Estadistica Parametrica

UNIDAD IV Estadística no paramétrica
4 Estadística no paramétrica………………………………………………………3
4.1 Escalas de medición……………………………………………………………..4
4.2 Métodos estadísticos, paramétricos contra no paramétricos………………..5
4.3 Prueba de rachas para aleatoriedad…………………………………………...6
4.4 Una muestra, prueba de signos………………………………………………...7
4.5 Una muestra prueba de: Wilcoxon……………………………………………..7
4.6Dos muestras prueba de: Mann-Whitney……………………………………..10
4.7 Observaciones pareadas: prueba de signos………………………………….15
4.8 Observaciones pareadas: prueba de Wilcoxon………………………………17
4.9 Varias muestras independientes: prueba de krauskall-wallis……………….19
4.10 Aplicaciones con el uso del software

ESTADÍSTICA NO PARAMÉTRICA
La estadística no paramétrica es una rama de la estadística que estudialas 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 la determinan. 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, comomínimo, de intervalo.
Las principales pruebas no paramétricas son las siguientes:
* Prueba χ² de Pearson
* Prueba binomial
* Prueba de Anderson-Darling
* Prueba de Cochran
* Prueba de Cohen kappa
* Prueba de Fisher
* Prueba de Friedman
* Prueba de Kendall
* Prueba de Kolmogórov-Smirnov
* Prueba de Kruskal-Wallis
* Prueba de Kuiper
* Prueba deMann-Whitney o prueba de Wilcoxon
* Prueba de McNemar
* Prueba de la mediana
* Prueba de Siegel-Tukey
* Coeficiente de correlación de Spearman
* Tablas de contingencia
* Prueba de 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, latarea de decidir por cuál de todos ellos guiarse o qué hacer en caso de que dos test nos den resultados opuestos. Hay que decir que, para poder aplicar cada uno existen diversas hipótesis nulas 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 verificarsi se cumplen las hipótesis necesarias. La violación de las hipótesis necesarias para un test invalidan cualquier resultado posterior y son una de las causas más frecuentes de que un estudio sea estadísticamente incorrecto. Esto ocurre sobre todo cuando el investigador desconoce la naturaleza interna de los test y se limita a aplicarlos sistemáticamente.
4.1 ESCALAS DE MEDICIÓN
Antes deconsiderar como difieren los métodos estadísticos no paramétricos de los procedimientos paramétricos que constituyen la mayor parte de este tema, es útil definir los cuatro tipos de escalas de medición en términos de la precisión que representan los valores reportados.

En la escala nominal, los números se usan solo para identificar categorías. No representan ninguna cantidad ni monto como tal.EJEMPLO 1:
Son cuatro áreas de ventas se numeran del 1 al 14 como números de identificación general, entonces se emplea una escala, ya que los números sirven simplemente como nombres de categorías.
En la escala ordinal, los números representan rangos o grados .Los números indican magnitud relativa, pero las diferencias entre rangos no se suponen iguales.
EJEMPLO 2:
Un analista de inversionesclasifica cinco acciones del 1 al 5 en términos de potencial aumento de valor. La diferencia en el potencial aumento de valor entre las acciones clasificadas como 1 y 2 por lo general no serán igual que, por ejemplo, la diferencia entre las acciones clasificadas como 3 y 4.
En la escala de intervalos, se representan las diferencias medidas entre valores. Sin embargo el punto cero es arbitrario y...