Prueba estadstica paramtrica:

La estadstica inferencial paramtrica hace suposiciones especficas acerca de

la poblacin o poblaciones que se muestrean. De all la importancia del
Teorema del Lmite Central para esta clase de inferencias (el supuesto de
normalidad es parte fundamental de las pruebas paramtricas). Los mtodos
descritos con anterioridad (estimacin puntual, estimacin de intervalo y
pruebas de hiptesis) en su forma paramtrica se derivan principalmente de
trabajos realizados por Neyman y Pearson como proyecto conjunto. De hecho,
su trabajo se dirigi al problema principal de las pruebas de hiptesis: Construir
una teora matemtica de pruebas que se utilicen para reducir la frecuencia de
conclusiones errneas respecto a las hiptesis consideradas. Como resultado
se definieron una serie de estadsticos de prueba que, siendo fijo el Error Tipo I,
dejan libre la probabilidad de Error Tipo II. De all que la teora de Neyman y
Pearson haya dejado a un lado la dependencia entre probabilidades de Errores
Tipo I y Tipo II para centrarse en restringir el tamao de la regin crtica.

Prueba estadstica no paramtrica:

Si volvemos al ejemplo de la prueba t veremos que existen supuestos sobre las

distribuciones poblacionales de la media muestral y del valor de la media
poblacional. En el caso de que uno de sus supuestos no se cumpla, las
tcnicas paramtricas (si no son robustas) generarn resultados errneos y por
ende las conclusiones de sus hiptesis sern invlidas. Las tcnicas
estadsticas no paramtricas ofrecen menor rigidez con respecto a sus
condiciones que las tcnicas paramtricas, aunque sacrificando para ello su
potencia de explicacin. Son procedimientos estadsticos que poseen ciertas
propiedades bajo supuestos generales y sin importar la poblacin de la cual los
datos han sido obtenidos. La mayora de las veces estos supuestos se refieren,
por ejemplo, a la simetra o continuidad de la distribucin poblacional. La
inferencia no paramtrica constituye un campo muy amplio que va desde las
equivalencias no paramtricas de las pruebas paramtricas existentes hasta
llegar a las estimaciones de punto e intervalo de constantes poblacionales que
no pueden ser llevadas a modelos paramtricos por su complejidad
(percentiles, deciles, etc.) El rpido desarrollo de las tcnicas no paramtricas
ha sido en parte por las siguientes razones:

Las tcnicas no paramtricas hacen supuestos muy generales respecto

a la distribucin de probabilidad que siguen los datos. En particular,
dejan de lado el supuesto de normalidad en una poblacin.
Son aplicables cuando la teora de normalidad no puede ser utilizada,
por ejemplo cuando no se trabaja con magnitudes de observaciones sino
con sus rangos.