lunes, 27 de febrero de 2017

Estadística Paramétrica y No Paramétrica


Las principales diferencias entre la Estadística Paramétrica y No paramétrica, se presenta en el siguiente cuadro:

Estadística Paramétrica
Estadística No Paramétrica
Se supone que los datos se distribuyen normalmente.
No se hace suposiciones sobre la distribución de los datos.
Se supone que los datos se miden en una escala de intervalo o razón.
No hacen suposiciones acerca de la escala de los datos. Se aplica a datos categóricos.
Las pruebas paramétricas emplean parámetros que se estima en un conjunto de datos que se distribuyen normalmente.
Las pruebas no paramétricas no hacen uso de estos parámetros estadísticos.
Existe mayor poder estadístico en la inferencia estadística.
En general, el poder estadístico es menor en las pruebas no paramétricas.

Según las condiciones se tiene la posibilidad de aplicar la pruebas paramétricas o  no paramétricas, como por ejemplo:

Condiciones
Estadística Paramétrica
Estadística No Paramétrica
Para 1 muestra
Prueba Z  o prueba t
Prueba de los signos
Para 1 muestra
Prueba Z  o prueba t
Prueba de Wilcoxon
Para 2 muestras
Prueba t de 2 muestras
Prueba de Mann-Whitney
Un solo factor
ANOVA de un solo factor
Prueba de Kruskal-Wallis
Un solo factor
ANOVA de un solo factor
Prueba de la mediana de Mood
Dos factores
ANOVA de dos factores
Prueba de Friedman

Por la característica que tienen las variables categóricas (escala ordinal y nominal) es más frecuente el uso de las pruebas no paramétricas cuando se relacionan dos variables ordinales o dos variables nominales; o una variable categórica con una variable de escala de razón o intervalo.

No hay comentarios:

Publicar un comentario en la entrada