Está en la página 1de 5

PRUEBAS

PARAMETRICAS
NO PARAMETRICAS

Se conoce el modelo de distribución de


la población pero se desconoce un Sus métodos de distribución son libres,
número límite de datos o elementos no requieren conocer la distribución de
para poder realizar inferencias o la muestra su distribución se determina
deducciones sobre la población. con la independencia de la población.

Las pruebas no paramétricas son una


alternativa si no se puede usar las
pruebas paramétricas ¿Se utilizan?

SUPUESTOS Cuando los datos no cumplen los


requisitos para ser pruebas
paramétricas
Las observaciones se extraen de la población según lo normal
Normalidad
para el proyecto.
Permite conocer la forma de
Homocedasticidad La varianzas de los diferentes grupos tiene que ser iguales. distribución de la población

Los errores tienen que ser independientes entre sí y se


Errores distribuyen con medida cero y varianzas equivalentes.

Presenta una ecuación estructural, y composición aditiva de


Aditiva
las fuentes de variación

PARILLO ESCARSENA DEISY HAYEK 1


ACTUACIONES TOMA DE DECISIONES PRUEBAS DE BONDAD DE AJUSTE

Cuando se tenga unos datos hay que comprobar los supuestos de la


Se utiliza para contrastar si los datos de la muestra
pruebas paramétricas
proceden de una determinada distribución.

Normalidad
Pruebas de
normalidad
Se analizará si los datos de la variable tienen una
distribución normal
Gráficos: Test: Prueba:
(Q-Q) (Shapiro-
Wilks)
Gráficos Pruebas de
(Kolmogorov - smirnov) (Lillefors) para la
contraste
para variables aleatorias corrección del test
continuas kolmogorov- smirnov, sus
valores non menores que
ella.
Si se acepta Si se rechaza
Rangos, signos de
wilcoxon

Las observaciones se Cuando se ejecutan estas pruebas con el SPSS se


optaran por las pruebas Las observaciones se La mediana de dos obtiene el valor estadístico y valor de la
no paramétricas donde aplicara el contraste muestras de igual o probabilidad de contraste.
se plantean estos test paramétrico adecuado diferente forma
Se rechaza si la HO si el valor de probabilidad es < al
sobre la mediana para la hipótesis nivel de significación.
distribución:
U de Mann
Whitney

Para muestras
independientes

PARILLO ESCARSENA DEISY HAYEK 2


CARACTERIZACIÓN DE DISTRIBUCION POR SU FORMA

Los gráficos ayudan al investigador a juzgar si sus datos


proceden de una distribución normal

Gráficos para observar: SPSS Evaluar

Analizar, estadísticos NORMAL PROBABILITY PLOT


Probabilidad normal (P-P) plots
descriptivos y explorar

Cuantiles normales (Q-Q) plots GRAFICO Q-Q

En este sistema se puede


Histograma seleccionar los resultados Donde cada valor observado se empareja con
estadísticos con gráficos. su valor esperado dando una distribución
normal
Grafico de caja
Asimetría
Si la muestra extraída es de una población
Trabajan con datos normal ambos valores se encontraran en la
estandarizados y ordenados. misma línea
POSITIVA: cuando la NEGATIVA: cuando la
Evalúan mediante inspección
concentración de los casos concentración de los casos
visual la normalidad de las
está en los valores inferiores y está en los valores altos y la Cuando la distribución observada se ajusta a la
puntuaciones.
la cola extendida hacia cola alargada hacia valores teoría entonces se representa en una línea
valores grandes inferiores recta en diagonal.

Si en ajuste no es bueno entonces tomara


Regla si: otras formas. Como por ejemplo:
X = Md = Mo: la distribución es asimétrica.
X < Md < Mo: la distribución asimétrica es negativa.
X > Md > Mo: la distribución asimétrica es positiva Asimetría a la izquierda, derecha,
leptocurtica, platicurtica

PARILLO ESCARSENA DEISY HAYEK 3


PRUEBA DE NORMALIDAD

Evaluar Gráficos de distribución (Kolmogorov - smirnov) (Lillefors)

Ho: datos siguen una distribución Tabulo el k-s para el caso más
DETRENDED NORMAL PLOT Su principal ventaja es la normal habitual donde la media y la
interpretación sencilla de H1: datos no siguen una distribución varianza poblacional se estiman a
cualquier tipo de distribución. normal través de datos muéstrales
Si el valor estadístico supera un
Donde se muestran las determinado valor que depende de
desviaciones de los puntos la significación, no distribuye según
con relación a la línea recta Su principal inconveniente la una distribución normal El SPSS utiliza esta prueba
subjetividad de la modificada donde los valores
interpretación visual. críticos se obtienen aplicando la
Gráfico de caja de bigotes corrección de significación
propuesta por este autor
Cuando más larga sea la caja Pruebas de significación
y los bigotes mayor
variabilidad tiene los datos Es necesario realizar una trasformación a la variable ya que no se cumple el
Contrastar la hipótesis de la supuesto de normalidad de las observaciones de la variable medida
población (variables aleatorias)
Asimetría positiva: la
mediana está más cerca de
la parte inferior Los gráficos orientan sobre la
procedencia o no de la muestra
Asimetría negativa: la de una población
mediana está más cerca de
la parte superior

PARILLO ESCARSENA DEISY HAYEK 4


PRUEBA DE NORMALIDAD

Objetivo: que la variable adopte una Prueba: SPSS: VALORACION, EXAMINAR


distribución normal o al menos simetría AJUSTES DE LA DISTRIBUSION NORMAL
(Shapiro-Wilks)

Primero realizar el test k-s ya que nos indica si se Buscar el modelo teórico que puede
realiza o no la trasformación. representar el proceso de aprendizaje
Mide la fuerza del ajuste con una recta.
Utilizar los gráficos de tallos u hojas o la caja de Cuanto mayor sea el valor de este estadístico
bigotes para la representación de la simetría estas mayor desacuerdo habrá en la recta de la Comprueba el análisis la normalidad
nos indicaran la trasformación adecuada normalidad y rechazara a la Ho de la variable y la homogeneidad de las
varianzas
Sirve para muestras pequeñas (50).

TUNKEY ofrece la ESCALERA DE LAS TRASFORMACIONES Analiza e interpreta laos estadísticos


donde muestra el tipo de trasformación más adecuada y descriptivos
recomendada según sea la intensidad de la asimetría
Estudia la relación entre las
clasificaciones y la valoración de
Asimetría positiva: raíces Asimetría negativa: elevar confianza
cuadradas, logaritmos al cuadrado o al cubo.
Estudia la relación entre los datos

Muy raramente se conseguirá a la primera la


normalidad, serán necesaria variaos intentos Haz una interpretación conjunta de
lo más conveniente es trabajar con los datos todos los datos
de la variable original

PARILLO ESCARSENA DEISY HAYEK 5