Las pruebas no paramétricas, también conocidas como pruebas de distribución libre, son las que se basan en determinadas hipótesis, pero lo datos observados no tienen un organización normal. Generalmente, las pruebas no paramétricas contienen resultados estadísticos que provienen de su ordenación, lo que las vuelve más fáciles de comprender.
Las pruebas no paramétricas tienen algunas limitaciones, entre ellas se encuentra que no son lo suficientemente fuertes cuando se cumple una hipótesis normal. Esto puede provocar que no sea rechazada aunque sea falsa. Otra de sus limitaciones es que necesitan que la hipótesis se cambie cuando la prueba no corresponde a la pregunta del procedimiento si la muestra no es proporcional.
Algunas de las características de las pruebas no paramétricas son:
- Es un método de medición difícil de aplicar.
- Es necesario realizar pruebas de hipótesis.
- Las hipótesis son estrictas.
- Las observaciones deben de ser independientes.
Quizá te interese también conocer sobre las pruebas paramétricas.
Tipos de pruebas no paramétricas y sus aplicación
Los tipos de pruebas no paramétricas son:
- Prueba de signos de una muestra
- Prueba de los rangos con signo de Wilcoxon
- Prueba U de Mann-Whitney
- Prueba de Kruskal-Wallis
- Prueba de la mediana de Mood
- Prueba de Friedman
Ventajas de las pruebas no paramétricas
Las ventajas de las pruebas no paramétricas son:
- Pueden utilizarse en diferentes situaciones, ya que no deben de cumplir con parámetros estrictos.
- Generalmente, sus métodos son más sencillos, lo que las hace más fácil de entender.
- Se pueden aplicar en datos no numéricos.
- Facilita la obtención de información particular más importante y adecuada para el proceso de investigación.
Quizá te interese conocer sobre datos cualitativos y cuantitativos.
Desventajas de las pruebas no paramétricas
Las desventajas de las pruebas no paramétricas son:
- No son pruebas sistemáticas.
- La distribución varía, lo que complica seleccionar la elección correcta.
- Los formatos de aplicación son diferentes y provoca confusión.
- Es posible que se pierda información porque los datos recolectados se convierten en información cualitativa.
- Es posible que se necesite tener fuentes y un respaldo con más peso.
Este tipo de estadísticas se pueden utilizar sin el tamaño de la muestra o la estimación de cualquier parámetro relacionado del que no se tenga información. Dado que las suposiciones son menores, pueden aplicarse de múltiples formas.
Conoce más de las diferencias entre las pruebas no paramétricas y pruebas paramétricas.
