Materia: Estadística inferencial

Profesor a cargo: Hernán Echeveste

Alumno: María Altagracia Jantes Sánchez
Programa: Licenciatura Psicología Organizacional

Grado: 4°
No. Entrega: 1° Entrega

MARÍA ALTAGRACIA JANTES SÁNCHEZ 1

Análisis de varianza paramétrico y varianza no paramétrico.

Las pruebas paramétricas: Se basan en las leyes de distribución normal para

analizar los elementos de una muestra, son una herramienta estadística que se
utiliza para el análisis de los factores de la población. Esta muestra debe cumplir
ciertos requisitos como el tamaño, ya que mientras más grande sea, más exacto
será el cálculo.

Este método requiere que se especifique la forma de distribución de la población

materna estudiada. Puede tratarse, por ejemplo, de una distribución normal, como
ocurre en general cuando se trata de muestras de gran tamaño. En general, estas
pruebas sólo pueden aplicarse a variables numéricas.

Las pruebas paramétricas están basadas en la ley de distribución de la variable

que se estudia. A pesar de que existen muchos tipos de leyes de distribución,
éstas se basan en las normales, que tiene dos parámetros: la media y la
desviación estándar. Lo suficiente para conocer la probabilidad.

Condiciones que deben cumplir las pruebas paramétricas:

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.

En estadística, la prueba Z es una prueba de hipótesis que se usa cuando

el estadístico de la prueba sigue una distribución normal. El estadístico
obtenido de una prueba Z se llama estadístico Z o valor Z.

Por ejemplo, la prueba Z se utiliza en las pruebas de hipótesis para la

media cuando se conoce la varianza de la población con el fin de rechazar
o aceptar una hipótesis acerca del valor de la media poblacional.

 Prueba T de Student para datos relacionados (muestras

dependientes).

La prueba t de Student para muestras relacionadas permite comparar las

medias de dos series de mediciones realizadas sobre las mismas unidades
estadísticas. Por ejemplo: la tasa fotosintética de 30 plantas es medida en
dos momentos durante el día: mañana y tarde. Se puede utilizar la prueba t
de Student para muestras relacionadas para detectar un cambio en la
fotosíntesis entre los dos momentos. Decimos ‘”relacionadas”, ya que cada
planta se midió dos veces, por lo que los datos se organizan por parejas. Si
tuviéramos 30 plantas para las mediciones de la mañana y otras 30 plantas
diferentes para las mediciones de la tarde, sería más apropiada la prueba t
para muestras independientes.

 Prueba T de Student para datos no relacionados (muestras

independientes)

El procedimiento Prueba T para muestras independientes compara las

medias de dos grupos de casos. Lo ideal es que para esta prueba los
sujetos se asignen aleatoriamente a dos grupos, de forma que cualquier
diferencia en la respuesta sea debida al tratamiento (o falta de tratamiento)
y no a otros factores. Este caso no ocurre si se comparan los ingresos
medios para hombres y mujeres. El sexo de una persona no se asigna
 aleatoriamente. En estas situaciones, debe asegurarse de que las
diferencias en otros factores no enmascaren o resalten una diferencia
significativa entre las medias. Las diferencias de ingresos medios pueden
estar sometidas a la influencia de factores como los estudios (y no
solamente el sexo).

Ejemplo. Se asigna aleatoriamente un grupo de pacientes con hipertensión

arterial a un grupo con placebo y otro con tratamiento. Los sujetos con
placebo reciben una pastilla inactiva y los sujetos con tratamiento reciben
un nuevo medicamento del cual se espera que reduzca la tensión arterial.
Después de tratar a los sujetos durante dos meses, se utiliza la prueba t
para dos muestras para comparar la tensión arterial media del grupo con
placebo y del grupo con tratamiento. Cada paciente se mide una sola vez y
pertenece a un solo grupo.

 Prueba T de Student-Welch para dos muestras independientes con

varianzas no homogéneas

Para dos muestras independientes con varianzas no homogéneas, prueba

estadística de utilidad para contrasta r hipótesis en función de la media
aritmética.
Pero dada la heterogeneidad de las varianzas no aplica Tstudent por lo cual
se da el agregado de Welch.
El agregado de Welch consiste en una ecuación para calcular los grados de
libertad, de manera que disminuye el error por la no homogeneidad de las
varianzas.

 Prueba de Ji Cuadrada de Bartlett para demostrar la homogeneidad de

varianzas

Es un método de prueba de hipótesis. Dos pruebas de ji cuadrado

habituales implican comprobar si las frecuencias observadas de una o más
categorías se ajustan a las esperadas.
Si tiene una sola variable de medida, use una prueba ji cuadrado de bondad de
ajuste. Si tiene dos variables de medida, use la prueba de ji cuadrado de
independencia. Hay otras pruebas de ji cuadrado, pero estas dos son las más
frecuentes.

 Prueba F (análisis de varianza o ANOVA).

También llamada análisis de varianza es un método estadístico que permite

descubrir si los resultados de una prueba son significativos, es decir,
permiten determinar si es necesario rechazar la hipótesis nula o aceptar la
hipótesis alternativa.

Las ventajas de las pruebas paramétricas son:

 Sensibles a rasgos de los datos recolectados

 Estimaciones probabilísticas más exactas
 Tienen una mayor eficiencia estadística
 Mayor poder estadístico

Las desventajas de las pruebas paramétricas son:

 Más complicadas de calcular

 Solo se pueden aplicar si se cumplen sus supuestos

Las pruebas no paramétricas: Se encargan de analizar datos que no tienen una

distribución particular y se basa en una hipótesis, pero los datos no están
organizados de forma normal
Las pruebas estadísticas no paramétricas pueden ser útiles cuando se trata de
muestras pequeñas o cuando no se puede cumplir o asumir el requisito de una
población distribuida normalmente. Estas pruebas son simples de calcular, pero
tradicionalmente son menos poderosas y el investigador necesita evaluar el riesgo
de un error de Tipo II. A menudo denominadas estadísticas sin distribución, las
pruebas estadísticas no paramétricas no hacen suposiciones sobre la distribución
de la población. No es necesario cumplir los requisitos de normalidad u
homogeneidad de la varianza asociados con los procedimientos paramétricos
(prueba z, pruebas t, pruebas F, correlación y regresión).

Las pruebas no paramétricas, también son las que se basan en determinadas

hipótesis, pero los datos observados no tienen un organización normal.
Generalmente, las pruebas no paramétricas contienen resultados estadísticos que
provienen de su ordenación, lo que las vuelve más fáciles de comprender.

Las pruebas no paramétricas tienen algunas limitaciones, entre ellas se encuentra

que no son lo suficientemente fuertes cuando se cumple una hipótesis normal.
Esto puede provocar que no sea rechazada aunque sea falsa. Otra de sus
limitaciones es que necesitan que la hipótesis se cambie cuando la prueba no
corresponde a la pregunta del procedimiento si la muestra no es proporcional.

Algunas de las características de las pruebas no paramétricas son:

 Es un método de medición difícil de aplicar.

 Es necesario realizar pruebas de hipótesis.
 Las hipótesis son estrictas.
 Las observaciones deben de ser independientes.

Tipos de pruebas no paramétricas y su aplicación:

Los tipos de pruebas no paramétricas son:

 Prueba de signos de una muestra.

Se cree que esta prueba es la más antigua dentro de la estadística no

paramétrica, pues se reporta en la literatura desde 1710 por Arbuthnott2.

Esta prueba corresponde a la prueba de media de una sola muestra y se

recurre a ella cuando la muestra es de menos de 30 elementos y no se
puede sostener el supuesto de normalidad de la población.
 Se le llama prueba del signo porque la información contenida en la muestra
seleccionada se puede transformar en un conjunto de signos más y menos;
y cuando se hace la prueba no se hace uso de la magnitud de los valores
de la muestra, sino solamente se consideran los signos.

 Prueba de los rangos con signo de Wilcoxon.

Es una prueba no paramétrica de comparación de dos muestras

relacionadas, debe cumplir las siguientes características, libre de curva, no
necesita una distribución específica, nivel ordinal de la variable
dependiente, se utiliza para comparar dos mediciones de rangos medianas)
y determinar que la diferencia no se deba al azar (que la diferencia sea
estadísticamente significativa).

 Prueba U de Mann-Whitney.

Cuando se quieren comparar las ubicaciones relativas de dos poblaciones o

cuando se quiere determinar si pertenecen a una misma población, dando
por hecho que se trabaja con muestras aleatorias independientes, se utiliza
esta prueba propuesta por Mann y Whitney en 19473.Ésta es una
alternativa a la prueba t de Student de dos muestras para medias. Se
puede recurrir a esta prueba no paramétrica cuando el supuesto de
normalidad no se cumple o el relativo a la igualdad de varianzas
poblacionales.

El procedimiento que se sigue en esta prueba, consiste en unir las dos

muestras y posteriormente ordenar sus valores que toman
independientemente de la muestra a que pertenece para que después se
les asignen los rangos a la muestra conjunta. Luego se calcularán para
cada muestra, la suma de los rangos que le correspondan y estas sumas se
utilizan para obtener la estadística de prueba.
Para realizar esta prueba, usando sus rangos correspondientes, se puede
utilizar la distribución binomial cuando las muestras son pequeñas, o
 también se puede utilizar una tabla que ha sido elaborada especialmente
para esta prueba, llamada tabla U; la cual fue hecha basándose en la
distribución binomial. Cuando los tamaños de muestra son de 10 o
mayores, se puede utilizar la distribución normal estándar.

 Prueba de Kruskal-Wallis.

También se conoce esta prueba como prueba H de Kruskal-Wallis para

diseños completamente aleatorizados.

Cuando se tiene interés o necesidad de probar una hipótesis nula en la que

se afirma que k tratamientos son iguales o que k muestras aleatorias
independientes provienen de poblaciones idénticas, siendo k > 2, la prueba
estadística que se realizaría dentro de la estadística paramétrica sería el
análisis de varianza de un sentido y para la prueba se utilizaría la
distribución F; sin embargo, cuando la escala es ordinal o se desconfía del
supuesto de que las muestras provienen de poblaciones con forma de
distribución normal, se puede utilizar esta prueba para muestras
independientes. La hipótesis alternativa sería que al menos dos
poblaciones tienen una distribución diferente.

Esta prueba solamente se puede usar cuando el tamaño de cada muestra

sea mayor o igual a cinco. Se puede afirmar que el procedimiento que se
realiza en esta prueba es una extensión del utilizado en la prueba U de
Mann-Withney. Para proceder a realizar esta prueba, se utiliza la
distribución ji cuadrada con (k-1) grados de libertad, siendo k el número de
muestras con las que se trabaja.

 Prueba de la mediana de Mood.

Es un procedimiento que consiste en probar que dos grupos se han tomado

de poblaciones q u e p o s e e n l a mi s ma me d i a n a . E n t o n c e s , l a
h i p ó t e s i s n u l a e s H0: Me(X1)=Me(X2).E v i d e n t e me n t e q u e e s t a
 p r u e b a p u e d e a p l i c a r s e c u a n d o l a v a r i a b l e b a jo a n á l i s i s s e
encuentre, por lo menos, en una escala ordinal. El primer paso consiste en
determinar la mediana para el grupo combinado. Es decir, como si todas las
observaciones provinieran de la misma población. Luego clasificaremos,
en una tabla de 2x2, la cantidad de observaciones por encima y
por d e b a jo d e l a m e d i a n a p a r a c a d a u n o d e l o s g r u p o s e n
cuestión. En aquellos casos que tengamos muchas
observaciones iguales a la mediana combinada, se suele tomar
como criterio clasificar de acuerdo a si exceden o no exceden la mediana.

 Prueba de Friedman.

La prueba de Friedman comprueba si existen diferencias estadísticamente

significativas entre tres o más muestras dependientes.

En una muestra dependiente, los valores medidos están conectados. Por

ejemplo, si se extrae una muestra de personas operadas de la rodilla y se
encuesta a cada una de estas personas antes de la operación y una y dos
semanas después de la operación, se trata de una muestra dependiente.
Esto es así porque se entrevistó a la misma persona en varios puntos
temporales.

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.
 Facilita la obtención de información particular más importante y adecuada
para el proceso de investigación.

Desventajas de las pruebas no paramétricas:

  No son pruebas sistemáticas.
 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.
 Es posible que se necesite tener fuentes y un respaldo con más peso.

Este tipo de estadísticas se pueden utilizar sin el tamaño de la muestra o la

estimación de cualquier parámetro relacionado del que no se tenga información.
Dado que las suposiciones son menores, pueden aplicarse de múltiples formas.

Conclusión.

La elección adecuada de una prueba estadística es primordial para facilitar la

compresión y aplicación de los resultados de una investigación, de esta manera,
resulta elemental conocer las características del análisis y las pruebas
paramétricas y no paramétricas. Generalmente las pruebas paramétricas
únicamente se pueden utilizar si los datos muestran una distribución normal. En
este sentido, las pruebas no paramétricas son más exigentes al rechazar la
hipótesis nula de igualdad teniendo menos posibilidades de acertar cuando no la
rechazan. Por tanto, con lo abordado anteriormente, se concluye que decidir el
tipo de prueba depende de si el parámetro representa con mayor precisión el
centro de distribución de los datos, las características de la variable, objeto de
estudio, tamaño de la muestra y la escala de medición de los datos.

Referencias bibliográficas.

¿Qué son las pruebas paramétricas? [Internet]. QuestionPro. 2018 [citado el 18 de

abril de 2022].

Explicación de los métodos no paramétricos. [Citado el 18 de abril de 2022].

Consultores B. Análisis Paramétrico y No Paramétrico [Internet].Online Tesis.
2020 [citado el 18 de abril de 2022].

Pruebas paramétricas versus pruebas no paramétricas y sus aplicaciones en la

investigación odontológica [Internet]. Actaodontologica.com. [citado el 18 de abril
de 2022].

Ruiz-Flores E, Miranda-Novales MG y Villasís-Keever MA. El protocolo de

investigación VI: cómo elegir la prueba estadística adecuada. Rev. Aler. Méx
[Internet], 64(3): 89-92; 2017 [citado 18 de abril del 2022].

Bautista-Díaz ML, Victoria-Rodríguez E, Vargas-Estrella LE y Hernández-

Chamosa CC. Pruebas estadísticas paramétricas y no paramétricas: su
clasificación, objetivos y características. Educación y Salud Boletín Científico
Instituto de Ciencias de la Salud [Internet], 9(17): 78-81; 2020 [citado 18 de abril
del 2022].