0 calificaciones0% encontró este documento útil (0 votos)
13 vistas2 páginas
Este documento describe las diferencias entre la estadística paramétrica y no paramétrica. La estadística paramétrica se basa en distribuciones conocidas determinadas por parámetros, mientras que la estadística no paramétrica estudia modelos cuyas distribuciones no se ajustan a criterios paramétricos. Luego enumera varias pruebas estadísticas no paramétricas y discute sus ventajas como su simplicidad, y desventajas como la pérdida de información.
Este documento describe las diferencias entre la estadística paramétrica y no paramétrica. La estadística paramétrica se basa en distribuciones conocidas determinadas por parámetros, mientras que la estadística no paramétrica estudia modelos cuyas distribuciones no se ajustan a criterios paramétricos. Luego enumera varias pruebas estadísticas no paramétricas y discute sus ventajas como su simplicidad, y desventajas como la pérdida de información.
Este documento describe las diferencias entre la estadística paramétrica y no paramétrica. La estadística paramétrica se basa en distribuciones conocidas determinadas por parámetros, mientras que la estadística no paramétrica estudia modelos cuyas distribuciones no se ajustan a criterios paramétricos. Luego enumera varias pruebas estadísticas no paramétricas y discute sus ventajas como su simplicidad, y desventajas como la pérdida de información.
La estadística paramétrica es una rama de la estadística inferencial que comprende los procedimientos estadísticos y de decisión que están basados en distribuciones conocidas. Estas son determinadas usando un número finito de parámetros. 2.defina la estadística no paramétrica. La estadística no paramétrica es una rama de la estadística que estudia las pruebas y modelos estadísticos cuya distribución subyacente no se ajusta a los llamados criterios paramétricos. Su distribución no puede ser definida a priori, pues son los datos observados los que la determinan. 3.cuales son las características de la estadística no paramétrica? 1) son más fáciles de aplicar 2) son aplicables a los datos jerarquizados 3) se pueden usar cuando dos series de observaciones provienen de distintas poblaciones 4) son la única alternativa cuando el tamaño de muestra es pequeño 4.cuales son las pruebas no paramétricas? Se clasifican en los siguientes, *Pruebas no paramétricas de una muestra: -Prueba de Chi-cuadrado de Pearson -Prueba Binomial -Prueba de Rachas -Prueba de Kolmogórov-Smirnov (K-S) *Pruebas no paramétricas para dos muestras relacionadas: -Prueba de McNemar -Prueba de los Signos -Prueba de Wilcoxon *Pruebas no paramétricas para K-muestras relacionadas: -Prueba de Friedman -Prueba de Cochran -Coeficiente de concordancia de W de Kendall *Pruebas no paramétricas para dos muestras independientes: -Prueba U de Mann-Whitney -Prueba de Kolmogórov-Smirnov -Prueba de Rachas de Wald-Wolfowitz -Prueba de reacciones extremas de Moses *Pruebas no paramétricas para K-muestras independientes: -Prueba de la Mediana -Prueba de Jonckheere-Terpstra -Prueba H de Kruskal-Wallis 5.cuales son las ventajas de las pruebas no paramétricas? 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. 6.cuales son las desventajas de las pruebas no paramétricas? 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. 7.Realice un cuadro sinóptico sobre las pruebas no paramétricas: