Sei sulla pagina 1di 14

Universidad politécnica mesoamericana

Alumna:
Ana Laura Trinidad Sánchez

PROFESOR :
Hernesto Castillo

Materia:
Estadística

Carrera:
IMRN

Cuatrimestre y grupo:
4to cuatrimestre grupo A
método no paramétrico
Qué es un método no paramétrico?
Una prueba no paramétrica es una prueba de hipótesis que no requiere
que la distribución de la población sea caracterizada por ciertos
parámetros. Por ejemplo, muchas pruebas de hipótesis parten del
supuesto de que la población sigue una distribución normal con los
parámetros μ y σ. Las pruebas no paramétricas no parten de este
supuesto, de modo que son útiles cuando los datos son
considerablemente no normales y resistentes a transformaciones.
Los métodos no paramétricos son útiles cuando no se cumple el supuesto
de normalidad y el tamaño de la muestra es pequeño. Sin embargo, las
pruebas no paramétricas no están completamente libres de supuestos
acerca de los datos. Por ejemplo, es fundamental presuponer que las
observaciones de las muestras son independientes y provienen de la
misma distribución. Además, en los diseños de dos muestras, se requiere
el supuesto de igualdad de forma y dispersión.
En la estadística paramétrica, se presupone que las
muestras provienen de distribuciones totalmente
especificadas caracterizadas por uno o más parámetros
desconocidos sobre los cuales se desea hacer
inferencias. En un método no paramétrico, se presupone
que la distribución de la que proviene la muestra no está
especificada y, con frecuencia, se desea hacer inferencias
sobre el centro de la distribución. Por ejemplo, muchas
pruebas de la estadística paramétrica, como la prueba t
de 1 muestra, se realizan bajo el supuesto de que los
datos provienen de una población normal con una media
desconocida. En un estudio no paramétrico, se elimina el
supuesto de normalidad.
Los métodos no paramétricos son útiles cuando no se
cumple el supuesto de normalidad y el tamaño de la
muestra es pequeño. Sin embargo, las pruebas no
paramétricas no están completamente libres de
supuestos acerca de los datos. Por ejemplo, es
fundamental presuponer que las observaciones de las
muestras son independientes y provienen de la misma
distribución. Además, en los diseños de dos muestras, se
requiere el supuesto de igualdad de forma y dispersión
PRUEBA DE SHAPIRO Y WILKS
Esta prueba mide el ajuste de la muestra al dibujarla en papel probabilístico

normal a una recta. Se rechaza la normalidad cuando el ajuste es malo, que

corresponde a valores pequeños del estadístico. El estadístico es


Los coeficientes
a j,n
están tabulados (tabla 10), y xj

es el valor ordenado enla muestra que ocupa el lugar j. La distribución de w está tabulada (tabla 11) y se rechaza
normalidad cuando el vaelor calculado es menor que el valor crítico dado en las tablas

EJEMPLO
Contrastar la hipótesis de que los datos siguientes provienen de una distribución
normal: (20, 22, 24, 30, 31, 32, 38). Para aplicar el test calcularemos los valores a j , n
directamente en la tabla 10, entonces
PRUEBA DE KOLMOGOROV SMIRNOV

Tal vez el método más recomendable para el caso en que


F(x) es una distribución continua es el método para una muestra de Kolmogorov-Smirnov o (K-S). Consiste en
una prueba de hipótesis en el que la hipótesis nula afirma que los datos sí se ajustan a la distribución F(x) y la
hipótesis alterna establece que no se ajustan. El estadístico de prueba está dado por:

Este valor se compara con el valor crítico


que se encuentra en una tabla. Se
rechaza la hipótesis nula si Dc es mayor
que el valor de tabla para el nivel de
confianza y el tamaño de muestra que se
estén considerando.