Este documento presenta información sobre pruebas estadísticas no paramétricas. Explica que estas pruebas no requieren suposiciones sobre la distribución de probabilidad subyacente de los datos, a diferencia de los métodos paramétricos. Detalla algunas ventajas de las pruebas no paramétricas como su facilidad de uso y aplicabilidad a datos no numéricos o cuando el tamaño de muestra es pequeño. Finalmente, resume algunas de las pruebas no paramétricas más importantes.
La medicina basada en la evidencia Y Revisión SistematicaKarla Ariza
Resumen, Sintesis, Abstrack, sobre la MBE (medicina Basada en la Evidencia), Metodologia de la Medicina Basada en la Evidencia) Revisiones Sistematicas, Metaanalisis,
La medicina basada en la evidencia Y Revisión SistematicaKarla Ariza
Resumen, Sintesis, Abstrack, sobre la MBE (medicina Basada en la Evidencia), Metodologia de la Medicina Basada en la Evidencia) Revisiones Sistematicas, Metaanalisis,
ROMPECABEZAS DE ECUACIONES DE PRIMER GRADO OLIMPIADA DE PARÍS 2024. Por JAVIE...JAVIER SOLIS NOYOLA
El Mtro. JAVIER SOLIS NOYOLA crea y desarrolla el “ROMPECABEZAS DE ECUACIONES DE 1ER. GRADO OLIMPIADA DE PARÍS 2024”. Esta actividad de aprendizaje propone retos de cálculo algebraico mediante ecuaciones de 1er. grado, y viso-espacialidad, lo cual dará la oportunidad de formar un rompecabezas. La intención didáctica de esta actividad de aprendizaje es, promover los pensamientos lógicos (convergente) y creativo (divergente o lateral), mediante modelos mentales de: atención, memoria, imaginación, percepción (Geométrica y conceptual), perspicacia, inferencia, viso-espacialidad. Esta actividad de aprendizaje es de enfoques lúdico y transversal, ya que integra diversas áreas del conocimiento, entre ellas: matemático, artístico, lenguaje, historia, y las neurociencias.
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptxOsiris Urbano
Evaluación de principales hallazgos de la Historia Clínica utiles en la orientación diagnóstica de Hemorragia Digestiva en el abordaje inicial del paciente.
3. • Actividad:
El estudiante responde con atención sobre los conocimientos que tiene sobre
Pruebas No Paramétricas
1. Que conoces sobre Pruebas No Paramétricas
2. Porque será importante establecer una Prueba No Paramétrica, cuando no
se cumple el supuesto de normalidad de los datos?
INICIO (10min)
Inicio
4. SABERES PREVIOS
PRUEBAS NO PARAMETRICAS
1. Que conoces sobre Pruebas No Paramétricas?
2. Porque será importante establecer una prueba no paramétrica
cuando no se cumple el supuesto de normalidad de los datos?
5. LOGRO DE SESION
Al finalizar la sesión, el estudiante estará en la capacidad de conocer la
utilidad de Pruebas No Paramétricas para poder aplicarlas en problemas
relacionados al campo de la investigación y las ciencias
6. • Actividad: A continuación el estudiante va revisar los conceptos básicos
correspondientes al desarrollo de Pruebas No Paramétricas y la
importancia en el campo de la investigación y las ciencias.
TRANSFORMACIÓN (60 min)
Principio pedagógico: Aprendizaje autónomo y Aprendizaje
colaborativo.
Transformación
7. PRUEBAS NO PARAMETRICAS
Los procedimientos de prueba de hipótesis que se presentaron en las unidades anteriores se basan
en la suposición de que las muestras aleatorias se seleccionan de poblaciones normales.
Afortunadamente, la mayor parte de estas pruebas aún son confiables cuando experimentamos
ligeras desviaciones de la normalidad, en particular cuando el tamaño de la muestra es grande.
Tradicionalmente, estos procedimientos de prueba se denominan métodos paramétricos.
En esta unidad del curso vamos a revisar procedimientos de prueba alternativos, llamadas pruebas
no paramétricas o métodos de distribución libre, que a menudo no requieren del conocimiento de la
distribución de origen de los datos, excepto que estas son continuas.
Los procedimientos no paramétricos o de distribución libre se usan con mayor frecuencia por los
analistas de datos. Existen muchas aplicaciones en la ciencia y la ingeniería donde los datos se
reportan no como valores continuos sino más bien en una escala ordinal tal que es bastante natural
asignar rangos a los datos.
8. ESTADISTICA NO PARAMETRICA
La estadística no paramétrica es una rama de la estadística inferencial 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.
Estadística Paramétrica
✔ Se asume que la población de la cual la
muestra es extraída es NORMAL
✔ Los procedimientos estadísticos y de
decisión están basados en
distribuciones conocidas.
✔ Estas son determinadas usando un
numero finito de parámetros
Estadística No Paramétrica
✔ Se aplican cuando no sabemos si la
población de la cual se extrae la muestra es
normal o aproximadamente normal.
✔ Son aplicables a los datos jerarquizados.
✔ Se pueden usar cuando dos series de
observaciones provienen de distintas
poblaciones (poblaciones en las que no se
distribuye igual la variable).
9. CARACTERISTICAS
• Son más fáciles de usar
• Son aplicables a datos jerarquizados
• Se pueden utilizar cuando dos series de observaciones provienen de distintas poblaciones
• Son una alternativa cuando el tamaño de muestra es pequeño
• Son útiles a un nivel de significancia previamente especificado.
10. VENTAJAS
• Pueden utilizarse en diferentes situaciones, ya que requieren de un mínimo número de
supuestos sobre la distribución de la población
• Generalmente, sus métodos son más sencillos, lo que las hace más fáciles de entender
• Se pueden aplicar en datos no numéricos.
• Facilita la obtención de información particular más importante y adecuada para el proceso de
investigación.
11. DESVENTAJAS
• No son pruebas sistemáticas.
• La distribución varía, lo que complica seleccionar la elección correcta.
• Los formatos de aplicación son diferentes y provoca confusión.
• Es posible que se pierda información porque los datos recolectados se convierten en
información cualitativa.
• Considera los valores perdidos para obtener información.
• Las hipótesis se basan en rangos, mediana y frecuencia de datos