Вы находитесь на странице: 1из 3

3º “A” BIOLOGIA

Blgo. KLEVER XAVIER MENDOZA NIETO


BIOESTADÍSTICA
28 De Enero 2019

MOGRO MENDOZA MAURICIO JAVIER


CONSULTA:
Pruebas estadísticas:
Asumiendo una distribución normal de los datos obtenidos en una variable cuantitativa podemos
aplicar una estadística de estimación y contraste, pero en caso de que no se de este escenario
o a su vez que los datos sean tan pequeños que nos cueste trabajo determinar la distribución
normal de los mismos podemos optar por otros mecanismos para asegurar los resultados
estadísticos acudiendo a pruebas estadísticas que no requieran de este tipo de distribución en
la obtención de los datos denominas No Paramétricas. Siendo así todas aquellas pruebas que
funcionan con una distribución de normalidad determinada en sus datos serán denominas
pruebas Paramétricas.

Pruebas No Paramétricas

En estas a pesar de estar basada en suposiciones no depende de la distribución normal ni otro


tipo de distribución teórica de los datos. Este es el principal motivo por el cual también pueden
denominarse como pruebas de Distribución libre.

Los principales procedimientos que caracterizan este tipo de pruebas son la ordenación y el
recuento de los datos haciendo que la base lógica de los mismos sea fácil de comprender.

Como ejemplo de las pruebas no paramétricas tenemos:

 Prueba del signo.


 Prueba con signos de Wilcoxon.
 Prueba de suma de rangos de Mann Whitney
 Prueba de Kruskal Wallis
 Prueba de Correlación de rangos.

Este método es uno de los mejores adaptados para muestras pequeñas cuando nuestra n es
menor que 10 dado que en estas su distribución suele ser desconocida o no medible, si no
usamos el método para la estadística debemos considerar una prueba no paramétrica como
validación de la prueba que usa la normalidad.

El caso expuesto no es recomendable emplear la media como parámetro centralizador en su


lugar ocuparemos la mediana que es la medida donde el valor X esta 50% por debajo e igual por
encima. Estas pruebas no suponen ningún modelo probabilístico teórico.

Pese a ser menos potentes que las pruebas paramétricas tienen a su favor la fácil aplicación de
las mismas.

Pruebas Paramétricas

Para este tipo de pruebas nos basamos en la suposición de una determinada forma de la
distribución de valores la cual será generalmente Normal en la población de la que se obtiene la
muestra experimental.

Entre las principales pruebas estadísticas paramétricas tenemos:

 T de Student.
 ANOVA.
 Correlación Lineal.
 Prueba Z
Son pruebas potentes con gran eficacia necesitan de distribuciones teóricas de probabilidad
subyacente para la distribución de los datos.

Las más habituales de las pruebas paramétricas se basan en la probabilidad Normal y así al
estimar los parámetros del modelo suponemos que los datos tendrán este tipo de distribución en
su muestra aleatoria, los elementos básicos para construir intervalos de confianza y contrastar
hipótesis dependen del modelo probabilístico, la elección del estimados y el cálculo de la
precisión de la estimación.

Cuando un procedimiento estadístico es poco sensible a alteraciones en el modelo probabilístico


supuesto, es decir que los resultados obtenidos son aproximadamente válidos cuando éste varía,
se dice que es un procedimiento robusto.

Diferencia entre ANOVA de 1 y 2 vías.

La prueba ANOVA de una vía es una prueba de hipótesis, usada para probar la igualdad de tres
o más medias de población utilizando simultáneamente la varianza. La prueba ANOVA de dos
vías, en cambio, es una técnica estadística donde, la interacción entre factores, variable
influyente puede ser estudiada.

La prueba ANOVA de una vía necesita de una variable independiente mientras que la de dos
vías necesita de dos. Además, la ANOVA de una vía compara tres o más niveles de un factor
mientras que la de dos vías compara los efectos de múltiples niveles de dos factores. El número
de observaciones en cada grupo en la prueba ANOVA de una vía no necesita ser igual mientras
que en la de dos vías necesita ser igual.