Pruebas Parametricas

LAS PRUEBAS PARAMTRICAS
1. Se conoce el modelo de distribucin de la

poblacin objetode estudio y se desconoce un
nmero finito de parmetros de dicha distribucin
que hay que estimar con los datos de la muestra.
2. Requieren conocer la distribucin de la muestra
para poder realizar inferencias sobre la poblacin.
LAS PRUEBAS NO PARAMTRICAS

1. Son mtodos de distribucin libre. No requieren
conocer la distribucin de la muestra.
2. Se utilizan estadsticos cuya distribucin se
determina con independencia de cul sea la
distribucin de la poblacin.
web: http://www.uv.es/friasnav/ 1
web: http://www.uv.es/friasnav/
LAS PRUEBAS NO PARAMTRICAS: Para qu se
utilizan?
1. Son una alternativa a las pruebas paramtricas

cuando losdatos no cumplen los requisitos de las
pruebas paramtricas.
2. Permiten conocer cmo es la forma de la
distribucin de lapoblacin de la que se ha extrado la
muestra. Contrastes de Bondad de Ajuste para
conocer la forma de la poblacin que ha originado la
muestra.
Las pruebas de bondad de ajuste se utilizan para

contrastar si los datos de la muestra pueden
considerarse que proceden de una determinada
distribucin.
SUPUESTOS DE LAS PRUEBAS PARAMTRICAS
1 Normalidad. Las observaciones se extraen de
. poblaciones distribuidas segn la Normal para
cada grupo. Pruebas de bondad de ajuste.
2 Homocedasticidad. Las varianzas de los diferentes
. grupos tienen que ser iguales. Homogeneidad de
varianzas. El numerador y el denominador de la
prueba F son estimaciones de la misma varianza
poblacional. Prueba de Levne. Supuesto de
esfericidad respecto a la homogeneidad de
varianzas-
covarianzas segn la prueba de Mauchley.
3 Respecto a los errores:
. Los errores son independientes entre s.
1.
2. Se distribuyen segn na Normal dentro de cada
poblacin del grupo N(0, 2). Es decir, con media
cero y varianzas equivalentes.
3 La ecuacin estructural del modelo refleja una
. composicin aditiva de las fuentes de variacin.
ACTUACIONES. TOMA DE DECISIONES

Cuando se tengan unos datos hay que comprobar en
primer lugar los supuestos de las pruebas
paramtricas. En concreto se analizar en primer
lugar si los datos de la variable tienen una
distribucin normal. Para ello se utilizarn grficos
y pruebas de contraste de la normalidad.
Actuaciones:
1. Si se acepta la normalidad de las observaciones
entonces se aplicar el contraste paramtrico
adecuado para la hiptesis.
2. Si se rechaza la normalidad de las observaciones
entonces se optar por aplicar pruebas no
paramtricas donde los test se plantean sobre la
mediana de la distribucin:
1. Test de los rangos signos de Wilcoxon para
una muestra. Contrasta la mediana de la
muestra con la mediana poblacional. Tambin
permite contrastar la mediana de dos muestras
pareadas.
2. Test U de Mann-Whitney para muestras
independientes
Pruebas de bondad de ajuste
Las pruebas de bondad de ajuste tienen por objetivo determinar
si los datos se ajustan a una determinada distribucin.
Pruebas de Normalidad:
-pruebas grficas basadas en grficos de normalidad
como Q-Q plots. -Test de Kolmogorov Smirnov de
bondad de ajuste. Es vlido slo para variables
aleatorias continuas.
- Test de Lillefors. Es el Test de Kolmogorov Smirnov
con la correccin de Lillefors. Sus valores son menores
que los de Kolmogorov. -Prueba de Shapiro-Wilks.
Cuando se ejecutan las pruebas con el SPSS se

obtiene el valor del estadstico y el valor p de
probabilidad del contraste. Se rechaza H 0 si el valor
p de probabilidad es menor que el nivel de
significacin elegido para ejecutar la prueba de
contraste estadstico.
DISTRIBUCIN NORMAL DE LAS
PUNTUACIONES
Evaluar mediante inspeccin visual la

normalidad de las puntuaciones
Los grficos ayudan al investigador a juzgar si sus
datos proceden de una distribucin normal. Por
ejemplo, si los datos proceden de una distribucin
normal cabe esperar que la distribucin no tendr
una fuerte asimetra.
Sin embargo, con pocos datos no es fcil obtener
conclusiones consistentes y de ah que se hayan
ideado grficos concretos para observar la
normalidad de las puntuaciones de una variable.
Grficos para observar la normalidad de las
puntuaciones de una variable:
-Grficos de probabilidad normal P-P plots
-Grficos de cuantiles normales Q-Q plots
Estos grficos trabajan con los datos estandarizados
nados. y orde
Cuandolos datosse representan
frentea los datosesperadosde
una distribucin N (0, 1) se deben obtener alineados
puntos
en la
diagonal de un cuadro.
DISTRIBUCIN NORMAL DE LAS
PUNTUACIONES
Histograma Grfico de caja Grfico
Observar la simetra
de la distribucin
Evaluar mediante inspeccin

visualla normalidad de las
puntuaciones
SPSS: Grficos con pruebas de
normalidad:
ANALIZAR--ESTADSTICOS
DESCRIPTIVOS-EXPLORAR
Se puede seleccionar solamente ESTADSTICOS,
nte GRFICOS
solame o que el SPSS
ofrezca AMBOS (estadsticos y grficos)aen
desu
resultados.
salid
Asimetra de la distribucin
ASIMETRA POSITIVA
Examen difcil, Salarios, Tiempo de Reacci
Asimetra positiva: concentracin de casos en los valores

inferiores de la distribucin y cola extendida hacia los
valores grandes.
ASIMETRA NEGATIVA
Examen fcil
Asimetra negativa: concentracin de casos en los

valores altos y cola alargada hacia los valores inferiores
de la distribucin.
Asimetra de la distribucin
Evaluar utilizando la prueba de significacin la
GRFICOS CON PRUEBA DE NORMALIDAD
La aplicacin de la prueba de
normalidad muestra dos grficos:
(1) Normal Probability: Plot
(grficoQ-Q) dondea cadavalor
observado se le empareja con su
valor esperado, procedente ste
ltimo de una distribucin
normal.
Si la muestra es extrada de una
poblacin normal ambos valores
se encontrarn en la misma lnea
recta
.

Normal Probability. Plot
Grfico
Q-Q
--Se representanlos cuantiles empricos
obtenidosen la muestrafrente al cuantil
correspondiente en la distribucin Normal.
-- Si el grfico muestra una relacin cercana a u
lnea recta entonces se sugiere que los da
proceden de una distribucin Normal.
Normal Probability Plot . Grfico
Q-Q
Cuando la distribucin observada en las
puntuaciones se ajusta a la terica entonces los
puntos se representan en lnea recta en la
diagonal.
Si el ajuste no es bueno entonces la distribucin
de las puntuaciones adopta otras formas:
A. Asimtrica B. Asimtrica C. Leptocrtica D. Platicrtica
a la derecha a la izquierda
(2) Detrended Normal Plot
donde se muestran las
desviaciones de los puntos con
relacina unalnearecta
.
Si la muestra ha sido extrada de
una poblacin normal los puntos
deben situarse alrededor de una
lnea horizontal con el origen en
el punto .00.
Inspeccin visual descriptiva
Grfico de caja y bigotesLmite Superior: por encima de
ese lmite las puntuaciones se
consideran atpicas
outliers
( )
Q3= Tercer cuartil
Mediana
50%
95%
de las puntuaciones
de las puntuaciones
Lmite Inferior: por debajo de

ese lmite las puntuaciones se Q1= Tercer cuartil
consideran atpicas
outliers
( )
Inspeccin visual descriptiva
Grfico de caja y bigotes
--Asimetra positiva: la
mediana est ms
cerca de la parte
inferior de la caja.
--Asimetra negativa: la
mediana est ms
cerca de la parte
superior de la caja.
Cuanto ms larga sea la caja y los bigotes mayor variabilidad

tienen los datos
Grficos de distribucin
Las principales ventajas son la sencillez de
interpretacin, la extensin a cualquier tipo
de distribucin y, en el caso de la
distribucin normal, la facilidad de obtener
el diagrama ya
que est implementado en muchos
paquetes
estadsticos.
Adems, no requieren muestras tan
numerosas como algunos tests de
normalidad.
El principal inconveniente es la subjetividad
de la interpretacin visual, ya que al
contrario de los tests de normalidad
numricos no se concluye con una p de
probabilidad objetiva.
Pruebas de significacin para contrastar la

hiptesis de la normalidad de las puntuaciones de la
poblacin (variables aleatorias continuas):
Kolmogorov-Smirnov,
Correccin de Lilliefors y
Shapiro Wilks
Los grficos orientan sobre la
procedencia o no de la muestra de una
poblacin normal. Sin embargo, es
posible trabajar con una prueba
estadstica que certifique la normalidad o
no de las variables.
Queremos contrastar, para un determinado nivel de
confianza, la hiptesis nula de que los datos proceden
de una poblacin con distribucin normal.
Hiptesis Nula H0:
es que el conjunto de datos siguen una distribucin
normal. Hiptesis Alternativa H1: es que el conjunto
de datos no sigue una distribucin normal.
Si el valor del estadstico supera un

determinado valor, que depende del nivel de
significacin con el que se quiera rechazar la
hiptesis nula, entonces esa coleccin de
datos no se distribuye segn una distribucin
normal.
Lillierfors tabul el estadstico de Kolmogorov-Smirnov
para el caso ms habitual en el que desconocemos la
media y la varianza poblacional y se estiman a travs
de los datos muestrales. ----El SPSS utiliza esta prueba
modificada.
Los valores crticos se obtienen aplicando la correccin
de significacin propuesta por Lilliefors.
No utilizaremos el de Kolmogorov-Smirnov sin la
correccin de Lilliefors por resultar muy conservador
(en casi todas las ocasiones se mantiene H0)
Sin correccin de Lilliefors.
SPSS: Pruebas No paramtricasK-S de una
muestra
El estadstico de prueba Kolmogorov-Smirnov
(KS68 =0.155, p<0.001) con la correccin de
Lilliefors presenta un nivel de significacin igual
a <0,001. En consecuencia se rechaza la
hiptesis de normalidad.
ACTUACIN:
Es necesario realizar alguna transformacin a la
variable ya que no se cumple el supuesto de
normalidad de las observaciones de la variable
medida.
TRANSFORMACIONES DE LA VARIABLE
Objetivo: que la variable adopte una distribucin
normal o, al menos, simtrica
El SPSS permite realizar diversas transformaciones de la
variable.
1. En primer lugar, debemos recordar que el test K-S
nos indicaba si era o no necesaria la transformacin.
2. En segundo lugar, los grficos de tallos y hojas y/o
cajas con bigotes representan la direccin de la
simetra y, por lo tanto, indican el tipo de
transformacin que es ms adecuada.
Las transformaciones se realizan en funcin de
tipo de asimetra de la distribucin.
Tukey ofrece lo que l llama la Escalera de las
transformaciones, donde muestra el tipo de
transformacin recomendada segn sea la
intensidad de la
asimetra o la direccin en la que van los casos
extremos.web: http://www.uv.es/friasnav/ 30
Escalera de las transformaciones:
Si la distribucin es ASIMTRICA POSITIVA: es
conveniente utilizar 1-races cuadradas, 2-logaritmos
La correccin de la asimetra positiva ser an mayor
con los logaritmos.
Si la distribucin es ASIMTRICA NEGATIVA: 1-elevar

al cuadrado (X2) o 2-al cubo (X3). La correccin de los
datos ser mayor cuanto mayor es la exponenciacin.
Las transformaciones ms comunes son el logaritmo

(ln), la raz cuadrada (SQRT) y potencias (**potencia
deseada) TRANSFORMACIONES DE LA VARIABLE SPSS
--La escalera de transformacin de Tukey es orientativa

pero es una gua.
--Muy raramente se conseguir la normalidad con la
primera transformacin. Sern necesarias varias.
Despus de cada transformacin se ejecutan de nuevo
los anlisis de bondad de ajuste.
--Conviene tener en cuenta que con variables que
muestran una distribucin prxima a la normalidad la
aplicacin de las transformaciones puede provocar
hacerlas ms asimtricas. Cuando esto ocurre lo ms
conveniente es trabajar con los datos de la variable
original.
DATOS BRUTOS AL CUADRADO
AL CUBO
LOGARITMO
NO
El estadstico W de Shapiro-Wilks mide la fuerza
ondel
unaajuste c
recta.
Cuanto mayor sea el valor de este estadstico mayor
do desa
habr con la recta de normalidad, por lo que se recha
hiptesis nula.
Para muestraspequeas( entornoa 50 observaciones) se
recomiendaShapiro . Para muestrasmayoresse recomienda
Kolmogorov con la correccin de Lilliefors.
Ejercicios:
Fuente: http://ocw.usal.es/ciencias-sociales-1/control-estadistico-de-la-
calidad/materiales-de-clase/
Analizar la variable de Valoracin con el SPSS.

Examinar su ajuste a la distribucin normal. Realizar
algn tipo de transformacin si fuese necesario.
Redactar los resultados.
Para el informe de investigacin: BaseInformeESTAD.sav
-Buscar el modelo terico que puede representar el proceso de
aprendizaje de la estadstica para plantear las hiptesis tericas
en el apartado 37Introduccin. -Comprueba en los anlisis la
normalidad de la variable y la homogeneidad de las varianzas de
los grupos.
-Analiza e interpreta los estadsticos descriptivos que consideres
de las variables que se utilizan como variables dependientes.
-Estudiar la relacin entre las calificaciones y la valoracin sobre
la confianza en la solucin de la pregunta.
-Analizar la relacin entre aprobados y suspensos y la valoracin
sobre la confianza en la solucin de la pregunta.
-Estudiar la relacin entre el sexo y las notas acadmicas.
-Haz una interpretacin conjunta de todos los datos en el
apartado de Discusin

Pruebas Parametricas

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Pruebas Parametricas

Загружено:

Авторское право:

Доступные форматы

LAS PRUEBAS PARAMTRICAS

1. Se conoce el modelo de distribucin de la

LAS PRUEBAS NO PARAMTRICAS

1. Son una alternativa a las pruebas paramtricas

Las pruebas de bondad de ajuste se utilizan para

ACTUACIONES. TOMA DE DECISIONES

Cuando se ejecutan las pruebas con el SPSS se

Evaluar mediante inspeccin visual la

Evaluar mediante inspeccin

Asimetra positiva: concentracin de casos en los valores

Asimetra negativa: concentracin de casos en los

Evaluar utilizando la prueba de significacin la

Q3= Tercer cuartil

Lmite Inferior: por debajo de

Cuanto ms larga sea la caja y los bigotes mayor variabilidad

Pruebas de significacin para contrastar la

Si el valor del estadstico supera un

Si la distribucin es ASIMTRICA NEGATIVA: 1-elevar

Las transformaciones ms comunes son el logaritmo

--La escalera de transformacin de Tukey es orientativa

Analizar la variable de Valoracin con el SPSS.

Вам также может понравиться