¿Qué son las pruebas paramétricas?

Las pruebas paramétricas son una herramienta estadística que se utiliza para el análisis de los factores de la población.
Esta muestra debe cumplir ciertos requisitos como el tamaño, ya que mientras más grande sea, más exacto será el cálculo.
Este método requiere que se especifique la forma de distribución de la población materna estudiada. Puede tratarse, por
ejemplo, de una distribución normal, como ocurre en general cuando se trata de muestras de gran tamaño. En general,
estas pruebas sólo pueden aplicarse a variables numéricas.
Las pruebas paramétricas están basadas en la ley de distribución de la variable que se estudia. A pesar de que existen
muchos tipos de leyes de distribución, éstas se basan en las normales, que tiene dos parámetros: la media y la desviación
estándar. Lo suficiente para conocer la probabilidad.
Condiciones que deben cumplir las pruebas paramétricas
Una prueba paramétrica debe cumplir con los siguientes elementos:

 Normalidad: El análisis y observaciones que se obtienen de las muestras deben considerarse normales. Para esto
se deben realizar pruebas de bondad de ajuste donde se describe que tan adaptadas se encuentran las
observaciones y cómo discrepan de los valores esperados.
 Homocedasticidad: Los grupos deben presentar variables uniformes, es decir, que sean homogéneas.
 Errores: Los errores que se presenten deben de ser independientes. Esto solo sucede cuando los sujetos son
asignados de forma aleatoria y se distribuyen de forma normal dentro del grupo.
Tipos de pruebas paramétricas:
 Prueba del valor Z de la distribución normal
 Prueba T de Student para datos relacionados (muestras dependientes)
 Prueba T de Student para datos no relacionados (muestras independientes)
 Prueba T de Student-Welch para dos muestras independientes con varianzas no homogéneas
 Prueba de Ji Cuadrada de Bartlett para demostrar la homogeneidad de varianzas
 Prueba F (análisis de varianza o ANOVA).
Ventajas y desventajas de las pruebas paramétricas
Algunas de las ventajas de las pruebas paramétricas son:

 Son más eficientes.

 Son perceptibles a las características de la información obtenida.
 Los errores son muy poco probables
 Los cálculos probabilísticos son muy exactos
Las desventajas de las pruebas paramétricas son:

 Los cálculos son difíciles de realizar

 Los datos que se pueden observar son limitados
Las pruebas paramétricas son una herramienta útil para múltiples situaciones, cálculo e interpretaciones.
Gracias a que se utilizan comúnmente, es posible observar los resultados obtenidos a través de un análisis. Son un método
muy poderoso si se cumplen las condiciones de su aplicación. Sin embargo, los investigadores deben tener en cuenta que
si las variables que están estudiando no siguen una ley normal, no pueden elegirse.
Quizá te interese leer: Estrategias de marketing: El Chi-cuadrado, los Residuos Corregidos y los Mapas Perceptuales
significan ventas.

Yáñez Cortés Pedro David 1353

¿Qué son las pruebas no paramétricas?
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 una organización normal. Generalmente, las pruebas no paramétricas
contienen resultados estadísticos que provienen de su ordenación, lo que las vuelve más fáciles de comprender.
Las pruebas no paramétricas tienen algunas limitaciones, entre ellas se encuentra que no son lo suficientemente fuertes
cuando se cumple una hipótesis normal. Esto puede provocar que no sea rechazada, aunque sea falsa. Otra de sus
limitaciones es que necesitan que la hipótesis se cambie cuando la prueba no corresponde a la pregunta del procedimiento
si la muestra no es proporcional.
Algunas de las características de las pruebas no paramétricas son:
Es un método de medición difícil de aplicar.
Es necesario realizar pruebas de hipótesis.
Las hipótesis son estrictas.
Las observaciones deben de ser independientes.
Tipos de pruebas no paramétricas y sus aplicaciones
Los tipos de pruebas no paramétricas son:
 Prueba de signos de una muestra
 Prueba de los rangos con signo de Wilcoxon
 Prueba U de Mann-Whitney
 Prueba de Kruskal-Wallis
 Prueba de la mediana de Mood
 Prueba de Friedman
Ventajas de las pruebas no paramétricas
Las ventajas de las pruebas no paramétricas son:
 Pueden utilizarse en diferentes situaciones, ya que no deben de cumplir con parámetros estrictos.
 Generalmente, sus métodos son más sencillos, lo que las hace más fácil de entender.
 Se pueden aplicar en datos no numéricos.
 Facilita la obtención de información particular más importante y adecuada para el proceso de investigación.
Desventajas de las pruebas no paramétricas
Las desventajas de las pruebas no paramétricas son:
 No son pruebas sistemáticas.
 La distribución varía, lo que complica seleccionar la elección correcta.
 Los formatos de aplicación son diferentes y provoca confusión.
 Es posible que se pierda información porque los datos recolectados se convierten en información cualitativa.
 Es posible que se necesite tener fuentes y un respaldo con más peso.
Este tipo de estadísticas se pueden utilizar sin el tamaño de la muestra o la estimación de cualquier parámetro relacionado
del que no se tenga información. Dado que las suposiciones son menores, pueden aplicarse de múltiples formas.

Yáñez Cortés Pedro David 1353

Diferencias entre las pruebas no paramétricas y las pruebas paramétricas
Las pruebas no paramétricas son aquellas que se encargan de analizar datos que no tienen una distribución particular y
se basan una hipótesis, pero los datos no están organizados de forma normal. Aunque tienen algunas limitaciones, cuentan
con resultados estadísticos ordenados que facilita su comprensión.
Las pruebas paramétricas, en cambio, 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.
Diferencias entre las pruebas no paramétricas y las pruebas paramétricas
Pruebas no paramétricas Pruebas paramétricas
Mayor potencia estadística. Menor potencia estadística.
Se aplican en variables categóricas. Se aplican en variables normales o de intervalo.
Se utilizan para muestras pequeñas. Se utilizan para muestras grandes.
No se conoce la forma de distribución de datos. Su distribución de datos es normal.
No hacen muchas suposiciones. Hacen muchas suposiciones.
Exigen una menor condición de validez. Exigen mayor condición de validez.
Mayor probabilidad de errores. Menor probabilidad de errores.
El cálculo es menos complicado de hacer. El cálculo es complicado de hacer.
Las hipótesis se basan en rangos, mediana y frecuencia Las hipótesis se basan en datos numéricos.
de datos.
Los cálculos no son exactos. Los cálculos son demasiado exactos.
Considera los valores perdidos para obtener información. No toma en cuenta los valores perdidos para obtener
información.
Mayor potencia estadística. Menor potencia estadística.
Se aplican en variables categóricas. Se aplican en variables normales o de intervalo.

Antes de aplicar las pruebas no paramétricas o las pruebas paramétricas es importante conocer aspectos como el objetivo
de la investigación, el tamaño de la población y la escala que se utilizará para medir lo datos.
Es probable que los datos no cumplan con los requisitos que requiere una prueba paramétrica y se tenga que elegir una
no paramétrica, es decir, que el tamaño de la muestra sea pequeño o que la distribución no sea normal.
Otro factor que es necesario considerar es que las pruebas paramétricas pueden utilizar una distribución anormal, pero
una no paramétrica tiene supuestos sumamente estrictos que no pueden ignorarse.
Por último, si el tamaño de la muestra es pequeño, lo más seguro es que no se consigan los resultados si se utiliza una
prueba no paramétrica. Cuando la población no es realmente grande las probabilidades de identificar un efecto
significativo son menores.

Yáñez Cortés Pedro David 1353