PRUEBAS PARAMÉTRICAS Y NO
PARAMÉTRICAS
1. PRUEBAS PARAMÉTRICAS:
1. Hacen
muchas suposiciones, la más significativa de las cuales es que los datos se distribuyen normalmente.
2. Se
conoce el modelo de distribución de la población objeto de estudio y se
desconoce un número finito de parámetros de dicha distribución que hay que
estimar con los datos de la muestra.
3. Requieren
conocer la distribución de la muestra para poder realizar inferencias sobre la población.
1.1 ¿CUÁLES SON ALGUNAS PRUEBAS PARAMÉTRICAS?
•Prueba
del valor Z de la distribución normal
•Prueba
T de Student para datos relacionados (muestras dependientes)
•Prueba
T de Student para datos no relacionados (muestras independientes)
•Prueba
T de Student-Welch
para dos muestras independientes con varianzas no homogéneas
•Prueba
de ji cuadrada de Bartlett para demostrar la homogeneidad de varianzas
•Prueba
F (análisis de varianza o ANOVA).
Ø
VENTAJAS DE LAS PRUEBAS PARAMÉTRICAS
·
Más poder de eficiencia.
· Más sensibles a los rasgos de los datos
recolectados.
· Menos posibilidad de errores.
· Robustas (dan estimaciones probabilísticas
bastante exactas).
Ø
DESVENTAJAS DE LAS PRUEBAS PARAMÉTRICAS
·
Más complicadas de calcular.
·
Limitaciones en los tipos de datos que se pueden
evaluar.
2. PRUEBAS NO
1.
Son métodos de distribución libre. No requieren conocer l a
distribución de la muestra.
2.
Se utilizan estadísticos cuya distribución se determina con
independencia de cuál sea la distribución de la población.
3. Las varianzas son iguales,
muestras grandes (n > 30).
2.1 ¿CUÁLES SON LAS PRUEBAS NO PARAMÉTRICAS?
?
Ø PARA ESCALA NOMINAL:
· - Leyes de la probabilidad y prueba binomial.
· - Prueba ji2 de
Pearson para una muestra.
· - Prueba ji2 de
Pearson para dos y más muestras independientes.
· - Prueba de bondad del ajuste mediante ji2.
· - Prueba ji2 de
proporciones para tres o más muestras independientes.
· - Prueba de probabilidad exacta de Fischer y Yates.
· - Prueba de McNemar para muestras dependientes.
· - Prueba Q de Cochran para tres o más muestras dependientes.
· - Análisis secuencial.
P Ø PARA ESCALA ORDINAL
- Prueba de Kolmogorov-Smirnov para una muestra.
- Prueba de U Mann-Whitney para dos muestras independientes.
· - Prueba de Wilcoxon de rangos señalados y pares igualados para
dos muestras dependientes.
· - Análisis de varianza de una entrada de Kruskal-Wallis para más
de dos muestras independientes.
· - Análisis de varianza de doble entrada por rangos de Friedman
para más de dos muestras dependientes.
- LIMITACIONES DE LAS PRUEBAS NO PARAMÉTRICAS:
Las pruebas no paramétricas tienen las siguientes
limitaciones:
- Las pruebas no paramétricas son
generalmente menos potentes que las pruebas correspondientes diseñadas para
utilizarse con datos que provengan de una distribución específica. Por lo
tanto, la probabilidad de que usted rechace la hipótesis nula cuando sea falsa es
menor.
- Las pruebas no paramétricas con
frecuencia requieren que usted modifique las hipótesis.
- Por ejemplo, la mayoría
de las pruebas no paramétricas sobre el centro de la población son pruebas
sobre la mediana y no sobre la media. La prueba no responde a la misma pregunta
del mismo modo que el procedimiento paramétrico análogo.
Ø VENTAJAS
DE LAS PRUEBAS NO PARAMÉTRICAS
·
Más poder de eficiencia.
·
Menos posibilidad de errores.
·
Robustas (dan estimaciones probabilísticas bastante
exactas).
· No son sistemáticas.
· Se les relaciona con la conveniencia, esto se debe
a que no se tiene una distribución fija para este tipo de estadística por lo
que en ocasiones puede ser un problema el elegir la adecuada.
· Las tablas necesarias para aplicar las pruebas no
paramétricas están muy difundidas y aparecen en diferentes formatos, lo que
podría ocasionar alguna confusión en el investigador ó la persona que esté aplicando alguna prueba no Paramétrica.
SITIOS WEB:
http://goo.gl/SXH2Om
No hay comentarios:
Publicar un comentario