06.02 - Apuntes Sobre Pruebas Paramétricas y No Paramétricas

Mentoría TFG Psicología
Apuntes sobre pruebas paramétricas y no paramétricas.
¿Qué diferencias hay entre unas pruebas paramétricas y no

paramétricas?
Las pruebas paramétricas asumen distribuciones estadísticas

subyacentes a los datos. Por tanto, deben cumplirse algunas condiciones
de validez, de modo que el resultado de la prueba paramétrica sea fiable.
Por ejemplo, la prueba t de Student para dos muestras independientes

será fiable solo si cada muestra se ajusta a una distribución normal y si
las varianzas son homogéneas. Veamos los estadísticos más utilizados.
1. Prueba t para una muestra. La prueba t para una muestra se

ocupa de contrastar si la media de una población difiere de forma
significativa de un valor dado conocido o hipotetizado. Así, la
prueba calcula estadísticos descriptivos para las variables de
contraste.
2. Prueba t para dos muestras independientes. Esta prueba se

utiliza cuando la comparación se efectúa entre las medias de dos
poblaciones independientes. Esto es, los individuos de una de las
poblaciones son distintos a los individuos de la otra. Un ejemplo de
esto es una comparación entre hombres y mujeres, o entre el grupo
experimental y el grupo de control.
3. Prueba t para dos muestras relacionadas. En el caso de tener que

comparar más de dos muestras, habremos de recurrir al análisis
de varianza o ANOVA. Es una prueba estadística desarrollada para
realizar simultáneamente la comparación de las medias de más de
dos poblaciones.
Las pruebas no paramétricas no deben ajustarse a ninguna

distribución. Pueden por tanto aplicarse incluso aunque no se cumplan
las condiciones de validez paramétricas.
Pruebas no paramétricas para una muestra.
1. 2 (Chi cuadrado) de Pearson, que se utiliza 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 ajusta o no (se parece o no) a una determinada
distribución teórica.
2. 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
Mentoría TFG Psicología
aciertos se ajusta a la proporción teórica de una distribución

binomial.
3. 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.
1. Prueba de los signos. 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.
2. Prueba de Wilcoxon. Permite contrastar la hipótesis de igualdad

entre dos medianas poblacionales.
En consecuencia, la diferencia entre estadística paramétrica y no

paramétrica está basada en el conocimiento o desconocimiento de la
distribución de probabilidad de la variable que se pretende estudiar.
¿Cuál es la ventaja de usar una prueba no paramétrica?
Las pruebas no paramétricas son más robustas que las paramétricas. En

otras palabras, son válidas en un rango más amplio de situaciones
(exigen menos condiciones de validez).
¿Cuál es la ventaja de usar una prueba paramétrica?
La ventaja de usar una prueba paramétrica en lugar de una no

paramétrica consiste en que la primera tiene más potencia estadística
que la segunda. En otras palabras, una prueba paramétrica tiene mayor
capacidad para conducir a un rechazo de H0. La mayoría de las veces, el
valor p asociado a una prueba paramétrica es menor que el valor p
asociado a su equivalente no paramétrica ejecutada sobre los mismos
datos.

06.02 - Apuntes Sobre Pruebas Paramétricas y No Paramétricas

Cargado por

Copyright:

Formatos disponibles

06.02 - Apuntes Sobre Pruebas Paramétricas y No Paramétricas

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

06.02 - Apuntes Sobre Pruebas Paramétricas y No Paramétricas

Cargado por

Copyright:

Formatos disponibles

Mentoría TFG Psicología

Apuntes sobre pruebas paramétricas y no paramétricas.

¿Qué diferencias hay entre unas pruebas paramétricas y no

Las pruebas paramétricas asumen distribuciones estadísticas

Por ejemplo, la prueba t de Student para dos muestras independientes

1. Prueba t para una muestra. La prueba t para una muestra se

2. Prueba t para dos muestras independientes. Esta prueba se

3. Prueba t para dos muestras relacionadas. En el caso de tener que

Las pruebas no paramétricas no deben ajustarse a ninguna

Pruebas no paramétricas para una muestra.

1. 2 (Chi cuadrado) de Pearson, que se utiliza cuando el investigador

2. Prueba binomial. Esta prueba permite averiguar si una variable

aciertos se ajusta a la proporción teórica de una distribución

3. Prueba de Kolmogorov-Smirnov (K-S). Esta prueba sirve para

Pruebas no paramétricas para dos muestras relacionadas.

1. Prueba de los signos. Permite contrastar la hipótesis de igualdad

2. Prueba de Wilcoxon. Permite contrastar la hipótesis de igualdad

En consecuencia, la diferencia entre estadística paramétrica y no

¿Cuál es la ventaja de usar una prueba no paramétrica?

Las pruebas no paramétricas son más robustas que las paramétricas. En

¿Cuál es la ventaja de usar una prueba paramétrica?

La ventaja de usar una prueba paramétrica en lugar de una no

También podría gustarte