Introducción a las estadísticas no paramétricas

La mayoría de los métodos estadísticos inferenciales son paramétricos, es decir, requieren poblaciones distribuidas normalmente con parámetros específicos como la media, la desviación estándar o la proporción de la población.

Por el contrario, las pruebas no paramétricas no dependen de ningún parámetro, lo que permite extraer muestras de poblaciones sin distribuciones específicas. Por lo tanto, también se conocen como pruebas sin distribución.

A diferencia de las pruebas paramétricas, se pueden aplicar a datos categóricos, como el sexo de los bebés nacidos en un hospital en particular.

Sin embargo, estas pruebas tienen la desventaja de reducir los datos cuantitativos a datos cualitativos, como los signos, perdiendo así la información como la magnitud.

Su efectividad también es limitada en comparación con sus contrapartes paramétricas. Esta limitación a menudo se compensa mediante el uso de muestras más grandes o teniendo una diferencia significativa entre el estadístico de prueba y los valores críticos.

La tabla compara la eficiencia de las pruebas no paramétricas con sus contrapartes paramétricas.

Cuando todos los demás factores son iguales y se cumplen las condiciones estrictas para los estadísticos paramétricos, una calificación de eficiencia de 0,63 indica que la prueba no paramétrica requiere 100 observaciones para lograr los mismos resultados que 63 observaciones de la prueba paramétrica correspondiente.