Science">
Ensayo de Las Pruebas No Paramétricas
Ensayo de Las Pruebas No Paramétricas
Ensayo de Las Pruebas No Paramétricas
Psico estadística
Alumna:
Br. Maribel Espino Rojas
Docente:
Lic. Edgard López
Fecha:
Enero 2023
Las hipótesis se basan en rangos, mediana y frecuencia de datos. Las hipótesis se basan en datos numéricos.
Considera los valores perdidos para obtener información. No toma en cuenta los valores perdidos para obtener información.
Las pruebas no paramétricas, también conocidas como pruebas de distribución libre, son las que se
basan en determinadas hipótesis, pero lo datos observados no tienen un organización normal.
Generalmente, las pruebas no paramétricas contienen resultados estadísticos que provienen de su
ordenación, lo que las vuelve más fáciles de comprender.
Las pruebas no paramétricas tienen algunas limitaciones, entre ellas se encuentra que no son lo
suficientemente fuertes cuando se cumple una hipótesis normal. Esto puede provocar que no sea
rechazada aunque sea falsa. Otra de sus limitaciones es que necesitan que la hipótesis se cambie
cuando la prueba no corresponde a la pregunta del procedimiento si la muestra no es proporcional.
Algunas de las características de las pruebas no paramétricas son:
✓ Es un método de medición difícil de aplicar.
✓ Es necesario realizar pruebas de hipótesis.
✓ Las hipótesis son estrictas.
✓ Las observaciones deben de ser independientes.
Tipos de pruebas no paramétricas y su aplicación
Los tipos de pruebas no paramétricas son:
✓ Prueba de signos de una muestra
✓ Prueba de los rangos con signo de Wilcoxon
✓ Prueba U de Mann-Whitney
✓ Prueba de Kruskal-Wallis
✓ Prueba de la mediana de Mood
✓ Prueba de Friedman
Ventajas de las pruebas no paramétricas
Las ventajas de las pruebas no paramétricas son:
✓ Pueden utilizarse en diferentes situaciones, ya que no deben de cumplir con parámetros
estrictos.
✓ Generalmente, sus métodos son más sencillos, lo que las hace más fácil de entender.
✓ Se pueden aplicar en datos no numéricos.
✓ Facilita la obtención de información particular más importante y adecuada para el proceso de
investigación.
Desventajas de las pruebas no paramétricas
Las desventajas de las pruebas no paramétricas son:
✓ No son pruebas sistemáticas.
✓ La distribución varía, lo que complica seleccionar la elección correcta.
✓ Los formatos de aplicación son diferentes y provoca confusión.
✓ Es posible que se pierda información porque los datos recolectados se convierten en
información cualitativa.
✓ Es posible que se necesite tener fuentes y un respaldo con más peso.
Este tipo de estadísticas se pueden utilizar sin el tamaño de la muestra o la estimación de cualquier
parámetro relacionado del que no se tenga información. Dado que las suposiciones son menores,
pueden aplicarse de múltiples formas.
Las pruebas o técnicas no paramétricas engloban una serie de pruebas estadísticas que tienen en
común la ausencia de asunciones acerca de la ley de probabilidad que sigue la población de la que ha
sido extraída la muestra. Así, estas técnicas se aplican cuando no sabemos si la población de la cual
se extrae la muestra es normal o aproximadamente normal.
Estas técnicas no paramétricas se utilizan con frecuencia, puesto que existen muchas variables que
no siguen las condiciones de parametricidad. Estas son: el uso de variables cuantitativas continuas,
distribución normal de las muestras, varianzas similares y muestras balanceadas.
Clasificación de las pruebas no paramétricas
En esta clasificación de las pruebas no paramétricas ocurre una falta de consenso a la hora de
agruparlas. Las autoras Berlanga y Rubio (2012) realizaron un resumen de las principales pruebas
paramétricas.
Pruebas no paramétricas de una muestra
Es una prueba muy utilizada cuando el investigador quiere analizar la relación entre dos variables
que son cuantitativas. También es muy utilizada para evaluar en qué medida los datos recogidos en
una variable categórica (distribución empírica) se ajustano no (se parece o no) a una determinada
distribución teórica (uniforma, binomial, multinomial, etcétera).
• Prueba Binomial
Esta prueba permite averiguar si una variable dicotómica sigue o no un determinado modelo de
probabilidad. Permite contrastar la hipótesis de que la proporción observada de aciertos se ajusta a
la proporción teórica de una distribución binomial.
• Prueba de Rachas
Es una prueba que permite determinar si el número de rachas (R) observado en una muestra de
tamaño n es lo suficientemente grande o lo suficientemente pequeño para poder rechazar
la hipótesis de independencia (o aleatoreidad) entre las observaciones.
Una racha es una secuencia de observaciones de un mismo atributo o cualidad. Que haya más o
menos rachas que las esperables por azar en una serie de datos puede ser un indicador de que hay una
variable importante que está condicionando los resultados y que no estamos teniendo en cuenta..
• Prueba de Kolmogorov-Smirnov (K-S)
Esta prueba sirve para contrastar la hipótesis nula de que la distribución de una variable se ajusta
a una determinada distribución teórica de probabilidad (normal, exponencial o la de Poisson). El
hecho de que la distribución de los datos se ajuste o no a una determinada distribución va a sugerirnos
unas técnicas de análisis de datos frente a otras.
Pruebas no paramétricas para dos muestras relacionadas
• Prueba de McNemar
Permite contrastar la hipótesis de igualdad entre dos medianas poblacionales. Se puede utilizar
para saber si una variable tiende a ser mayor que otra. También para probar la tendencia que
siguen una serie de variables positivas.
• Prueba de Wilcoxon
Se trata de una extensión de la prueba de Wilcoxon. Así, se usa para incluir datos registrados en
más de dos periodos de tiempo o grupos de tres o más sujetos, con un sujeto de cada grupo que
ha sido asignado aleatoriamente a una de las tres o más condiciones.
• Prueba de Cochran
Es idéntica a la anterior, pero se aplica cuando todas las respuestas son binarias. La Q de
Cochran aprueba la hipótesis de que varias variables dicotómicas que están relacionadas entre
sí tienen el mismo promedio.
• Coeficiente de concordancia de W de Kendall
Tiene las mismas indicaciones que la prueba de Friedman. Sin embargo, su uso en investigación
ha sido principalmente para conocer la concordancia entre rangos.
Pruebas no paramétricas para dos muestras independientes
• Prueba U de Mann-Whitney
Esta prueba se usa para contrastar la hipótesis de que dos muestras proceden de la misma
población.
• Prueba de Rachas de Wald-Wolfowitz
Contrasta si dos muestras con datos independientes proceden de poblaciones con la misma
distribución.
• Prueba de reacciones extremas de Moses
Contrasta diferencias entre dos o más grupos en relación con su mediana. No se utilizan medias,
bien porque no cumplen las condiciones de normalidad o porque la variable es cuantitativa discreta.
Es similar a la prueba Chi-cuadrado.
• Prueba de Jonckheere-Terpstra