MÉTODOS PARAMÉTRICOS Y NO PARAMÉTRICOS

LOREM IPSUM INFOGRAphic

MÉTODOS ESTADÍSTICOS PARAMÉTRICOS Y NO PARÁMETRICOS

ADRIANA DE JESÚS MONTES DE OCA

Métodos estadísticos paramétricos

Es aquella que utiliza cálculos y procedimientos asumiendo que conoce cómo se distribuye la variable aleatoria a estudiar. entonces, hacereferencia a una parte de la inferencia estadística que utiliza estadísticos y criterios de resolución fundamentados en distribuciones conocidas.

+info

MÉTODOS ESTADÍSTICOS NO PARAMÉTRICOS

Hacen inferencias donde los parametros no son conocidos o no se sabe el comportamiento de la distribución. Es así, que en ocasiones deben suponerse valores poblacionales; conocidos como hipótesis nula e hipotesis alternativa. Sin embargo, no están exentas de supuestos y por eso se requiere que sean de muestras aleatorias independientes.

+info

PARAMÉTRICOS VS NO PARAMÉTRICOS

LOREM IPSUM INFOGRAphic

MÉTODOS ESTADÍSTICOS PARAMÉTRICOS Y NO PARÁMETRICOS

ADRIANA DE JESÚS MONTES DE OCA

Métodos estadísticos paramétricos

Ventajas

Tipos

MÉTODOS ESTADÍSTICOS NO PARAMÉTRICOS

Ventajas

Escalas

Tipos

CONTRAS DEL USO DE LOS MÉTODOS

PARÁMÉTRICOS

NO PARÁMÉTRICOS

- No son pruebas sitemáticas. - La distribución varia, complicando la selección de eleccion correcta. - Los formatos de aplicacion son distintos. - Susceptibles a la pérdida información.

- Son más difíciles de calcular. - Presentan limitaciones en los tipos de datos que se pueden evaluar. - Se ven aefctadas por los valores atípicos como los datos ordinales .

La ventaja de usar una prueba paramétrica en lugar de una no paramétrica consiste en que la primera tiene más potencia estadística que la segunda. En otras palabras, una prueba paramétrica tiene mayor capacidad para conducir a un rechazo de H0. La mayoría de las veces, el valor p asociado a una prueba paramétrica es menor que el valor p asociado a su equivalente no paramétrica ejecutada sobre los mismos datos.

- Prueba t de una muestra- - Prrueba t de dos muestras. - DOE factorial con un factor y una variable de bloque.

- Necesita tener fuentes e información con bastante peso. - No utiliza tanta información de las variables. - Un tamaño pequeño de muestra puede ocasionarf que no se obtenga un resultado significativo con la prueba.

- Las pruebas no paramétricas son más robustas que las paramétricas; siendo válidas en un rango más amplio de situaciones (exigen menos condiciones de validez). - Son más fáciles de aplicar - Simplicidad en el cálculo de las mismas, ya que los cálculos matemáticos son mínimos. - Se basan principalmente en un orden de acuerdo a las puntuaciones asignadas, por lo que son aplicables a datos jerarquizados. - Se pueden usar cuando dos series de observaciones provienen de distintas poblaciones - Se utiliza la mediana como medida de posición, y se puede ubicar rápidamente en una serie de datos. - Son la mejor alternativa cuando el tamaño de la muestra es pequeño. - Son útiles a un nivel de significancia previamente especificado.

- Del signo. - T de Wilcoxon. - U de Mann-Whitney. - Kruskal Wallis. - Rachas.

Las pruebas no paramétricas tienen las siguientes limitantes: - Son generalmente menos potentes que las pruebas paramétricas, por lo tanto la probabilidad de que se rechace la hipótesis nula cuando es falsa es menor. - Es común que se modifique la hipótesis con mayor frecuencia. Es decir, se encargan de analizar datos que no tienen una distribución particular y se basan en una hipótesis, pero los datos no están organizados de forma normal. Aunque tienen algunas limitaciones, cuentan con resultados estadísticos ordenados que facilita su comprensión.

Deben cumplir con algunas condiciones de validez, de modo que el resultado de la prueba paramétrica sea fiable, siendo así más conocida y popular . Se basan en las leyes de distribución normal para analizar los elementos de una muestra. Generalmente, solo se aplican a variables numéricas y para su análisis debe mantener una población grande, ya que permite que el cálculo sea más exacto.

Todos los datos son generados por 4 escalas de medición y por ello es que todos los análisis estadísticos se realizan con los datos dados por las escalas, siendo: 1. Escala nominal 2. Escala ordinal 3. Escala de intervalo 4. Escala de razón