Estadística no-paramétrica
Páginas: 4 (840 palabras)
Publicado: 1 de diciembre de 2010
ENSAYO
“Estadística No-Paramétrica”
Nombre del Estudiante: Adán Camacho Salgado
La estadística no paramétrica es una rama de la Estadística que estudia las pruebas y modelos estadísticos cuyadistribución subyacente no se ajusta a los llamados criterios paramétricos.
Las técnicas estadísticas de estimación de parámetros, intervalos de confianza y prueba de hipótesis son, en conjunto,denominadas estadística paramétrica y son aplicadas básicamente a variables continuas.
Estas técnicas se basan en especificar una forma de distribución de la variable aleatoria y de los estadísticosderivados de los datos.
En estadística paramétrica se asume que la población de la cual la muestra es extraída es normal o aproximadamente normal (Gaussiana). Esta propiedad es necesaria para quela prueba de hipótesis sea válida. La validez de esta hipótesis se basa en el teorema central del límite, que postula que la distribución muestral de la media puede ser aproximadamente normal aunque lapoblación de referencia tenga una distribución muy diferente. La aproximación mejora a medida que el tamaño de la muestra aumenta.
Sin embargo, en un gran número de casos no se puede determinar ladistribución original ni la distribución de los estadísticos por lo que en realidad no tenemos parámetros a estimar. Tenemos solo distribuciones que comparar. Esto se llama estadística noparamétrica.
La mayor desventaja de la estadística no parametrica es que cuando los supuestos se cumplen es mucho menos poderosa que la estadística parametrica.
Las principales pruebas no paramétricas son lassiguientes:
• Prueba χ² de Pearson
• Prueba binomial
• Prueba de Anderson-Darling
• Prueba de Cochran
• Prueba de Cohen kappa
• Prueba de Fisher
• Prueba de Friedman
• Prueba deKendall
• Prueba de Kolmogórov-Smirnov
• Prueba de Kruskal-Wallis
• Prueba de Kuiper
• Prueba de Mann-Whitney o prueba de Wilcoxon
• Prueba de McNemar
• Prueba de la mediana
• Prueba de...
“Estadística No-Paramétrica”
Nombre del Estudiante: Adán Camacho Salgado
La estadística no paramétrica es una rama de la Estadística que estudia las pruebas y modelos estadísticos cuyadistribución subyacente no se ajusta a los llamados criterios paramétricos.
Las técnicas estadísticas de estimación de parámetros, intervalos de confianza y prueba de hipótesis son, en conjunto,denominadas estadística paramétrica y son aplicadas básicamente a variables continuas.
Estas técnicas se basan en especificar una forma de distribución de la variable aleatoria y de los estadísticosderivados de los datos.
En estadística paramétrica se asume que la población de la cual la muestra es extraída es normal o aproximadamente normal (Gaussiana). Esta propiedad es necesaria para quela prueba de hipótesis sea válida. La validez de esta hipótesis se basa en el teorema central del límite, que postula que la distribución muestral de la media puede ser aproximadamente normal aunque lapoblación de referencia tenga una distribución muy diferente. La aproximación mejora a medida que el tamaño de la muestra aumenta.
Sin embargo, en un gran número de casos no se puede determinar ladistribución original ni la distribución de los estadísticos por lo que en realidad no tenemos parámetros a estimar. Tenemos solo distribuciones que comparar. Esto se llama estadística noparamétrica.
La mayor desventaja de la estadística no parametrica es que cuando los supuestos se cumplen es mucho menos poderosa que la estadística parametrica.
Las principales pruebas no paramétricas son lassiguientes:
• Prueba χ² de Pearson
• Prueba binomial
• Prueba de Anderson-Darling
• Prueba de Cochran
• Prueba de Cohen kappa
• Prueba de Fisher
• Prueba de Friedman
• Prueba deKendall
• Prueba de Kolmogórov-Smirnov
• Prueba de Kruskal-Wallis
• Prueba de Kuiper
• Prueba de Mann-Whitney o prueba de Wilcoxon
• Prueba de McNemar
• Prueba de la mediana
• Prueba de...
Leer documento completo
Regístrate para leer el documento completo.