¿Pruebas paramétricas o no parametricas?

Summary

En este video, se exploran las diferencias fundamentales entre las pruebas paramétricas y no paramétricas en estadística. Se destaca que las pruebas paramétricas son aplicables cuando los datos tienen un nivel de medición de intervalo o razón, y se asume una distribución normal, como la 'campana'. Por otro lado, las pruebas no paramétricas se utilizan con datos nominales o ordinales, que no siguen una distribución normal y se denominan 'distribución libre'. El tamaño de la muestra también es crucial; mientras que las muestras grandes (más de 30 sujetos) tienden a utilizar pruebas paramétricas, las muestras más pequeñas (menos de 30) suelen optar por pruebas no paramétricas. Además, el método de muestreo es determinante: un muestreo aleatorio indica pruebas paramétricas, mientras que otros métodos no aleatorios sugieren pruebas no paramétricas. Se mencionan pruebas comunes como la de Student's t y la ANOVA para pruebas paramétricas, y la prueba de Kruskal-Wallis para pruebas no paramétricas, destacando la importancia de elegir el tipo de prueba adecuada según los datos y el diseño de la investigación.

Takeaways

• 📊 **Nivel de Medición**: Las pruebas paramétricas se utilizan con datos de nivel intervalo o razón, mientras que las pruebas no paramétricas se aplican a datos nominales o ordinales.
• 📈 **Curva Normal**: Se espera que los datos de nivel intervalo o razón sigan una distribución normal, como una curva de campana.
• 🎭 **Distribución Libre**: Los datos nominales o ordinales no siguen una curva específica y se describen como tener una distribución libre.
• 🔢 **Tamaño de la Muestra**: En psicología, se considera que si la muestra tiene más de 30 participantes, las pruebas paramétricas son más adecuadas.
• 🔮 **Muestreo Aleatorio**: El muestreo aleatorio es un factor clave para las pruebas paramétricas, donde todos los miembros de la población tienen la misma probabilidad de ser seleccionados.
• 🚫 **Muestreo No Aleatorio**: Si el muestreo no es aleatorio, como en el muestreo de conveniencia, se prefieren las pruebas no paramétricas.
• 📉 **Menor Muestra**: Con menos de 30 sujetos, es más indicado utilizar pruebas no paramétricas.
• 📚 **Pruebas Paramétricas Comunes**: Las pruebas de t de Student y la prueba ANOVA son ejemplos de pruebas paramétricas ampliamente utilizadas.
• 📘 **Pruebas No Paramétricas Comunes**: La prueba de Kruskal-Wallis es una de las pruebas no paramétricas más conocidas, conocida por su alto poder estadístico.
• 🔍 **Selección de Pruebas**: La elección entre pruebas paramétricas y no paramétricas depende de la naturaleza de los datos, el tamaño de la muestra y el método de muestreo utilizado.
• 📋 **Consideraciones Adicionales**: Otras pruebas no paramétricas incluyen la prueba de Mann-Whitney y la prueba T de Wilcoxon, entre otras.

Q & A

¿Cuáles son las pruebas que se utilizan para calcular diferencias en estadística?

Las pruebas se dividen en dos categorías principales: paramétricas y no paramétricas. Las pruebas paramétricas se utilizan cuando los datos tienen un nivel de medición de intervalo o razón y se describen por una curva normal, mientras que las pruebas no paramétricas se utilizan con datos de nivel nominal o ordinal y distribuciones libres.

¿Qué nivel de medición de los datos implica el uso de pruebas paramétricas?

Los datos que se encuentran en un nivel de medición de intervalo o razón implican el uso de pruebas paramétricas.

¿Qué nivel de medición de los datos implica el uso de pruebas no paramétricas?

Los datos que se encuentran en un nivel de medición nominal o ordinal implican el uso de pruebas no paramétricas.

¿Cómo afecta la forma en que se recaba una muestra en la elección entre pruebas paramétricas o no paramétricas?

Si la muestra se recaba de manera aleatoria, se hace referencia a pruebas paramétricas. Sin embargo, si el muestreo no es aleatorio, se habla de pruebas no paramétricas.

¿Cuál es el tamaño mínimo de muestra que generalmente se considera para utilizar pruebas paramétricas en psicología?

En psicología, se suele considerar una muestra grande, es decir, más de 30 personas, para utilizar pruebas paramétricas.

¿Cuáles son las pruebas más utilizadas en términos paramétricos?

Las pruebas más utilizadas en términos paramétricos son la prueba t de Student y la prueba F de la varianza.

¿Cuál es una prueba no paramétrica famosa que se menciona en el guión?

Una de las pruebas no paramétricas más famosas mencionadas es la prueba de Kruskal-Wallis.

¿Qué características definen la prueba de Kruskal-Wallis?

La prueba de Kruskal-Wallis es caracterizada por su amplio poder de medición estadístico y es útil cuando se tiene una muestra pequeña y los datos no siguen una distribución normal.

¿Por qué se utilizan las pruebas no paramétricas con muestras pequeñas?

Las pruebas no paramétricas se utilizan con muestras pequeñas, es decir, menos de 30 casos, porque no se puede asumir una distribución normal de los datos y son más flexibles en términos de los requisitos de los datos.

¿Cómo afecta la distribución de los datos la elección entre pruebas paramétricas y no paramétricas?

Si los datos describen una curva normal (forma de campana), es probable que se utilicen pruebas paramétricas. Si los datos tienen una distribución libre, es decir, no siguen una curva específica, se utilizan pruebas no paramétricas.

¿Cuáles son otras pruebas no paramétricas mencionadas en el guión?

Además de la prueba de Kruskal-Wallis, se mencionan la prueba de Mann-Whitney y la prueba T de Wilkerson como ejemplos de pruebas no paramétricas.

¿Por qué es importante considerar el nivel de medición y la distribución de los datos al elegir una prueba estadística?

El nivel de medición y la distribución de los datos son cruciales ya que determinan si se pueden aplicar las suposiciones necesarias para las pruebas paramétricas. Si estas suposiciones no se cumplen, se deben utilizar pruebas no paramétricas que no requieren tantos supuestos sobre la forma de la distribución de los datos.