Secme-17579 1

U NIVERSIDAD A UTÓNOMA DEL E STADO DE M ÉXICO
F ACULTAD DE Q UÍMICA
P ROGRAMA E DUCATIVO DE LA L ICENCIATURA EN Q UÍMICA F ARMACÉUTICA B IOLÓGICA
DISEÑO DE EXPERIMENTOS
U NIDAD ESTADÍSTICA NO PARAMÉTRICA

TEMA:
I NTRODUCCIÓN A LOS M ÉTODOS NO
P ARAMÉTRICOS
M . EN P . E . A NA M ARGARITA A RRIZABALAGA R EYNOSO
T OLUCA DE L ERDO; E STADO DE M ÉXICO. M AYO DE 2 0 1 7
1
GUÍA PARA SU USO
Debido a que cada vez más actividades de enseñanza-aprendizaje
tienen lugar en línea o en aulas “inteligentes”, las cuales disponen de
una computadora y un equipo audiovisual, los profesores optamos por
el uso de las presentaciones de Power Point para acompañar a los
alumnos en sus procesos de instrucción o formación. La utilización de
este tipo de recursos didácticos ayuda a los estudiantes a relacionarse
de forma más favorable con el profesor, además de que los mantiene
más interesados en el material que se presenta, ya que es de gran
ayuda para su experiencia de aprendizaje.
Existen tres objetivos que prácticamente definen cualquier tipo de
presentación (científica, comercial, financiera, entre otros): 1. Conectar
con la audiencia; 2. Dirigir y mantener la atención; y 3. Fomentar la
comprensión del tema a tratar. Estos tres objetivos constituyen tres
claves para el éxito de toda presentación. Una buena estructura de la
presentación, ayudada por un buen diseño del material favorecen
captar el interés de los estudiantes y mantenerlo.
2
GUÍA PARA SU USO
Ahora bien, 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 que los datos se
ajusten a una distribución conocida, o bien cuando el nivel de
medida empleado sea nominal, categórica o de intervalo. Una
característica de las pruebas no paramétricas es que son más
robustas que las paramétricas; es decir, son válidas en un rango más
amplio de situaciones ya que exigen menos condiciones de validez.
En el ámbito de desempeño de los Químicos Farmacéuticos Biólogos

en el momento de contrastar hipótesis, varios factores van a determinar
la prueba estadística que se utilizará y se refieren al número, tipo y
distribución de las variables y a la forma en que se elige a los sujetos
del estudio.
3
GUÍA PARA SU USO
En este mismo sentido, cuando se trabaja con una sola variable, las
observaciones podrían ser cualitativas o cuantitativas; por ejemplo, la
prevalencia de influenza o la cifra media de tensión arterial (TA) de
nuestra muestra; o bien, si se cuenta con una muestra de sujetos y
deseamos saber si la muestra difiere en los valores de la variable de
los de una población u otra muestra de referencia. No obstante, es más
habitual que dispongamos de dos muestras o grupos de sujetos, por
ejemplo hombres y mujeres, sanos y enfermos.
Dos de las herramientas más básicas en las que se basan muchas de

las Pruebas no Paramétricas son, por una parte, los conteos o
frecuencias de éstas observaciones; contar el número de veces que
una observación se repite, tiene mucho sentido en variables
categóricas y en su localización por encima de la mediana; por otra
parte, en los rangos la clave es ordenar los datos y ver cada valor en
qué posición queda. Por lo tanto, tiene mucho sentido en variables
continuas para ver si los grupos son diferentes.
4
GUÍA PARA SU USO
Dada la naturaleza y complejidad del tema a tratar, una presentación
con diapositivas es un recurso didáctico, un medio o material, del que
se dispone para conducir el aprendizaje de los alumnos; facilitando el
desarrollo de contenidos específicos de esta área en particular, el
desarrollo de mecanismos de expresión y comunicación; así como el
desarrollo de la imaginación y la capacidad creadora en la solución de
problemas. Consecuentemente para los estudiantes representa una
aproximación a la realidad de lo que se quiere enseñar, ofreciéndoles
una noción más exacta de los hechos o fenómenos que se deben
estudiar.
Finalmente, es importante hacer referencia a la necesidad de haber

cubierto el contenido temático precedente de la unidad de aprendizaje
de Diseño de Experimentos para que se facilite, en gran medida, la
comprensión de la unidad “Estadística no Paramétrica” y la solución de
problemas relacionados.
5
GUÍA PARA SU USO
Con relación a los aspectos técnicos es importante mencionar que se

requiere de una computadora (laptop), de un cañón y de una pantalla
para proyección que se encuentre instalada en el aula.
La presentación está elaborada en Power Point 2013, razón por la cual

si se abre el archivo en un software anterior es muy probable que se
modifiquen algunos caracteres o imágenes.
5
ESTADISTICA NO PARAMETRICA
M. en P. E. Ana Margarita Arrizabalaga Reynoso

Justificación académica
Los métodos empleados en ESTADÍSTICA
INFERENCIAL se denominan MÉTODOS
ESTADÍSTICOS PARAMÉTRICOS porque se basan
en el muestreo de una población con parámetros
específicos, como la media ( ) , la desviación
estándar (  ) o la proporción ( p ). Por lo regular,
estos métodos paramétricos deben cumplir con
algunas condiciones estrictas, como el requisito de
que los datos muestrales provengan de una
población distribuida normalmente.
8
Los MÉTODOS ESTADÍSTICOS PARAMÉTRICOS
suponen que los datos que se analizan siguen una
Distribución Normal (Gaussiana). La validez de esta
hipótesis se basa en el Teorema central del Límite,
que postula que la distribución muestral de la media
puede ser aproximadamente normal aunque la
población de referencia tenga una distribución muy
diferente. La aproximación mejora a medida que el
tamaño de la muestra aumenta.
9
También puede ocurrir que la variable no sea continua
por lo que no se cumplen las restricciones
establecidas para las pruebas paramétricas.
En cualquiera de los casos anteriores hay que buscar
técnicas alternativas que permitan darle solución a
estas situaciones de forma eficiente. Surge así la
necesidad de desarrollar una serie de técnicas
estadísticas que tengan un mínimo de restricciones. A
estas técnicas se les conoce como Métodos
Estadísticos no Paramétricos.
10
Con frecuencia se presentan a los Químicos
Analistas situaciones donde no pueden asumirse los
supuestos requeridos por desconocerse la
distribución de la variable estudiada, ya sea por ser la
muestra muy pequeña de manera que incluso el
Teorema central del Límite sería de escasa
relevancia; o bien, aunque se conozca la distribución
de la variable y sea válido teóricamente hacer
supuestos sobre la distribución y sus parámetros, no
es razonable utilizar una Prueba Estadística
Paramétrica ya que hay poca certeza de que se
cumplan en este conjunto de datos.
11
Existen dos indicaciones para preferir las Pruebas
Estadísticas no Paramétricas:
1. Cuando la prueba estadística clásica o
paramétrica correspondiente no es válida; es
decir, no cumple con las características de una
Distribución Normal.
2. En aplicaciones en donde la prueba estadística
clásica o paramétrica es razonablemente válida,
pero un estimador no paramétrico puede ser más
eficiente.
12
Entre las ventajas del uso de los Métodos
Estadísticos no Paramétricos se encuentran las
siguientes:
1. Tienen mayor eficiencia que los métodos
paramétricos en distribuciones asimétricas, o sea
cuando hay valores atípicos o datos aberrantes.
2. Tienen validez en el sentido de que su nivel de
confiabilidad es realmente el especificado en la
mayoría de las pruebas.
3. Generalmente son mucho más fáciles de cálculo
que las técnicas de las estadísticas clásicas.
13
4. Son aplicables en situaciones donde los
procedimientos clásicos o paramétricos no son
aplicables.
5. Aún cuando se cumplan los requisitos para
realizar una prueba paramétrica, si la muestra es
pequeña la eficiencia relativa de la prueba no
paramétrica es alta.
La principal ventaja de las Pruebas Estadísticas no
Paramétricas consiste en que pueden efectuarse
inferencias exactas cuando las suposiciones
fundamentales de los métodos estándar no pueden
cumplirse en su totalidad.
14
Entre las desventajas de la aplicación de los Métodos
Estadísticos no Paramétricos se citan las siguientes:
1. Fundamentalmente cuando las muestras son muy
grandes las pruebas no paramétricas tienen una
eficiencia relativa baja con relación a las pruebas
paramétricas, siempre y cuando se cumplan los
supuestos de normalidad.
2. Las hipótesis que se plantean en las pruebas no
paramétricas son menos precisas, lo que hace
que la interpretación de los resultados sea más
ambigua.
15
3. Su aplicación en muestras grandes se hace muy
laboriosa.
4. Para un problema particular pueden existir varias
pruebas, por lo que en ocasiones se hace difícil
seleccionar la mejor.
En general, este tipo de pruebas deben utilizarse

cuando no se cumplan los supuestos para hacer una
prueba paramétrica y cuando se duda sobre el
cumplimiento de los supuestos en una muestra
pequeña.
16
Introducción
Hasta ahora, se han aplicado Métodos
Estadísticos Paramétricos que suponen que la
variable tiene una distribución con algunas
características:
1. La Distribución es Normal para datos
cuantitativos continuos
2. La Distribución es Binomial para datos
binarios con una probabilidad ( p ).
17
Introducción
Las medias, desviaciones
estándar y probabilidades
son llamadas parámetros
y los métodos que hacen
suposiciones acerca de
esos parámetros se
llaman Métodos
Estadísticos
Paramétricos.
Fuente: estadistica.bio.ucm.es, 2013
18
Introducción
Por lo tanto, los métodos de Estadística
Inferencial son llamados Métodos Estadísticos
Paramétricos porque ellos son basados en
muestreo de una población con parámetros
específicos como la media (μ), la desviación
estándar (σ) o la proporción (p).
19
Introducción
Estos Métodos Estadísticos Paramétricos
usualmente tienen que ajustarse a algunas
condiciones estrictas, así como el requisito de
que los datos de la muestra provengan de una
población cuya distribución sea normal u otra
conocida.
20
Introducción
Los Métodos Estadísticos Paramétricos
1. Necesitan la especificación de una
distribución
2. Son métodos robustos para las
distribuciones supuestas
3. Tienen problemas con muestras de
pequeño tamaño
4. Aplicación limitada a variables
cuantitativas.
21
Introducción
Los Métodos Estadísticos Paramétricos son, en
general, robustos porque no son afectados por
variaciones pequeñas respecto a las hipótesis de
los modelos. Es decir, que no son modificados
indebidamente por valores atípicos u otras
pequeñas discrepancias respecto de las
características del modelo. Ejemplos de
estadísticos robustos son la mediana, la
desviación estándar, el rango intercuartílico.
22
Introducción
Existen otras distribuciones, en las que no se
asume que sean Normales o Binomiales,
como cuando
1. El tamaño de muestra es pequeño,
2. Los datos cuantitativos no tienen una
Distribución Normal
3. Cuando los datos categóricos tienen más
de dos valores.
23
Introducción
Las Pruebas Estadísticas Paramétricas
requieren supuestos acerca de la naturaleza o
forma de las poblaciones involucradas. Las
Pruebas Estadísticas no Paramétricas no
requieren estos supuestos.
Consecuentemente, las Pruebas no
Paramétricas son frecuentemente llamadas
Pruebas de Libre Distribución.
24
Introducción
Ahora bien, algunos experimentos generan
respuestas factibles de ordenar o clasificar,
pero el valor real de las respuestas no es
medible en forma numérica, excepto si lo hace
con una escala arbitraria que se pueda crear
con base en los requerimientos del propio
experimento.
25
Introducción
Algunos ejemplos son:
1. Clasificación de cuatro vendedores del
mejor al peor
2. La digestibilidad y el sabor de cinco
marcas de cereal se califican del 1 al 5
3. Cinco diseños de automóviles se catalogan
del más atractivo al menos atractivo.
26
Introducción
Problemas de las escalas no numéricas
• No se puede definir cantidades
• A lo más puede definirse un orden entre las
categorías
• Esto significa que se establece un rango
entre las observaciones
• Para estos casos se han desarrollado
métodos inferenciales que no requieren
definición de la forma de la distribución.
27
Conceptos básicos
En la práctica surgen muchas situaciones en
las cuales simplemente no es posible hacer
de forma segura ningún supuesto sobre el
valor de un parámetro o sobre la forma de la
distribución poblacional, por lo que la mayoría
de las pruebas estadísticas no son aplicables.
28
Conceptos básicos
Por lo tanto se deben utilizar otras pruebas
que no dependan de un solo tipo de
distribución o de valores de parámetros
específicos; a este tipo de pruebas se les
denomina Pruebas estadísticas no
paramétricas o de libre distribución.
29
Conceptos básicos
Aunque el término Pruebas Estadísticas no
Paramétricas sugiere que la prueba no está
basada en un parámetro, hay algunas pruebas
no paramétricas que dependen de un
parámetro tal como la mediana. Las pruebas
no paramétricas, sin embargo, no requieren
una distribución particular, por lo que son
referidas como pruebas de libre distribución.
30
Conceptos básicos
Si bien, el término libre distribución es una
descripción más exacta, la expresión no
paramétrico es más comúnmente usada.
Las Pruebas Estadísticas no Paramétricas son
útiles cuando el tipo de datos es nominal u
ordinal. Generalmente son más fáciles de realizar
y comprender ya que no requieren cálculos
laboriosos ni el ordenamiento o clasificación
formal de datos o mediciones más exactas de
parámetros poblacionales.
31
Conceptos básicos
Algunos experimentos generan respuestas
factibles de ordenar o clasificar, pero el valor real
de la respuesta no es medible en forma numérica
excepto si lo hace en una escala arbitraria que
uno mismo puede crear. Habrá casos en los que
hay que ser capaz de decir si una observación es
más grande que otra. Tal ves se pueda clasificar
un conjunto completo de observaciones sin
conocer los valores numéricos exactos de las
medidas.
32
Conceptos básicos
Por ejemplo, las características de digestibilidad y
sabor de cinco marcas de cereal se clasifican con una
escala de 1 al 5. Los métodos estadísticos revisados
anteriormente para muestras pequeñas son válidos
sólo cuando las poblaciones muestreadas son
normales o casi lo son. Los datos que consisten en
rangos o escalas arbitrarias, como la del ejemplo
anterior, no cumplen con el supuesto de normalidad.
33
Conceptos básicos
Cuando los datos no cumplen éstos supuestos se
puede emplear un método de análisis estadístico
alternativo denominado Método Estadístico No
Paramétrico. En general, estos métodos especifican
hipótesis en términos de las distribuciones
poblacionales en lugar de parámetros, como la media
y la desviación estándar; sustituyendo por
suposiciones más generales y la clasificación de las
observaciones se usa en lugar de las medidas reales.
34
Conceptos básicos
Las Pruebas Estadísticas no Paramétricas tienen
casi la misma capacidad para detectar las
diferencias entre las poblaciones que los métodos
paramétricos tradicionales, cuando se cumplen los
supuestos de normalidad. Con frecuencia son más
efectivos para discernir las diferencias
poblacionales.
35
Conceptos básicos
Una cualidad de los Métodos Estadísticos no
Paramétricos es que pueden estudiar
características intrínsecas o no de la población,
que son lo suficientemente importantes y
necesarias de conocer que hacen imprescindibles
su estudio inferencial como el tipo de distribución de
la población, si existe o no independencia de ésta
con respecto a otra, la presumible homogeneidad
del comportamiento frente a diversos valores de un
factor, la existencia de rangos (intervalos).
36
Conceptos básicos
Todas estas características hacen necesario su
estudio mediante inferencias que por no hacer
referencia a los parámetros de la población se
denomina Inferencia no Paramétrica .
Las Técnicas no Paramétricas serán así una
metodología de trabajo idéntica a las técnicas
paramétricas pero con la diferencia evidente de
que las hipótesis planteadas no harán referencia
al valor de los parámetros desconocidos o sus
relaciones con los de otra población.
37
Conceptos básicos
Los Contrastes no Paramétricos, como
también se les conoce, han sido criticados
cuando en realidad poseen cualidades que les
hacen imprescindibles para el adecuado
tratamiento de la información que muchas
veces llega a nosotros para su estudio.
38
Conceptos básicos
Características de las Pruebas No Paramétricas:
1. Simplicidad de deducción: Los contrastes no
paramétricos son más sencillos
matemáticamente que los paramétricos y se
deducen de expresiones sencillas.
2. Rapidez y simplicidad de manejo: Las
Pruebas no paramétricas son más sencillas de
realizar, las operaciones necesarias son más
simples.
39
Conceptos básicos
3. Campo de aplicación: Las hipótesis de
aplicación en una Prueba no Paramétrica
son menos detalladas y restrictivas.
4. Sensibilidad respecto al incumplimiento de
las hipótesis: Dado que las hipótesis de
aplicación son menos restrictivas y
numerosas es más fácil percatarse de su
incumplimiento.
40
Conceptos básicos
5. Tipos de medición exigida: Las Pruebas no
Paramétricas requieren datos ordinales o
nominales, mientras que las Pruebas Paramétricas
requieren escala de razón o de intervalo.
6. Tamaño de la muestra: Con tamaños muestrales
inferiores a diez en las Pruebas Paramétricas no se
puede aplicar la característica de normalidad, se
comete incumplimiento a las hipótesis de
aplicación, por lo que son más adecuadas las
Pruebas No Paramétricas; las cuales disminuyen su
eficiencia precisamente cuanto mayor es el tamaño
muestral
41
Conceptos básicos
Finalmente, es importante puntualizar que la
potencia de las Pruebas Estadísticas No
Paramétricas es superior o por lo menos igual a
la de las Pruebas Estadísticas Paramétricas,
siempre que se mantengan las hipótesis de
aplicación en los contrastes no paramétricos y no
lo hagan en los contrastes paramétricos; cabe
recordar a este respecto que las pruebas
paramétricas son más sensibles al
incumplimiento de las hipótesis de aplicación.
42
Comparación de pruebas paramétricas y no paramétricas
Eficiencia de la
Prueba Prueba no
Aplicación Prueba no
Paramétrica Paramétrica Paramétrica
Prueba del Signo 0.63
Dos muestras
Prueba t Prueba de Rangos 0.95
dependientes
Prueba z con signo de
(datos preados)
Wilcoxon
Prueba de Suma
Dos muestras Prueba t
de Rangos de 0.95
independientes Prueba z
Mann Whitney
Varias muestras Análisis de Prueba de Kruskal
0.95
independientes Varianza (ANOVA) Wallis
Prueba de
Correlación lineal
Correlación Correlación de 0.91
(CL)
Rangos
43
Muchos autores señalan que las pruebas

estadísticas paramétricas son más eficaces
que las pruebas no paramétricas. La eficacia
de una prueba paramétrica se refiere a la
probabilidad de rechazar la hipótesis nula
cuando ésta sea realmente falsa.
44
Es decir, la eficacia es igual a 1 menos la

probabilidad de cometer un error de Tipo II, o
sea (1 – β). Un factor importante que
contribuye a la eficacia de una prueba
estadística es el tamaño muestral n , entonces
la probabilidad de cometer un error de Tipo II
se reduce, y por consiguiente aumenta la
eficacia de la prueba.
45
Un error de Tipo II es la probabilidad de

rechazar Ho cuando Ha es verdadera o sea:
(1 – β) = P (rechazar Ho cuando Ha es
verdadera)
Se conoce también como la potencia de la

prueba, porque mide la probabilidad de tomar
la acción que se desea que ocurra.
46
Análisis Paramétrico No paramétrico
Describir un grupo ,  2 Mediana, rango
Comparar un grupo a t Student de una
Prueba Wilcoxon
un valor muestra
Comparar medias en t Student de dos
Mann-Whitney
2 grupos muestras
Comparar medias en
t Student apareada Prueba Wilcoxon
2 grupos apareados
Comparar medias en
ANOVA Kruskal-Wallis
3 o mas grupos
Correlación entre dos
Pearson (lineal) Spearman
variables
47
¿Cómo elegir entre métodos paramétricos

y no paramétricos?
1. El análisis de varianza es una metodología
paramétrica debido a que se basa en las
estimaciones de los parámetros de dos o
más poblaciones.
2. Cuando los supuestos de los métodos

paramétricos se sostienen, estas pruebas
son las más poderosas.
48

y no paramétricos?
3. Cuando la población desde la cual fueron
tomados los datos no tiene distribución normal
o no es compatible con otros supuestos como
por ejemplo la igualdad de varianza entre los
grupos de tratamiento, la media y la
desviación estándar ya no son confiables
como descriptores de la población y los
métodos paramétricos dejan de ser
confiables.
49

y no paramétricos?
4. En la práctica se pueden utilizar métodos
no paramétrico cada vez que el tamaño de
las muestras es pequeño y por lo tanto no
hay garantía de que los estimadores
tengan distribución normal.
50
¿Cómo se aplican estas pruebas?

1. Realizar una transformación a los datos
originales, convirtiéndolos en rangos, valores
positivo o negativo, etc.
2. Con los datos transformados, calcular un
estadístico con base en los datos (a veces
también se calcula su promedio y error estándar).
3. Con el estadístico y los parámetros calculados,
realizar una prueba de hipótesis de acuerdo a una
cierta distribución paramétrica (Normal, Ji-
cuadrado, Binomial, etc.).
51

Dos de las herramientas más básicas en las que se
basan muchas de estas Pruebas Estadísticas No
Paramétricas son:
1. Conteos: Varias técnicas no paramétricas
requieren el conteo; es decir, las frecuencias de
ocurrencia de las observaciones.
• Basta contar el número de veces que una
observación se repite.
• Tiene mucho sentido en variables categóricas y
en su ubicación por arriba de la mediana.
52

2. Rangos o transformaciones en rangos:
• La clave es ordenar los datos y ver cada
valor en qué posición queda.
• Hay que tomar en cuenta los datos que se
empatan.
• Tiene mucho sentido en variables continuas
para ver si los grupos son diferentes.
53
¿Qué se entiende por un rango?

Un rango es un número asignado a un
elemento muestral individual de acuerdo con
su lugar en la lista ordenada; por ejemplo, del
más pequeño al más grande o del mejor al
peor. Al primer elemento se le asigna un
rango de 1, al segundo elemento se le asigna
un rango de 2 y así sucesivamente.
54
Bibliografía
• De Oteysa, E., Lam, E., Hernández, C., y Carrillo, A. (2015).
Probabilidad y Estadística. México: Pearson. ISBN: 978-607-
32-3401-6.
• Devore, J. (2012). Probabilidad y Estadística para Ingeniería
y Ciencias. México: Cengage. ISBN-978-607-481-619-8.
• Garza O., B. (2014). Estadística y Probabilidad. México:
Pearson. ISBN: 978-607-32-2783-4.
• Gutiérrez B., A. L. (2012). Probabilidad y Estadística, un
enfoque por competencias. México: McGraw Hill. ISBN978-
607-15-0712-9.
• Gutiérrez P., H., y De la Vara S., R. (2013). Análisis y Diseño
de Experimentos. México: Mc Graw Hill. ISBN-13: 978-970-
10-6526-6.
55
Bibliografía
• Johnson, R. A. (2012). Probabilidad y Estadística para
Ingenieros de Miller y Freud. México: Pearson. ISBN: 978-
607-32-0799-7.
• Mongomery, C. D. (2003). Diseño y Análisis de
Experimentos. México: Iberoamericana.
• Triola, M. F. (2009). Estadística. México: Pearson Educación.
ISBN: 978-970-26-1287-2.
• Walpole, R. E. y Myers, R. H. (2014). Probabilidad y
Estadística para Ingeniería y Ciencias. México: Pearson
Educación. ISBN: 978-670-32-1417-9.
• Kuehl, R. O. (2001). Diseño de Experimentos. México:
Thomson.
• Conchran, W. G. y Cox., G. M. (1981). Diseños
Experimentales. México: Trillas.
56

Secme-17579 1

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

Secme-17579 1

Загружено:

Авторское право:

Доступные форматы

U NIVERSIDAD A UTÓNOMA DEL E STADO DE M ÉXICO

U NIDAD ESTADÍSTICA NO PARAMÉTRICA

En el ámbito de desempeño de los Químicos Farmacéuticos Biólogos

Dos de las herramientas más básicas en las que se basan muchas de

Finalmente, es importante hacer referencia a la necesidad de haber

Con relación a los aspectos técnicos es importante mencionar que se

La presentación está elaborada en Power Point 2013, razón por la cual

M. en P. E. Ana Margarita Arrizabalaga Reynoso

En general, este tipo de pruebas deben utilizarse

Comparación de pruebas paramétricas y no paramétricas

Muchos autores señalan que las pruebas

Comparación de pruebas paramétricas y no paramétricas

Es decir, la eficacia es igual a 1 menos la

Comparación de pruebas paramétricas y no paramétricas

Un error de Tipo II es la probabilidad de

Se conoce también como la potencia de la

¿Cómo elegir entre métodos paramétricos

2. Cuando los supuestos de los métodos

¿Cómo elegir entre métodos paramétricos

¿Cómo elegir entre métodos paramétricos

¿Cómo se aplican estas pruebas?

¿Cómo se aplican estas pruebas?

¿Cómo se aplican estas pruebas?

¿Qué se entiende por un rango?

Вам также может понравиться