3176110
Description
Mind Map by Carlos Pedraza, updated more than 1 year ago
|
Created by Carlos Pedraza
over 9 years ago
|
|
Pruebas parametricas y no
parametricas
- se diferencian por el tipo de datos que se usan para analizar
- su cálculo implica una estimación de los parámetros de la población con base en muestras estadísticas. Mientras
más grande sea la muestra más exacta será la estimación, mientras más pequeña, más distorsionada será la
media de las muestras por los valores raros extremos.
- Los análisis paramétricos partes de los siguientes supuestos:
- 1. La distribución poblacional de la variable dependiente es normal: el universo tiene distribución normal.
2. El nivel de medición de las variables es por intervalos de razón. 3. Cuando dos o más poblaciones son
estudiadas, tienen una varianza homogénea: las poblaciones en cuestión poseen una dispersión similar en
sus distribuciones.
- Las pruebas paramétricas más utilizadas son (HFB2):
- Coeficiente de correlación de Pearson y
regresión lineal.
- Prueba t
- Prueba de contraste de las diferencias de proporciones.
- Análisis de varianza unidireccional (ANOVA en un solo sentido o oneway)
- Análisis de Varianza factorial (ANOVA)
- Análisis de covarianza (ANCOVA)
- Coeficiente de correlación de Pearson y
regresión lineal.
- Las pruebas paramétricas más utilizadas son (HFB2):
- 1. La distribución poblacional de la variable dependiente es normal: el universo tiene distribución normal.
2. El nivel de medición de las variables es por intervalos de razón. 3. Cuando dos o más poblaciones son
estudiadas, tienen una varianza homogénea: las poblaciones en cuestión poseen una dispersión similar en
sus distribuciones.
- PRUEBAS PARAMETRICAS
- Los análisis paramétricos partes de los siguientes supuestos:
- Son aquellas que no presuponen una distribución de probabilidad para los datos, por ello se conocen
también como de distribución libre.
- En la mayor parte de ellas los resultados estadísticos se derivan únicamente a partir de
procedimientos de ordenación y recuento, por lo que su base lógica es de fácil comprensión.
- Cuando se trabaja con muestras pequeñas (n < 10) en las que se desconoce si es válido suponer la
normalidad de los datos, conviene utilizar pruebas no paramétricas, al menos para corroborar los
resultados obtenidos a partir de la utilización de la teoría basada en la normal.
- Ventajas
- 1.- Pueden ser aplicados a una amplia variedad de situaciones porque ellos no tienen los
requisitos rígidos de los métodos paramétricos correspondientes. En particular, los métodos
no paramétricos no requieren poblaciones normalmente distribuidas. 2.- Pueden
frecuentemente ser aplicados a datos no numéricos, tal como el género de los que contestan
una encuesta. 3.- Los métodos no paramétricos usualmente involucran simples
computaciones que los correspondientes en los métodos paramétricos y son por lo tanto,
más fáciles para entender y aplicar.
- Las pruebas No Parametricas mas utilizadas son:
- La ji cuadrada o x2 ·
- Los coeficientes de correlación en independencia para tabulaciones cruzadas.
- Los coeficientes de correlación por rangos ordenados de
Spearman y Kendall
- La ji cuadrada o x2 ·
- Las pruebas No Parametricas mas utilizadas son:
- 1.- Pueden ser aplicados a una amplia variedad de situaciones porque ellos no tienen los
requisitos rígidos de los métodos paramétricos correspondientes. En particular, los métodos
no paramétricos no requieren poblaciones normalmente distribuidas. 2.- Pueden
frecuentemente ser aplicados a datos no numéricos, tal como el género de los que contestan
una encuesta. 3.- Los métodos no paramétricos usualmente involucran simples
computaciones que los correspondientes en los métodos paramétricos y son por lo tanto,
más fáciles para entender y aplicar.
- Desventajas
- 1.- tienden a perder información
porque datos numéricos exactos son frecuentemente
reducidos a una forma cualitativa. 2. Las pruebas no
paramétricas no son tan eficientes como las pruebas
paramétricas, de manera que con una prueba no
paramétrica generalmente se necesita evidencia más fuerte
(así como una muestra más grande o mayores diferencias)
antes de rechazar una hipótesis nula. Cuando los requisitos
de la distribución de una población son satisfechos, las
pruebas no paramétricas son generalmente menos eficientes
que sus contrapartes paramétricas, pero la reducción de
eficiencia puede ser compensada por un aumento en el
tamaño de la muestra.
- 1.- tienden a perder información
porque datos numéricos exactos son frecuentemente
reducidos a una forma cualitativa. 2. Las pruebas no
paramétricas no son tan eficientes como las pruebas
paramétricas, de manera que con una prueba no
paramétrica generalmente se necesita evidencia más fuerte
(así como una muestra más grande o mayores diferencias)
antes de rechazar una hipótesis nula. Cuando los requisitos
de la distribución de una población son satisfechos, las
pruebas no paramétricas son generalmente menos eficientes
que sus contrapartes paramétricas, pero la reducción de
eficiencia puede ser compensada por un aumento en el
tamaño de la muestra.
- Ventajas
- Cuando se trabaja con muestras pequeñas (n < 10) en las que se desconoce si es válido suponer la
normalidad de los datos, conviene utilizar pruebas no paramétricas, al menos para corroborar los
resultados obtenidos a partir de la utilización de la teoría basada en la normal.
- PRUEBAS NO PARAMETRICAS
- En la mayor parte de ellas los resultados estadísticos se derivan únicamente a partir de
procedimientos de ordenación y recuento, por lo que su base lógica es de fácil comprensión.
- su cálculo implica una estimación de los parámetros de la población con base en muestras estadísticas. Mientras
más grande sea la muestra más exacta será la estimación, mientras más pequeña, más distorsionada será la
media de las muestras por los valores raros extremos.
- Pedraza Cuevas Juan Carlos
Want to create your own Mind Maps for free with GoConqr? Learn more.