PRUEBAS ESTADISTICAS PARAMETRICAS Y NO

PARAMETRICAS
Pruebas estadísticas paramétricas y no paramétricas Las pruebas estadísticas
se clasifican en paramétricas y no paramétricas. Las paramétricas presumen
que la distribución de la frecuencia por clase o intervalos es normal. Por lo
general, estas distribuciones se logran con tamaños de muestras de 30 o más
unidades. Para comprobar la normalidad de los datos, se deben organizar y
luego presentar su distribución en un histograma. También se pueden
relacionar las medidas de tendencia central. Las no paramétricas se utilizan
cuando no hay evidencia de una distribución normal.

Utilidad y descripción de las pruebas no paramétricas

La estadística no paramétrica se aplica cuando no tenemos evidencia de una
distribución normal en los datos organizados por clases. Por lo general, ocurre
en tamaños de muestras menores de 30 unidades y en niveles de datos
nominales y ordinales. La mediana es la medida de tendencia central
mayormente utilizada en este tipo de estadística.

Utilidad de pruebas no paramétricas

 PRUEBA DE NORMALIDAD

La prueba de normalidad permite detectar si hay alguna evidencia que vaya en

contra de la simetría de los datos o de una distribución normal. Esta prueba
compara el sesgo, la curtosis y un valor estadístico. Si no hay evidencia en
contra de la normalidad.

PRUEBA DE JI-CUADRADO (2)

Es útil para determinar si las frecuencias halladas por un instrumento difieren

marcadamente de las frecuencias establecidas o esperadas en una hipótesis.
Se utiliza con variables de nivel nominal u ordinal. Las tablas de contingencia
son adecuadas para presentar la frecuencia y las probabilidades entre dos
variables dividas en niveles. Una de las pruebas de Ji-Cuadrado es comprobar
si las dos variables de una tabla de contingencia son o no independientes. Los
pasos para hacer la prueba son los siguientes:

1. Presentar la hipótesis: La hipótesis de investigación (H1) establece si hay

diferencia entre dos variables V1 y V2 o que las variables son independientes.
La hipótesis nula (Ho) establece que no hay diferencia entre las dos variables o
que las variables no son independientes.

2. Calcular el valor de Ji-Cuadrado (2) y los grados de libertad. Los grados de

libertad (Gdl) se obtiene restando 1 a los niveles de cada variable (V1 y V2)y
luego multiplicando cada resultado. Gdl = (Nivel de V1 - 1) (Nivel de V2 - 1)

3. Conseguir el valor 2 en la tabla 3 del Apéndice B al nivel de significancia α

4. Comparar el valor de 2 con el valor de la tabla para rechazar o no rechazar
la hipótesis nula. Si el valor de la tabla es menor que el valor 2 calculado,
entonces se rechaza la hipótesis nula. Si el valor de la tabla es mayor o igual al
valor 2 calculado, entonces no se rechaza la hipótesis nula. Esto se puede
expresar de la siguiente manera:

2 tabla < 2 calculado rechazar la hipótesis de nula (implica que las variables
son independientes o que al menos uno de los niveles relacionados de ambas
variables es diferente)
 2 tabla ≥ 2 calculado no rechazar hipótesis nula (implica que no hay
evidencia de que las variables son independientes o que no hay diferencia
entre los niveles relacionados de las dos variables).

PRUEBAS DE CORRELACIÓN NO PARAMÉTRICA

COEFICIENTE DE CORRELACIÓN DE SPEARMAN (RS)

. Es útil para correlacionar dos variables de nivel ordinal, tal y como ocurre en
encuestas donde se le solicita al encuestado que coloque en orden de
preferencia varias alternativas, comparando los atributos o criterios bajo su
consideración. Un ejemplo sería si se requiere que se coloque en orden la
preferencia, utilizando 1 como “mejor” y 5 como “peor” entre cuatro marcas de
tenis basándose en dos variables: diseño y comodidad. Al igual que ocurre con
la correlación de Pearson, si el resultado es una correlación perfecta, los
resultados serán -1 para una correlación en una dirección negativamente
perfecta y +1 para una correlación en una dirección positivamente perfecta.

En intermedios, mientras más cerca de 1 o -1 esté el resultado, la correlación

será mayor.

d= diferencia entre los rangos o posiciones asignadas

n = tamaño de la muestra o cantidad de pares observados
PRUEBA KENDALL TAU(T)
Con esta prueba se obtiene la correlación entre dos variables. Este coeficiente
es similar al de Spearman, pero se utiliza más cuando las variables son
discretas. Con esta prueba la correlación por lo general resulta con valores más
bajos. También se utiliza cuando hay muchos pares iguales de signos positivos
y negativos en las preferencias. Si los valores en las variables están en el
mismo orden, la correlación será 1. Si el orden de las variables es exactamente
el opuesto, la correlación será de -1. Para datos mayores de 10, la correlación
Tau se aproxima a la distribución normal.

COEFICIENTE ALFA DE CRONBACH

El coeficiente de Alfa de Cronbach se utiliza como un indicador de la
confiabilidad de un cuestionario. El uso del coeficiente es independiente del tipo
de estadística paramétrica o no paramétrica. El resultado del coeficiente tiene
un rango desde 0 hasta 1. En la medida en que el valor se acerca a 1, mayor
es la correlación existente entre las variables. La fórmula para determinar el
coeficiente de Cronbach es la siguiente:

PRUEBA KENDALL TAU(T)

Con esta prueba se obtiene la correlación entre dos variables. Este coeficiente
es similar al de Spearman, pero se utiliza más cuando las variables son
discretas. Con esta prueba la correlación por lo general resulta con valores más
bajos. También se utiliza cuando hay muchos pares iguales de signos positivos
y negativos en las preferencias. Si los valores en las variables están en el
mismo orden, la correlación será 1. Si el orden de las variables es exactamente
el opuesto, la correlación será de -1. Para datos mayores de 10, la correlación
Tau se aproxima a la distribución normal.

COEFICIENTE ALFA DE CRONBACH

El coeficiente de Alfa de Cronbach se utiliza como un indicador de la
confiabilidad de un cuestionario. El uso del coeficiente es independiente del tipo
de estadística paramétrica o no paramétrica. El resultado del coeficiente tiene
un rango desde 0 hasta 1. En la medida en que el valor se acerca a 1, mayor
es la correlación existente entre las variables. La fórmula para determinar el
coeficiente de Cronbach es la siguiente:
EJEMPLOS: