PRUEBAS NO PARAMETRICAS
-Ashli Cortes Manzo
-José Armando Villatoro Sánchez
-Sofia Mendoza Guerra
¿QUÉ SON?
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.
Características
Las pruebas no paramétricas tienen las siguientes características comunes:
Se utilizan mucho menos de lo que sería recomendable.
Se pueden usar cuando dos series de observaciones provienen de distintas
poblaciones.
Son la única alternativa realista cuando el tamaño de muestra es pequeño.
Los datos se distribuyen de forma aleatoria e independiente en las muestras, salvo
en los datos pareados.
Tienen pocas restricciones y asunciones en cuanto a la distribución de la población.
La variable dependiente o es ordinal o se puede ordenar en rangos.
Se aplican en variables normales o de intervalo.
Se utilizan para muestras pequeñas.
No se conoce la forma de distribución de datos.
Las pruebas no paramétricas más conocidas son las siguientes:
Prueba chi-cuadrado
Prueba binomial
Prueba de los rangos con signo de Wilcoxon
Prueba de la mediana
Prueba de Anderson-Darling
Prueba de Cochran
Prueba de Cohen kappa
Prueba de Fisher
Prueba de Friedman
Prueba de Kendall
Prueba de Kolmogórov-Smirnov
Prueba de Kuiper
Prueba de Mann-Whitney o prueba de Wilcoxon
Prueba de McNemar
Prueba de Siegel-Tukey
Prueba de los signos
Prueba de Wald-Wolfowitz
VENTAJAS DESVENTAJAS
Fáciles de calcular Menos informacion
Pocas suposiciones Menos potencia
Útiles con muestras Laboriosas en muestras
pequeñas grandes
Pruebas no paramétricas según
el tipo de problema
Tipo de problema Prueba no paramétrica Qué hace
Compara frecuencias observadas
1. Una sola muestra – Chi‑cuadrado
vs. esperadas
Para 2 categorías cuando la
– Binomial
muestra es pequeña
Ver si tus datos siguen una
– Kolmogorov‑Smirnov (1 muestra)
distribución dada
Compara rangos entre 2 grupos
2. Dos muestras independientes – Mann‑Whitney U
distintos
Compara distribuciones de 2
– Kolmogorov‑Smirnov (2 muestras)
muestras
Comprueba si el orden de los datos
– Rachas (Wald‑Wolfowitz)
es al azar
Tipo de problema Prueba no paramétrica Qué hace
3. Dos muestras relacionadas Compara pares de datos (pre‑post,
– Wilcoxon de rangos signados
(pareadas) gemelos…)
Solo cuenta cuántas diferencias
– Prueba del signo
positivas/neg.
– McNemar Para datos dicotómicos antes y después
4. Varias muestras independientes
– Kruskal‑Wallis (H) Extiende Mann‑Whitney a más de 2 grupos
(≥ 3 grupos)
Compara cuántos datos están por
– Prueba de la mediana
encima/abajo de la mediana
5. Varias muestras relacionadas Extiende Wilcoxon a ≥ 3 mediciones
– Friedman
(≥ 3 medidas) pareadas
Mide concordancia de rangos entre varias
– Kendall W
series
– Q de Cochran Para varias mediciones dicotómicas
CHI-CUADRADO
Es una prueba estadística que se
usa para determinar si existe una
diferencia estadísticamente
significativa entre la frecuencia
esperada y la frecuencia
observada.
Se usa para saber si hay una
relacion entre dos variables
nominales.
Tambien conocida como prueba de
independencia dado a que se busca
saber es si las variables son
independientes
También se conoce como prueba
chi-cuadrado de Pearson y en
ocasiones se representa como
prueba χ².
Chi-cuadrado es igual al
sumatorio de los cuadrados de la
diferencias entre los valores
observados y los valores
esperados partido por los valores
esperados.
X²: Chi cuadrada
k: Tamaño de la muestra de
datos
O: Valor observado para el dato
E: Valor esperado para el dato
Hipotesis
La hipótesis nula (H0) del
contraste de hipótesis de una
prueba chi-cuadrado es que los
valores observados son
equivalentes a los valores
esperados.
La hipótesis alternativa (H1) del
contraste es que alguno de los
valores observados es diferente
a su valor esperado.
Así pues, dado un nivel de significación (α/p) , el estadístico de la prueba
calculado se debe comparar con el valor crítico de la prueba (k) para
determinar si rechazar la hipótesis nula o la hipótesis alternativa:
“Grados de libertad”
Si el estadístico de la prueba Si el estadístico de la prueba es
es menor que el valor crítico , mayor que el valor crítico , se
se rechaza la hipótesis rechaza la hipótesis nula (y se
alternativa (y se acepta la acepta la hipótesis
hipótesis nula). alternativa).
Si X² < X²₁₋ αΙκ-1 se rechaza H1
Si X² > X²₁₋ αΙκ-1 se rechaza H0
%
X°
INTERPRETACION (se debe comparar)
Cuanto más pequeño sea el valor del estadístico de la prueba calculado / más se
parecen los datos observados a los datos esperados.
si el resultado de la prueba chi-cuadrado es 0 = valores observados y los valores
esperados son exactamente iguales.
cuanto más grande sea el resultado de la prueba / más distintos son los valores
observados de los valores esperados.
¡¡¡Ya es hora de los ejemplos!!!
Karl
pearson
