Es seguro decir que la mayoría de las personas que usan estadísticas están más familiarizadas con los análisis paramétricos que los análisis no paramétricos. Las pruebas no paramétricas también se denominan pruebas sin distribución porque no suponen que sus datos sigan una distribución específica.
Es posible que haya escuchado que debe usar pruebas no paramétricas cuando sus datos no cumplan con los supuestos de la prueba paramétrica, especialmente la suposición de datos distribuidos normalmente. Eso suena como una forma agradable y directa de elegir, pero hay consideraciones adicionales.
En esta publicación, le ayudaré a determinar cuándo debe usar un:
- Análisis paramétrico para probar medias del grupo.
- Análisis no paramétrico para probar medianas grupales.
En particular, me centraré en una razón importante para usar pruebas no paramétricas que no creo que se mencione con la frecuencia suficiente.
Razón 1: las pruebas paramétricas pueden funcionar bien con distribuciones sesgadas y no normales
Esto puede ser una sorpresa, pero las pruebas paramétricas pueden funcionar bien con datos continuos que no son normales si satisface las pautas de tamaño de muestra en la tabla a continuación. Estas pautas se basan en estudios de simulación realizados por estadísticos aquí en Minitab. Para obtener más información sobre estos estudios, lea nuestros documentos técnicos.
- Análisis paramétrico para probar medias del grupo.
- Análisis no paramétrico para probar medianas grupales.
Razón 2: las pruebas paramétricas pueden funcionar bien cuando la propagación de cada grupo es diferente
¿Cuándo se utiliza prueba no Parametrica?
El instrumento en forma de prueba es un conjunto de preguntas de prueba para medir las habilidades de conexión matemática de los estudiantes. Mientras que los instrumentos de no prueba tienen la forma de una escala con respecto a la confianza en sí mismos de los estudiantes y la escala de las opiniones de los estudiantes sobre la gestión del aprendizaje basada en problemas.
La no prueba es una evaluación alternativa en el sentido de que se desvía de la prueba de papel y pen (Reganit et. Al., 2010). Estas son pruebas que no obligan a los estudiantes a dar sus respuestas (RICO, 2011), sino que permiten a los estudiantes manifestar sus conocimientos y habilidades adquiridas de la materia.
Las técnicas que no son de prueba en guía se refieren a las. técnicas que no implican una prueba. Por lo tanto. Muchas pruebas como prueba de aptitud, prueba de rendimiento, inventario de intereses y prueba de personalidad no lo son.
Filtros de significado inútil. No ser o pertenecer a una prueba o ejemplo. Documentación sinestante.
Los instrumentos que no son de prueba son instrumentos de prueba además de aprender pruebas de rendimiento. Las herramientas de evaluación que se pueden utilizar incluyen hojas de observación u observación (como diarios, carteras, habilidades para la vida), instrumentos de prueba de actitud, intereses, técnicas de entrevista, cuestionarios, sociometría, estudios de casos, etc.
Una prueba no estandarizada es una que permite una evaluación de las habilidades o actuaciones de un individuo, pero no permite una comparación justa de un estudiante con otro. • Los resultados de las pruebas se pueden utilizar para estudiantes, maestros y para otros fines administrativos. Estas pruebas son muy simples de usar.
¿Dónde se utilizan las pruebas no paramétricas?
Las pruebas estadísticas no paramétricas pueden ser una alternativa útil a las pruebas estadísticas paramétricas cuando no se cumplen los supuestos de prueba sobre la distribución de datos.
En este número de anestesia y analgesia, Wang et al1 informan los resultados de un ensayo de los efectos de la masticación preoperatoria de la goma en el dolor de garganta tras anestesia general con un dispositivo de vía aérea supraglótica. Los autores utilizaron la prueba U de Mann-Whitney, una prueba no paramétrica, para comparar las puntuaciones de dolor de escala de calificación numérica entre los grupos.
La mayoría de los métodos estadísticos, es decir, métodos paramétricos, se basan en el supuesto de una distribución de datos específica en la población de la cual se muestrearon los datos. Esta distribución se caracteriza por ≥1 parámetros, como la media y la varianza para la distribución normal (gaussiana, en forma de campana «). Los métodos paramétricos comúnmente buscan estimar los parámetros de la población y probar hipótesis en estos parámetros, por ejemplo, en las medias y las diferencias medias entre los grupos. En contraste, aunque la definición exacta varía en la literatura, los métodos no paramétricos generalmente no asumen una distribución de probabilidad específica. Si bien existen otros métodos no paramétricos, nos centramos aquí en las pruebas no paramétricas basadas en rango ampliamente utilizadas. Estos métodos utilizan los rangos de los datos en lugar de sus valores reales y básicamente pueden usarse para todos los datos que pueden clasificarse, incluidos los datos ordinales, los datos discretos (como los recuentos) y los datos continuos.
Los métodos no paramétricos se usan comúnmente cuando no se cumplen los supuestos de distribución de datos de las pruebas paramétricas. En la práctica, los investigadores a menudo evalúan si la variable de resultado se distribuye normalmente en general y usan una prueba no paramétrica cuando no lo es. Sin embargo, vale la pena señalar que las pruebas no paramétricas basadas en rango:
- Por lo general, tienen un poco menos de potencia que las pruebas paramétricas cuando se cumplen los supuestos de distribución subyacentes de la prueba paramétrica,
- a menudo centrarse en las pruebas de hipótesis en lugar de la estimación de parámetros de interés, y
- Puede no estar disponible cuando se requieren análisis más complejos que las simples comparaciones dentro o entre grupos.
Por lo tanto, puede ser útil considerar si una prueba paramétrica puede usarse a pesar de los datos de resultados aparentemente no distribuidos normalmente. Primero, la suposición de normalidad no se aplica necesariamente a la variable dependiente en sí, sino a los residuos en un modelo de regresión lineal. En segundo lugar, algunas pruebas paramétricas como la prueba t pueden ser relativamente robustas contra la no normalidad cuando el tamaño de la muestra es grande. Tercero, se pueden considerar las transformaciones de datos para aproximar una distribución normal. Cuarto, cuando los datos siguen alguna otra distribución bien definida (por ejemplo, distribución de Poisson para datos de conteo), los investigadores pueden aprovechar los métodos paramétricos diseñados para estas distribuciones específicas.2
Artículos Relacionados:
- ¿Cuál es la diferencia entre pruebas paramétricas y no paramétricas?
- Pruebas paramétricas y no paramétricas: ¿cuál es la diferencia?
- ¿Qué diferencia hay entre un análisis paramétrico y un análisis no paramétrico?
- Pruebas no parametricas: guia completa para optimizar su sitio web
- ¿Qué son las pruebas paramétricas y no paramétricas?
- ¿Qué es paramétrico? | Aprende sobre la optimización de parámetros
