El documento describe las diferencias entre pruebas paramétricas y no paramétricas. Las pruebas paramétricas hacen suposiciones sobre los parámetros de la población y distribución normal de los datos, mientras que las pruebas no paramétricas no hacen estas suposiciones. Algunas de las pruebas estadísticas más utilizadas mencionadas incluyen la prueba t, ANOVA, correlación de Pearson, y prueba de Ji cuadrada.

1. Pruebas Paramétricas
y
No Paramétricas

2. Pruebas Paramétricas:
Se llaman así porque su cálculo implica una estimación de
los parámetros de la población con base en muestras
estadísticas. Mientras más grande sea la muestra más exacta
será la estimación, mientras más pequeña, más distorsionada
será la media de las muestras por los valores raros extremos.

3. Ventajas
•Más poder de eficiencia.
•Más sensibles a los rasgos de los
datos recolectados.
•Menos posibilidad de errores.
•Robustas
(dan
estimaciones
probabilísticas bastante exactas).
Desventajas
•Más complicadas de calcular.
•Limitaciones en los tipos de datos
que se pueden evaluar.

4. Pruebas No Paramétricas:
Las pruebas no paramétricas son pruebas estadísticas que no
hacen suposiciones sobre la constitución de los datos de la
población, no asumen acerca de los parámetros de distribución, ni
se preocupan por el tipo de distribución, si no trabajan con simple
ordenación y recuento.

5. Ventajas
•Fáciles de usar y entender.
•Eliminan la necesidad de suposiciones
restrictivas de las pruebas paramétricas.
•Se pueden usar con muestras pequeñas.
•Se pueden usar con datos cualitativos.
Desventajas
•A veces, ignoran, desperdician o pierden
información.
•No son tan eficientes como las
paramétricas.
•Llevan a una mayor probabilidad de no
rechazar
una
hipótesis
nula
falsa
(incurriendo en un error de tipo II).

6. ¿QUE DEBÉMOS TOMAR EN CUENTA
PARA USAR LAS PRUEBAS PARAMÉTRICAS
Y NO PARAMÉTRICAS?

7. Pruebas Paramétricas:
•Las
Variables tienen que ser cuantitativas y estar
medidas en escalas de intervalo o razón.
•Los
Datos siguen una distribución Normal.
•Las Varianzas
•Muestras
son iguales.
Iguales (n > 30 )

8. Pruebas No Paramétricas:
•Datos
de distribución libre (no necesariamente normal). Si un
grupo tiene distribución normal mientras el otro no.
•Si
se trata de datos cuantitativos, ordinales o nominales.
•Con
•Al
varianza grande, un grupo con varianza 0 y el otro no.
trabajar con muestras pequeñas.

9. ¿Cuáles son los métodos o pruebas estadísticas
paramétricas más utilizadas?
•Coeficiente
•Prueba “
de Correlación de Pearson y la regresión lineal
t”
•Prueba
de contraste de la diferencia de proporciones
•Análisis
de varianza unidireccional (ANOVA Oneway)
•Análisis
de varianza factorial (ANOVA)
•Análisis
de covarianza (ANCOVA)

10. ¿Qué es el coeficiente de correlación de Pearson?
Definición:
Es una prueba estadística para analizar la relación entre dos o más
variables medidas en un nivel por intervalos o razón
Se simboliza por “ r “
Hipótesis a probar:
Correlacionalmente, del tipo : “A mayor X, mayorY”;
”A mayor X, menor Y”, “Altos valores en X están asociados con altos
valores en Y”,“Altos valores en X se asocian con bajos valores deY”

11. ¿Qué es la regresión lineal?
Definición:
Es un modelo matemático para estimar el efecto de una variable
sobre otra. Está asociado con el coeficiente de correlación de
Pearson.
Hipótesis a probar:
Correlaciónales y causales

12. ¿Qué es la prueba “T” ?
Definición:
Es una prueba estadística para evaluar si dos grupos difieren entre
sí de manera significativa respecto a su medias.
Se simboliza por “ t ”
Hipótesis a probar:
De diferencia entre dos grupos. La hipótesis de investigación
propone que los grupos difieren significativamente entre sí y la
hipótesis nula no difiere significativamente

13. ¿Qué es la prueba de diferencia de proporciones?
Definición:
Es una prueba estadística para analizar si dos proporciones difieren
significativamente entre si.
Hipótesis a probar:
De diferencia de proporciones entre dos grupos.

14. ¿Qué es el análisis de varianza unidireccional ?
(oneway)
Definición
Es una prueba estadística para analizar si más de dos grupos difieren
significativamente entre sí en cuanto a sus medias y varianzas .
La prueba “ t “ es utilizada para dos grupos y el análisis de varianza
unidireccional se usa para tres, cuatro o más grupos
Hipótesis a probar:
De diferencia entre dos o más grupos, se propone que los grupos
difieren significativamente entre si y la nula propone que no difieren

15. ¿Qué es el análisis factorial de varianza?
Definición:
Es una prueba estadística para evaluar el efecto de dos o más
variable independientes sobre una variable dependiente.
Se conoce como ANOVA ( análisis de varianza de k-direcciones)

16. ¿Qué es el análisis de covarianza?
Definición:
Es una prueba estadística que analiza la relación entre una variable
dependiente y dos o más independientes, removiendo y controlando
el efecto de al menos una de estas independientes

17. ¿Cuáles son los métodos o pruebas estadísticas no
paramétricas más utilizadas?

La Ji cuadrada o Chi cuadrada.

Los coeficientes de
tabulaciones cruzadas.

Los coeficientes de correlación para rangos ordenados de
Spearman y Kendall.
correlación
e
independencia
para

18. ¿Qué es la Ji cuadrada o Chi Cuadrado?
Definición:
Es una prueba estadística para evaluar la hipótesis acerca de la relación entre dos
variables categóricas
Se simboliza por x2
Hipótesis a probar: Correlaciónales
Variables Involucradas: Dos
Nivel de medición de las variables:
Nominal u ordinal ( o intervalos o razón reducida a ordinales)
La Chi cuadrada se calcula a través de una tabla de contingencia o tabulación
cruzada, de dos dimensiones y cada una representa una variable.

19. ¿Qué son los coeficientes de correlación e
independencia para tabulaciones cruzadas?
Este son otros coeficientes para evaluar si las variables incluidas en
la tabla de contingencia o tabulación cruzada están correlacionadas;
algunos coeficientes son los siguientes:
Phi, Coeficiente de contingencia o C dePearson,V de Gramer,
Lamdba ,Gamma, Tau-b de Kendall(Tau-b) , D de Somers, Eta. etc.

20. ¿Qué son los coeficientes de correlación por rangos
ordenados de Spearman y Kendall?
Los coeficientes rhoi de Spearman, simbolizado por rs, y tau de
Kendall, simbolizado como t, son medidas de correlación para variables en un
nivel de medición ordinal, de tal modo que los individuos u objetos de la muestra
pueden ordenarse por rangos o jerarquías.
Ambos coeficientes varían de -1.0 (correlación negativa perfecta) a +1,0 (
correlación positiva perfecta)
Estadísticas sumamente perfecta para variables ordinales

21. Importancia a nivel de la Medicina:
La
A
importancia de estas pruebas radica en su utilidad.
nivel de la Medicina siempre se irán haciendo investigaciones y estudios
a la población ( bien sea para conocer las problemáticas sobre alguna
enfermedad especifica, o para determinar el avance y propagación de
alguna incidencia a nivel de la salud )

22. Importancia a nivel de la Medicina:
Para
realizar investigaciones como esas se necesita gran cantidad de datos e información
que permitan desarrollar análisis reales y de fianza, pero para ello se deben tomar en
cuenta „‟Las Pruebas Paramétricas y No Paramétricas‟‟ Considerando las características que
deben presentar los datos o la información para ser procesadas.
Los
datos no tendrán las características especificas para usar un solo método (ya que
siempre encontraremos diversas variables )
Nos
ofrecen la comodidad de poder escoger la mas adecuada y con resultados
apropiados y eficientes.

23. Preguntas o Dudas?

24. Gracias Por su Atención !!