Universidad Autnoma de Nuevo Len

Facultad de Psicologa

Unidad de Aprendizaje: Tcnica de Anlisis de Datos


Profesor: Juan Carlos Snchez

Tema: Cuadro comparativo de pruebas
paramtricas y no paramtricas


Alumno (a): Matricula:
Sanjuana Gpe. Delgado Gmez 1512902




Saln: 111 Grupo: 4to A









Monterrey, N.L. 1 de Diciembre del 2013.
Cuadro Comparativo

Pruebas Paramtricas Pruebas No paramtricas
se basan en que se supone una
forma determinada de la
distribucin de valores,
generalmente la distribucin
normal, en la poblacin de la
que se obtiene la muestra
experimental.
las tcnicas paramtricas si
presuponen una distribucin
terica de probabilidad
subyacente para la distribucin
de los datos.
las ms habituales se basan en
la distribucin de probabilidad
normal, y al estimar los
parmetros del modelo se
supone que los datos
constituyen una muestra
aleatoria de esa distribucin
Cuando un procedimiento
estadstico es poco sensible a
alteraciones en el modelo
probabilstico supuesto, es
decir que los resultados
obtenidos son
aproximadamente vlidos
cuando ste vara, se dice que
es un procedimiento robusto
Prueba del valor Z de la
distribucin normal
Prueba T de Student para datos
relacionados (muestras
dependientes)
Prueba T de Student para datos
no relacionados (muestras
independientes)

no parten de la base de que los
datos analizados adoptan una
distribucin normal.
es aquellas que no presuponen
una distribucin de probabilidad
para los datos, por ello se
conocen tambin como de
distribucin libre
El parmetro que se usa para
hacer las pruebas estadsticas
es la Mediana y no la Media
Las pruebas no
paramtricas no requieren
asumir normalidad de la
poblacin y en su mayora se
basan en el ordenamiento de
los datos, la poblacin tiene que
ser continua.
Son tcnicas estadsticas que
no presuponen ningn modelo
probabilstico terico
se pueden aplicar ms
fcilmente.
Cuando los datos puntualizan a
las escalas nominal u ordinal.
Se utiliza solo la frecuencia.
Poblaciones pequeas.
Cuando se desconocen los
parmetros media, moda, etc.
Cuando los datos son
independientes.
Cuando se quiere contrastar o
comparar hiptesis.
Investigaciones de tipo social.
(Muestras pequeas no
representativas >5).
Cuando se requiere de
Prueba T de Student-Welch
para dos muestras
independientes con varianzas
no homogneas
Prueba de ji cuadrada de
Bartlett para demostrar la
homogeneidad de varianzas
Prueba F (anlisis de varianza
o ANOVA
Ms poder de eficiencia.
Ms sensibles a los rasgos de
los datos recolectados.
Menos posibilidad de errores.
Robustas (dan estimaciones
probabilsticas bastante
exactas).

establecer el nivel de confianza
o significatividad en las
diferencias
Cuando la muestra es
seleccionada no
probabilsticamente. Leyes de la
probabilidad y prueba binomial
Prueba ji
2
de Pearson para una
muestra
Prueba ji
2
de Pearson para dos
y ms muestras independientes
Prueba de bondad del ajuste
mediante ji
2

Prueba ji
2
de proporciones para
tres o ms muestras
independientes
Prueba de probabilidad exacta
de Fischer y Yates
Prueba de McNemar para
muestras dependientes
Prueba Q de Cochran para tres
o ms muestras dependientes















GLOSARIO


Aleatoria: Pueden representar los posibles resultados de un experimento an no
realizado, o los posibles valores de una cantidad cuyo valor actualmente existente
es incierto

Binominal: Que posee dos trminos (Matemticas); que tiene dos nombres
intercambiables.

Mediana: Valor central de una variable aleatoria que deja por encima y por debajo
de l el mismo nmero de valores de la variable.

Muestra: Parte de una poblacin sobre la que se efecta un estudio
estadstico: para hacer este estudio se ha utilizado una muestra de trescientos
estudiantes.

No paramtricas: Es una rama de la estadstica que estudia las pruebas y
modelos estadsticos cuya distribucin subyacente no se ajusta a los llamados
criterios paramtricos

Paramtricas: Es una rama de la estadstica inferencial que comprende los
procedimientos estadsticos y de decisin que estn basados en las distribuciones
de los datos reales

Varianza: Es una variable aleatoria es una medida de dispersin definida como
la esperanza del cuadrado de la desviacin de dicha variable respecto a su media.





BIBLIOGRAFIA

Rojas, M. (2003). Tcnicas estadsticas y No Paramtricas Equivalentes:
Resultados Comparativos Por Simulacin. Recuperado de:
http://www.iuma.ulpgc.es/~nunez/mastertecnologiastelecomunicacion/RecursosGe
nerales/TesisEstadisticaParametricayNoParametrica.pdf