13.2: Filas

A diferencia de los métodos paramétricos, los estadísticos no paramétricos son ideales para datos nominales y ordinales, ya que requieren menos suposiciones sobre la naturaleza o distribución de la población. Esto hace que los métodos no paramétricos sean más fáciles de aplicar e interpretar, ya que no dependen de parámetros como la media o la desviación estándar. Un enfoque común en el análisis no paramétrico es ordenar los datos de acuerdo con un criterio específico. Por ejemplo, podríamos organizar los datos meteorológicos de los días más calurosos a los más fríos de un mes o clasificar las ciudades de menor a mayor población.

Una vez ordenados los datos, a cada elemento se le asigna un rango en función de su posición. Por ejemplo, podríamos clasificar a los actores por su número de victorias en los Oscar, con el actor con más victorias en el rango uno, el siguiente en el rango dos, y así sucesivamente. Si dos actores tienen el mismo número de victorias, el empate se resuelve promediando sus rangos y asignando el rango medio a cada actor empatado. Este tipo de clasificaciones se utilizan habitualmente en pruebas estadísticas, como las pruebas de correlación de rangos y de rangos con signo, para evaluar relaciones o diferencias sin depender de datos de intervalos o escalas de ratios.