Pruebas y modelos no paramétricos

Nov 22, 2020 | ANÁLISIS, Estadística | 0 Comentarios

Los modelos no paramétricos se utilizan como complemento de los modelos paramétricos que analizan la correlación o la dependencia entre variables cuando no se cumplen los supuestos de los modelos paramétricos: distribución normal, varianza homogénea, variables de intervalo o ratio, y conjuntos de datos independientes.

Siempre que el tamaño de la muestra sea lo suficientemente grande (es decir, superior a 100), podremos utilizar pruebas paramétricas incluso si no estamos seguros de la normalidad de la distribución de la población.  Si la muestra es pequeña y no estamos seguros de la distribución de la población, deberíamos utilizar pruebas no paramétricas.

Además, con variables ordinales y nominales, no podemos llevar a cabo pruebas paramétricas. En el caso de variables numéricas que pueden clasificarse (por ejemplo, la satisfacción de los clientes medida en una escala del 0 al 10), normalmente no podremos utilizarlas como variables de intervalo ya que la distancia entre los valores no será igual a lo largo de la escala. Por ejemplo, una persona que haya elegido el «6» no estará necesariamente el doble de satisfecha que una persona que ha elegido el «3».

VARIABLE DEPENDIENTE

CARACTERÍSTICAS DE LA MUESTRA (VARIABLES INDEPENDIENTES)

CORRELACIÓN

1 MUESTRA

2 MUESTRAS

MUESTRAS > 2

INDEPENDIENTE

DEPENDIENTE

INDEPENDIENTE

DEPENDIENTE

CATEGÓRICA

Chi-cuadrado Prueba de McNemar Chi-cuadrado Q de Cochran Coeficiente phi, tablas de contingencia

ORDINAL

Chi-cuadrado Prueba U de Mann–Whitney Prueba de los rangos con signo de Wilcoxon Prueba de Kruskal–Wallis Prueba de Scheirer–Ray–Hare (bidireccional), prueba de Friedman  (unidireccional) Correlación de Spearman