Pruebas parametricas y no parametricas

Pruebas parametricas y no parametricas

1. se diferencian por el tipo de datos que se usan para analizar

   • su cálculo implica una estimación de los parámetros de la población con base en muestras estadísticas. Mientras más grande sea la muestra más exacta será la estimación, mientras más pequeña, más distorsionada será la media de las muestras por los valores raros extremos.
     • Los análisis paramétricos partes de los siguientes supuestos:
       • 1. La distribución poblacional de la variable dependiente es normal: el universo tiene distribución normal. 2. El nivel de medición de las variables es por intervalos de razón. 3. Cuando dos o más poblaciones son estudiadas, tienen una varianza homogénea: las poblaciones en cuestión poseen una dispersión similar en sus distribuciones.
         • Las pruebas paramétricas más utilizadas son (HFB2):
           • Coeficiente de correlación de Pearson y regresión lineal.
           • Prueba t
           • Prueba de contraste de las diferencias de proporciones.
           • Análisis de varianza unidireccional (ANOVA en un solo sentido o oneway)
           • Análisis de Varianza factorial (ANOVA)
           • Análisis de covarianza (ANCOVA)
     • PRUEBAS PARAMETRICAS
   • Son aquellas que no presuponen una distribución de probabilidad para los datos, por ello se conocen también como de distribución libre.
     • En la mayor parte de ellas los resultados estadísticos se derivan únicamente a partir de procedimientos de ordenación y recuento, por lo que su base lógica es de fácil comprensión.
       • Cuando se trabaja con muestras pequeñas (n < 10) en las que se desconoce si es válido suponer la normalidad de los datos, conviene utilizar pruebas no paramétricas, al menos para corroborar los resultados obtenidos a partir de la utilización de la teoría basada en la normal.
         • Ventajas
           • 1.- Pueden ser aplicados a una amplia variedad de situaciones porque ellos no tienen los requisitos rígidos de los métodos paramétricos correspondientes. En particular, los métodos no paramétricos no requieren poblaciones normalmente distribuidas. 2.- Pueden frecuentemente ser aplicados a datos no numéricos, tal como el género de los que contestan una encuesta. 3.- Los métodos no paramétricos usualmente involucran simples computaciones que los correspondientes en los métodos paramétricos y son por lo tanto, más fáciles para entender y aplicar.
             • Las pruebas No Parametricas mas utilizadas son:
               • La ji cuadrada o x2 ·
               • Los coeficientes de correlación en independencia para tabulaciones cruzadas.
               • Los coeficientes de correlación por rangos ordenados de Spearman y Kendall
         • Desventajas
           • 1.- tienden a perder información porque datos numéricos exactos son frecuentemente reducidos a una forma cualitativa. 2. Las pruebas no paramétricas no son tan eficientes como las pruebas paramétricas, de manera que con una prueba no paramétrica generalmente se necesita evidencia más fuerte (así como una muestra más grande o mayores diferencias) antes de rechazar una hipótesis nula. Cuando los requisitos de la distribución de una población son satisfechos, las pruebas no paramétricas son generalmente menos eficientes que sus contrapartes paramétricas, pero la reducción de eficiencia puede ser compensada por un aumento en el tamaño de la muestra.
     • PRUEBAS NO PARAMETRICAS

2. Pedraza Cuevas Juan Carlos