Cuadro Comparativo (Datos)

Universidad Autónoma de Nuevo León Facultad de Psicología Unidad de Aprendizaje: Técnica de Análisis de Datos

Profesor: Juan Carlos Sánchez Tema: “Cuadro comparativo de pruebas paramétricas y no paramétricas”

Alumno (a): Sanjuana Gpe. Delgado Gómez

Salón: 111

Monterrey, N.L.

Matricula: 1512902

Grupo: 4to A

1 de Diciembre del 2013.

Cuadro Comparativo Pruebas Paramétricas Pruebas No paramétricas  se basan en que se supone una  no parten de la base de que los forma determinada de la datos analizados adoptan una distribución de valores, distribución normal. generalmente la distribución  es aquellas que no presuponen normal, en la población de la una distribución de probabilidad que se obtiene la muestra para los datos, por ello se experimental. conocen también como de  las técnicas paramétricas si distribución libre presuponen una distribución  El parámetro que se usa para teórica de probabilidad hacer las pruebas estadísticas subyacente para la distribución es la Mediana y no la Media de los datos.  Las pruebas no  las más habituales se basan en paramétricas no requieren la distribución de probabilidad asumir normalidad de la normal, y al estimar los población y en su mayoría se parámetros del modelo se basan en el ordenamiento de supone que los datos los datos, la población tiene que constituyen una muestra ser continua. aleatoria de esa distribución  Son técnicas estadísticas que  Cuando un procedimiento no presuponen ningún modelo estadístico es poco sensible a probabilístico teórico alteraciones en el modelo  se pueden aplicar más probabilístico supuesto, es fácilmente.  Cuando los datos puntualizan a decir que los resultados las escalas nominal u ordinal. obtenidos son  Se utiliza solo la frecuencia. aproximadamente válidos  Poblaciones pequeñas. cuando éste varía, se dice que  Cuando se desconocen los es un procedimiento robusto parámetros media, moda, etc.  Prueba del valor Z de la  Cuando los datos son distribución normal independientes.  Prueba T de Student para datos  Cuando se quiere contrastar o relacionados (muestras comparar hipótesis. dependientes)  Investigaciones de tipo social.  Prueba T de Student para datos (Muestras pequeñas no no relacionados (muestras representativas >5). independientes)  Cuando se requiere de

 Prueba T de Student-Welch para dos muestras independientes con varianzas no homogéneas  Prueba de ji cuadrada de Bartlett para demostrar la homogeneidad de varianzas  Prueba F (análisis de varianza o ANOVA  Más poder de eficiencia.  Más sensibles a los rasgos de los datos recolectados.  Menos posibilidad de errores.  Robustas (dan estimaciones probabilísticas bastante exactas).



  

  

establecer el nivel de confianza o significatividad en las diferencias Cuando la muestra es seleccionada no probabilísticamente. Leyes de la probabilidad y prueba binomial Prueba ji2 de Pearson para una muestra Prueba ji2 de Pearson para dos y más muestras independientes Prueba de bondad del ajuste mediante ji2 Prueba ji2 de proporciones para tres o más muestras independientes Prueba de probabilidad exacta de Fischer y Yates Prueba de McNemar para muestras dependientes Prueba Q de Cochran para tres o más muestras dependientes

GLOSARIO Aleatoria: Pueden representar los posibles resultados de un experimento aún no realizado, o los posibles valores de una cantidad cuyo valor actualmente existente es incierto Binominal: Que posee dos términos (Matemáticas); que tiene dos nombres intercambiables. Mediana: Valor central de una variable aleatoria que deja por encima y por debajo de él el mismo número de valores de la variable. Muestra: Parte de una población sobre la que se efectúa un estudio estadístico: para hacer este estudio se ha utilizado una muestra de trescientos estudiantes. No paramétricas: Es una rama de la estadística que estudia las pruebas y modelos estadísticos cuya distribución subyacente no se ajusta a los llamados criterios paramétricos Paramétricas: 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 Varianza: Es una variable aleatoria es una medida de dispersión definida como la esperanza del cuadrado de la desviación de dicha variable respecto a su media.

BIBLIOGRAFIA Rojas, M. (2003). Técnicas estadísticas y No Paramétricas Equivalentes: Resultados Comparativos Por Simulación. Recuperado de: http://www.iuma.ulpgc.es/~nunez/mastertecnologiastelecomunicacion/RecursosGe nerales/TesisEstadisticaParametricayNoParametrica.pdf