CUADRO COMPARATIVO

ESTADISTICA PARAMETRICA Y NO PARAMETRICA

Estadística Paramétrica Estadística NO Paramétrica

DEFINICION: DEFINICION:
Las pruebas paramétricas, en cambio, se basan en las leyes de distribución normal para analizar los elementos de Las pruebas no paramétricas son aquellas que se encargan de analizar datos que no tienen una distribución
una muestra. Generalmente, solo se aplican a variables numéricas y para su análisis debe mantener una población particular y se basan una hipótesis, pero los datos no están organizados de forma normal. Aunque tienen algunas
grande, ya que permite que el cálculo sea más exacto. limitaciones, cuentan con resultados estadísticos ordenados que facilita su comprensión.

El cálculo de sus datos implica una estimación de los parámetros de la población con base en muestras estadísticas. Estudia las pruebas y modelos estadísticos cuya distribución subyacente no se ajusta a los llamados criterios
Mientras más grande sea la muestra más exacta será la estimación, mientras más pequeña, más distorsionada será paramétricos.
la medida de las muestras por los valores raros externos. No puede ser definida a priori.
Se hace recomendable cuando no se puede asumir que los datos se ajusten a una distribución conocida.

Las pruebas paramétricas más utilizadas son (HFB2). Los métodos o pruebas estadísticas no paramétricas más utilizadas son:
-coeficiente de correlación de Pearson y regresión lineal. -La ji cuadrada de correlación e independencia para tabulaciones cruzadas.
-Prueba t -Los coeficientes de correlación para rangos ordenados de Spearman y Kendall.
-Prueba de contraste de las diferencias de proporciones.
-Análisis de varianza unidireccional (ANOVA en un solo sentido o oneway).
-Análisis de varianza factorial
-Análisis de covarianza

Las pruebas paramétricas asumen los parámetros de la distribución de la variable (media y varianza) y un tipo de Las pruebas no paramétricas no asumen los parámetros de distribución, ni se preocupa por el tipo de distribución,
distribución normal. sino trabajan con simple ordenación y recuento a los valores de la variable sin importar la distribución.

Tipos de datos: Tipos de datos:

-Se hacen muchas suposiciones. -Menos suposiciones.
-Los datos se distribuyen normalmente. -Datos que no se distribuyen normalmente.
-Mayor potencia estadística. -Menor potencia estadística.
Parámetros estadísticos: Parámetros Estadísticos:
-Parámetros que se distribuyen normalmente. No hacen uso de estos parámetros estadísticos.
-La media, la varianza, la desviación estándar, la asimetría, etc.

Ventajas Ventajas:
-Son más eficientes -Pueden utilizarse en diferentes situaciones, ya que no deben cumplir con parámetros estrictos.
Son perceptibles a las características de la información obtenida. -Generalmente, sus métodos son más sencillos, lo que las hace más fácil de entender.
-Los errores son muy poco probables. -Se pueden aplicar en datos no numéricos.
-Los cálculos probalísticos son muy exactos. -Facilita la obtención de información particular más importante y adecuada para el proceso de investigación.

Desventajas: Desventajas:
-Los cálculos son difíciles de realizar. -No son pruebas sistemáticas.
-Los datos que se pueden observar son limitados. -La distribución varia, 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.

Características: Características:
La mayoría de procedimientos paramétricos requiere conocer la forma de distribución para las mediciones Las pruebas no paramétricas reúnen las siguientes características:
resultantes de la población estudiada. -Son más fáciles de aplicar.
Para la interferencia paramétrica es requerida como mínimo una escala de intervalo, esto quiere decir que nuestros -Son aplicables a los datos jerarquizados.
datos deben tener un orden y una numeración del intervalo. -Se pueden utilizar cuando dos series de observaciones provienen de distintas poblaciones.

Supuestos:
Se conoce el modelo de distribución de la población objeto de estudio, y se desconoce un numero finito de
parámetros de dicha distribución que hay que estimar con los datos de la muestra.
Requieren conocer la distribución de la muestra para poder realizar interferencias sobre la población.
Supuestos:
Son métodos de distribución libre, no requieren conocer la distribución de la muestra.
Se utilizan estadísticos cuya distribución se determina con independencia de cuál sea la distribución de la población.
Son una alternativa para las pruebas paramétricas cuando los datos no cumplen los requisitos de las pruebas
paramétricas.

Escalas de medición: Escalas de medición:

-Variables cuantitativas. -Variables cualitativas, ordinal y nominal.
-Tipos de distribución de los datos. -Variables, cuantitativas descontinuos.
-Distribución normal. -Variables cuantitativas continuas.
-Tipos de distribución de los datos.
Sin distribución normal.

Dana Paola Salvador Morales

Lic. Administración