1. Participante:
Carrasquero Yaniris
Profesor: Cruz Ramón
República Bolivariana de Venezuela
Ministerio del Poder Popular Para la Educación
Universitaria
Centro Regional de Apoyo Tecnológico Valles del Tuy
Universidad Bicentenaria de Aragua (CREATEC)
2. Definición Características ventajas Principales
pruebas
Diferencias Desventajas
Estadístic
a
Paramétri
ca
El cálculo de
sus datos
implica una
estimación de
los parámetros
de la población.
Mientras más
grande sea la
muestra más
exacta será la
estimación,
mientras más
pequeña, más
distorsionada.
. La variable
dependiente es
medida al
menos en una
escala de
intervalo.
. Se
recomienda un
tamaño de
muestra
mínimo de 30
sujetos por
grupo.
• Son más
eficientes.
• Son
perceptibles
a las
característica
s de la
información
obtenida.
• Los errores
son muy poco
probables
Los cálculos
probabilísticos
son muy
exactos
• Correlaci
ón de
pearson.
• Anova de
factor.
• Tde
igualdad
de
medias.
• Levene
para
igualdad
de
varianzas
• La estadística
paramétrica
utiliza
cálculos y
procedimient
os
asumiendo
que conoce
cómo se
distribuye la
variable
aleatoria a
estudiar.
• Por muy bien
aplicadas que estén
las técnicas de la
estadística
paramétrica, los
resultados serán
imprecisos.
• Los cálculos son
difíciles de realizar
• Los datos que se
pueden observar
son limitados
Estadístic
a no
Paramétri
ca
Se trata de una
rama de la
inferencia
estadística
cuyos cálculos y
procedimientos
están
fundamentados
en
distribuciones
desconocidas.
• Independencia
de las
observaciones
aleatorias a
excepción de
datos pareados.
• Pocas
asunciones con
respecto a la
distribución de la
población.
• Las hipótesis se
hacen sobre
rangos, mediana
o frecuencias de
los datos.
• . El tamaño de
muestra
requerido es
menor (20 o <).
• Son más
rápidos y
fáciles de
aplicar y
entender.
• Son
relativamente
insensibles a
datos
atípicos.
• Se pueden
aplicar en
muestras
pequeñas.
• Prueba de
Chi-
cuadrado
• Prueba U
de Mann-
Whitney
• Prueba de
Wilcoxon
• Prueba de
Kruskal-
Wallis
• Prueba de
Friedman
Company
Logo
• Son más
fáciles de
aplicar
• Son
aplicables a
los datos
jerarquizados
• Se pueden
usar cuando
dos series de
observacione
s provienen
de distintas
poblaciones
• Son la única
alternativa
cuando el
tamaño de
muestra es
pequeño
• Utilizan métodos
diferentes porque
sus objetivos son
distintos.
• Los estudios no
paramétricos son
aplicables a grupos
pequeños
(muestras menos a
20), a variables
parten del supuesto
de que se
desconoce cómo
están distribuidos
los datos, las
hipótesis se basan
en rangos,
medianas o
frecuencia de datos
3. Ventajas de las
Pruebas
Desventajas de las
Pruebas
Ejemplos
Estadística
Paramétrica
Tienen más poder de eficiencia
• Más sensibles a los rasgos
de los datos recolectados
• Menos posibilidad de errores
• Dan estimaciones
probabilísticas bastante
exactas.
• Más complicadas de calcular
• Limitaciones en los tipos de
datos que se pueden evaluar
Ejemplo 1: Una educadora ha
comparado el rendimiento en
matemáticas de los
grupos de mañana y tarde. Para
ello ha utilizado una prueba de
contraste de
hipótesis determinada (por
ejemplo “T” de Student para
grupos grandes e
independientes) habiendo
obtenido un resultado Z
(empírica) = -2
Estadística no
Paramétrica
Las pruebas no paramétricas
nos permiten analizar datos en
escala nominal u ordinal Se la
puede utilizar estas pruebas
aun que se desconozca los
parámetros de la población en
estudio. Utilizada para
contrastar con la hipótesis Se
utilizada en datos
independientes
• Las pruebas no paramétricas
son generalmente menos
potentes que las pruebas
correspondientes diseñadas
para utilizarse con datos que
provengan de una distribución
específica. Por lo tanto, la
probabilidad de que usted
rechace la hipótesis nula
cuando sea falsa es menor.
• Las pruebas no paramétricas
con frecuencia requieren que
usted modifique las hipótesis.
Por ejemplo, la mayoría de las
pruebas no paramétricas sobre
el centro de la población son
pruebas sobre la mediana y no
sobre la media. La prueba no
responde a la misma pregunta
del mismo modo que el
procedimiento paramétrico
análogo