Trastornos de la personalidad

Estadística no paramétrica
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 la determinan. La utilización de estos métodos se hace recomendable cuando no se puede asumir quelos datos se ajusten a una distribución conocida, cuando el nivel de medida empleado no sea, como mínimo, de intervalo
Ventajas de los Métodos No Paramétricos
1. Los métodos no paramétricos pueden ser aplicados a una amplia variedad de situaciones porque ellos no tienen los requisitos rígidos de los métodos paramétricos correspondientes. En particular, los métodos no paramétricos norequieren poblaciones
normalmente distribuidas.
2. Diferente a los métodos paramétricos, los métodos no paramétricos pueden frecuentemente ser aplicados a datos no numéricos, tal como el género de los que contestan una encuesta.
3. Los métodos no paramétricos usualmente involucran simples computaciones que los correspondientes en los métodos paramétricos y son por lo tanto, más fáciles paraentender y aplicar.

Desventajas de los Métodos No Paramétricos
1. Los métodos no paramétricos tienden a perder información porque datos numéricos exactos son frecuentemente reducidos a una forma cualitativa.
2. Las pruebas no paramétricas no son tan eficientes como las pruebas paramétricas, de manera que con una prueba no paramétrica generalmente se necesita evidencia más fuerte (así como unamuestra más grande o mayores diferencias) antes de rechazar una hipótesis nula.
Estadística paramétrica
La estadística paramétrica es una rama de la estadística que comprende los procedimientos estadísticos y de decisión están basados en las distribuciones de los datos reales. Estas son determinadas usando un número finito de parámetros. Esto es, por ejemplo, si conocemos que la altura de laspersonas sigue una distribución normal, pero desconocemos cuál es la media y la desviación de dicha normal. La media y la desviación típica de la desviación normal son los dos parámetros que queremos estimar. Cuando desconocemos totalmente que distribución siguen nuestros datos entonces deberemos aplicar primero un test no paramétrico, que nos ayude a conocer primero la distribución.
Ventajas de lasPruebas Paramétricas
* Más poder de eficiencia.
* Más sensibles a los rasgos de los datos recolectados.
* Menos posibilidad de errores.
* Robustas (dan estimaciones probabilísticas bastante exactas).
Desventajas de las Pruebas Paramétricas

* Más complicadas de calcular.
* Limitaciones en los tipos de datos que se pueden evaluar.
FENOMENOS HUMANOS ES MASREPRESENTATIVOS EN LA MEDIANA QUE EN LA MEDIA
Medida de Tendencia Central: Un único valor que resume un conjunto de datos. Señala el centro de valores.
No hay una sola medida de tendencia central, se consideran 5: la media aritmética, media ponderada, la mediana, la moda y la media geométrica.
Media de la población:
A partir de datos en vivo, los que no han sido agrupados en una distribución defrecuencias o en una representación de tallo y hoja, la media de una población es:
Suma de todos los valores de la población X
Media de una población = =
Número de valores en la población N
Donde:
representa la media de población
N nº total de elementos en la población
X cualquier valor en particular
sumatoria
La media de una población es un parámetro (una característica medible de unapoblación) , así como la amplitud de variación (la diferencia entre el valor más grande y el más pequeño en un conjunto de datos).
Mediana:
Para datos que contienen 1 o 2 valores sumamente grandes o muy pequeños, la media aritmética puede no ser representativa. El punto central puede describirse mejor utilizando una medida de tendencia central denominada mediana.
Mediana: Punto medio de los valores...