13600049
PRUEBAS NO PARAMÉTRICAS
- Prueba de hipótesis cuya distribución subyacente no
se ajusta a los llamados criterios paramétricos, los
datos observados son los que determinan la prueba.
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.
- Ventajas
- • Tamaño de la
muestra es muy
pequeña.
- • Menor suposición en
los datos y mas
relevante a una
situación particular.
- • Fáciles de
aprender y aplicar, y
además su
interpretación es
más directa.
- • Los datos son
clasificatorios o
categóricos, es decir,
se miden en una
escala nominal.
- • Tamaño de la
muestra es muy
pequeña.
- Desventajas
- • No son sistémicas.
- • No se tiene una
distribución fija, por lo
cual es un problema al
elegir la adecuada.
- • Las tablas necesarias para
aplicar estas pruebas están
muy difundidas y aparecen en
diferentes formatos, lo cual
puede generar confusión al
investigador a la hora de
aplicar la prueba.
- • No son sistémicas.
- Las principales pruebas no
paramétricas son las siguientes:
- Prueba χ² de Pearson, Prueba binomial, 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
Kruskal-Wallis, Prueba de Kuiper, Prueba de
Mann-Whitney o prueba de Wilcoxon, Prueba
de McNemar, Prueba de la mediana, Prueba de
Siegel-Tukey, Prueba de los signos Coeficiente
de correlación de Spearman Tablas de
contingencia, Prueba de Wald-Wolfowitz,
Prueba de los rangos con signo de Wilcoxon
- Pruebas para una muestra
Simple Chi-Cuadrado
- Prueba de Bondad de Ajuste, consiste en determinar si
los datos de cierta muestra corresponden a cierta
distribución poblacional, sea cual sea la variable de
estudio, se debe categorizar los datos asignado sus
valores a diferentes clases o grupos.
- Prueba de Bondad de Ajuste, consiste en determinar si
los datos de cierta muestra corresponden a cierta
distribución poblacional, sea cual sea la variable de
estudio, se debe categorizar los datos asignado sus
valores a diferentes clases o grupos.
- Prueba para muestra
relacionada t de Wilcoxon
- Prueba no paramétrica para comparar el rango medio de
dos muestras relacionadas y determinar si existen
diferencias entre ellas. Se utiliza como alternativa a la
prueba t de Student cuando no se puede suponer la
normalidad de dichas muestras.
- Prueba no paramétrica para comparar el rango medio de
dos muestras relacionadas y determinar si existen
diferencias entre ellas. Se utiliza como alternativa a la
prueba t de Student cuando no se puede suponer la
normalidad de dichas muestras.
- Análisis de varianza en una
dirección por rangos de
KrusKal-Wallis(H)
- La prueba de Kruskal-Wallis no asume normalidad en los
datos, en oposición al tradicional ANOVA. Sí asume, bajo la
hipótesis nula, que los datos vienen de la misma
distribución. Una forma común en que se viola este
supuesto es con datos heterocedásticos.
- La prueba de Kruskal-Wallis no asume normalidad en los
datos, en oposición al tradicional ANOVA. Sí asume, bajo la
hipótesis nula, que los datos vienen de la misma
distribución. Una forma común en que se viola este
supuesto es con datos heterocedásticos.
- Pruebas para muestras
independientes U de
Mann Whitney(μ)
- También llamada de Mann-Whitney-Wilcoxon, prueba de
suma de rangos Wilcoxon, o prueba de
Wilcoxon-Mann-Whitney, es una prueba no paramétrica
aplicada a dos muestras independientes. Es, de hecho, la
versión no paramétrica de la habitual prueba t de Student.
Se usa para comprobar la heterogeneidad de dos muestras
ordinales.
- También llamada de Mann-Whitney-Wilcoxon, prueba de
suma de rangos Wilcoxon, o prueba de
Wilcoxon-Mann-Whitney, es una prueba no paramétrica
aplicada a dos muestras independientes. Es, de hecho, la
versión no paramétrica de la habitual prueba t de Student.
Se usa para comprobar la heterogeneidad de dos muestras
ordinales.
- Chi-Cuadrado para
muestras Independientes
- Prueba de Homogeneidad
- Consiste en comprobar si varias muestras de una
carácter cualitativo proceden de la misma
población, es necesario que las dos variables
medibles estén representadas mediante
categorías con las cuales construiremos una tabla
de contingencia.
- Consiste en comprobar si varias muestras de una
carácter cualitativo proceden de la misma
población, es necesario que las dos variables
medibles estén representadas mediante
categorías con las cuales construiremos una tabla
de contingencia.
- Prueba de Independencia
- Consistente en comprobar si dos características
cualitativas están relacionadas entre sí, Aunque
conceptualmente difiere del anterior,
operativamente proporciona los mismos
resultados. Este tipo de contrastes se aplica
cuando deseamos comparar una variable en dos
situaciones o poblaciones diferentes, i.e.,
deseamos estudiar si existen diferencias en las
dos poblaciones respecto a la variable de
estudio.
- Consistente en comprobar si dos características
cualitativas están relacionadas entre sí, Aunque
conceptualmente difiere del anterior,
operativamente proporciona los mismos
resultados. Este tipo de contrastes se aplica
cuando deseamos comparar una variable en dos
situaciones o poblaciones diferentes, i.e.,
deseamos estudiar si existen diferencias en las
dos poblaciones respecto a la variable de
estudio.
- Prueba de Homogeneidad
- Pruebas para una muestra
Simple Chi-Cuadrado
- Prueba χ² de Pearson, Prueba binomial, 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
Kruskal-Wallis, Prueba de Kuiper, Prueba de
Mann-Whitney o prueba de Wilcoxon, Prueba
de McNemar, Prueba de la mediana, Prueba de
Siegel-Tukey, Prueba de los signos Coeficiente
de correlación de Spearman Tablas de
contingencia, Prueba de Wald-Wolfowitz,
Prueba de los rangos con signo de Wilcoxon
- Ventajas
Want to create your own Mind Maps for free with GoConqr? Learn more.