¿Pruebas paramétricas o no parametricas?

Biblioteca Digital O

18 Aug 202004:31

Summary

TLDREn 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.

Outlines

00:00

📊 Diferencias entre Pruebas Paramétricas y No Paramétricas

En este primer párrafo, se discuten las diferencias fundamentales entre las pruebas paramétricas y no paramétricas en estadística. Se destaca la importancia del nivel de medición de los datos, ya que si los datos están en un nivel de intervalo o razón, se tiende a utilizar pruebas paramétricas, mientras que para datos nominales o ordinales, se optan por pruebas no paramétricas. También se menciona la distribución de los datos; para los datos de intervalo o razón, se espera una distribución normal, mientras que los datos nominales o ordinales seguirían una 'distribución libre'. Otro factor a considerar es el tamaño de la muestra; en psicología, si la muestra es grande (más de 30 sujetos), es apropiado utilizar pruebas paramétricas, pero si es pequeña (menos de 30), se recomienda utilizar pruebas no paramétricas. Además, el método de muestreo también influye en la elección de la prueba; un muestreo aleatorio conduce a pruebas paramétricas, mientras que otros métodos de muestreo resultan en pruebas no paramétricas. Se mencionan algunas de las pruebas más utilizadas en cada categoría: para pruebas paramétricas, la prueba t de Student y la prueba ANOVA, y para pruebas no paramétricas, la prueba de chi-cuadrado y otras como la de Mann-Whitney y la prueba t de Wilkerson.

Mindmap

Keywords

💡Pruebas paramétricas

Las pruebas paramétricas son aquellas que se realizan bajo la hipótesis de que los datos provienen de una distribución normal y tienen un nivel de medición de intervalo o razón. En el video, se menciona que si los datos están en un nivel de medición de intervalo o razón y se utiliza un muestreo aleatorio, se refiere a pruebas paramétricas. Un ejemplo dado es la prueba de t de Student.

💡Pruebas no paramétricas

Las pruebas no paramétricas no requieren la hipótesis de una distribución normal y son utilizadas cuando los datos tienen un nivel de medición nominal o ordinal o cuando la muestra es pequeña. En el video, se indica que si los datos son nominales o ordinales y la muestra es menor a 30, se utilizan pruebas no paramétricas. Se menciona la prueba de chi-cuadrado como una de las más famosas.

💡Nivel de medición

El nivel de medición se refiere a la escala en la que se miden los datos, y puede ser nominal, ordinal, intervalo o razón. En el video, se destaca que el nivel de medición influye en el tipo de prueba estadística que se debe utilizar. Por ejemplo, si los datos son de nivel de medición de intervalo o razón, se consideran pruebas paramétricas.

💡Curva normal

La curva normal, también conocida como la distribución normal o campana, es una distribución de probabilidad continua que se asume para los datos en las pruebas paramétricas. En el video, se habla de que es probable que los datos de naturaleza intervalo o razón describan una curva normal.

💡Distribución libre

Una distribución libre se refiere a una distribución de probabilidad que no sigue una forma específica, como es el caso de los datos nominales o ordinales. En el video, se menciona que cuando los datos son nominales o ordinales, las distribuciones tomarán una distribución libre.

💡Tamaño de la muestra

El tamaño de la muestra hace referencia a la cantidad de datos o sujetos que se incluyen en un estudio. En el video, se establece que si la muestra es grande (más de 30 personas), es más adecuado utilizar pruebas paramétricas, mientras que si es pequeña (menos de 30), se recomienda utilizar pruebas no paramétricas.

💡Muestreo aleatorio

El muestreo aleatorio es un método de selección de sujetos en el que todos los miembros de la población tienen la misma probabilidad de ser elegidos. En el video, se aclara que si se utiliza un muestreo aleatorio, se hace referencia a pruebas paramétricas, lo que es crucial para la validez de los resultados estadísticos.

💡Muestreo no aleatorio

Un muestreo no aleatorio, como el muestreo de conveniencia del investigador, implica que no todos los miembros de la población tienen la misma probabilidad de ser seleccionados. En el video, se indica que si no se utiliza un muestreo aleatorio, se utilizan pruebas no paramétricas.

💡Prueba de t de Student

La prueba de t de Student es una de las pruebas paramétricas más utilizadas, especialmente cuando se tienen datos de una sola muestra o dos muestras independientes con una pequeña muestra. En el video, se menciona como un ejemplo de prueba paramétrica.

💡Prueba de chi-cuadrado

La prueba de chi-cuadrado es una prueba no paramétrica ampliamente utilizada para determinar si hay una asociación entre dos variables categóricas. En el video, se destaca como una de las pruebas no paramétricas más famosas.

💡Prueba de ANOVA

La prueba de ANOVA (Análisis de Varianza) es una prueba paramétrica que se utiliza para comparar los promedios de tres o más grupos. Aunque no se menciona explícitamente en el video, es una prueba relevante en el contexto de las pruebas paramétricas.

Highlights

Hoy aprenderemos las diferencias entre pruebas paramétricas y no paramétricas.

El nivel de medición de los datos es crucial para elegir entre pruebas paramétricas y no paramétricas.

Datos de intervalo o razón generalmente implican pruebas paramétricas.

Datos nominales o ordinales sugieren el uso de pruebas no paramétricas.

Los datos de naturaleza intervalo o razón tienden a seguir una distribución normal.

Datos nominales o ordinales no siguen una curva normal y tienen una distribución libre.

El tamaño de la muestra influye en la elección entre pruebas paramétricas y no paramétricas.

Con muestras grandes (más de 30), es apropiado usar pruebas paramétricas.

Muestras pequeñas (menos de 30) suelen requerir pruebas no paramétricas.

El muestreo aleatorio es un factor clave para las pruebas paramétricas.

Muestreo no aleatorio conduce a considerar pruebas no paramétricas.

Resumen: Distribución normal, más de 30 sujetos, y muestreo aleatorio indican pruebas paramétricas.

Datos de nivel nominal o ordinal, muestra pequeña y muestreo no aleatorio sugieren pruebas no paramétricas.

Las pruebas más utilizadas en estadística paramétrica incluyen la prueba t de Student y la prueba F de la varianza.

Las pruebas no paramétricas populares son la prueba de Kruskal-Wallis y la prueba U de Mann-Whitney.

La prueba de Kruskal-Wallis es conocida por su amplio poder de medición estadístico.

Se mencionan otras pruebas no paramétricas como la prueba T de Wilkerson.

Se alude a que este tema se explorará en una clase futura.