Bioestadística y Epidemiología

Unidad 2
Estadística No Paramétrica

Índice
Introducción
Estructura de Contenidos
Mapa Conceptual
2.1. Definición de pruebas no paramétricas
2.2. Ventajas y desventajas.
2.3. Pruebas no paramétricas
2.4. Tipos de pruebas no paramétricas y sus alternativas paramétricas
Actividades de afianzamiento
Glosario
Recursos Bibliográficos

Introducción
Una prueba estadística no paramétrica está basada en un modelo que especifica solo condiciones muy
generales y ninguna cerca de la forma específica de la distribución de la cual fue obtenida la muestra.
Ciertas suposiciones están asociadas con la mayoría de la pruebas no paramétricas, a saber: que las
observaciones son independientes y quizá que la variable en estudio es continua; pero estas
suposiciones son meno res y más débiles que aquéllas asociadas con las pruebas paramétricas. Los
procedimientos no paramétricos prueban diferentes hipótesis acerca de la población, que los
procedimientos paramétricos no hacen. Por último a diferencia de las pruebas paramétricas, existen
no paramétricas que pueden aplicarse apropiadamente a los datos medidos en una escala ordinal,
otras pruebas para datos en una escala nominal o categórica.

Te invito a seguir con tu plan de estudios.

Estructura de contenidos
Unidad 2: Estadística No Paramétrica.
2.1. Definición de pruebas no paramétricas
2.2. Ventajas y desventajas.
2.3. Pruebas no paramétricas
2.3.1. Prueba CHI cuadrado
2.3.2. Prueba de los signos (Prueba de hipótesis para la mediana)
2.3.3. Prueba de Wilcoxon para dos medias.
2.4. Tipos de pruebas no paramétricas y sus alternativas paramétricas

Mapa Conceptual

Unidad 2:
Estadística No Paramétrica

2.1. 2.2. 2.3. 2.4.

Definición de pruebas Ventajas y Desventajas Pruebas No Paramétricas Tipos de pruebas no paramétricas
no paramétricas y sus alternativas paramétricas

3.1 Prueba CHI cuadrado

3.2 Prueba de los signos
(Prueba de hipótesis para la
mediana)
3.3 Prueba de Wilcoxon para
dos medias.

2.1. Definición de pruebas no paramétricas

En la estadística paramétrica se asume que la población de la cual la muestra es extraída es normal. Esta
propiedad es necesaria para que la prueba de hipótesis sea válida. Sin embargo, en un gran número de
casos no se puede determinar la distribución original ni la distribución de los estadísticos, por lo que en
realidad no tenemos parámetros a estimar. Tenemos solo distribuciones que comparar. Esto se llama
ESTADISTICA NO-PARAMÉTRICA.

Una prueba no paramétrica es una prueba de hipótesis que no requiere que la distribución de la
población sea caracterizada por ciertos parámetros. Por ejemplo, muchas pruebas de hipótesis parten
del supuesto de que la población sigue una distribución normal con los parámetros μ y σ. Las pruebas
no paramétricas no parten de este supuesto, de modo que son útiles cuando los datos son
considerablemente no normales y resistentes a transformaciones. ("Explicación de los métodos no
paramétricos - Minitab", 2018)

En caso de que no se cumplan estos requisitos, y sobre todo cuando la normalidad de las distribuciones
de la variable en estudio esté en duda y el tamaño de la muestra sea menor a 30 casos, el empleo de las
pruebas no paramétricas o de distribución libre está indicado.

Las pruebas no paramétricas reúnen las siguientes características:

1) Son más fáciles de aplicar.
2) Son aplicables a los datos jerarquizados.
3) Se pueden usar cuando dos series de observaciones provienen de distintas poblaciones.
4) Son la única alternativa cuando el tamaño de muestra es pequeña.
5) Son útiles a un nivel de significancia previamente especificado.
2.2. Ventajas y desventajas
• VENTAJAS
• Sin requisitos previos.
• Con n pequeña (<30) puede no haber alternativa.

• DESVENTAJAS
• Se necesita transformar los valores en rangos (rango: valor arbitrario del orden del dato en el
conjunto).
• No suele aparecer en programas informáticos, la interpretación es más directa.

2.3. Pruebas no paramétricas

Existen en total 17 pruebas no paramétricas, las cuales se resumen en el siguiente cuadro.

Pruebas Una muestra Variable (D: dependiente /

I: Independiente)
Prueba de Chi Es una prueba de bondad de ajuste, que permite VD: Nominal
cuadrado de averiguar si la distribución empírica de una variable
Pearson categórica se ajusta o no (se parece o no) a una
determinada distribución teórica (uniforme,
binomial, multinomial, etc.).
Prueba Binomial • Es una prueba de bondad de ajuste, que permite VD: Nominal
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 (lo cual se
traduce en la posibilidad de contrastar hipótesis
sobre proporciones y sobre cuartiles).
Prueba de Rachas Es una prueba de independencia o de aleatoriedad VD: Nominal
que permite determinar si el número de rachas (R)
observado en una determinada muestra de tamaño
n es lo suficientemente grande o lo suficientemente
pequeño para poder rechazar la hipótesis de
independencia (o aleatoriedad) entre las
observaciones. • Una racha es una secuencia de
observaciones de un mismo atributo o cualidad.
Una serie de datos en los que hay muchas o pocas
rachas permite concluir que estas no han ocurrido
por azar.
Prueba de • Es una prueba de bondad de ajuste, que sirve para VD: Ordinal/Intervalo
Kolmogorov contrastar la hipótesis nula de que la distribución de
Smirnov (KS) una variable se ajusta a una determinada
distribución teórica de probabilidad que puede ser
con tendencia a la normal, a la de Poisson o
exponencial.
Pruebas Dos muestras relacionadas Variables
Prueba de McNemar Sirve para contrastar hipótesis sobre igualdad de VI: Dicotómica
proporciones. • Se usa cuando hay una situación en VD: Nominal
la que las medidas de cada sujeto se repiten, por lo
que la respuesta de cada uno de ellos se obtiene dos
veces: una vez antes y otra después de que ocurra
un evento específico.
Prueba de los Signos Permite contrastar la hipótesis de igualdad entre VI: Dicotómica
dos medianas poblacionales. • Puede ser usada para VD: Ordinal/Intervalo
saber si una variable tiende a ser mayor que otra.
También es útil para probar la tendencia que sigue
Prueba de Wilcoxon Permite contrastar la hipótesis de igualdad entre VI: Dicotómica
dos medianas poblacionales. VD: Ordinal/Intervalo
Paralela a la prueba paramétrica de contraste t para
muestras relacionadas.
Pruebas k-muestras relacionadas Variables
Prueba de Friedman Es una extensión de la prueba de Wilcoxon para VI: Politómica VD:
incluir datos registrados en más de dos periodos de Ordinal/Intervalo
tiempo o grupos de tres o más sujetos pareados, con
un sujeto de cada grupo que ha sido asignado
aleatoriamente a una de las tres o más condiciones.
• La prueba examina los rangos de los datos
generados en cada periodo de tiempo para
determinar si las variables comparten la misma
distribución continua de su origen.
Prueba de Cochran Esta prueba es idéntica a la prueba de Friedman, VI: Dicotómica VD:
pero se aplica cuando todas las respuestas son Nominal
binarias. • La Q de Cochran prueba la hipótesis de
que varias variables dicotómicas que están
relacionadas entre sí, tienen el mismo promedio. En
observaciones múltiples las variables son medidas
en el mismo individuo o en individuos pareados.
Tiene la ventaja de examinar cambios en las
variables categóricas.
Coeficiente de • Tiene las mismas indicaciones que la prueba de VI: Politómica VD:
concordancia de W Friedman, aunque su uso en investigación ha sido, Ordinal /Intervalo
de Kendall principalmente, para conocer la concordancia entre
rangos, más que para probar que existe una
diferencia entre las medianas.
Pruebas Dos muestras independientes Variables
Prueba U de Mann Es equivalente a la prueba de suma de rangos de VI: Dicotómica VD:
Whitney Wilcoxon y a la prueba de dos grupos de Kruskal- Ordinal/Intervalo
Wallis. Es la alternativa no paramétrica a la
comparación de dos promedios independientes a
través de la t de Student.
Prueba de Sirve para contrastar la hipótesis de que dos VI: Dicotómica VD:
Kolmogorov muestras proceden de la misma población. Para Ordinal/Intervalo
Smirnov ello, compara las funciones de distribución
Prueba de Rachas de • Contrasta si dos muestras con datos VI: Dicotómica VD:
Wald Wolfowitz independientes proceden de poblaciones con la Ordinal/Intervalo
misma distribución.
 Prueba de • Sirve para estudiar si existe diferencia en el grado VI: Dicotómica VD:
reacciones extremas de dispersión o variabilidad de dos distribuciones. Ordinal/Intervalo
de Moses Esta prueba se centra en la distribución del grupo de
control y es una medida para saber cuántos valores
extremos del grupo experimental influyen en la
distribución cuando se combinan con el grupo de
control.
Pruebas k- muestras independientes Variables
Prueba de la Contrasta diferencias entre dos o más grupos en VI: Politómica VD:
Mediana relación con su mediana, bien porque no cumplen Ordinal/Intervalo
las condiciones de normalidad para usar el
promedio como medida de tendencia central, bien
porque la variable es cuantitativa discreta. • Es
similar a la prueba Chi-cuadrado.
Prueba de • Es más potente que sus homónimas, la prueba de VI: Politómica VD:
Jonckheere Terpstra Kruskal-Wallis y la de la mediana, cuando existe una Ordinal/Intervalo
ordenación a priori (ascendente o descendente) de
las K poblaciones de las que se extraen las muestras.
Prueba H de Kruskal- • Es una extensión de la de U de Mann-Whitney y VI: Politómica
Wallis representa una excelente alternativa al ANOVA de VD: Ordinal/Intervalo
un factor completamente aleatorizado.
2.3.1 Prueba CHI cuadrado

Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hipótesis nula de la
prueba Chi-cuadrado postula una distribución de probabilidad totalmente especificada como el modelo
matemático de la población 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 empírica (Oi). A continuación, y
suponiendo que la hipótesis nula es cierta, se calculan para cada valor o intervalo de valores la
frecuencia absoluta que cabría esperar o frecuencia esperada (Ei=n·pi, donde n es el tamaño de la
muestra y pi la probabilidad del décimo valor o intervalo de valores según la hipótesis nula). El
estadístico de prueba se basa en las diferencias entre la Oi y Ei y se define como:

Este estadístico tiene una distribución 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 práctica se tolera un
máximo del 20% de frecuencias inferiores a 5.

Si existe concordancia perfecta entre las frecuencias observadas y las esperadas el estadístico tomará
un valor igual a 0; por el contrario, si existe una gran discrepancia entre estas frecuencias el estadístico
tomará un valor grande y, en consecuencia, se rechazará la hipótesis nula. Así pues, la región crítica
estará situada en el extremo superior de la distribución Chi-cuadrado con k-1 grados de libertad.
("PRUEBA CHI-CUADRADO", 2018)

2.3.2 Prueba de los signos (Prueba de Hipótesis para la mediana)

Esta prueba permite contrastar la hipótesis de igualdad entre dos medianas poblacionales. Puede ser
usada para saber si una variable tiende a ser mayor que otra.
Aquí la hipótesis nula es que M (mediana) = M0 al momento de aplicar un tratamiento, en consecuencia
la hipótesis alterna es que la mediana es diferente a .
El procedimiento es el siguiente:

1. Establecer la hipótesis 1 nula y la hipótesis alterna

2. Se toman los datos de la 2 variable en cuestión.

3. Los valores que estén por debajo de la mediana se les asigna un número negativo y los valores que
estén por encima de la mediana se les asigna un número positivo. Los 3 valores que sean igual a la
mediana no se toma en cuenta.
4. En caso de que sea cierta, la mediana debe estar en medio y el número de casos positivos debe
ser igual al de casos negativos, en este caso la probabilidad de que salga un positivo es igual al de un
negativo, es decir p=0.5 (q=1-p=0.5).
5. Se obtiene la probabilidad de que ocurran x positivos mediante la binomial, donde p=0.5, n es el
número de observaciones y x es el número de casos positivos. (Los cálculos se pueden hacer en Excel
con la función binomial).

6. Si la probabilidad es menor a 0.05 se rechaza la hipótesis nula, de lo contrario se acepta.

2.3.3. Prueba de Wilcoxon para dos medias.

La prueba de Wilcoxon se aplica cuando a un grupo de unidades experimentales se les fija un

tratamiento, y a otro grupo del mismo tamaño se deja como grupo testigo. Se selecciona una unidad
experimental del grupo de los tratamientos y otra unidad del testigo, se miden y se toma la diferencia
entre ellos. Los pasos se muestran a continuación.
1. En la primera columna y segunda columna se anotan los datos recabados de las
unidades experimentales con tratamiento y testigo.

2. En la tercera columna se anota su diferencia, respetando los signos (la primera

columna menos la segunda).

3. La cuarta columna es el valor absoluto de la diferencia (eliminando el signo)

4. La quinta columna incluye los datos de la cuarta columna ordenados de menor a

mayor.

5. En la sexta columna se asigna la posición ordinal eliminando los ceros. (del 1 al n).

6. Si dos o más números son iguales, se van a promediar sus números ordinales y se
les asigna el promedio a todos (columna 7)

7. En la columna ocho se copian los valores de la columna siete y se les va a agregar

el signo del número de la diferencia donde provienen, por ejemplo, la posición 8 viene
del número 10, que originalmente tenía número negativo, así que se agrega el
número negativo al 8 (-8).

8. Se suman los números positivos. Y en la tabla de la derecha se va a localizar el valor

de n (el número de datos excluyendo los ceros, en este ejemplo es 9). Si la suma de
los positivos es menor al valor crítico, se considera que hay diferencia entre las
muestras, de lo contrario, se considera que las muestras son iguales. (Mellado
Bosque, 2018)

2.4. Tipos de pruebas no paramétricas y sus

alternativas paramétricas

Prueba no paramétrica Prueba paramétrica alternativa

Prueba de signos de 1 muestra Prueba Z de 1 muestra, prueba t de 1 muestra

Prueba de Wilcoxon de 1 muestra Prueba Z de 1 muestra, prueba t de 1 muestra

Prueba de Mann-Whitney Prueba t de 2 muestras

Prueba de Kruskal-Wallis ANOVA de un solo factor

Prueba de la mediana de Mood ANOVA de un solo factor

Prueba de Friedman ANOVA de dos factores

("Explicación de los métodos no paramétricos - Minitab", 2018)

 Glosario
Prueba no paramétrico: Es una prueba de hipótesis que no requiere que la distribución de la
población sea caracterizada por ciertos parámetros.

Prueba de signos: Permite contrastar la hipótesis de igualdad entre dos medianas poblacionales.
Puede ser usada para saber si una variable tiende a ser mayor que otra.

Chi cuadrado: Es una prueba de bondad de ajuste, que permite averiguar si la distribución empírica
de una variable categórica se ajusta o no a una determinada distribución teórica.

Prueba de Wilcoxon: Permite contrastar la hipótesis de igualdad entre dos medianas poblacionales.

Variable dicotómica: Aquella variable que sólo puede tomar dos valores posibles, por ejemplo sí/no,
hombre/mujer.

Recursos Bibliográficos
Molinero, L. (2003). ¿Y si los datos no siguen una distribución normal?... Bondad de ajuste a una
normal. Transformaciones. Pruebas no paramétricas. Retrieved from
https://www.alceingenieria.net/bioestadistica/noparame.pdf

Minitab. (2018). Explicación de los métodos no paramétricos. Retrieved from

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/nonparametrics/supporting-
topics/understanding-nonparametric-methods/

Berlanga, V., & Rubio, M. (2012). Clasificación de pruebas no paramétricas. Cómo aplicarlas en SPSS
[Ebook] (5th ed., p. 103). Barcelona: Revista dínnovació/Recerca en Educació. Retrieved from
http://file:///C:/Users/Dra.%20Nallely%20S%C3%A1nchez/Desktop/255793-344943-1-PB.pdf

PRUEBA CHI-CUADRADO. (2018). Retrieved from http://www.ub.edu/aplica_infor/spss/cap5-2.htm

Mellado Bosque, J. (2018). Pruebas no paramétricas. Retrieved from

http://www.uaaan.mx/~jmelbos/cursosma/madeO2.pdf