Estadistica no paramedica

[pic]
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRION
MAESTRIA EN DOCENCIA SUPERIOR E INVESTIGACION UNIVERSITARIA
TEMA: ESTADISTICA NO PARAMETRICA- COEFICIENTE DE CORRELACION POR RANGOS
DOCENTE: DR. ROBERTO CASTRO GOMEZ
ALUMNAS: INFANTE CASTREJON SILVIA R.
ROMERO ESTRELLA ELIZABETH
SOLIS SARMIENTO EDITH

LIMA SEPTIEMBRE 2009INTRODUCCION
Partiendo de la base de que algunos contrastes de hipótesis dependen del supuesto de normalidad, muchos de estos contrastes siguen siendo aproximadamente válidos cuando se aplican a muestras muy grandes, incluso si la distribución de la población no es normal. Sin embargo, muchas veces se da también el caso de que, en aplicaciones prácticas, dicho supuesto de normalidad no seasostenible. Lo deseable entonces será buscar la inferencia en contrastes que sean válidos bajo un amplio rango de distribuciones de la población. Tales contrastes se denominan no paramétricos.

La mayor parte de las técnicas estudiadas hacen suposiciones sobre la composición de los datos de la población. Las suposiciones comunes son que la población sigue una distribución normal, que variaspoblaciones tienen varianzas iguales y que los datos se miden en una escala de intervalos o en una escala de razón. En una situación de esta naturaleza, una alternativa consiste en emplear una medida de correlación no paramétrica.

Este tema presentará básicamente el coeficiente de correlación por rangos de Spearman por ser una de las medidas de correlación mas simple y de más uso parael caso de dos variables. Finalmente se incluirá el desarrollo de algunos ejemplos.

ESTADISTICA NO PARAMETRICA
La estadística no paramétrica es una rama de la estadística que estudia las pruebas y modelos estadísticos cuya distribución subyacente no se ajusta a los llamados criterios paramétricos. Su distribución no puede ser definida a priori, pues son los datos observados los que ladeterminan. La utilización de estos métodos se hace recomendable cuando no se puede asumir que los datos se ajusten a una distribución conocida, cuando el nivel de medida empleado no sea, como mínimo, de intervalo.
Las principales pruebas no paramétricas son las siguientes:
• Prueba χ² de Pearson
• Prueba binomial
• Prueba de Anderson-Darling
• Prueba de Cochran
• Prueba deCohen kappa
• Prueba de Fisher
• Prueba de Friedman
• Prueba de Kendall
• 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 Siegel-Tukey
• Coeficiente de correlación de Spearman
• Tablas de contingencia
• Pruebade Wald-Wolfowitz
• Prueba de los signos de Wilcoxon
La mayoría de estos test estadísticos están programados en los paquetes estadísticos más frecuentes, quedando para el investigador, simplemente, la tarea de decidir por cuál de todos ellos guiarse o que hacer en caso de que dos test nos den resultados opuestos. Hay que decir que, para poder aplicar cada uno existen diversas hipótesisnulas que deben cumplir nuestros datos para que los resultados de aplicar el test sean fiables. Esto es, no se puede aplicar todos los test y quedarse con el que mejor convenga para la investigación sin verificar si se cumplen las hipótesis necesarias.

VENTAJAS Y DESVENTAJAS DE LA ESTADISTICA NO PARAMETRICA

VENTAJAS
Las pruebas no paramétricas tienen varias ventajas sobre las pruebasparamétricas:

1.- Por lo general, son fáciles de usar y entender.
2.- Eliminan la necesidad de suposiciones restrictivas de las pruebas paramétricas.
3.- Se pueden usar con muestras pequeñas.
4.- Se pueden usar con datos cualitativos.

DESVENTAJAS
También las pruebas no paramétricas tienen desventajas:

1.- A veces, ignoran, desperdician o pierden...