Pruebas paramétricas o no paramétricas

¿DIFERENCIA ENTRE PRUEBAS PARAMÉTRICAS Y NO PARAMÉTRICAS?

Los test o pruebas paramétricas asumen distribuciones estadísticas implícitas a los datos. Deben cumplirse algunas condiciones o supuestos de validez para poder ser aplicadas, de modo que el resultado de la prueba paramétrica sea válido y fiable. La prueba T de Student para dos muestras independientes será válida solo si cada una de las dos muestras tiene distribución normal y si las varianzas son homogéneas, de igual manera pasaría con la prueba ANOVA en la cual deben cumplirse los mismos supuestos para las diferentes muestras o categorías (3 o más).

Recordemos que para probar la normalidad debemos aplicar el test de Kolmogorov Smirnov (si n>50) o la de Shapiro Wilk (si n<50) en cada una de las muestras o categorías de la variable cualitativa, en cambio para probar la homocedasticidad o igualdad de varianzas debemos aplicar el test de Levene.

Las pruebas no paramétricas no deben ajustarse a ninguna distribución en particular ni cumplir ningún supuesto previo. Pueden por tanto aplicarse cuando no se cumplan las condiciones de validez paramétricas o la muestra sea pequeña.

Casi todas las pruebas paramétricas tienen su equivalente no paramétrica. Por ejemplo, la prueba no paramétrica equivalente a la T de Student es el test de Mann Whitney y la prueba no paramétrica equivalente al ANOVA es el test de Kruskal Wallis. Para más información siempre puede ponerse en contacto con nosotros sin ningún tipo de compromiso y le asesoraremos sobre qué tipo de pruebas debe realizar.

 

Ventajas de usar una prueba no paramétrica

Las pruebas no paramétricas son válidas en un rango más amplio de situaciones y no requieren de muestras grandes para poder ser aplicadas, situación que es muy común en la práctica, ya que no es fácil conseguir muestras grandes y que además cumplan las condiciones o supuestos de normalidad y homocedasticidad. Además, son más robustas que las pruebas paramétricas.

 

Ventajas de usar pruebas paramétricas

Tienen más potencia estadística que las pruebas no paramétricas. Un test paramétrico tiene mayor capacidad para conducir a un rechazo de la hipótesis nula y por tanto una aceptación de la hipótesis alternativa. La gran mayoría de las veces el p-valor asociado a una prueba paramétrica es más pequeño que el p-valor asociado a su equivalente no paramétrica. En la gran mayoría de las veces tanto la prueba paramétrica como la no paramétrica concluyen de igual manera, aceptando o rechazando ambas la misma hipótesis.

 

/ Sin categoría

Compartir post

Comentarios

Sin comentarios todavía.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *

Valoración:0
 
          
0 valoraciones