“UNIVERSIDAD NACIONAL DANIEL ALCIDES

CARRIÓN FILIAL – LA MERCED FACULTAD DE

CIENCIAS AGROPECUARIAS ESCUELA DE
FORMACIÓN PROFESIONAL DE INDUSTRIAS
ALIMENTARIAS”

‘’PRUEBAS ESTADISTICAS NO PARAMETRICAS”

DOCENTE: Wuelber Joel Torres Suarez

ALUMNO : Victor Povis Gonzales

 ¿QUÉ ES UNA PRUEBA NO
PARAMETRICA?

Técnica estadística que no presupone

ninguna distribución de probabilidad
teórica de la distribución de nuestros
datos. Se denominan pruebas no
paramétricas aquellas que no presuponen
una distribución de probabilidad para los
datos, por ello se conocen también como
de distribución libre (distribución free).
 PRUEBAS NO PARAMETRICAS
Contrastan hipótesis que no son afirmaciones sobre parámetros y no dependen de la forma de la
distribución poblacional; por este hecho, se denominan también pruebas de distribución libre. Son

alternativas de las pruebas paramétricas .

DESVENTAJAS
. Utilizan menor información de la variable. VENTAJAS
. Es menos potente que los resultados . No se requiere de los supuestos paramétricos

obtenidos en los métodos paramétricos. Se puede usar para variables no numéricas.

Cálculos fáciles, originados por

tamaños de muestra pequeños. Son convenientes

cuando

Se conoce la distribución de la población.

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. 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.
OBJETIVO DE LA ESTADÍSTICA NO PARAMÉTRICA:

Existen diferentes tipos de distribuciones de probabilidad sobre las que trabaja

la estadística paramétrica. Ahora bien, cuando no sabemos a qué tipo de
distribución de probabilidad corresponde una variable, ¿qué cálculos utilizamos?

• Es decir, cuando no conocemos la distribución de probabilidad de un conjunto de

datos, debemos hacer inferencias estadística con procedimientos no paramétricos.
• Dicho con otras palabras, si no sabemos qué tipo de distribución de probabilidad
tiene un fenómeno, no podemos realizar estimaciones como si realmente
supiéramos cómo se distribuye. Este es el objetivo de la estadística paramétrica,
permitir conocer la distribución para que podamos ir al siguiente paso (la
estadística paramétrica).
 PRUEBAS NO PARAMÉTRICAS
•Test binomial
•Prueba de Anderson-Darling
•Prueba de Cochran
•Prueba de Cohen kappa
•Prueba de Fisher
•Prueba de Friedman
•Prueba de Kendall
•Prueba de Kolmogórov-Smirnov
•Prueba de Kuiper
•Prueba de Mann-Whitney o prueba
de Wilcoxon
•Prueba de McNemar
•Prueba de la mediana
•Prueba de Siegel-Tukey
•Prueba de los signos
•Coeficiente de correlación de
Spearman
•Tablas de contingencia
•Prueba de Wald-Wolfowitz
•Prueba de los rangos con signo de
Wilcoxon
COMPARACIONES ENTRE PRUEBAS PARAMETRICAS Y NO
PARAMETRICAS
¿CUÁLES SON LAS PRUEBAS NO
PARAMETRICAS?
• PARA ESCALA NOMINAL:

Leyes de la probabilidad y prueba binomial •

Prueba ji2 de Pearson para una muestra •
Prueba ji2 de Pearson para dos y más muestras independientes •
Prueba de bondad del ajuste mediante ji2 •
Prueba ji2 de proporciones para tres o más muestras independientes •
Prueba de probabilidad exacta de Fischer y Yates •
Prueba de McNemar para muestras dependientes •
Prueba Q de Cochran para tres o más muestras dependientes •
Análisis secuencial * ji2 = X2