Alexandra Marie Serrano Martinez

A000004724

Resumen

Mtro. Isaí Gamaliel Sánchez Linares

Neg. Internacional y Admin. De empresas

La prueba de hipótesis es uno de los conceptos más importantes en Estadística que es muy utilizado
por Estadísticos, Ingenieros de aprendizaje automático, y Científicos de datos.
En la prueba de hipótesis, las pruebas estadísticas se utilizan para comprobar si la hipótesis nula es
rechazado o no rechazado. Estas Pruebas estadísticas asumir una nula hipótesis de ninguna relación o
ninguna diferencia entre los grupos.
El principio básico detrás de las pruebas paramétricas es que tenemos un conjunto fijo de parámetros que
se utilizan para determinar un modelo probabilístico que también se puede utilizar en Machine
Learning.Las pruebas paramétricas son aquellas pruebas para las que tenemos un conocimiento previo de
la distribución de la población (es decir, normal), o si no es así, podemos aproximarla fácilmente a una
distribución normal, lo cual es posible con la ayuda del Teorema del límite central.

Los parámetros para usar la distribución normal son:

La clasificación de una prueba como paramétrica depende completamente de los supuestos de la

población. Hay muchas pruebas paramétricas disponibles, algunas de las cuales son las siguientes:

 Para encontrar el intervalo de confianza para las medias poblacionales con la ayuda de la
desviación estándar conocida.
 Determinar el intervalo de confianza para las medias poblacionales junto con la desviación
estándar desconocida.
 Encontrar el intervalo de confianza para la varianza de la población.
 Encontrar el intervalo de confianza para la diferencia de dos medias, con un valor de desviación
estándar desconocido.
 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

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.

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.