Las pruebas estadísticas paramétricas y no paramétricas se diferencian por el tipo de datos que se

usan para analizar. Las pruebas paramétricas hacen muchas suposiciones, la más significativa de
las cuales es que los datos se distribuyen normalmente. Las pruebas no paramétricas hacen menos
suposiciones y hacen frente a los datos que no se distribuyen normalmente. Las pruebas
paramétricas generalmente tienen una mayor potencia estadística.

Las pruebas paramétricas  simplemente son procedimientos estadísticos que poseen ciertas
propiedades bajo supuestos valores generales y sin importar la población de la cual los datos han
sido obtenidos. Estos  son aplicables cuando la teoría de normalidad no puede ser utilizada, por
ejemplo cuando no se trabaja con magnitudes de observaciones sino con sus rangos.

Las pruebas no paramétricas pueden utilizarse como abreviaciones para pruebas más complicadas.
Son especialmente valiosas para datos no numéricos, como cuando los consumidores ordenan
cereales u otros productores de acuerdo con su preferencia.

Las pruebas no paramétrica es una rama de la estadística que estudia las pruebas y modelos
estadísticos, son las que, a pesar de basarse en determinadas suposiciones, no parten de la base
de que los datos analizados adoptan una distribución normal. Las pruebas no paramétricas  no
requieren asumir normalidad de la población y  en su mayoría se basan en el ordenamiento de los
datos, la población tiene que ser continua. Son técnicas estadísticas que no presuponen ningún
modelo probabilístico teórico. Son menos potentes que las técnicas paramétricas, aunque tienen
la ventaja que se pueden aplicar más fácilmente.

Las pruebas no paramétricas son, sin duda, las técnicas estadísticas más frecuentemente utilizadas
por analistas e investigadores en todo tipo áreas científicas, pero su utilidad se ve reducida,
fundamentalmente, por dos razones: por un lado, exigen el cumplimiento de algunos supuestos
que en ocasiones pueden resultar demasiado exigentes; por otro, obligan a trabajar con unos
niveles de medida que, especialmente en las ciencias sociales y de la salud, no siempre resulta fácil
alcanzar.

Los métodos no paramétricos se aplican a una gran variedad de situaciones, ya que no se requiere
que cumplan ciertas condiciones como lo es el de la distribución normal de los datos como es el
caso de los métodos paramétricos. Se aplican principalmente cuando empleamos datos
nominales, como es el caso en muchas de las respuestas que se emplean en las encuestas y en
muchas pruebas de psicología y pedagogía. Sus cálculos son más sencillos y nos permiten una
interpretación más fácil de entender y aplicar, aunque la potencia de las pruebas es menor a las
pruebas paramétricas.

Existen numerosos métodos de pruebas no paramétricas para escoger y seleccionar la que mejor
nos convenga dependiendo de la situación que deseemos plantear, todas ellas con una
característica en común, arrojan resultados que nos permite tomar las decisiones.

Prueba de Chicuadrado de Pearson

Rachas de pruebas

Prueba de los Signos

Prueba de Wilcoxon

Prueba U de Mann- Whitney

Prueba de Rachas de Wald- Wolfowitz, entre otras donde solo estaremos desarrollando y

analizando las más fundamentales.

Ventajas de las pruebas no paramétricas.

Por lo general, son fáciles de usar y entender. 

Se pueden usar con muestras pequeñas. 

Se pueden usar con datos cualitativos. 

Son convenientes cuando no se conoce la distribución de la población.

Desventajas de las pruebas no paramétricas.

A veces, ignoran, desperdician o pierden información.

No son tan eficientes como las pruebas paramétricas.

Llevan a una mayor probabilidad de no rechazar una hipótesis nula falsa (incurriendo en un error
de tipo II).

Utilizan menor información de la variable