Integrantes:

Alcívar Lucía

Morales Daniel

Trujillo Kevin

Valdez Víctor

1) ¿Cuándo se utilizan las pruebas paramétricas y no paramétricas?

Las pruebas paramétricas se aplican a variables continuas. Estas técnicas se basan en
especificar una forma de distribución de la variable aleatoria y de los estadísticos
derivados de los datos.
Las no paramétricas se usan en un gran número de casos no se puede determinar la
distribución original ni la distribución de los estadísticos por lo que en realidad no
tenemos parámetros a estimar.

2) ¿Cuáles son las ventajas y las desventajas de plas pruebas paramétricas y no

paramétricas?

Paramétricas

Ventajas

 Son robustas (dan estimaciones probabilísticas bastante exactas).

 Menos posibilidad de errores.
 Más sensibles a los rasgos de los datos recolectados.
 Más poder de eficiencia.

Desventajas
 Más complicadas de calcular.
 Limitaciones en los tipos de datos que se pueden evaluar.

No paramétricas

Ventajas

 Pueden ser aplicados a una amplia variedad de situaciones porque ellos no tienen
los requisitos rígidos.
 Usualmente involucran simples computaciones que los correspondientes en los
métodos paramétricos y son, por lo tanto, más fáciles para entender y aplicar.
 Pueden frecuentemente ser aplicados a datos no numéricos, tal como el género de
los que contestan una encuesta.

Desventajas
 Tienden a perder información porque datos numéricos exactos son frecuentemente
reducidos a una forma cualitativa.
 No son tan eficientes como las pruebas paramétricas, de manera que con una
prueba no paramétrica generalmente se necesita evidencia más fuerte.
 Prueba chi cuadrado: La prueba o estadístico Chi cuadrado se utiliza para
comprobar si la diferencia en los datos que observamos:- Está dentro de lo normal
y probable, es decir, la diferencia que observamos en los datos es debida al azar.-
Recordemos que la Ho establece que no hay diferencia o lo que es lo mismo hay
igualdad.- Aceptamos la Ho- La diferencia que observamos es debida a algo más-
Rechazamos la hipótesis nula. La categoría de las variables que estudiamos tienen
que ser excluyentes, cualitativa, tamaño muestral mínimo de 50 casos, la frecuencia
esperada en cada casilla no deben ser inferior de 5 (aquí tendríamos q aplicar el
Test de Fisher o Corrección de Yates; También se puede reagrupar las
variables.*)Ejemplo clase: N=50Ho: el consumo de tabaco no se relaciona con la
enfermedad E NE Total F 4 21 25NF 3 22 25Total 7 43 50* los valores de las
variables (frecuencias) no deben ser menores de 5.Comparar la frecuencia
observada con la esperada Grado de libertad: depende de las categorías de las
variables que ponemos en el estudio Gl= (Nº de categoría de la variable
independiente (fumar)- 1) . (Nº de categoría de la variable dependiente -1)Gl= (k-1).
(L-1)= (2-1). (2-1)= 1.1= 1El test nos va a decir el nivel de significación.1
 Prueba de Wilcosxon: Se usa para comparar dos muestras relacionadas; es decir,
para analizar datos obtenidos mediante el diseño antes-después (cuando cada
sujeto sirve como su propio control) o el diseño pareado (cuando el investigador
selecciona pares de sujetos y uno de cada par, en forma aleatoria, es asignado a
uno de dos tratamientos). Pueden existir además otras formas de obtener dos
muestras relacionadas.
 Correlación de Spearman: La interpretación de coeficiente de Spearman es igual
que la del coeficiente de correlación de Pearson. Oscila entre -1 y +1, indicándonos
asociaciones negativas o positivas respectivamente, 0 cero, significa no correlación,
pero no independencia. La correlación estimada entre X e Y se halla calculando el
coeficiente de correlación de Pearson para el conjunto de rangos apareados. La
correlación de Spearman puede ser calculada con la fórmula de Pearson, si antes
hemos transformado las puntuaciones en rangos. Coeficiente de Correlación de
Spearman.
 Prueba de Human Witney:
Se usa cuando:
-Las observaciones de ambos grupos son independientes.
-Las observaciones son variables ordinales o continuas.
-Recomendable pero no imprescindible que las poblaciones comparadas tengan el
mismo tamaño.
-Para comparar dos grupos de rangos (medianas) y determinar que la diferencia no
se deba al azar.
 Kruskal-Wallis: Se emplea cuando se quieren comparar tres o más poblaciones.
Es el equivalente a un análisis de varianza de una sola vía. Procedimiento
paramétrico: Diseño completamente al azar. No requiere supuesto de normalidad.
No requiere supuesto de varianzas iguales (homogeneidad de varianzas).
Bibliografía:

Díaz N, Víctor Patricio. (2009). FREQUENT STATISTICAL ERRORS WHILE

COMPARING TWO INDEPENDENT POPULATIONS. Revista chilena de
nutrición, 36(4), 1136-1138. https://dx.doi.org/10.4067/S0717-
75182009000400011
Rubio-Hurtado, M., & Berlanga-Silvente, V. (2012). Cómo aplicar las pruebas
paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico. REIRE
Revista d'Innovació i Recerca en Educació, 5(2), 83-100.
doi:http://dx.doi.org/10.1344/reire2012.5.2527
Byron González. (2009). Prueba Kruskall Wallis. Abril 25, 2018, de Universidad de San
Carlos de Guatemala Sitio web: https://www.slideshare.net/byrong/prueba-
kruskall-wallis.
Serna López, A., Cortés, J., & Mustiola Calleja, K. (2010). PRUEBA U DE MANN-
WHITNEY. Abril 25, 2018, de Universidad Nacional de Colombia Sitio web:
aprendeenlinea.udea.edu.co/lms/moodle/.../PRUEBA_U_DE_MANN-
WHITNEY.ppt
Montaleza, I. (2007). Pruebas no parametricas de wilcoxon. Abril 25, 2018, de
Universidad Técnica de Loja Sitio web:
https://www.slideshare.net/patolink13/mtodos-no-paramtricos-wilcoxon
Beltrán, P. (2015). Coeficiente de Correlación de Pearson y Spearman. Abril 25, 2018,
de Instituto Universitario Santiago Mariño Sitio web:
https://www.slideshare.net/PatriciaCastillo31/coeficiente-de-correlacion-de-
pearson-y-spearman