SlideShare una empresa de Scribd logo
1 de 3
Descargar para leer sin conexión
República Bolivariana de Venezuela
Universidad Bicentenaria de Aragua
A.C. Estudios Superiores Gerenciales Corporativos Valles del Tuy
CREATEC-CHARALLAVE - Centro Regional de Apoyo de los Valles del Tuy
Escuela de Psicología
Cátedra: Psicoestadística
Profesor:
MSc. Cruz Guerra
Integrante:
Oberto Kleinschmidt, José Ramón Ricardo – CI: 18.329.593
Charallave, Julio 2019
ASPECTOS A COMPARAR ESTADÍSTICA PARAMÉTRICA ESTADÍSTICA NO PARAMÉTRICA
DEFINICIÓN
Es una rama de la estadística inferencial que comprende los
procedimientos estadísticos y de decisión que están basados en
distribuciones conocidas. Estas son determinadas usando un
número finito de parámetros.
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.
CARACTERÍSTICAS
 Son determinadas usando un número finito de parámetros.
 La variable de estudio ha de ser numérica.
 Requiere conocer la forma de distribución para las mediciones
resultantes de la población estudiada.
 Sus datos deben tener un orden y una numeración del
intervalo.
 Son requeridas como mínimo una escala de intervalo.
 Son más fáciles de aplicar.
 Son aplicables a los datos jerarquizados.
 Se pueden usar cuando dos series de observaciones
provienen de distintas poblaciones.
 Son la única alternativa cuando el tamaño de muestra es
pequeño.
 Son útiles a un nivel de significancia previamente
especificado.
PRUEBAS
 Prueba T de student para datos relacionados (muestras
dependientes)
 Prueba T de student para datos NO relacionados (muestras
dependientes)
 Prueba del Valor Z de la Distribución Normal
 Prueba t para una muestra
 Prueba t para dos muestras independientes
 Prueba t para dos muestras relacionadas
 Prueba F (Análisis de Varianza a ANOVA para más de dos
muestras independientes)
• Prueba χ² de Pearson
• Prueba 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 Kruskal-Wallis
• 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
ESCALAS DE MEDICIÓN
 Escala de Razón: Los datos de escala de razón se definen como
un tipo de datos cuantitativos que se caracterizan por un
punto de cero absoluto, es la más rica en cuanto a la
información que proporciona. Los números se comparan en
múltiplos uno, la cantidad de sujetos, llamada n en estadística,
tendrá que ser mayor que 30 por grupo, favoreciendo los
resultados del contraste de hipótesis el hecho de que los
grupos estén balanceados.
 Distribución Normal: Pongamos que, por ejemplo, queremos
comparar dos grupos. Para comprobar si podemos aplicar las
pruebas paramétricas, primero tendremos que comprobar si la
distribución de los grupos en la variable cuantitativa es
normal. Además, también tendremos que comprobar la
homogeneidad de las varianzas en las poblaciones de las que
proceden los grupos.
 Variables Cuantitativas: Las pruebas paramétricas son un tipo
de pruebas de significación estadística que cuantifican la
asociación o independencia entre una variable cuantitativa y
una categórica
 Escala Nominal o Clasificatoria: Es la que puede
considerarse la escala de nivel más bajo, y consiste en la
asignación, puramente arbitraria de números o símbolos
a cada una de las diferentes categorías en las cuales
podemos dividir el carácter que observamos, sin que
puedan establecerse relaciones entre dichas categorías,
a no ser el de que cada elemento pueda pertenecer a
una y solo una de estas categorías.
 Escala Ordinal o de Rango: Es la que en caso de que
puedan detectarse diversos grados de un atributo o
propiedad de un objeto, la medida ordinal es la indicada,
puesto que entonces puede recurrirse a la propiedad de
"orden" de los números asignándolo a los objetos en
estudio de modo que, si la cifra asignada al objeto A es
mayor que la de B, puede inferirse que A posee un mayor
grado de atributo que B.
 Escala de Intervalos Iguales: Son las que están
caracterizadas por una unidad de medida común y
constante que asigna un número igual al número de
unidades equivalentes a la dela magnitud que posea el
elemento observado.
 Escala de coeficientes o Razones: Es el nivel de medida
más elevado y se diferencia de las escalas de intervalos
iguales únicamente por poseer un punto cero propio
como origen, es decir, que el valor cero de esta escala
significa ausencia de la magnitud que estamos midiendo.
Si se observa una carencia total de propiedad, se dispone
de una unidad de medida para el efecto.
SUPUESTOS
 Independencia de las observaciones a excepción de datos
pareados.
 Las observaciones para la variable dependiente se han
obtenido de manera aleatoria de una población con
distribución normal.
 La variable dependiente es medida al menos en una escala de
intervalo.
 Se recomienda un tamaño de muestra mínimo de 30 sujetos
por grupo (mediciones cuantitativas, actualmente es
opcional).
 Los datos son obtenidos de poblaciones que tienen varianzas
iguales (una varianza no debe ser el doble o mayor que la
 Cuando la hipótesis a ser probada no se relaciona con
ningún parámetro.
 Cuando los datos han sido medidos en una escala más
débil que la requerida para el procedimiento
paramétrico alternativo.
 Cuando se han violado una o más suposiciones
necesarias para la aplicación del método paramétrico
apropiado. Un procedimiento no paramétrico es
frecuentemente la única alternativa.
otra).
 Habitualmente las hipótesis se hacen sobre valores numéricos,
especialmente el promedio de una población (μ), como
ejemplo: Ho: μ1 = μ2 H1: μ1 ≠ μ2.
 Otros posibles requisitos: variable independiente nominal o de
intervalo, homocedasticidad (para cada nivel de la variable
independiente hay una variación similar de la variable
dependiente) y casillas de igual tamaño.
 Cuando los resultados se necesitan rápidamente y los
cálculos deben hacerse a mano.
VENTAJAS
 Más poder de eficiencia.
 Más sensible a los rasgos de los datos recolectados.
 Menos posibilidad de errores.
 Robustas (dan estimaciones probabilidades bastante exactas).
 La probabilidad de usar una prueba incorrectamente es
muy pequeña.
 Algunos procedimientos los cálculos pueden ser
ejecutados rápida y fácilmente, especialmente si deben
hacerse a mano y los resultados urgen.
 Experimentadores con una mínima preparación en
estadística y matemática encontraran los conceptos y
métodos fáciles de entender.
 Pueden ser aplicados cuando la escala de medición es
tanto fuerte como débil.
DESVENTAJAS
 Más complicadas de calcular.
 Limitaciones en los tipos de datos que se pueden evaluar.
 A consecuencia de que los cálculos son fáciles y simples
(en su gran mayoría), a veces se utilizan estos
procedimientos cuando los paramétricos serían más
apropiados. Tales errores a menudo desperdician
información.
 Aunque estos procedimientos tienen reputación de
requerir cálculos simples, en algunas pruebas su
aritmética es laboriosa y tediosa.
REFERENCIAS
 Barreto A. El progreso de la estadística y su utilidad en la
evaluación del desarrollo. Revista Papeles de Población,
México, Universidad Autónoma del Estado de México. 2012;
12p.
 Salcedo A, Díaz R. La estadística en la investigación.
Competencia transversal en la formación universitaria”.
Programa de Cooperación Interfacultades, Venezuela,
Universidad Central de Venezuela 2013: 9-21.DOI: 978P.
 Gómez M, Danglot C, Vega L. Sinopsis de pruebas estadísticas
no paramétricas. Cuándo usarlas. Revista Mexicana de
Pediatría. México. 2003; 70 (2).
 Berlanga V, Rubio M. Clasificación de pruebas no
paramétricas. Cómo aplicarlas en SPSS. REIRE. 2012; 5 (2).
 Infante Gil S. 1980. Métodos estadísticos no
paramétricos. Colegio de Postgraduados. 189 p.
 Conover, W. J. 1980. Practical Nonparametric statistics.
John Wiley & Sons. 493 p.
 Infante Gil, S. y Zárate de Lara, G. P. 1986. Métodos
estadísticos. Un enfoque interdisciplinario. Trillas. 643 p.
 Sidney Siegel. 1970. Diseño experimental no paramétrico
aplicado a las ciencias de la conducta. Trillas, S.A. 346 p.

Más contenido relacionado

La actualidad más candente

Prueba Chi-Cuadrado
Prueba Chi-CuadradoPrueba Chi-Cuadrado
Prueba Chi-CuadradoJulio Rivera
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simplemilit
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesisCarol Ramos
 
Estadistica parametrica y no parametrica
Estadistica parametrica y no parametricaEstadistica parametrica y no parametrica
Estadistica parametrica y no parametricajimialaponte
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesisElisa Mendoza
 
Proceso de operacionalización de variables
Proceso de operacionalización de variablesProceso de operacionalización de variables
Proceso de operacionalización de variablesUniv Peruana Los Andes
 
Cuadro comparativo estadistica parametrica y no parametrica
Cuadro comparativo estadistica parametrica y no parametricaCuadro comparativo estadistica parametrica y no parametrica
Cuadro comparativo estadistica parametrica y no parametricaMarianaSandoval24
 
Capitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de HipótesisCapitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de Hipótesisug-dipa
 
Cálculo del tamaño de muestra (con ejemplos)
Cálculo del tamaño de muestra  (con ejemplos)Cálculo del tamaño de muestra  (con ejemplos)
Cálculo del tamaño de muestra (con ejemplos)Filomeno Carvajal
 
Correlacion de Pearson y Spearman
Correlacion de Pearson y SpearmanCorrelacion de Pearson y Spearman
Correlacion de Pearson y SpearmanMarianyelisMendoza
 

La actualidad más candente (20)

Prueba Chi-Cuadrado
Prueba Chi-CuadradoPrueba Chi-Cuadrado
Prueba Chi-Cuadrado
 
Operaconalización de variables
Operaconalización de variablesOperaconalización de variables
Operaconalización de variables
 
Muestreo aleatorio simple
Muestreo aleatorio simpleMuestreo aleatorio simple
Muestreo aleatorio simple
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 
Análisis de la varianza
Análisis de la varianzaAnálisis de la varianza
Análisis de la varianza
 
Estadistica parametrica y no parametrica
Estadistica parametrica y no parametricaEstadistica parametrica y no parametrica
Estadistica parametrica y no parametrica
 
Tipos de escalas y variables estadísticas
Tipos de escalas y variables estadísticasTipos de escalas y variables estadísticas
Tipos de escalas y variables estadísticas
 
Identificación de Variables - Tema 5
Identificación de Variables - Tema 5Identificación de Variables - Tema 5
Identificación de Variables - Tema 5
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 
PRUEBAS PARAMETRICAS
PRUEBAS PARAMETRICASPRUEBAS PARAMETRICAS
PRUEBAS PARAMETRICAS
 
Escalas de medición
Escalas de mediciónEscalas de medición
Escalas de medición
 
5. formulación de hipótesis
5. formulación de hipótesis5. formulación de hipótesis
5. formulación de hipótesis
 
Prueba de hipotesis para proporciones Est ind clase02
Prueba de hipotesis para proporciones Est ind clase02Prueba de hipotesis para proporciones Est ind clase02
Prueba de hipotesis para proporciones Est ind clase02
 
Proceso de operacionalización de variables
Proceso de operacionalización de variablesProceso de operacionalización de variables
Proceso de operacionalización de variables
 
Instrumentos de medición
Instrumentos de mediciónInstrumentos de medición
Instrumentos de medición
 
Cuadro comparativo estadistica parametrica y no parametrica
Cuadro comparativo estadistica parametrica y no parametricaCuadro comparativo estadistica parametrica y no parametrica
Cuadro comparativo estadistica parametrica y no parametrica
 
Capitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de HipótesisCapitulo 4 : Pruebas de Hipótesis
Capitulo 4 : Pruebas de Hipótesis
 
Cálculo del tamaño de muestra (con ejemplos)
Cálculo del tamaño de muestra  (con ejemplos)Cálculo del tamaño de muestra  (con ejemplos)
Cálculo del tamaño de muestra (con ejemplos)
 
T student 5 ejemplos beeto
T student 5 ejemplos beetoT student 5 ejemplos beeto
T student 5 ejemplos beeto
 
Correlacion de Pearson y Spearman
Correlacion de Pearson y SpearmanCorrelacion de Pearson y Spearman
Correlacion de Pearson y Spearman
 

Similar a Estadística paramétrica vs no paramétrica

Redes sociales presentación 30 08 2010 carlos f. de angelis
Redes sociales presentación 30 08 2010 carlos f. de angelisRedes sociales presentación 30 08 2010 carlos f. de angelis
Redes sociales presentación 30 08 2010 carlos f. de angelisMario Sullivan
 
Cuadro de estadisticas ramon cruz yeusis
Cuadro de estadisticas ramon cruz yeusisCuadro de estadisticas ramon cruz yeusis
Cuadro de estadisticas ramon cruz yeusisyeusismanzano
 
ESTADÍSTICA PARMETRICA CON LA ESTADÍSTICA NO PARAMÉTRICA
ESTADÍSTICA PARMETRICA CON LA ESTADÍSTICA NO PARAMÉTRICAESTADÍSTICA PARMETRICA CON LA ESTADÍSTICA NO PARAMÉTRICA
ESTADÍSTICA PARMETRICA CON LA ESTADÍSTICA NO PARAMÉTRICAAlejandraGuerrero112
 
Fundamentos de la Estadística
Fundamentos de la EstadísticaFundamentos de la Estadística
Fundamentos de la EstadísticaJCMENESESV
 
Estadistica 1er trabajo 23 de junio
Estadistica 1er trabajo 23 de junioEstadistica 1er trabajo 23 de junio
Estadistica 1er trabajo 23 de junioJhonnyUniversidad
 
Estadistica
EstadisticaEstadistica
Estadisticaali_ro
 
Términos básicos de la estadística
Términos básicos de la estadísticaTérminos básicos de la estadística
Términos básicos de la estadísticaMarcos Barrios
 
Análisis de datos
Análisis de datosAnálisis de datos
Análisis de datoscaceli
 
Términos básicos en estadística
Términos básicos en estadísticaTérminos básicos en estadística
Términos básicos en estadísticaJuliocesar5559
 

Similar a Estadística paramétrica vs no paramétrica (20)

Redes sociales presentación 30 08 2010 carlos f. de angelis
Redes sociales presentación 30 08 2010 carlos f. de angelisRedes sociales presentación 30 08 2010 carlos f. de angelis
Redes sociales presentación 30 08 2010 carlos f. de angelis
 
Cuadro de estadisticas ramon cruz yeusis
Cuadro de estadisticas ramon cruz yeusisCuadro de estadisticas ramon cruz yeusis
Cuadro de estadisticas ramon cruz yeusis
 
ESTADÍSTICA PARMETRICA CON LA ESTADÍSTICA NO PARAMÉTRICA
ESTADÍSTICA PARMETRICA CON LA ESTADÍSTICA NO PARAMÉTRICAESTADÍSTICA PARMETRICA CON LA ESTADÍSTICA NO PARAMÉTRICA
ESTADÍSTICA PARMETRICA CON LA ESTADÍSTICA NO PARAMÉTRICA
 
Unidad 5 estadistica 2
Unidad 5 estadistica 2Unidad 5 estadistica 2
Unidad 5 estadistica 2
 
Exposicion Tema Analisis De Datos
Exposicion Tema Analisis De DatosExposicion Tema Analisis De Datos
Exposicion Tema Analisis De Datos
 
Unidad 5
Unidad 5Unidad 5
Unidad 5
 
Presentacion estadistica
Presentacion  estadisticaPresentacion  estadistica
Presentacion estadistica
 
Fundamentos de la Estadística
Fundamentos de la EstadísticaFundamentos de la Estadística
Fundamentos de la Estadística
 
Estadistica 2020
Estadistica 2020Estadistica 2020
Estadistica 2020
 
Estadistica 1er trabajo 23 de junio
Estadistica 1er trabajo 23 de junioEstadistica 1er trabajo 23 de junio
Estadistica 1er trabajo 23 de junio
 
E
EE
E
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Metodo parametrico y no parametrico
Metodo parametrico y no parametricoMetodo parametrico y no parametrico
Metodo parametrico y no parametrico
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Estadisitica actividad-2
Estadisitica actividad-2Estadisitica actividad-2
Estadisitica actividad-2
 
Términos básicos de la estadística
Términos básicos de la estadísticaTérminos básicos de la estadística
Términos básicos de la estadística
 
Análisis de datos
Análisis de datosAnálisis de datos
Análisis de datos
 
Términos básicos en estadística
Términos básicos en estadísticaTérminos básicos en estadística
Términos básicos en estadística
 
Trabjo jose estadis
Trabjo jose estadisTrabjo jose estadis
Trabjo jose estadis
 
Trabajo jose estadistica
Trabajo jose estadisticaTrabajo jose estadistica
Trabajo jose estadistica
 

Más de ricardooberto

Análisis de los Procesos de Inducción del Talento Humano
Análisis de los Procesos de Inducción del Talento HumanoAnálisis de los Procesos de Inducción del Talento Humano
Análisis de los Procesos de Inducción del Talento Humanoricardooberto
 
Técnicas de intervenciones y protocolos de abordaje terapéutico
Técnicas de intervenciones y protocolos de abordaje terapéuticoTécnicas de intervenciones y protocolos de abordaje terapéutico
Técnicas de intervenciones y protocolos de abordaje terapéuticoricardooberto
 
Desarrollo del proceso de captación de talento humano mediante métodos e inst...
Desarrollo del proceso de captación de talento humano mediante métodos e inst...Desarrollo del proceso de captación de talento humano mediante métodos e inst...
Desarrollo del proceso de captación de talento humano mediante métodos e inst...ricardooberto
 
Teorías y Modelos en Psicología de la Salud a través de su Desarrollo Históri...
Teorías y Modelos en Psicología de la Salud a través de su Desarrollo Históri...Teorías y Modelos en Psicología de la Salud a través de su Desarrollo Históri...
Teorías y Modelos en Psicología de la Salud a través de su Desarrollo Históri...ricardooberto
 
Modelo de intervención psicológica cognitivo conductual aplicable en la etapa...
Modelo de intervención psicológica cognitivo conductual aplicable en la etapa...Modelo de intervención psicológica cognitivo conductual aplicable en la etapa...
Modelo de intervención psicológica cognitivo conductual aplicable en la etapa...ricardooberto
 
Presentación de Psicología Experimental
Presentación de Psicología Experimental Presentación de Psicología Experimental
Presentación de Psicología Experimental ricardooberto
 
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMAS
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMASDESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMAS
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMASricardooberto
 
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMAS
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMASDESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMAS
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMASricardooberto
 
Presentación Internet - Búsqueda - Almacenamiento Remoto
Presentación Internet - Búsqueda - Almacenamiento RemotoPresentación Internet - Búsqueda - Almacenamiento Remoto
Presentación Internet - Búsqueda - Almacenamiento Remotoricardooberto
 
Presentación - Simulación
Presentación - SimulaciónPresentación - Simulación
Presentación - Simulaciónricardooberto
 
IMBRICACIÓN ENTRE LA CIENCIA Y LA TECNOLOGÍA, DESDE EL APORTE DEL MÉTODO CIEN...
IMBRICACIÓN ENTRE LA CIENCIA Y LA TECNOLOGÍA, DESDE EL APORTE DEL MÉTODO CIEN...IMBRICACIÓN ENTRE LA CIENCIA Y LA TECNOLOGÍA, DESDE EL APORTE DEL MÉTODO CIEN...
IMBRICACIÓN ENTRE LA CIENCIA Y LA TECNOLOGÍA, DESDE EL APORTE DEL MÉTODO CIEN...ricardooberto
 
Imbricación entre la ciencia y la tecnología desde el aporte del método cient...
Imbricación entre la ciencia y la tecnología desde el aporte del método cient...Imbricación entre la ciencia y la tecnología desde el aporte del método cient...
Imbricación entre la ciencia y la tecnología desde el aporte del método cient...ricardooberto
 

Más de ricardooberto (14)

Análisis de los Procesos de Inducción del Talento Humano
Análisis de los Procesos de Inducción del Talento HumanoAnálisis de los Procesos de Inducción del Talento Humano
Análisis de los Procesos de Inducción del Talento Humano
 
Técnicas de intervenciones y protocolos de abordaje terapéutico
Técnicas de intervenciones y protocolos de abordaje terapéuticoTécnicas de intervenciones y protocolos de abordaje terapéutico
Técnicas de intervenciones y protocolos de abordaje terapéutico
 
Desarrollo del proceso de captación de talento humano mediante métodos e inst...
Desarrollo del proceso de captación de talento humano mediante métodos e inst...Desarrollo del proceso de captación de talento humano mediante métodos e inst...
Desarrollo del proceso de captación de talento humano mediante métodos e inst...
 
Teorías y Modelos en Psicología de la Salud a través de su Desarrollo Históri...
Teorías y Modelos en Psicología de la Salud a través de su Desarrollo Históri...Teorías y Modelos en Psicología de la Salud a través de su Desarrollo Históri...
Teorías y Modelos en Psicología de la Salud a través de su Desarrollo Históri...
 
Modelo de intervención psicológica cognitivo conductual aplicable en la etapa...
Modelo de intervención psicológica cognitivo conductual aplicable en la etapa...Modelo de intervención psicológica cognitivo conductual aplicable en la etapa...
Modelo de intervención psicológica cognitivo conductual aplicable en la etapa...
 
Presentación de Psicología Experimental
Presentación de Psicología Experimental Presentación de Psicología Experimental
Presentación de Psicología Experimental
 
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMAS
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMASDESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMAS
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMAS
 
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMAS
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMASDESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMAS
DESARROLLO SUSTENTABLE COMO ALTERNATIVA PARA LA CONSERVACIÓN DE LOS ECOSISTEMAS
 
Presentación Internet - Búsqueda - Almacenamiento Remoto
Presentación Internet - Búsqueda - Almacenamiento RemotoPresentación Internet - Búsqueda - Almacenamiento Remoto
Presentación Internet - Búsqueda - Almacenamiento Remoto
 
Simulacion
SimulacionSimulacion
Simulacion
 
Presentación - Simulación
Presentación - SimulaciónPresentación - Simulación
Presentación - Simulación
 
Slide share
Slide shareSlide share
Slide share
 
IMBRICACIÓN ENTRE LA CIENCIA Y LA TECNOLOGÍA, DESDE EL APORTE DEL MÉTODO CIEN...
IMBRICACIÓN ENTRE LA CIENCIA Y LA TECNOLOGÍA, DESDE EL APORTE DEL MÉTODO CIEN...IMBRICACIÓN ENTRE LA CIENCIA Y LA TECNOLOGÍA, DESDE EL APORTE DEL MÉTODO CIEN...
IMBRICACIÓN ENTRE LA CIENCIA Y LA TECNOLOGÍA, DESDE EL APORTE DEL MÉTODO CIEN...
 
Imbricación entre la ciencia y la tecnología desde el aporte del método cient...
Imbricación entre la ciencia y la tecnología desde el aporte del método cient...Imbricación entre la ciencia y la tecnología desde el aporte del método cient...
Imbricación entre la ciencia y la tecnología desde el aporte del método cient...
 

Último

Amor o egoísmo, esa es la cuestión por definir.pdf
Amor o egoísmo, esa es la cuestión por definir.pdfAmor o egoísmo, esa es la cuestión por definir.pdf
Amor o egoísmo, esa es la cuestión por definir.pdfAlejandrino Halire Ccahuana
 
EJEMPLO MODELO DE PLAN DE REFUERZO ESCOLAR.docx
EJEMPLO MODELO DE PLAN DE REFUERZO ESCOLAR.docxEJEMPLO MODELO DE PLAN DE REFUERZO ESCOLAR.docx
EJEMPLO MODELO DE PLAN DE REFUERZO ESCOLAR.docxFabianValenciaJabo
 
4° SES COM MAR 09 Leemos una noticia del dengue e identificamos sus partes (1...
4° SES COM MAR 09 Leemos una noticia del dengue e identificamos sus partes (1...4° SES COM MAR 09 Leemos una noticia del dengue e identificamos sus partes (1...
4° SES COM MAR 09 Leemos una noticia del dengue e identificamos sus partes (1...MagalyDacostaPea
 
LOS AMBIENTALISTAS todo por un mundo mejor
LOS AMBIENTALISTAS todo por un mundo mejorLOS AMBIENTALISTAS todo por un mundo mejor
LOS AMBIENTALISTAS todo por un mundo mejormrcrmnrojasgarcia
 
libro grafismo fonético guía de uso para el lenguaje
libro grafismo fonético guía de uso para el lenguajelibro grafismo fonético guía de uso para el lenguaje
libro grafismo fonético guía de uso para el lenguajeKattyMoran3
 
describimos como son afectados las regiones naturales del peru por la ola de ...
describimos como son afectados las regiones naturales del peru por la ola de ...describimos como son afectados las regiones naturales del peru por la ola de ...
describimos como son afectados las regiones naturales del peru por la ola de ...DavidBautistaFlores1
 
TEMA 13. LOS GOBIERNOS DEMOCRÁTICOS (1982-2018)
TEMA 13. LOS GOBIERNOS DEMOCRÁTICOS (1982-2018)TEMA 13. LOS GOBIERNOS DEMOCRÁTICOS (1982-2018)
TEMA 13. LOS GOBIERNOS DEMOCRÁTICOS (1982-2018)jlorentemartos
 
DIGNITAS INFINITA - DIGNIDAD HUMANA; Declaración del dicasterio para la doctr...
DIGNITAS INFINITA - DIGNIDAD HUMANA; Declaración del dicasterio para la doctr...DIGNITAS INFINITA - DIGNIDAD HUMANA; Declaración del dicasterio para la doctr...
DIGNITAS INFINITA - DIGNIDAD HUMANA; Declaración del dicasterio para la doctr...Martin M Flynn
 
Si cuidamos el mundo, tendremos un mundo mejor.
Si cuidamos el mundo, tendremos un mundo mejor.Si cuidamos el mundo, tendremos un mundo mejor.
Si cuidamos el mundo, tendremos un mundo mejor.monthuerta17
 
PPT_ Prefijo homo tema para trabajar los prefijos en razonamiento verbal
PPT_ Prefijo homo tema para trabajar los prefijos en razonamiento verbalPPT_ Prefijo homo tema para trabajar los prefijos en razonamiento verbal
PPT_ Prefijo homo tema para trabajar los prefijos en razonamiento verbalRosarioChoque3
 
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024gharce
 
PÉNSUM ENFERMERIA 2024 - ECUGENIUS S.A. V2
PÉNSUM ENFERMERIA 2024 - ECUGENIUS S.A. V2PÉNSUM ENFERMERIA 2024 - ECUGENIUS S.A. V2
PÉNSUM ENFERMERIA 2024 - ECUGENIUS S.A. V2Eliseo Delgado
 
CUADERNILLO DE EJERCICIOS PARA EL TERCER TRIMESTRE, SEXTO GRADO
CUADERNILLO DE EJERCICIOS PARA EL TERCER TRIMESTRE, SEXTO GRADOCUADERNILLO DE EJERCICIOS PARA EL TERCER TRIMESTRE, SEXTO GRADO
CUADERNILLO DE EJERCICIOS PARA EL TERCER TRIMESTRE, SEXTO GRADOEveliaHernandez8
 
PRIMER GRADO SOY LECTOR PART1- MD EDUCATIVO.pdf
PRIMER GRADO SOY LECTOR PART1- MD  EDUCATIVO.pdfPRIMER GRADO SOY LECTOR PART1- MD  EDUCATIVO.pdf
PRIMER GRADO SOY LECTOR PART1- MD EDUCATIVO.pdfGabrieldeJesusLopezG
 
Abregú, Podestá. Directores.Líderes en Acción.
Abregú, Podestá. Directores.Líderes en Acción.Abregú, Podestá. Directores.Líderes en Acción.
Abregú, Podestá. Directores.Líderes en Acción.profandrearivero
 
Actividades eclipse solar 2024 Educacion
Actividades eclipse solar 2024 EducacionActividades eclipse solar 2024 Educacion
Actividades eclipse solar 2024 Educacionviviantorres91
 
NUEVO PLAN Y PROGRAMAS DE ESTUDIO 2022.pdf
NUEVO PLAN Y PROGRAMAS DE ESTUDIO  2022.pdfNUEVO PLAN Y PROGRAMAS DE ESTUDIO  2022.pdf
NUEVO PLAN Y PROGRAMAS DE ESTUDIO 2022.pdfEDNAMONICARUIZNIETO
 
Fichas de Matemática TERCERO DE SECUNDARIA.pdf
Fichas de Matemática TERCERO DE SECUNDARIA.pdfFichas de Matemática TERCERO DE SECUNDARIA.pdf
Fichas de Matemática TERCERO DE SECUNDARIA.pdfssuser50d1252
 

Último (20)

Amor o egoísmo, esa es la cuestión por definir.pdf
Amor o egoísmo, esa es la cuestión por definir.pdfAmor o egoísmo, esa es la cuestión por definir.pdf
Amor o egoísmo, esa es la cuestión por definir.pdf
 
EJEMPLO MODELO DE PLAN DE REFUERZO ESCOLAR.docx
EJEMPLO MODELO DE PLAN DE REFUERZO ESCOLAR.docxEJEMPLO MODELO DE PLAN DE REFUERZO ESCOLAR.docx
EJEMPLO MODELO DE PLAN DE REFUERZO ESCOLAR.docx
 
4° SES COM MAR 09 Leemos una noticia del dengue e identificamos sus partes (1...
4° SES COM MAR 09 Leemos una noticia del dengue e identificamos sus partes (1...4° SES COM MAR 09 Leemos una noticia del dengue e identificamos sus partes (1...
4° SES COM MAR 09 Leemos una noticia del dengue e identificamos sus partes (1...
 
LOS AMBIENTALISTAS todo por un mundo mejor
LOS AMBIENTALISTAS todo por un mundo mejorLOS AMBIENTALISTAS todo por un mundo mejor
LOS AMBIENTALISTAS todo por un mundo mejor
 
Acuerdo segundo periodo - Grado Noveno.pptx
Acuerdo segundo periodo - Grado Noveno.pptxAcuerdo segundo periodo - Grado Noveno.pptx
Acuerdo segundo periodo - Grado Noveno.pptx
 
Aedes aegypti + Intro to Coquies EE.pptx
Aedes aegypti + Intro to Coquies EE.pptxAedes aegypti + Intro to Coquies EE.pptx
Aedes aegypti + Intro to Coquies EE.pptx
 
libro grafismo fonético guía de uso para el lenguaje
libro grafismo fonético guía de uso para el lenguajelibro grafismo fonético guía de uso para el lenguaje
libro grafismo fonético guía de uso para el lenguaje
 
describimos como son afectados las regiones naturales del peru por la ola de ...
describimos como son afectados las regiones naturales del peru por la ola de ...describimos como son afectados las regiones naturales del peru por la ola de ...
describimos como son afectados las regiones naturales del peru por la ola de ...
 
TEMA 13. LOS GOBIERNOS DEMOCRÁTICOS (1982-2018)
TEMA 13. LOS GOBIERNOS DEMOCRÁTICOS (1982-2018)TEMA 13. LOS GOBIERNOS DEMOCRÁTICOS (1982-2018)
TEMA 13. LOS GOBIERNOS DEMOCRÁTICOS (1982-2018)
 
DIGNITAS INFINITA - DIGNIDAD HUMANA; Declaración del dicasterio para la doctr...
DIGNITAS INFINITA - DIGNIDAD HUMANA; Declaración del dicasterio para la doctr...DIGNITAS INFINITA - DIGNIDAD HUMANA; Declaración del dicasterio para la doctr...
DIGNITAS INFINITA - DIGNIDAD HUMANA; Declaración del dicasterio para la doctr...
 
Si cuidamos el mundo, tendremos un mundo mejor.
Si cuidamos el mundo, tendremos un mundo mejor.Si cuidamos el mundo, tendremos un mundo mejor.
Si cuidamos el mundo, tendremos un mundo mejor.
 
PPT_ Prefijo homo tema para trabajar los prefijos en razonamiento verbal
PPT_ Prefijo homo tema para trabajar los prefijos en razonamiento verbalPPT_ Prefijo homo tema para trabajar los prefijos en razonamiento verbal
PPT_ Prefijo homo tema para trabajar los prefijos en razonamiento verbal
 
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
SISTEMA INMUNE FISIOLOGIA MEDICA UNSL 2024
 
PÉNSUM ENFERMERIA 2024 - ECUGENIUS S.A. V2
PÉNSUM ENFERMERIA 2024 - ECUGENIUS S.A. V2PÉNSUM ENFERMERIA 2024 - ECUGENIUS S.A. V2
PÉNSUM ENFERMERIA 2024 - ECUGENIUS S.A. V2
 
CUADERNILLO DE EJERCICIOS PARA EL TERCER TRIMESTRE, SEXTO GRADO
CUADERNILLO DE EJERCICIOS PARA EL TERCER TRIMESTRE, SEXTO GRADOCUADERNILLO DE EJERCICIOS PARA EL TERCER TRIMESTRE, SEXTO GRADO
CUADERNILLO DE EJERCICIOS PARA EL TERCER TRIMESTRE, SEXTO GRADO
 
PRIMER GRADO SOY LECTOR PART1- MD EDUCATIVO.pdf
PRIMER GRADO SOY LECTOR PART1- MD  EDUCATIVO.pdfPRIMER GRADO SOY LECTOR PART1- MD  EDUCATIVO.pdf
PRIMER GRADO SOY LECTOR PART1- MD EDUCATIVO.pdf
 
Abregú, Podestá. Directores.Líderes en Acción.
Abregú, Podestá. Directores.Líderes en Acción.Abregú, Podestá. Directores.Líderes en Acción.
Abregú, Podestá. Directores.Líderes en Acción.
 
Actividades eclipse solar 2024 Educacion
Actividades eclipse solar 2024 EducacionActividades eclipse solar 2024 Educacion
Actividades eclipse solar 2024 Educacion
 
NUEVO PLAN Y PROGRAMAS DE ESTUDIO 2022.pdf
NUEVO PLAN Y PROGRAMAS DE ESTUDIO  2022.pdfNUEVO PLAN Y PROGRAMAS DE ESTUDIO  2022.pdf
NUEVO PLAN Y PROGRAMAS DE ESTUDIO 2022.pdf
 
Fichas de Matemática TERCERO DE SECUNDARIA.pdf
Fichas de Matemática TERCERO DE SECUNDARIA.pdfFichas de Matemática TERCERO DE SECUNDARIA.pdf
Fichas de Matemática TERCERO DE SECUNDARIA.pdf
 

Estadística paramétrica vs no paramétrica

  • 1. República Bolivariana de Venezuela Universidad Bicentenaria de Aragua A.C. Estudios Superiores Gerenciales Corporativos Valles del Tuy CREATEC-CHARALLAVE - Centro Regional de Apoyo de los Valles del Tuy Escuela de Psicología Cátedra: Psicoestadística Profesor: MSc. Cruz Guerra Integrante: Oberto Kleinschmidt, José Ramón Ricardo – CI: 18.329.593 Charallave, Julio 2019
  • 2. ASPECTOS A COMPARAR ESTADÍSTICA PARAMÉTRICA ESTADÍSTICA NO PARAMÉTRICA DEFINICIÓN Es una rama de la estadística inferencial que comprende los procedimientos estadísticos y de decisión que están basados en distribuciones conocidas. Estas son determinadas usando un número finito de parámetros. 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. CARACTERÍSTICAS  Son determinadas usando un número finito de parámetros.  La variable de estudio ha de ser numérica.  Requiere conocer la forma de distribución para las mediciones resultantes de la población estudiada.  Sus datos deben tener un orden y una numeración del intervalo.  Son requeridas como mínimo una escala de intervalo.  Son más fáciles de aplicar.  Son aplicables a los datos jerarquizados.  Se pueden usar cuando dos series de observaciones provienen de distintas poblaciones.  Son la única alternativa cuando el tamaño de muestra es pequeño.  Son útiles a un nivel de significancia previamente especificado. PRUEBAS  Prueba T de student para datos relacionados (muestras dependientes)  Prueba T de student para datos NO relacionados (muestras dependientes)  Prueba del Valor Z de la Distribución Normal  Prueba t para una muestra  Prueba t para dos muestras independientes  Prueba t para dos muestras relacionadas  Prueba F (Análisis de Varianza a ANOVA para más de dos muestras independientes) • Prueba χ² de Pearson • Prueba 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 Kruskal-Wallis • 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 ESCALAS DE MEDICIÓN  Escala de Razón: Los datos de escala de razón se definen como un tipo de datos cuantitativos que se caracterizan por un punto de cero absoluto, es la más rica en cuanto a la información que proporciona. Los números se comparan en múltiplos uno, la cantidad de sujetos, llamada n en estadística, tendrá que ser mayor que 30 por grupo, favoreciendo los resultados del contraste de hipótesis el hecho de que los grupos estén balanceados.  Distribución Normal: Pongamos que, por ejemplo, queremos comparar dos grupos. Para comprobar si podemos aplicar las pruebas paramétricas, primero tendremos que comprobar si la distribución de los grupos en la variable cuantitativa es normal. Además, también tendremos que comprobar la homogeneidad de las varianzas en las poblaciones de las que proceden los grupos.  Variables Cuantitativas: Las pruebas paramétricas son un tipo de pruebas de significación estadística que cuantifican la asociación o independencia entre una variable cuantitativa y una categórica  Escala Nominal o Clasificatoria: Es la que puede considerarse la escala de nivel más bajo, y consiste en la asignación, puramente arbitraria de números o símbolos a cada una de las diferentes categorías en las cuales podemos dividir el carácter que observamos, sin que puedan establecerse relaciones entre dichas categorías, a no ser el de que cada elemento pueda pertenecer a una y solo una de estas categorías.  Escala Ordinal o de Rango: Es la que en caso de que puedan detectarse diversos grados de un atributo o propiedad de un objeto, la medida ordinal es la indicada, puesto que entonces puede recurrirse a la propiedad de "orden" de los números asignándolo a los objetos en estudio de modo que, si la cifra asignada al objeto A es mayor que la de B, puede inferirse que A posee un mayor grado de atributo que B.  Escala de Intervalos Iguales: Son las que están caracterizadas por una unidad de medida común y constante que asigna un número igual al número de unidades equivalentes a la dela magnitud que posea el elemento observado.  Escala de coeficientes o Razones: Es el nivel de medida más elevado y se diferencia de las escalas de intervalos iguales únicamente por poseer un punto cero propio como origen, es decir, que el valor cero de esta escala significa ausencia de la magnitud que estamos midiendo. Si se observa una carencia total de propiedad, se dispone de una unidad de medida para el efecto. SUPUESTOS  Independencia de las observaciones a excepción de datos pareados.  Las observaciones para la variable dependiente se han obtenido de manera aleatoria de una población con distribución normal.  La variable dependiente es medida al menos en una escala de intervalo.  Se recomienda un tamaño de muestra mínimo de 30 sujetos por grupo (mediciones cuantitativas, actualmente es opcional).  Los datos son obtenidos de poblaciones que tienen varianzas iguales (una varianza no debe ser el doble o mayor que la  Cuando la hipótesis a ser probada no se relaciona con ningún parámetro.  Cuando los datos han sido medidos en una escala más débil que la requerida para el procedimiento paramétrico alternativo.  Cuando se han violado una o más suposiciones necesarias para la aplicación del método paramétrico apropiado. Un procedimiento no paramétrico es frecuentemente la única alternativa.
  • 3. otra).  Habitualmente las hipótesis se hacen sobre valores numéricos, especialmente el promedio de una población (μ), como ejemplo: Ho: μ1 = μ2 H1: μ1 ≠ μ2.  Otros posibles requisitos: variable independiente nominal o de intervalo, homocedasticidad (para cada nivel de la variable independiente hay una variación similar de la variable dependiente) y casillas de igual tamaño.  Cuando los resultados se necesitan rápidamente y los cálculos deben hacerse a mano. VENTAJAS  Más poder de eficiencia.  Más sensible a los rasgos de los datos recolectados.  Menos posibilidad de errores.  Robustas (dan estimaciones probabilidades bastante exactas).  La probabilidad de usar una prueba incorrectamente es muy pequeña.  Algunos procedimientos los cálculos pueden ser ejecutados rápida y fácilmente, especialmente si deben hacerse a mano y los resultados urgen.  Experimentadores con una mínima preparación en estadística y matemática encontraran los conceptos y métodos fáciles de entender.  Pueden ser aplicados cuando la escala de medición es tanto fuerte como débil. DESVENTAJAS  Más complicadas de calcular.  Limitaciones en los tipos de datos que se pueden evaluar.  A consecuencia de que los cálculos son fáciles y simples (en su gran mayoría), a veces se utilizan estos procedimientos cuando los paramétricos serían más apropiados. Tales errores a menudo desperdician información.  Aunque estos procedimientos tienen reputación de requerir cálculos simples, en algunas pruebas su aritmética es laboriosa y tediosa. REFERENCIAS  Barreto A. El progreso de la estadística y su utilidad en la evaluación del desarrollo. Revista Papeles de Población, México, Universidad Autónoma del Estado de México. 2012; 12p.  Salcedo A, Díaz R. La estadística en la investigación. Competencia transversal en la formación universitaria”. Programa de Cooperación Interfacultades, Venezuela, Universidad Central de Venezuela 2013: 9-21.DOI: 978P.  Gómez M, Danglot C, Vega L. Sinopsis de pruebas estadísticas no paramétricas. Cuándo usarlas. Revista Mexicana de Pediatría. México. 2003; 70 (2).  Berlanga V, Rubio M. Clasificación de pruebas no paramétricas. Cómo aplicarlas en SPSS. REIRE. 2012; 5 (2).  Infante Gil S. 1980. Métodos estadísticos no paramétricos. Colegio de Postgraduados. 189 p.  Conover, W. J. 1980. Practical Nonparametric statistics. John Wiley & Sons. 493 p.  Infante Gil, S. y Zárate de Lara, G. P. 1986. Métodos estadísticos. Un enfoque interdisciplinario. Trillas. 643 p.  Sidney Siegel. 1970. Diseño experimental no paramétrico aplicado a las ciencias de la conducta. Trillas, S.A. 346 p.