Pruebas Paramétricas y No paramétricas

Pruebas Paramétricas y No paramétricas

1. Busca estimar los parámetros de una población en base a una muestra.

   • Ventajas
     • Tienen más poder de eficiencia
     • Más sensibles a los rasgos de los datos recolectados
     • Menos posibilidad de errores
     • Dan estimaciones probabilísticas bastante exactas
   • Desventajas
     • Más complicadas de calcular
     • Limitaciones en los tipos de datos que se pueden evaluar

2. Pruebas Paramétricas

   • Prueba del valor Z de la distribución normal
     • Define la desviación estándar.
       • Media, mediana y moda
   • Prueba T de Student Para datos no relacionados (muestras independientes)
     • Se basan en supuestos teóricos válidos, así las mediciones de las observaciones, tienen procedimientos de gran potencia-eficiencia para evitar error del tipo I.
   • Prueba T de Student-Welch
     • Para dos muestras independientes con varianzas no homogéneas Prueba estadística de utilidad para contrastar hipótesis en función de la media aritmética
   • Prueba F (análisis de varianza o ANOVA)
     • Se basa en el estudio de la variación total entre los datos y la descomposición de ésta en diversos factores
   • Pruebas de covariación
     • Correlación de Pearson (paramétrica)
       • Relación entre dos variables medidas en un nivel por intervalos o de razón
     • Correlación Spearman (no paramétrica )
       • permite identificar si dos variables se relacionan en una función monótona

3. Pruebas no Paramétricas

   • Prueba binominal
     • Se encarga de analizar las variables dicotómicas y compara frecuencias observadas en cada categoría.
   • Prueba ji2 de Pearson
     • se la utiliza para el contraste de la hipótesis.
   • Prueba de probabilidad exacta de Fischer y Yates
     • cuando no se puede aplicar la ji cuadrada de Pearson. Es un procedimiento más eficaz en la escala nominal con dos muestras independientes.
   • Prueba de McNemar para muestras dependientes
     • se utiliza para decidir si puede o no aceptarse que determinado ''tratamiento'' induce un cambio en la respuesta dicotómica o dicotomizada de los elementos sometidos al mismo.
   • Prueba Q de Cochran para tres o más muestras dependientes
     • se utiliza en los modelos experimentales con tres o más muestras dependientes o relacionadas entre sí
   • Tipos de Pruebas no paramétricas ORDINAL
     • Prueba de Kolmogorov-Smirnov para una muestra
       • permite medir el grado de concordancia existente entre los valores de las funciones de distribución, tanto en la muestra, como la que teóricamente se derivaría de la población que se ha explicitado en la hipótesis nula.
     • Prueba no paramétrica: U de Mann‐Whitney para muestras independientes
       • Se utiliza para contrastar si dos muestras, extraídas independientemente, proceden de la misma poblacion
     • Prueba de Wilcoxon de rangos señalados y pares igualados para dos muestras dependientes
       • Se aplica para muestras pequeñas mayores que 6 y menores que 25
     • Análisis de varianza de una entrada de Kruskal-Wallis
       • se emplea cuando el modelo experimental contiene más de dos muestras independientes.
     • Análisis de varianza de doble entrada por rangos de Friedman para más de dos muestras dependientes
       • Es complementario del procedimiento de análisis de varianza de una entrada de Kruskal-Wallis.