Mirar formulas en el libro Anlisis de datos en

psicologa
CONCEPTO Y FUNCIONES DE LA ESTADSTICA:
DESCRIPTIVA e INFERENCIAL
La estadstica se ocupa de la sistematizacin, recogida, ordenacin, y
presentacin de los datos referentes a un fenmeno que presenta
variabilidad o incertidumbre para su estudio metdico, con objeto de hacer
previsiones sobre los mismos, tomar decisiones u obtener conclusiones.
A partir de aqu obtenemos dos grandes reas:
Estadstica descriptiva
Se organizan y resumen conjuntos de observaciones procedentes de una
muestra o de la poblacin total, en forma cuantitativa.
Procedimientos:
Para una variable
- ndices de tendencia central
- Estadsticos de variabilidad
- Estadsticos de asimetra
Para dos variables
- Coeficientes de correlacin
- Ecuaciones de regresin
Estadstica Inferencial
Se realizan inferencias acerca de una poblacin basndose en los datos
obtenidos a partir de una muestra.
Procedimientos: El clculo de probabilidades.
Definicin de Estadstico: Es una propiedad descriptiva (una medida) de
una muestra.

5. VARIABLES: CLASIFICACIN Y NOTACIN

Variable: Representacin numrica de una caracterstica que presenta ms
de una modalidad (valor) de un conjunto determinado. Si una caracterstica
tiene una nica modalidad se llama constante.
Segn el nivel de medicin tenemos tantas variables como escalas (variable
nominal, ordinal, de intervalo, de razn).
Tipos de variables
A) Nominal (Cualitativa)
B) Ordinal (Cuasicuantitativa)
C) De intervalos, razn (cuantitativa)

Dicotmica: 2 categoras (sexo)

Politmica: + de 2 categoras (nacionalidad)
Discreta: Valores fijos (nmero de hijos). Entre 1 y 2 hijos no pueden
haber 1,5 hijos.
Continua: Puede haber medidas intermedias entre los valores. Por
ejemplo el peso (entre 89 y 90 podemos tener 89,4).
Xi siendo i = 1, 2,3n

DISTRIBUCIN DE FRECUENCIAS
Una distribucin de frecuencias es una representacin de la relacin entre
un conjunto de medidas exhaustivas y mutuamente influyentes y la
frecuencia de cada una de ellas.
Funciones:

- Ofrecer la informacin necesaria para realizar representaciones grficas

- Facilitar los datos para obtener los estadsticos muestrales
Conceptos
Frecuencia absoluta (ni): Nmero de veces que se repite cada uno de los
valores de una variable. La suma de todas las frecuencias absolutas
representa el total de la muestra (n).
Proporcin o frecuencia relativa (pi): Cociente entre la frecuencia
absoluta de cada valor de la variable (ni) y el nmero total de observaciones
(n). pi = ni /n
Porcentaje (Pi): Valor de la frecuencia relativa (pi) multiplicado por cien: Pi
= pi x 100
Frecuencia absoluta acumulada (na): Nmero de veces que se repita
cada modalidad o cualquiera de las modalidades inferiores.
Proporcin acumulada o frecuencia relativa acumulada (pa): Cociente
entre la frecuencia absoluta acumulada de cada clase y el total de
observaciones. pa = na / n
Porcentaje acumulado (Pa): Valor de la frecuencia relativa acumulada
multiplicado por cien. Pa= pax 100.

REPRESENTACIONES GRFICAS
Un grfico es una forma rpida de visualizar un conjunto de datos o
distribucin de frecuencias.
Diagrama de barras
Se utiliza para variables nominales, ordinales y cuantitativas discretas.
Diagrama de sectores
Se utiliza para variables cualitativas y cuasicuantitativas.
Pictograma
Se utiliza para variables cualitativas
Histograma
Polgono de frecuencias
Representacin grfica de dos variables
a) Diagrama de barras conjunto
b) Diagrama de dispersin o nube de puntos

8. PROPIEDADES DE LA DISTRIBUCIN DE
FRECUENCIAS
a) Tendencia central
Se refiere al lugar donde se centra una distribucin particular en la escala
de valores.
b) Variabilidad
Se refiere al grado de concentracin de las observaciones en torno al
promedio.
Una distribucin de frecuencias ser:
Homognea (tiene poca variabilidad). Si los valores de distribucin estn
cercanos al promedio. (Cuando hay pocos rectngulos alrededor del central)
Heterognea (tiene mucha variabilidad). Si los valores se dispersan mucho
en torno al promedio. (Cuando hay muchos rectngulos alrededor del
central)
c) Asimetra o sesgo
Se refiere al grado en que los datos se reparten equilibradamente por
encima y por debajo de la tendencia central.

1. MEDIDAS DE TENDENCIA CENTRAL:

De la tendencia central de la distribucin, nos interesa calcular un

valor central que acte como resumen numrico para representar al
conjunto de datos. Estos valores son las medidas o ndices de
tendencia central. Los ndices de tendencia central permiten
representar la distribucin con un nico valor y facilitan la
comparacin de otros conjuntos de puntuaciones de una variable.
Las medidas ms utilizadas en el anlisis de datos son:
1.1. La media aritmtica; tambin promedio o media es la medida
de tendencia central ms conocida y usada en la prctica, por su
sencillez de clculo y es el fundamento de un gran nmero de
tcnicas estadsticas. Indica la tendencia general de una distribucin
de frecuencias de una variable y es el valor central de las
observaciones centro de gravedad. Sin embargo se limita para
calcular variables cuantitativas.

Def.
Suma de todas las puntuaciones de la
distribucin, dividida por el total de casos u observaciones.
La mediana: es el ndice empleado cuando la distribucin es
asimtrica y no es posible aplicar la media aritmtica. La mediana no
se ve afectada por los valores extremos que en su clculo ocupan las
posiciones centrales. Por lo tanto, la mediana es un valor apropiado
para representar la tendencia central de la distribucin y se puede
obtener todo tipo de variables excepto en variables cualitativas. La
mediana de una variable X, representada por Md, se define como el
valor de la variable que divide la distribucin de frecuencias en dos
partes iguales, conteniendo cada una el 50% de las observaciones.
La moda: la moda es otro ndice de tendencia central que se puede
obtener tanto en variables cualitativas como en cuantitativas. Se
representa por Mo, y se define como el valor o categora de la
variable con mayor frecuencia absoluta.
La eleccin de una medida de tendencia central: para
seleccionar un valor que resuma adecuadamente la tendencia central
de la distribucin de frecuencias, se recomienda como primera opcin
la media aritmtica, por que en ella basan su importancia muchos
estadsticos. nicamente se desaconseja su uso con pocos valores
extremos, cuando el nivel de medida de la variable es nominal u
ordinal y/o en datos agrupados en los que existen intervalos abiertos
en los extremos de la distribucin.
MEDIDAS DE POSICIN:
Las medidas o ndices de posicin, tambin llamados cuantiles,
informan acerca de la posicin relativa de un sujeto con respecto a su
grupo de referencia, dentro de la distribucin de frecuencias de la
variable.
Percentiles: los tambin llamados centiles, son los 99 valores de la
variable que dividen en 100 la distribucin de frecuencias.
Cuartiles y deciles.
MEDIDAS DE VARIABILIDAD
La variabilidad o dispersin hace referencia al grado de variacin que
hay en un conjunto de puntuaciones. Por ejemplo: entre dos

distribuciones que presentan la misma media aritmtica, difieren en

la variabilidad de sus puntuaciones. As, cuanto menor es la
variabilidad, ms homognea es la muestra de sujetos en la variable.
En el caso de mxima homogeneidad, todos los valores de la variable
sern iguales. De otro modo, cuanto ms o menos dispersin en los
datos, la muestra es ms o menos heterognea y las puntuaciones
difieren entre s.
Para cuantificar la dispersin de los datos, se pueden distinguir dos
tipos de ndices: los que miden el grado de semejanza y diferencia de
las puntuaciones entre s (amplitud total o rango y la amplitud semiintercuartil), y los que la dispersin se mide a alguna medida de
tendencia central como la media aritmtica (varianza y la desviacin
tpica).
La variabilidad se puede basar en la distancia observada entre las
puntuaciones y un valor central de la distribucin como la media
aritmtica. De modo que, una distribucin con poca variabilidad es en
la que la mayora de las puntuaciones estn prximas a la media,
mientras que con mucha variabilidad, las puntuaciones se alejan del
valor medio de la variable.
Hay que tener en cuenta que al elevar la variable al cuadrado, las
unidades se elevan al cuadrado tambin. Para lograr una medida de
dispersin en las mismas unidades que la variable y que sea ms fcil
interpretar, se calcula la raz cuadrada de la varianza y se obtiene un
ndice que se llama desviacin tpica.
PUNTUACIONES TIPICAS
Todas las puntuaciones vistas hasta el momento han sido directas (de
un test, ).
Estas nos ofrecen muy poca informacin, no sabemos si se trata de
un valor alto o bajo porque esto depende del promedio del grupo.
La puntuacin tpica indica el nmero de desviaciones tpicas que se
aparta de la media una determinada puntuacin.
X menos la media dividido por desviacin tpica.
Propiedades: Media es cero y varianza 1

Anlisis conjuntos de dos variables

Asociacin y /o relacin entre dos variables: dos variables estn
relacionadas entre s, cuando ciertos valores de una de las variables,
se asocian con ciertos valores de la otra.
Covarianza: hace referencia a la variacin conjunta de dos variables
y nos permite estudiar la posible relacin entre X e Y. El signo positivo
o negativo indica si la relacin lineal entre ambas es directa o inversa:
- Relacin lineal directa: a mayores valores de una variable, mayores
de la otra
- Relacin lineal inversa: a mayores valores de una variable, menores
de la otra
Inconvenientes: desconocemos el rango de la covarianza. Para evitar
este problema disponemos del Coeficiente de Correlacin de
Pearson, rxy.
El coeficiente de correlacin lineal slo detecta relaciones lineales
entre dos variables.

Por tanto, un coeficiente de correlacin lineal cercano a cero, indica

que no existe relacin lineal entre las variables, pero no excluye la
posibilidad de que las variables tengan otras relaciones entre s de
carcter no lineal.

Inferencia estadstica
El valor estadstico obtenido de una muestra (como media) no ser
igual al valor del parmetro de poblacin. Para inferir un parmetro a
partir de un estadstico hay que aplicar herramientas estadsticas de
tipo inferencial como la estimacin por intervalo (intervalos de
confianza) o contraste de hiptesis.

MUESTREO: Cmo obtener muestras para, a travs de ellas, estudiar una poblacin.
Se debe intentar que sean muestras representativas de la poblacin que queremos estudiar.
INFERENCIA: En base a los resultados obtenidos de una muestra, hacer una afirmacin
sobre la poblacin de la que la muestra ha sido extrada.
Es funcin, entre otras cosas, de la variabilidad de la poblacin en la variable estudiada.
Cuanto mayor sea la variabilidad mayor ser el nmero de elementos que debamos
entresacar de la poblacin al formar la muestra para poder asegurarnos que representan a
aquella.
Si no hay variabilidad cualquier elemento de la poblacin que elijamos, representar a toda
la poblacin.
Uno de los problemas mayores con los que nos encontramos, suponiendo que el tamao de
la muestra sea el adecuado.
La inferencia estadstica, es decir, las afirmaciones que hacemos sobre la poblacin en
base al estudio
de una muestra, se hace siempre, en trminos probabilsticos.
Para que podamos hacer una inferencia con una probabilidad conocida de xito, es
necesario que nuestra muestra haya sido obtenida aleatoriamente.
Una de las implicaciones del muestreo probabilstico (y slo de l) es que se puede estimar
el error muestral.
ERROR MUESTRAL: Es la diferencia entre el resultado obtenido en la muestra y el que
se habra obtenido si hubisemos hecho un censo con la poblacin siguiendo los mismos
procedimientos que en la muestra.
POBLACIN: Es el conjunto de elementos, finito o infinito, definido por una o ms
caractersticas, de las que gozan todos los elementos que lo componen, y slo ellos.
TIPOS DE MUESTREO.
MUESTREO PROBABILSTICO: Es aquel en el que se puede calcular de antemano la
probabilidad de obtener cada una de las muestras que sea posible seleccionar, para lo cual es
necesario que la seleccin de la muestra pueda considerarse como un experimento aleatorio. Es
el nico tipo de muestreo que es capaz de darnos el riesgo (error) que cometemos en la
inferencia.
Este tipo de muestreo, por el hecho de basarse en la Teora de la Probabilidad.
MUESTREO INTENCIONAL U OPINATICO: En el cual la persona que selecciona la
muestra procura que esta sea representativa segn su criterio, dependiendo, por lo tanto, de su
intencin u opinin sobre qu es representativo en cada caso.
MUESTRO SIN NORMAS, CIRCUNSTANCIAL O ERRATICO: Es aquel en el que se
toma la muestra de cualquier manera, por razones de comodidad o capricho .
o TABLAS DE NUMEROS ALEATORIOS.
Se utilizan en la seleccin de la muestra.
Consisten en una serie de dgitos (en ms o menos cantidad segn de qu tabla se trate)
dispuestos en pginas y presentados por grupos de filas y columnas, de modo que puedan leerse,
cmodamente los nmeros.
o DISTRIBUCIONES EN MUESTREO.
Distribucin poblacional.

Si tomamos todos los elementos de la poblacin que interesa estudiar y medimos en ellos
una caracterstica, podemos realizar una distribucin de frecuencias de esos resultados, que ser
la distribucin de frecuencias de esa caracterstica en la poblacin, definida por su media y su
varianza.
PARMETROS: Son las medidas realizadas en la poblacin y se designan con letras
griegas.
= media de la poblacin.
2 = varianza poblacional.
Distribucin de la muestra.
Si en la muestra elegida medimos la caracterstica que interesa obtenemos unos resultados,
cuya distribucin de frecuencias constituye la distribucin de la caracterstica en la muestra,
definida por su media y su varianza.
ESTADSTICOS: Son las medidas realizadas en la muestra y se designan por letras
latinas maysculas.
Y = media de la muestra.
S2 = varianza de la muestra.
Distribucin muestral o distribucin del estadstico <<1>> en el muestreo.
o A partir de una poblacin que tengamos definida, podemos obtener todas las muestras
posibles, de un
determinado tamao, de esa poblacin y medir en ellas una determinada caracterstica, pudiendo
obtener un
resultado numrico o funcin para cada muestra; la distribucin de frecuencias de estos
valores
constituye la distribucin muestral de esa caracterstica llamada tambin distribucin del
estadstico
<<1>> a partir de los resultados de las muestras.
o ERROR TIPICO: La desviacin tpica de la distribucin muestral de un estadstico (es
decir; la raz cuadrada de su varianza), suele ser conocida como error tpico de ese estadstico.
o ESTIMACIN: Es el resultado numrico de cada uno de los valores de la funcin
estimadora, es decir, los valores numricos parciales de cada muestra posible.
o ESTIMADOR INSESGADO: Cuando tengamos un estadstico tal que su media coincide
con el parmetro poblacional que queremos estimar.
o ACURACIDAD: Se da cuando los estimadores sean insesgados, y adems, en lo posible,
tengan una varianza pequea para que estn muy centrados en torno al valor central.

TCNICAS DE MUESTREO ALEATORIO (TEMA 2)

o DISTRIBUCIONES EN MUESTREO.
Una caracterstica esencial del muestreo aleatorio es que todas las muestras posibles son
equiprobables, es decir, tienen la misma probabilidad de ser elegidas, pero la probabilidad de
cada una de ellas y la probabilidad de pertenencia de los sujetos, ser distinta en funcin de que
realicemos el muestreo con o sin reposicin.
MUESTREO ALEATORIO CON REPOSICIN: El tamao de la poblacin es
exactamente el mismo para cada extraccin.
o MUESTREO ALEATORIO SISTEMATICO.
Se necesita un listado de los elementos de la poblacin.
No hay que tomar n nmeros aleatorios, tan slo hay que tomar uno (k).
Siendo k un nmero entero resultado de dividir el tamao de la poblacin entre el tamao
de la muestra: k=N/n.
o MUESTREO ALEATORIO ESTRATIFICADO.
Si se sabe que una poblacin puede dividirse en partes o estratos de forma que en cada uno
de ellos, los elementos posean una gran homogeneidad con respecto al carcter que se estudia,
entonces se aumenta la precisin de las estimaciones tomando una muestra en cada estrato, es
decir actuando separadamente en cada estrato.
o MUESTREO POR CONGLOMERADOS.

La unidad muestral es un grupo de elementos de la poblacin a la que llamamos

conglomerado.
Normalmente, estos grupos o conglomerados tienen existencia real.
El muestreo por conglomerados consiste en seleccionar aleatoriamente cierto nmero de
conglomerados y en investigar despus todos los elementos pertenecientes a los conglomerados
elegidos.
Se tiene la ventaja de que no es necesario tener un listado de todos los elementos de la
poblacin, sino que consiste en dividir a la poblacin en grupos o conglomerados,
muestrear aleatoriamente un nmero de ellos, y una vez que un determinado nmero ha
sido seleccionado estudiar a todos los elementos que lo componen, no tenemos ms que
conocer a los sujetos que forman los conglomerados seleccionados, sin importar el resto.
MUESTREO POR AREAS: Cuando los conglomerados son reas geogrficas.
o MUESTREO POR ETAPAS.
Es una generalizacin del muestreo por conglomerados.
En la primera etapa se selecciona una serie de conglomerados o unidades muestrales
primarias.
En una segunda etapa se seleccionan conglomerados ms pequeos, pertenecientes a los
anteriores, o unidades muestrales secundarias. Y as sucesivamente tantas etapas como sea
necesario.

Intervalos de confianza
Concepto
La finalidad de un intervalo de confianza es estimar un parmetro
desconocido de una poblacin a partir de una muestra. Al estimar la
media de la poblacin a partir de una muestra, podemos cometer un
error de estimacin |X- |.
La estimacin por intervalo consiste en acotar el error con una alta
probabilidad 1 (nivel de confianza) de forma que |X- | no sea
superior a un estimado mximo (Emx).
El error de estimacin mximo (Emx) es funcin de la variabilidad de
la variable en la poblacin, del nivel de confianza (n.c.) y del tamao
de la muestra.
o ESTIMACIN POR INTERVALOS.
Se elabora un intervalo en el que se espera se encuentre el parmetro desconocido, con una
cierta probabilidad.
La estimacin por intervalos va ms all al establecer un rango de valores dentro del cual
estara el valor del parmetro.
El trmino probablemente nos indica que una estimacin por intervalos viene
acompaada de una probabilidad.
0,99 significa que si repitiramos el mismo experimento en la misma poblacin y en las
mismas condiciones, esperamos que el 99% de las veces el intervalo contenga el valor del
parmetro .
Siendo el intervalo la media y el error de +Una estimacin por intervalos expresa, de alguna manera, el grado de confianza con el que
se espera est el valor del parmetro en el intervalo, por lo que se suele llamar intervalo
confidencial.
METODOS DE ESTIMACION.
Mtodo de mxima verosimilitud.
Es elegir como estimador de un parmetro aquel que maximice la probabilidad de lo que de
hecho se ha observado en la muestra.
Mtodo de los mnimos cuadrados.

Estima y imponiendo la condicin de que la suma de los errores al cuadrado sea mnima.
Tanto por el mtodo de mxima verosimilitud como por el de los mnimos cuadrados, se
estiman los parmetros y a partir de una muestra aleatoria extrada de la poblacin de
la variable que se est estudiando. Segn el primer mtodo lo que se hace es elegir como
estimacin la que maximice la probabilidad de los datos muestrales, mientras que segn el
segundo se trata de estimar los estimadores que hagan mnima la suma de los errores al
cuadrado.

CONTRASTE DE HIPOTESIS (TEMA 4)

o INTRODUCCIN AL CONTRASTE DE HIPTESIS.
Se parte de la idea de que la informacin procedente de la muestra es suficiente para sacar
conclusiones
sobre la poblacin.
Hiptesis estadsticas.
La hiptesis cientficas deben formularse en trminos estadsticos, convirtindose as en
hiptesis estadsticas.
HIPTESIS ESTADSTICA: Es la hiptesis referida a algn aspecto de la distribucin
de una poblacin.
En el contraste de hiptesis estadsticas se formula dos hiptesis exhaustivas y
mutuamente exclusivas.
HIPTESIS NULA (H0): Es la hiptesis que se acepta provisionalmente y se somete a
contrastacin emprica.
HIPTESIS ALTERNATIVA (H1): Es la sustitutiva de la H0.
HIPTESIS BILATERAL O BIDIRECCIONAL: Se da cuando la media es algn valor
no especificado y diferente del valor dado a la hiptesis nula.
HIPTESIS UNIDIRECCIONALES O UNILATERALES: Pueden ser contraste
unilateral izquierdo, cuando la hiptesis alternativa es menor que la hiptesis nula o bien
contraste unilateral derecho, cuando la hiptesis alternativa es mayor que la hiptesis nula.
La idea general del contraste de hiptesis es hallar la probabilidad asociada al valor
muestral del estadstico.
Si dicha probabilidad es muy pequea se rechaza la H 0. y en caso contrario no se rechaza
(se acepta).
DISTRIBUCIN MUESTRAL DEL ESTADSTICO: Se llama as a la distribucin de
probabilidad (o distribucin de probabilidad acumulada) de los valores del estadstico obtenidos
en todas las muestras posibles del mismo tamao que pueden extraerse de la poblacin.
El conocimiento de la distribucin muestral de un estadstico nos permite dar el salto de la
muestra a la poblacin. Nos permite inferir determinadas caractersticas de la poblacin a partir
de esas mismas caractersticas en la muestra, con cierta probabilidad.
No obstante si operamos con puntuaciones tpicas todas las posibles distribuciones normales (de
la media) se convierten en una nica, que se denomina normal (0,1) o simplificando N (0,1).
Para hallar la probabilidad de inters en la tabla de la distribucin normal, se transforma la
media hallada de modo que pueda compararse con los valores que nos ofrece dicha tabla, es
decir se convierte en una puntuacin z. Lo que se ha hecho ha sido convertir nuestra estimacin
muestral en una puntuacin tpica.
La probabilidad buscada p, llamada nivel crtico representa la probabilidad de
obtener un valor del estadstico al menos tan extremo como el hallado, dada la hiptesis
nula.
Estadstico de contraste.
Un estadstico de contraste es un instrumento estadstico creado para tomar
decisiones sobre la hiptesis nula con cierta probabilidad.
Un estadstico de contraste se caracteriza por tener una distribucin muestral e informacin
sobre lo propuesto en la hiptesis nula.
La eleccin del ms adecuado depender fundamentalmente de la hiptesis del
investigador, de las

caractersticas de la variable en la poblacin (forma de la distribucin, varianza conocida o no,

nivel de
medida, etc., de los datos muestrales (como se han obtenido, que tipo de datos son, etc.)).
En definitiva, la eleccin de un estadstico, o ms generalmente de un contraste estadstico,
debe basarse
en propiedades de los datos, de la hiptesis y de la variable en la poblacin. Algunas de estas
propiedades
reciben el nombre de supuesto.
Es importante que se verifiquen los supuestos y siempre que tengamos dudas sobre su
incumplimiento los comprobaremos, pues en ellos se basa la eleccin del estadstico de
contraste y su
distribucin muestral.
Nivel de significacin y rechazo de la hiptesis nula.
Nivel de significacin o probabilidad de error tipo I se simboliza por y representa la
probabilidad de rechazar errneamente la hiptesis nula, que el investigador est dispuesto
a asumir y que fija en la planificacin de su investigacin.
El nivel de significacin suele ser muy pequeo porque cuanto mayor es mayor es la
probabilidad de rechazar errneamente la hiptesis nula.
En un contraste bilateral, si el nivel crtico p es diferente o distinto que , rechazamos la
hiptesis nula. En caso contrario no la rechazamos.
En un contraste unilateral izquierdo, si el nivel crtico p es menor que , rechazamos la
hiptesis nula. En caso contrario no la rechazamos.
En un contraste unilateral derecho, si el nivel crtico p es mayor que , rechazamos la
hiptesis nula. En caso contrario no la rechazamos.
El criterio divide la distribucin de probabilidad en dos zonas que llamaremos zona de
rechazo de la hiptesis nula (regin crtica) y zona de aceptacin de la hiptesis nula.
La zona de rechazo est formada por todos los valores cuya probabilidad es muy pequea
dada la hiptesis nula.
As si el valor muestral del estadstico de contraste cae en la zona de rechazo,
rechazamos la hiptesis nula y si cae en la zona de aceptacin, no la rechazamos.
La determinacin de la zona de rechazo de la distribucin de probabilidad depende de que
el contraste sea unilateral o bilateral. En un contraste bilateral, la zona de rechazo se reparte
en los dos extremos de la distribucin, delimitados ambos por /2.
o CONTRASTES PARAMETRICO Y NO PARAMETRICOS.
CONTRASTE PARAMTRICO:
1. La hiptesis recaen sobre los parmetros de la distribucin de la variable.
2. El nivel de medida es, al menos, de intervalo.
3. Se establecen supuestos restrictivos sobre la forma de la distribucin y/o sobre sus
parmetros.
CONTRASTE NO PARAMETRICO:
1. El nivel de medida es inferior al nivel de intervalo <<nos bastar con conocer el orden de
las observaciones (sin hacer intervenir explcitamente sus valores numricos) y a veces,
slo necesitaremos conocer cuantas de ellas se encuentran en cada una de ciertas
categoras no ordenadas (sin hacer intervenir explcitamente ni las puntuaciones asignadas
a las observaciones ni el orden de las mismas).
2. Los supuestos sobre la distribucin son menos restrictivos que los especificados en los
contrastes paramtricos.

CONTRASTES DE HIPTESIS PARA UNA MUESTRA

CONTRASTES DE HIPTESIS PARA DOS MUESTRAS
CONTRASTES PARA DOS MUESTRAS INDEPENDIENTES
CONTRASTES PARA DOS MUESTRAS DEPENDIENTES