales según la carrera, si sustituimos e

nn n n (n  n 1)
U  1 2 U  1 2 1 2
2 12
Tenemos, entonces, los siguientes valores:

14 14 14 14  (14 14 1)


31,5

2
 31,5 
12


31,5
 98  31,5  21,763
 DIFERENCIA ENTRE GRUPOS INDEPENDIENTES (U)

Una vez establecidos los parámetros, calculamos el valor Z observado para

31,5  98
Z   3,05
31,5 21,763

Alternativas de contraste

Z Z  rechazar Ho
Bilateral U  / 2

Unilateral Z  Z  rechazar Ho
U
 DIFERENCIA ENTRE GRUPOS INDEPENDIENTES (U)

Los valores críticos para Z se indican a continuación:

Valores Críticos de ± Z
Nivel de Significación para
Contraste Unilateral
.05 .025 .01 .005 .0005
Contraste Bilateral
.10 .05 .02 .01 .001

z crítico
1.645 1.960 2.326 2.576 3.291
 DIFERENCIA ENTRE GRUPOS INDEPENDIENTES (U)
Paso 6) Comparar el valor crítico con el valor observado para
U.
Considerando que el contraste para nuestro caso es bilateral, el valor
crítico asociado a una probabilidad  bilateral de 0.05, es de Z =
1.96; y el valor crítico asociado a una probabilidad  bilateral de

Z  3,05 Z
0.01, es de Z = 2.58.
 1.96
Comparamos : U 0.05 / 2
3,05  1.96
Z  3,05 Z0.01 / 2  2.58
U
3,05  2.58
Paso 7) Se concluye sobre la Hipótesis nula.
Por lo tanto, podemos rechazar la hipótesis nula al 5% y al 1%,
pues se observan diferencias significativas en el rendimiento de
ambos grupos siendo los de los estudiantes de Educación Parvularia
mejores que los de Educación Básica.
PRUEBAS DE HIPÓTESIS
DOS GRUPOS RELACIONADOS

• Prueba T de Student

• Prueba de Wilcoxon
 Prueba T de Student
para muestras relacionadas
La prueba de t Student para muestras dependientes se
utiliza para comparar las medias de un mismo grupo en
diferentes etapas. Se utiliza, por ejemplo, para las
comparaciones de los resultados de una prueba antes y
después para un grupo determinado.

A continuación se explicará la operación de esta prueba

a través de un caso para contraste unilateral y otro
bilateral.
 DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)
ejemplo: Se desea saber si la conciencia de lo impreso de niños de
Primer año básico ha variado positivamente después de una
intervención pedagógica. Los datos son los siguientes :

CONC. IMPR PRE CONC. IMPR POST

92 94
85 97
74 93
70 99
36 92
85 98
55 77
66 93
88 96
75 100
89 95
66 93
 DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)
En este caso se utiliza la prueba t para muestras relacionadas

x
n x
DS d  i1 i2

t M d
1 n
2
n ___

DS d 1  d 1  X d 

n   
DS d
n 1
M  Media aritmética de las diferencia s
d
DS  Desviación Estándar de las diferencia s
d
n  Número de sujetos de la muestra
 DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)
En nuestro caso, se obtienen los siguientes valores:

CONC. IMPR PRE CONC. IMPR POST d

92 94 -2
85 97 -12
___
74 93 -18
70 99 -29 X d  20,50
36 92 -56
85 98 -14
s d
 14,39
55 77 -23

n  12
66 93 -27
88 96 -8
75 100 -25
89 95 -6
66 93 -27
 DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)
CÁLCULO DEL VALOR T OBSERVADO

n  12 M d  20,50 DS d
 14,39

t M d
SUSTITUYENDO
 20,50
tO   4,93
DS d 14, 39
12
n
 DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)
Valor calculado  = 0.05 unilateral
to  4,93 valor critico
t0.05;11  1,796

grados de
t0.95;11  1,796 libertad
n-1
to  4,93

Se Rechaza Ho
Al comparar los valores, podemos rechazar la hipótesis nula con un
margen de error de 5%, por lo cual podemos afirmar que la
conciencia de lo impreso de niños de Primer año básico ha variado
positivamente después de la intervención pedagógica.
 DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)
Ejemplo Contraste Bilateral:
Un Director de un colegio intentaba encontrar un modo
eficaz de estimular la concentración de los niños,
entendida como la capacidad que tienen para centrarse
en aquello que están realizando en cada momento. Con el
fin de elegir la técnica más apropiada, probó en un
Segundo básico dos opciones, una basada en ejercicios
de respiración y relajación y otra basada en el efecto
Mozart, pues tenía antecedentes que la música también
incide en la concentración, la atención y la memoria,
fundamentales para el proceso del aprendizaje. Los
resultados fueron medidos a través de los tiempos de
concentración de cada niño en cada una de las
experiencias.
 DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)
En nuestro caso, se obtienen los siguientes valores:
TÉC. ERR TÉC. EM d
15 27 -12
12 25 -13
22
20
17
30
5
-10
M d  4,83
18 22 -4
16 19 -3 DS d
 5,61
14 15 -1
19
17
22
25
-3
-8
n  12
10 19 -9
25 23 2
20 22 -2
 DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)
CÁLCULO DEL VALOR T OBSERVADO

n  12 M d  4,83 DS d
 5,61

t M d SUSTITUYENDO
 4,83
tO   2,99
DS d 5, 61
12
n
 DIFERENCIA DE MEDIAS GRUPOS RELACIONADOS (T)
Valor calculado  = 0.05 bilateral
to  2,99 valor critico
t0.025;11  2,201

grados de
t0.975;11  2,201 libertad
n-1
to  2,99

Se Rechaza Ho
Al comparar los valores, podemos rechazar la hipótesis nula de la
igualdad de las técnicas de estimulación de la concentración, con un
margen de error de 5%, por lo cual podemos afirmar que la existen
diferencias entre ellas, a favor de la técnica basada en el efecto
Mozart.
Prueba de Wilcoxon
El contraste de Wilcoxon es la técnica no paramétrica
paralela a la T de Student para muestras relacionadas. Al
Igual que en esa prueba, disponemos de n parejas de valores
que podemos considerar como una variable medida en cada
sujeto en dos momentos diferentes.
Se presentará a continuación el proceso de contraste
para muestras por aproximación normal.
DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)

Caso

Los datos siguientes se refieren a los niveles

de tolerancia a la frustración manifestada por
un grupo de niños en la casa y en el colegio.
Se trabajó con una muestra de 8 niños.

Se midió a través de una escala de

manifestaciones de frustración a los niños,
tanto en la casa como en el colegio. Se intenta
establecer si existen diferencias en los niveles
de tolerancia a la frustración manifestada .
 DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)
Paso 1) Se recogen y tabulan los datos.

TF-CASA TF-COLEGIO
82 63
69 42
73 74
43 37
58 51
56 43
76 80
65 82
 DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)
Paso 2) Se determinan las diferencias Di entre los pares
de observaciones realizadas.

TF-CASA TF-COLEGIO Di
82 63 19
69 42 27
73 74 -1
43 37 6
58 51 7
56 43 13
76 80 -4
65 82 -17
 DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)
Paso 3) Sin tomar en cuenta el signo, se ordenan en forma creciente
las Di y se les asigna el rango de 1 a n. En el caso de haber dos o
más diferencias iguales, se considera para cada uno el promedio de
los rangos. Las diferencias iguales a 0 se descartan los cálculos y de
n , pues en este modelo no se toman en cuenta los empates.

TF-CASA TF-COLEGIO Di RANGO (T)

73 74 -1 1
76 80 -4 2
43 37 6 3
58 51 7 4
56 43 13 5
65 82 -17 6
82 63 19 7
69 42 27 8
 DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)
Paso 4) Se coloca el signo a cada uno de los rangos Ri hallados.
Se suman entre sí los rangos de las diferencias positivas
calculando su total T1-, y el de las negativas obteniendo T2+,
siendo T1 la suma de los rangos en que Y>X (diferencias
negativas); y T2 la suma de los rangos en que X>Y (diferencias
positivas).

Paso 5) Se elige la menor de ambas sumas y se la define como el

estadígrafo W.
TF-CASA TF-COLEGIO Di RANGO RANGO (T1-) RANGO (T2+)
73 74 -1 1 1
76 80 -4 2 2
43 37 6 3 3
58 51 7 4 4
56 43 13 5 5
65 82 -17 6 6
82 63 19 7 7
69 42 27 8 8

Valor W calculado 9 9 27
 DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)
Paso 5) Está demostrado que cuando n aumenta de tamaño,
la distribución W se acerca rápidamente a la distribución
normal, con los siguientes parámetros:

n(n  1) n(n  1)(2n  1)

W  W 
4 24

por lo que podemos determinar la significación de un valor

observado de W por medio de:
n(n 1)
W
W  W Z  4
Z  o W n(n  1)(2n 1)
W W
24
 DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)
En nuestro ejemplo, si sustituimos en

n(n  1) n(n  1)(2n  1)

W  W 
4 24
Si hay diferencias igual a 0, se excluyen eso pares de n

Tenemos, entonces, los siguientes valores:

89 8  9 17
 
9 4
9 
24

  18
9  9  7,141
 DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)

Una vez establecidos los parámetros, calculamos el valor Z observado para

9 18
Z   1,26
9 7,141
Alternativas de contraste

Z Z  rechazar Ho
Bilateral W  / 2

Unilateral Z  Z  rechazar Ho
W
 DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)

Los valores críticos para Z se indican a continuación:

Valores Críticos de ± Z
Nivel de Significación para
Contraste Unilateral
.05 .025 .01 .005 .0005
Contraste Bilateral
.10 .05 .02 .01 .001

z crítico
1.645 1.960 2.326 2.576 3.291
 DIFERENCIA ENTRE GRUPOS RELACIONADOS (W)
Paso 6) Comparar el valor crítico con el valor observado para
W.
Considerando que el contraste para nuestro caso es bilateral, el valor
crítico asociado a una probabilidad  bilateral de 0.05, es de Z =
1.96.

Comparamos :
Z  1,26 Z  1,96
W 0.05 / 2

1,26  1,96
Paso 7) Se concluye sobre la Hipótesis nula.
Por lo tanto, no podemos rechazar la hipótesis nula, y debemos
aceptar que no existe evidencia empírica suficiente para afirmar que
existen diferencias significativas entre los niveles de tolerancia a la
frustración manifestada en la casa y en el colegio
MISCELANEAS
MISCELANEAS