Pruebas no paramtricas

Las pruebas estadsticas paramtricas y no paramtricas se diferencian por el tipo

de datos que se usan para analizar. Las pruebas paramtricas hacen muchas
suposiciones, la ms significativa de las cuales es que los datos se distribuyen
normalmente. Las pruebas no paramtricas hacen menos suposiciones y hacen
frente a los datos que no se distribuyen normalmente. Las pruebas paramtricas
generalmente tienen una mayor potencia estadstica.

Las pruebas paramtricas simplemente son procedimientos estadsticos que

poseen ciertas propiedades bajo supuestos valores generales y sin importar la
poblacin de la cual los datos han sido obtenidos. Estos son aplicables cuando la
teora de normalidad no puede ser utilizada, por ejemplo cuando no se trabaja con
magnitudes de observaciones sino con sus rangos.

Las pruebas no paramtricas pueden utilizarse como abreviaciones para pruebas

ms complicadas. Son especialmente valiosas para datos no numricos, como
cuando los consumidores ordenan cereales u otros productores de acuerdo con su
preferencia.

Las pruebas no paramtrica es una rama de la estadstica que estudia las pruebas
y modelos estadsticos, son las que, a pesar de basarse en determinadas
suposiciones, no parten de la base de que los datos analizados adoptan una
distribucin normal. Las pruebas no paramtricas no requieren asumir normalidad
de la poblacin y en su mayora se basan en el ordenamiento de los datos, la
poblacin tiene que ser continua. Son tcnicas estadsticas que no presuponen
ningn modelo probabilstico terico. Son menos potentes que las tcnicas
paramtricas, aunque tienen la ventaja que se pueden aplicar ms fcilmente.

Las pruebas no paramtricas son, sin duda, las tcnicas estadsticas ms

frecuentemente utilizadas por analistas e investigadores en todo tipo reas
cientficas, pero su utilidad se ve reducida, fundamentalmente, por dos razones:
por un lado, exigen el cumplimiento de algunos supuestos que en ocasiones
pueden resultar demasiado exigentes; por otro, obligan a trabajar con unos niveles
de medida que, especialmente en las ciencias sociales y de la salud, no siempre
resulta fcil alcanzar.

Los mtodos no paramtricos se aplican a una gran variedad de situaciones, ya

que no se requiere que cumplan ciertas condiciones como lo es el de la
distribucin normal de los datos como es el caso de los mtodos paramtricos. Se
aplican principalmente cuando empleamos datos nominales, como es el caso en
muchas de las respuestas que se emplean en las encuestas y en muchas pruebas
de psicologa y pedagoga. Sus clculos son ms sencillos y nos permiten una
interpretacin ms fcil de entender y aplicar, aunque la potencia de las pruebas
es menor a las pruebas paramtricas.

Existen numerosos mtodos de pruebas no paramtricas para escoger y

seleccionar la que mejor nos convenga dependiendo de la situacin que
deseemos plantear, todas ellas con una caracterstica en comn, arrojan
resultados que nos permite tomar las decisiones.

Prueba de Chicuadrado de Pearson

Rachas de pruebas
Prueba de los Signos
Prueba de Wilcoxon
Prueba U de Mann- Whitney
Prueba de Rachas de Wald- Wolfowitz, entre otras donde solo
estaremos desarrollando y analizando las ms fundamentales.

Ventajas de las pruebas no paramtricas.

Por lo general, son fciles de usar y entender.

Se pueden usar con muestras pequeas.

Se pueden usar con datos cualitativos.

Son convenientes cuando no se conoce la distribucin de la poblacin.

Desventajas de las pruebas no paramtricas.

A veces, ignoran, desperdician o pierden informacin.

No son tan eficientes como las pruebas paramtricas.

Llevan a una mayor probabilidad de no rechazar una hiptesis nula falsa
(incurriendo en un error de tipo II).

Utilizan menor informacin de la variable

Prueba de los signos

La prueba de los signos es quiz la prueba no paramtrica ms antigua y se usa
para hacer pruebas de hiptesis acerca de la mediana de una poblacin de una
variable o distribucin continua. Es una alternativa a la prueba de Z o de t para la
media poblacional.

La hiptesis nula es Ho: La Mediana poblacional es igual a un valor dado y la

Hiptesis alterna Ha: La mediana es menor (mayor o distinta) del valor dado.

La prueba estadstica est basada en la distribucin Binomial con probabilidad de

xito p=1/2, puesto que la probabilidad de que un dato sea mayor o menor que la
mediana es . Para calcularla se determinan las diferencias de los datos con
respecto al valor dado de la mediana y se cuenta los signos positivos y negativos,
es decir, que la prueba de signo no considera la magnitud de los resultados sino
su sentido o signo y utiliza un distribucin binomial con p=1/2

Prueba de la Chi-cuadrado
El procedimiento Prueba de Chi-cuadrado X tabula una variable en categoras y
calcula un estadstico de Chi-cuadrado. Esta prueba compara las frecuencias
observadas y esperadas en cada categora para contrastar si todas las categoras
contienen la misma proporcin de valores o si cada categora contiene una
proporcin de valores especificada por el usuario o la persona.
Esta prueba puede utilizarse incluso con datos medibles en una escala nominal.
La hiptesis nula de la prueba Chi-cuadrado postula una distribucin de
probabilidad totalmente especificada como el modelo matemtico de la poblacin
que ha generado la muestra.

Para realizar este contraste se disponen los datos en una tabla de frecuencias.
Para cada valor o intervalo de valores se indica la frecuencia absoluta observada o
emprica (Oi). A continuacin, y suponiendo que la hiptesis nula es cierta, se
calculan para cada valor o intervalo de valores la frecuencia absoluta que cabra
esperar o frecuencia esperada (Ei=npi , donde n es el tamao de la muestra y pi
la probabilidad del i-simo valor o intervalo de valores segn la hiptesis nula). El
estadstico de prueba se basa en las diferencias entre la Oi y Ei y se define
como:
Este estadstico tiene una distribucin Chi-cuadrado con k-1 grados de libertad si n
es suficientemente grande, es decir, si todas las frecuencias esperadas son
mayores que 5. En la prctica se tolera un mximo del 20% de frecuencias
inferiores a 5.
Si existe concordancia perfecta entre las frecuencias observadas y las esperadas
el estadstico tomar un valor igual a 0; por el contrario, si existe unas grandes
discrepancias entre estas frecuencias el estadstico tomar un valor grande y, en
consecuencia, se rechazar la hiptesis nula. As pues, la regin crtica estar
situada en el extremo superior de la distribucin Chi-cuadrado con k-1 grados de
libertad.

La prueba de Pearson, la cual tiene numerosas aplicaciones:

La prueba de frecuencias

La prueba de independencia

La prueba de bondad de ajuste

La prueba de Pearson con correccin por continuidad o correccin de Yates

La prueba de Bartlett de homogeneidad de varianzas

Prueba binomial
El procedimiento Prueba binomial compara las frecuencias observadas de las dos
categoras de una variable dicotmica con las frecuencias esperadas en una
distribucin binomial con un parmetro de probabilidad especificado. Por defecto,
el parmetro de probabilidad para ambos grupos es 0.5. Se puede cambiar el
parmetro de probabilidad en el primer grupo. Siendo la probabilidad en el
segundo grupo igual a uno menos la probabilidad del primer grupo.

Si las variables no son dicotmicas se debe especificar un punto de corte.

Mediante el punto de corte se divide la variable en dos grupos, el formado por los
casos mayores o iguales que el punto de corte y el formado por los casos menores
que el punto de corte.
 La Prueba de Rangos con signos de Wilcoxon
Al igual que la prueba de los signos, que se explicara a continuacin es usada
para hacer pruebas de hiptesis acerca de la mediana. La prueba estadstica se
basa en el estadstico de Wilcoxon (1945), el cual se calcula de la siguiente
manera:

Se resta de cada dato el valor de la mediana que se considera en la hiptesis

nula.

Se calcula los rangos de las diferencias sin tomar en cuenta el signo de las
mismas (o sea en valor absoluto). En el caso de haber empate se asigna un rango
promedio a todas las diferencias empatadas es decir; se les asigna el rango:
(menor rango del grupo del empate + mayor rango del grupo del empate)/2.

Finalmente el estadstico W de Wilcoxon ser la suma de los rangos

correspondientes a las diferencias positivas.

Prueba de la U de Maan Whitney

La Mann Whitney es una prueba estadstica para saber si dos poblaciones tienen
la misma ubicacin o tendencia central. Tambin se puede decir que se emplea
en aquellos casos en los que deseamos contrastar si existen diferencias entre las
poblaciones de donde se extraer dos muestras, que han de ser aleatorias e
independientes. Este procedimiento es una buena alternativa cuando no se puede
utilizar la prueba t de Student, en razn de no cumplir con los requisitos que esta
prueba exige pero a diferencia de ella, no asume sobre las distribuciones de las
poblaciones involucradas. Dichos mtodos son particularmente valiosos cuando
los datos son extremadamente anormales, como cuando son altamente sesgados
(largas colas) o tienen valores extremos (puntos que quedan fuera del resto de los
datos).

Esta prueba estadstica es til cuando las mediciones se pueden ordenar en

escala ordinal (es decir, cuando los valores tienden a una variable continua, pero
no tienen una distribucin normal) y resulta aplicable cuando las muestras son
independientes.
 Bibliografa
https://es.slideshare.net/luisaispire/pruebas-parametricas-y-no-parametricas-
58566384

http://tesis.uson.mx/digital/tesis/docs/10048/Capitulo4.pdf

http://binomiald.blogspot.mx/