Qué son las pruebas no paramétricas?
En estadística, las pruebas no paramétricas son métodos de análisis estadístico que no requieren que una distribución cumpla los supuestos necesarios para ser analizada (especialmente si los datos no están distribuidos normalmente). Por este motivo, a veces se denominan pruebas sin distribución.
Las pruebas no paramétricas son una alternativa a las pruebas paramétricas, como la prueba T o el ANOVA, que sólo pueden emplearse si los datos subyacentes satisfacen ciertos criterios y supuestos.
Tenga en cuenta que las pruebas no paramétricas se utilizan como método alternativo a las pruebas paramétricas, no como sustitutos. En otras palabras, si los datos cumplen los supuestos necesarios para realizar las pruebas paramétricas, se debe aplicar la prueba paramétrica correspondiente.
Además, en algunos casos, incluso si los datos no cumplen los supuestos necesarios pero el tamaño de la muestra de los datos es lo suficientemente grande, podemos aplicar las pruebas paramétricas en lugar de las pruebas no paramétricas.
Razones para utilizar pruebas no paramétricas
Para lograr los resultados correctos del análisis estadísticoAnálisis cuantitativoEl análisis cuantitativo es el proceso de recopilación y evaluación de datos medibles y verificables para entender el comportamiento y el rendimiento de un negocio., debemos conocer las situaciones en las que es adecuada la aplicación de pruebas no paramétricas. Las principales razones para aplicar la prueba no paramétrica son las siguientes
1. Los datos subyacentes no cumplen las hipótesis sobre la muestra de la población
En general, la aplicación de las pruebas paramétricas requiere que se cumplan varios supuestos. Por ejemplo, los datos siguen una distribución normal y la varianza de la población es homogénea. Sin embargo, algunas muestras de datos pueden mostrar distribuciones sesgadasDistribución sesgada positivamenteEn estadística, una distribución sesgada positivamente (o sesgada hacia la derecha) es un tipo de distribución en la que la mayoría de los valores se agrupan en torno a la cola izquierda del.
La asimetría hace que las pruebas paramétricas sean menos potentes porque la media ya no es la mejor medida de la tendencia centralTendencia centralLa tendencia central es un resumen descriptivo de un conjunto de datos mediante un único valor que refleja el centro de la distribución de los datos. porque se ve muy afectada por los valores extremos. Al mismo tiempo, las pruebas no paramétricas funcionan bien con distribuciones sesgadas y distribuciones que están mejor representadas por la mediana.
2. El tamaño de la muestra de la población es demasiado pequeño
El tamaño de la muestra es un supuesto importante en la selección del método estadístico adecuadoConceptos básicos de estadística para las finanzasUna sólida comprensión de la estadística es de crucial importancia para ayudarnos a entender mejor las finanzas. Además, los conceptos estadísticos pueden ayudar a los inversores a controlar. Si el tamaño de la muestra es razonablemente grande, se puede utilizar la prueba paramétrica aplicable. Sin embargo, si el tamaño de la muestra es demasiado pequeño, es posible que no se pueda validar la distribución de los datos. Por lo tanto, la aplicación de pruebas no paramétricas es la única opción adecuada.
3. Los datos analizados son ordinales o nominales
A diferencia de las pruebas paramétricas, que sólo pueden funcionar con datos continuos, las pruebas no paramétricas pueden aplicarse a otros tipos de datos, como los ordinales o los nominales. Para este tipo de variables, las pruebas no paramétricas son la única solución adecuada.
Tipos de pruebas
Las pruebas no paramétricas incluyen numerosos métodos y modelos. A continuación se presentan las pruebas más comunes y sus correspondientes contrapartidas paramétricas:
1. Prueba U de Mann-Whitney
La prueba U de Mann-Whitney es una versión no paramétrica de la prueba t de muestras independientes. La prueba trata principalmente de dos muestras independientes que contienen datos ordinales.
2. Prueba de rango con signo de Wilcoxon
La prueba de rango con signo de Wilcoxon es una contraparte no paramétrica de la prueba t de muestras pareadas. La prueba compara dos muestras dependientes con datos ordinales.
3. La prueba de Kruskal-Wallis
La prueba de Kruskal-Wallis es una alternativa no paramétrica al ANOVA unidireccional. Se utiliza para comparar más de dos grupos independientes con datos ordinales.
Recursos adicionales
nuestro sitio web es el proveedor oficial de la inteligencia empresarial mundial & Analista de datos (BIDA)®Conviértase en un Analista de & Analista de datos (BIDA)™De Power BI a SQL & Aprendizaje automático, la certificación de inteligencia empresarial de nuestro sitio web (BIDA) le ayudará a dominar sus superpoderes analíticos. programa de certificación, diseñado para ayudar a cualquier persona a convertirse en un analista financiero de primera clase. Para seguir aprendiendo y avanzar en su carrera, los recursos adicionales de nuestro sitio web que aparecen a continuación le serán de utilidad: