ESTADISTICA INFERENCIAL

SESION 6 CORRELACION SPERMAN

PARAMETRICAS
Docente: Mg. Ing. Salvador Ortega
1
 ESTADISTICA PARAMETRICA
 LAS PRUEBAS PARAMÉTRICAS

1. Se conoce el modelo de distribución de la población objeto

de estudio y se desconoce un número finito de parámetros
de dicha distribución que hay que estimar con los datos de la
muestra.

2. Requieren conocer la distribución de la muestra para

poder realizar inferencias sobre la población.

2
 ESTADISTICA NO
PARAMETRICA
 LAS PRUEBAS NO PARAMÉTRICAS

 1. Son métodos de distribución libre. No requieren conocer

la distribución de la muestra.

 2. Se utilizan estadísticos cuya distribución se determina

con independencia de cuál sea la distribución de la
población.

3
 ESTADISTICA NO
PARAMETRICA
 ¿ PARA QUE SE UTILIZAN ?
 1. Son una alternativa a las pruebas paramétricas cuando
los datos no cumplen los requisitos de las pruebas
paramétricas.

 2. Permiten conocer cómo es la forma de la distribución de

la población de la que se ha extraído la muestra.
Contrastes de Bondad de Ajuste para conocer la forma de
la población que ha originado la muestra.

4
 SUPUESTOS DE LAS PRUEBAS PARAMÉTRICAS

1. Normalidad. Las observaciones se extraen de poblaciones

distribuidas según la Normal para cada grupo. Pruebas de
bondad de ajuste.

2. Respecto a los errores:

A. Los errores son independientes entre sí.
B. Se distribuyen según na Normal dentro de cada
población del grupo N(0, s2). Es decir, con media cero y
varianzas equivalentes.

3. La ecuación estructural del modelo refleja una composición

aditiva de las fuentes de variación.

5
 TOMA DE DECISIONES

 Actuaciones:
1. Si se acepta la normalidad de las observaciones entonces se
aplicará el contraste paramétrico adecuado para la hipótesis.
2. Si se rechaza la normalidad de las observaciones entonces se
optará por aplicar pruebas no paramétricas donde los test se
plantean sobre la mediana de la distribución:
A. Test de los rangos signos de Wilcoxon para una muestra.
Contrasta la mediana de la muestra con la mediana
poblacional. También permite contrastar la mediana de dos
muestras pareadas.
B.Test U de Mann-Whitney para muesstras independientes

6
 CARACTERIZACION DE LA DISTRIBUCION POR SU FORMA

7
ESTADISTICA NO PARAMETRICA

Las medias, desviaciones

estándar y probabilidades
son llamadas parámetros
y los métodos que hacen
suposiciones acerca de
esos parámetros se
llaman Métodos
Estadísticos
Paramétricos.
Fuente: estadistica.bio.ucm.es, 2013

8
ESTADISTICA NO PARAMETRICA

Por lo tanto, los métodos de Estadística

Inferencial son llamados Métodos
Estadísticos Paramétricos porque ellos
son basados en muestreo de una
población con parámetros específicos
como la media (μ), la desviación
estándar (σ) o la proporción (p).
9
 ESTADISTICA NO PARAMETRICA
Comparación de pruebas paramétricas y no paramétricas
Eficiencia de la
Prueba Prueba no
Aplicación Prueba no
Paramétrica Paramétrica Paramétrica
Prueba del Signo 0.63
Dos muestras
Prueba t Prueba de Rangos 0.95
dependientes
Prueba z con signo de
(datos preados)
Wilcoxon
Prueba de Suma
Dos muestras Prueba t
de Rangos de 0.95
independientes Prueba z
Mann Whitney
Varias muestras Análisis de Prueba de Kruskal
0.95
independientes Varianza (ANOVA) Wallis
Prueba de
Correlación lineal
Correlación Correlación de 0.91
(CL)
Rangos

10
ESTADISTICA NO PARAMETRICA
Comparación de pruebas paramétricas y no paramétricas
Análisis Paramétrico No paramétrico
Describir un grupo ,  2 Mediana, rango
Comparar un grupo a t Student de una
Prueba Wilcoxon
un valor muestra
Comparar medias en t Student de dos
Mann-Whitney
2 grupos muestras
Comparar medias en
t Student apareada Prueba Wilcoxon
2 grupos apareados

Comparar medias en
ANOVA Kruskal-Wallis
3 o mas grupos
Correlación entre dos
Pearson (lineal) Spearman
variables
11
ESTADISTICA NO PARAMETRICA

¿Cómo elegir entre métodos paramétricos

y no paramétricos?
1. El análisis de varianza es una
metodología paramétrica debido a que
se basa en las estimaciones de los
parámetros de dos o más poblaciones.
2. Cuando los supuestos de los métodos
paramétricos se sostienen, estas
pruebas son las más poderosas.

12
ESTADISTICA NO PARAMETRICA

¿Cómo elegir entre métodos paramétricos

y no paramétricos?
3. Cuando la población desde la cual fueron
tomados los datos no tiene distribución normal
o no es compatible con otros supuestos como
por ejemplo la igualdad de varianza entre los
grupos de tratamiento, la media y la
desviación estándar ya no son confiables
como descriptores de la población y los
métodos paramétricos dejan de ser
confiables.
13
ESTADISTICA NO PARAMETRICA

¿Cómo elegir entre métodos paramétricos

y no paramétricos?
4. En la práctica se pueden utilizar
métodos no paramétrico cada vez que el
tamaño de las muestras es pequeño y
por lo tanto no hay garantía de que los
estimadores tengan distribución normal.

14
ESTADISTICA NO PARAMETRICA

¿Cómo se aplican estas pruebas?

1. Realizar una transformación a los datos
originales, convirtiéndolos en rangos, valores
positivo o negativo, etc.
2. Con los datos transformados, calcular un
estadístico con base en los datos (a veces
también se calcula su promedio y error estándar).
3. Con el estadístico y los parámetros calculados,
realizar una prueba de hipótesis de acuerdo a una
cierta distribución paramétrica (Normal, Ji-
cuadrado, Binomial, etc.).

15
ESTADISTICA NO PARAMETRICA

¿Cómo se aplican estas pruebas?

Dos de las herramientas más básicas en las que se
basan muchas de estas Pruebas Estadísticas No
Paramétricas son:
1. Conteos: Varias técnicas no paramétricas
requieren el conteo; es decir, las frecuencias de
ocurrencia de las observaciones.
 Basta contar el número de veces que una
observación se repite.
 Tiene mucho sentido en variables
categóricas y en su ubicación por arriba
de la mediana.
16
ESTADISTICA NO PARAMETRICA

¿Cómo se aplican estas pruebas?

2. Rangos o transformaciones en rangos:
 La clave es ordenar los datos y ver cada
valor en qué posición queda.
 Hay que tomar en cuenta los datos que se
empatan.
 Tiene mucho sentido en variables continuas
para ver si los grupos son diferentes.

17
ESTADISTICA NO PARAMETRICA
Bibliografía
• De Oteysa, E., Lam, E., Hernández, C., y Carrillo, A. (2015).
Probabilidad y Estadística. México: Pearson. ISBN: 978-607-
32-3401-6.
• Devore, J. (2012). Probabilidad y Estadística para Ingeniería
y Ciencias. México: Cengage. ISBN-978-607-481-619-8.
• Garza O., B. (2014). Estadística y Probabilidad. México:
Pearson. ISBN: 978-607-32-2783-4.
• Gutiérrez B., A. L. (2012). Probabilidad y Estadística, un
enfoque por competencias. México: McGraw Hill. ISBN978-
607-15-0712-9.
• Gutiérrez P., H., y De la Vara S., R. (2013). Análisis y Diseño
de Experimentos. México: Mc Graw Hill. ISBN-13: 978-970-
10-6526-6.
18
ESTADISTICA NO PARAMETRICA
Bibliografía
• Johnson, R. A. (2012). Probabilidad y Estadística para
Ingenieros de Miller y Freud. México: Pearson. ISBN: 978-
607-32-0799-7.
• Mongomery, C. D. (2003). Diseño y Análisis de
Experimentos. México: Iberoamericana.
• Triola, M. F. (2009). Estadística. México: Pearson Educación.
ISBN: 978-970-26-1287-2.
• Walpole, R. E. y Myers, R. H. (2014). Probabilidad y
Estadística para Ingeniería y Ciencias. México: Pearson
Educación. ISBN: 978-670-32-1417-9.
• Kuehl, R. O. (2001). Diseño de Experimentos. México:
Thomson.
• Conchran, W. G. y Cox., G. M. (1981). Diseños
Experimentales. México: Trillas.
19
TRABAJO 3
 Siguiente Clase Practica Dirigida 2

 Practicar problemas en clase desarrollado

20