Professional Documents
Culture Documents
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.
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 frecuencias
La prueba de independencia
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.
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.
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).
http://tesis.uson.mx/digital/tesis/docs/10048/Capitulo4.pdf
http://binomiald.blogspot.mx/