Documente Academic
Documente Profesional
Documente Cultură
La etapa c, que incluamos entre los pasos para realizar una prueba de decisin
estadstica, estableca la necesidad de elegir un estadstico de contraste adecuado para
llevar a cabo tal prueba. La utilizacin de ciertos estadsticos de contraste exige el
cumplimiento de determinados requisitos, referidos a los parmetros y a la distribucin
poblacional. Estos requisitos son los denominados supuestos paramtricos, entre los que
se suelen encontrar los siguientes:
- Las variables consideradas son cuantitativas continuas, medidas por lo menos en una
escala de intervalos.
- Las muestras consideradas proceden de poblaciones en las que las variables se
distribuyen segn la ley normal.
- Se da homoscedasticidad (homogeneidad de varianzas) entre las distintas distribuciones
comparadas, es decir, las muestras proceden de poblaciones con varianzas similares.
- Las muestras consideradas tienen un tamao grande. Consideraremos grande, una
muestra de tamao superior a 30 individuos (n>30).
La significacin de los resultados que obtengamos depender del cumplimiento efectivo de
tales condiciones. Este tipo de pruebas de contraste reciben la denominacin de pruebas
paramtricas.
En el caso de otra serie de pruebas no se hacen tantas suposiciones como en las
anteriores acerca de la poblacin, por lo que pueden ser aplicadas sin el cumplimiento
rgido de tales condiciones previas. Este tipo de pruebas se denominan pruebas no
paramtricas.
Las pruebas no paramtricas no hacen ningn tipo de suposicin acerca de la forma
exacta de la poblacin en la que fueron extradas las muestras. A lo sumo, se precisa que
la distribucin sea continua, o simtrica, pero no se llega a predeterminar rgidamente la
forma de la distribucin, como ocurre cuando se exige que ste se adapte a la curva
normal.
1.
2.
3.
4.
5.
Siempre que se cumplan los supuesto exigidos, las pruebas paramtricas resultan de
mayor potencia que las no paramtricas, esto es, la probabilidad de rechazar una hiptesis
nula efectivamente falsa es mayor. Teniendo esto en cuenta, el criterio que habremos de
seguir a la hora de elegir entre pruebas paramtricas o no paramtricas es el de aplicar
una del primer tipo siempre que las condiciones exigidas para ello se cumplan. Pero si no
se cumplen tales condiciones, y especialmente si el tamao muestral es muy pequeo, es
preferible recurrir a las pruebas no paramtricas.
http://ocwus.us.es/metodos-de-investigacion-y-diagnostico-eneducacion/analisis-de-datos-en-la-investigacioneducativa/Bloque_II/page_64.htm
1) PRUEBAS NO PARAMTRICAS:
Las pruebas estadsticas no paramtricas son las que, a pesar de
basarse en determinadas suposiciones, no parten de la base de que
los datos analizados adoptan una distribucin normal.
Tcnica estadstica que no presupone ninguna distribucin de
probabilidad terica de la distribucin de nuestros datos.
Se denominan pruebas no paramtricas aquellas que no presuponen
una distribucin de probabilidad para los datos, por ello se conocen
tambin como de distribucin libre (distribucin free).
En la mayor parte de ellas los resultados estadsticos se derivan
nicamente a partir de procedimientos de ordenacin y recuento, por
lo que su base lgica es de fcil comprensin.
Cuando trabajamos con muestras pequeas (n < 10) en las que se
desconoce si es vlido suponer la normalidad de los datos, conviene
utilizar pruebas no paramtricas, al menos para corroborar los
resultados obtenidos a partir de la utilizacin de la teora basada en la
normal.
En estos casos se emplea como parmetro de centralizacin la
mediana, que es aquel punto para el que el valor de X est el 50% de
las veces por debajo y el 50% por encima.
Las pruebas no paramtricas no requieren asumir normalidad de la
poblacin y en su mayora se basan en el ordenamiento de los datos,
que
no
presuponen
ningn
modelo
gravedad, etc.
Es una tcnica estadstica que sirve para decidir/determinar si las
diferencias que existen entre las medias de tres o ms grupos
(niveles de clasificacin) son estadsticamente significativas.
Las tcnicas de ANOVA se basan en la particin de la varianza para
establecer si la varianza explicada por los grupos formados es
suficientemente mayor que la varianza residual o no explicada.
El anlisis de la varianza (ANOVA) es una tcnica estadstica de
contraste de hiptesis.
Tradicionalmente estas tcnicas, conjuntamente con las tcnicas de
regresin lineal mltiple, de las que prcticamente son una extensin
natural, marcan el comienzo de las tcnicas multivariantes.
Con estas tcnicas se manejan simultneamente ms de dos
variables, y la complejidad del aparato matemtico se incrementa
proporcionalmente con el nmero de variables en juego.
El anlisis de la varianza de un factor es el modelo ms simple: una
nica variable nominal independiente, con tres o ms niveles, explica
una variable dependiente continua.
Otra alternativa, que aparentemente es ms lgica e intuitiva,
consiste en comparar, en todas las posibles combinaciones de dos en
dos, las medias de todos los subgrupos formados.
En el ANOVA se comparan medias, no varianzas: medias de los
subgrupos o estratos originados por los factores de clasificacin
estudiados.
Un ANOVA entonces prueba si la variacin asociada a una fuente
explicada es grande concerniente a la variacin inexplicada.
Si ese cociente (la estadstica de F) es tan grande que la probabilidad
que ocurri por casualidad es baja (por ejemplo, P<=0.05), podemos
concluir (en ese nivel de la probabilidad) que esa fuente de la
variacin tena un efecto significativo.
CONDICIONES GENERALES DE APLICACIN.
A- INDEPENDENCIA DE LOS ERRORES I
Los errores experimentales han de ser independientes Se consigue si
los sujetos son asignados aleatoriamente. Es decir, se consigue esta
condicin si los elementos de los diversos grupos han sido elegidos
por muestreo aleatorio
B- NORMALIDAD
Se supone que los errores experimentales se distribuyen
normalmente. Lo que supone que cada una de las puntuaciones yi.i se
distribuir normalmente.
Para comprobarlo se puede aplicar un test de ajuste a la distribucin
http://scientific-european-federation-osteopaths.org/es/prueba-estadisticas