ESTADÍSTICA PARAMÉTRICA

Y NO PARAMÉTRICA
UNIDAD 1
La estadística paramétrica es una rama de la estadística inferencial
que comprende los procedimientos estadísticos y de decisión que
están basados en las distribuciones de los datos reales. Estas son
determinadas usando un número finito de parámetros
Por ejemplo, si conocemos que la altura de las personas sigue una
distribución normal, pero desconocemos cuál es la media y la
desviación de dicha normal. La media y la desviación típica de la
distribución normal son los dos parámetros que queremos estimar.
Cuando desconocemos totalmente qué distribución siguen nuestros
datos entonces deberemos aplicar primero un test no paramétrico, que
nos ayude a conocer primero la distribución.
La estadística no paramétrica
La estadística no paramétrica es una rama de la estadística 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. La utilización de estos métodos se
hace recomendable cuando no se puede asumir que los datos se
ajusten a una distribución conocida, cuando el nivel de medida
empleado no sea, como mínimo de intervalo.
 PRUEBAS PARAMÉTRICAS

Su cálculo implica una estimación de los parámetros de la población con base en

muestras estadísticas.
Mientras más grande sea la muestra más exacta será la estimación.
Mientras más pequeña, más distorsionada será la media de la muestra por los
valores raros extremos
Para muestras no relacionadas necesitamos ser más cuidadosos cuando los tamaños
de las muestras sean bastantes diferentes.
 PRUEBAS PARAMÉTRICAS
VENTAJAS:
- Más poder de eficiencia
- Más sensible a los rasgos de los datos recolectados
- Menos posibilidad de errores
- Robustas (dan estimaciones probabilísticas bastante exactas)
DESVENTAJAS:
- Más complicadas de calcular
- Limitaciones en los tipos de datos que se pueden evaluar
 PRUEBAS NO PARAMÉTRICAS
Las pruebas estadísticas no paramétricas son las que, a pesar de
basarse en determinadas suposiciones, no parten de la base de que
los datos analizados adoptan una distribución normal.
Se denominan pruebas no paramétricas aquellas que no presuponen
una distribución de probabilidad para los datos, por ello se conocen
también como de distribución libre.
En la mayor parte de ellas los resultados estadísticos se derivan
únicamente a partir de procedimientos
 PRUEBAS NO PARAMÉTRICAS
VENTAJAS:
Pueden ser aplicados a una amplia variedad de situaciones
porque ellos no tienen los requisitos rígidos.
Pueden ser aplicados a datos no numéricos, tal como el género
de los que contestan una encuesta.
DESVENTAJAS:
Tienden a perder información (datos numéricos toman forma
cualitativa)
Las pruebas son menos eficientes, se necesita evidencia más
fuerte.
En el ámbito de las Ciencias Sociales es habitual el uso de pruebas no paramétricas
puesto que existen muchas variables que no siguen las condiciones de
parametricidad. Dichas condiciones se refieren al uso de variables cuantitativas
continuas, distribución normal de las muestras, varianzas similares y tamaño de las
muestras, mayor a 30 casos. Estos criterios se recogen ampliamente en Rubio y
Berlanga (2012). En caso de que no se cumplan estos requisitos, y sobre todo cuando
la normalidad de las distribuciones de la variable en estudio esté en duda y el tamaño
de la muestra sea menor a 30 casos, el empleo de las pruebas no paramétricas o de
distribución libre está indicado.
Las pruebas no paramétricas reúnen las siguientes características:
- son más fáciles de aplicar
- son aplicables a los datos jerarquizados;
- se pueden usar cuando dos series de observaciones provienen de distintas
poblaciones;
- son la única alternativa cuando el tamaño de muestra es pequeño
- son útiles a un nivel de significancia previamente especificado.