Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Inferencia de Datos Cuantitativos
Inferencia de Datos Cuantitativos
CUANTITATIVAS
• Actividad de transformar un conjunto de datos con el objetivo de poder verificarlos muy bien
dándole al mismo tiempo una razón de ser o un análisis racional.
fumadora o no.
• La hipótesis alternativa es que el peso de los recién nacidos de madres fumadoras es menor que el
• Si se rechaza la hipótesis nula siendo cierta, el error se denomina alfa, o error tipo I, y si no se rechaza
la hipótesis nula siendo falsa, el error se denomina beta o error tipo II.
PRUEBAS ESTADISTICAS MÁS UTILIZADAS SEGÚN
TIPO DE VARIABLES
Pita Fernández, S., Pértegas Díaz, S.
Pita Fernández, S., Pértegas Díaz, S.
PROCESO PARA EFECTUAR ANALISIS ESTADISTICO
RESULTADOS DEL CONTRASTE DE HIPÓTESIS
• Prueba t.
En la cual:
D = diferencia de rangos en las dos variables, o, diferencia entre los correspondientes estadísticos de orden de x - y.
N = número de parejas.
• Se tiene que considerar la existencia de datos idénticos a la hora de ordenarlos, aunque si éstos son pocos, se puede ignorar tal circunstancia
• Para muestras mayores de 20 observaciones, podemos utilizar la siguiente aproximación a la distribución t de Student.
ANÁLISIS NO PARAMETRICOS
• Aquellas que no presuponen una distribución de probabilidad para los datos, por ello se conocen también
como de distribución libre (distribution free).
• En la mayor parte de ellas los resultados estadísticos se derivan únicamente a partir de procedimientos de
ordenación y recuento, por lo que su base lógica es de fácil comprensión.
• Cuando trabajamos con muestras pequeñas (n < 10) en las que se desconoce si es válido suponer la
normalidad de los datos, conviene utilizar pruebas no paramétricas, al menos para corroborar los resultados
obtenidos a partir de la utilización de la teoría basada en la normal.
• 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. La utilización de estos métodos se hace recomendable cuando no se
puede asumir que los datos se ajusten a una distribución conocida, cuando el nivel de medida empleado no
sea, como mínimo, de intervalo.
• Aunque el término no paramétrico sugiere que la prueba no está basada en un parámetro, hay algunas
pruebas no paramétricas que dependen de un parámetro tal como la media.
• Las pruebas no paramétricas, sin embargo, no requieren una distribución particular, de manera que algunas
veces son referidas como pruebas de libre distribución.
• Aunque libre distribución es una descripción más exacta, el término no paramétrico es más comúnmente
usado. Las siguientes son las mayores ventajas y desventajas de los métodos no paramétricos
VENTAJAS DE LOS MÉTODOS NO
PARAMÉTRICOS
1. Los métodos no paramétricos pueden ser aplicados a una amplia variedad de situaciones porque
ellos no tienen los requisitos rígidos de los métodos paramétricos correspondientes. En
particular, los métodos no paramétricos no requieren poblaciones normalmente distribuidas.
2. Diferente a los métodos paramétricos, los métodos no paramétricos pueden frecuentemente ser
aplicados a datos no numéricos, tal como el género de los que contestan una encuesta.
Distribución
No normal Prueba del signo ó de
No Wilcoxon para datos apareados
Si
3 grupos Si Distribución ANVA Comparación de Ttos0
Normal c/varianzas
semejantes No Prueba de krustal-Wallis-Comp Ttos
Independientes
Distribución Si
Normal c/varianzas ANVA en bloque Comparación de Ttos
No
semejantes No
Prueba de Friedman -Comp Ttos
ESQUEMA DE SELECCIÓN DE PRUEBAS ESTADÍSTICAS CUANDO LA VARIABLE DEPENDIENTE ES NOMINAL
1 grupo Si
Prueba Z para la proporción poblacional
Muestra grande
nP y n (1-P) > 5
No Prueba binomial p/ proporción poblacional
Si
Prueba exacta de Fisher
Si Frecuencias Comparación de proporciones
Esperadas
pequeñas
No Prueba Z o Prueba JI Cuadrado para
2 grupos Comparación de proporciones
Número
de grupos Independientes
No Prueba de McNemar
Comparación de proporciones
No Prueba Q de Cochran
comparación de tratamientos
ESQUEMAS DE SELECCIÓN DE PRUEBAS ESTADÍSTICAS PARA MEDIR RELACIÓN ENTRE VARIABLES
Continua
Coeficiente de correlación lineal de Pearson
Escala de
Medición
para Ordinal y/ó númerica
ambas Coeficiente de correlación por rangos de Spearman
variables