- Empezaremos examinando el uso de las pruebas no paramétricas en psicología y la aplicación de las pruebas no paramétricas. Para asegurarnos de su comprensión, veremos a continuación ejemplos de pruebas no paramétricas.
- A continuación, profundizaremos en los supuestos no paramétricos.
- A continuación, exploraremos la diferencia entre pruebas paramétricas y no paramétricas.
- Por último, veremos las ventajas e inconvenientes de las pruebas no paramétricas.
Pruebas no paramétricas en Psicología
Las pruebas no paramétricas se utilizan como alternativa cuando no se pueden realizar pruebas paramétricas.
Las pruebas no paramétricas también se conocen como pruebas sin distribución. Son pruebas estadísticas que no requieren datos distribuidos normalmente.
Las pruebas no paramétricas incluyen la de Kruskal-Wallis y la correlación de Spearman. Se utilizan cuando las pruebas paramétricas alternativas (por ejemplo,ANOVA unidireccional y correlación de Pearson) no pueden llevarse a cabo porque los datos no cumplen los supuestos requeridos.
Aplicación de las pruebas no paramétricas
Las pruebas noparamétricas determinan el valor de los puntos de datos asignando signos + o - en función de la clasificación de los datos. El proceso de análisis consiste en ordenar numéricamente los datos e identificar su número de clasificación.
A los datos se les asigna un " +" si son mayores que el valor de referencia (donde se espera/hipótesis que caiga el valor) y un "-" si son menores que el valor de referencia. Estos datos clasificados se convierten en los puntos de datos para un análisis estadístico no paramétrico.
Prueba no paramétrica: Ejemplos
El conjunto de datos de ejemplo ilustra cómo se clasifican las pruebas no paramétricas:
Conjunto de datos: 25, 16, 6, 16, 30. El valor de referencia previsto es 20.
| X1 | X2 | X3 | X4 | X5 |
| -6 | -16 | -16 | +25 | +30 |
Los datos se clasifican numéricamente del más bajo (6) al más alto (30). Como hay dos casos del valor 16, a ambos se les asigna una clasificación de 2,5.
El valor de referencia previsto es 20; por tanto, 25 y 30 tienen valores positivos, y el resto, negativos.
No paramétrico: Supuestos
Las pruebas no paramétricas son pruebas con menos restricciones que las paramétricas. Es apropiado utilizar pruebas no paramétricas en la investigación en distintos casos. Por ejemplo:
Cuando los datos son nominales , es decir, cuando se asignan a grupos; estos grupos son distintos y tienen similitudes limitadas (por ejemplo, las respuestas a "¿Cuál es tu origen étnico?")
Cuando los datos son ordinales , es decir, cuando tienen un orden o escala establecidos (p. ej., "Valora tu ira del 1 al 10").
Cuando hayvalores atípicos identificados en el conjunto de datos
Cuando los datos se recogen de una muestra pequeña
Sin embargo, es importante señalar que las pruebas no paramétricas también se utilizan cuando se pueden asumir los siguientes criterios:
Al menos una violación de los supuestos de las pruebas paramétricas. Por ejemplo, los datos deben tener una homocedasticidad de varianza similar : la cantidad de "ruido" (posibles errores experimentales) debe ser similar en cada variable y entre los grupos.
Distribución no normal de los datos. En otras palabras, es probable que los datos estén sesgados.
Aleatoriedad: los datos deben tomarse de una muestra aleatoria de la población objetivo.
Independencia: los datos de cada participante en cada variable no deben estar correlacionados; esto significa que las mediciones de un participante no deben estar influidas ni asociadas con las de otros participantes.
Diferencia entre pruebas paramétricas y no paramétricas
La tabla siguiente muestra ejemplos de pruebas no paramétricas. Incluye su equivalente en pruebas paramétricas, el método de análisis de datos que utiliza la prueba y ejemplos de investigación adecuados para cada prueba estadística.
| Prueba no paramétrica | Prueba paramétrica equivalente | Finalidad de la prueba estadística | Ejemplo |
| Prueba de suma de rangos de Wilcoxon | Prueba t pareada | Compara el valor medio de dos variables obtenidas de los mismos participantes | La diferencia en las puntuaciones de depresión antes y después del tratamiento |
| Prueba U de Mann-Whitney | Prueba t no emparejada | Compara el valor medio de una variable medida a partir de dos grupos independientes | La diferencia entre la gravedad de los síntomas de la depresión en un grupo de placebo y otro de terapia farmacológica |
| Correlación de Spearman | Correlación de Pearson | Mide la relación (fuerza/dirección) entre dos variables | La relación entre las puntuaciones obtenidas en pruebas de aptitud física y el número de horas dedicadas a hacer ejercicio |
| Prueba de Kruskal Wallis | Análisis de varianza de una vía (ANOVA) | Compara la media de dos o más grupos independientes (utiliza un diseño entre sujetos, y la variable independiente debe tener tres o más niveles) | La diferencia en las puntuaciones medias de las pruebas de aptitud física de los individuos que hacen ejercicio con frecuencia, moderadamente o no lo hacen |
| ANOVA de Friedman | ANOVA de medidas repetidas de una vía | Compara la media de dos o más grupos dependientes (utiliza un diseño dentro del sujeto, y la variable independiente debe tener tres o más niveles) | La diferencia en las puntuaciones medias de las pruebas de aptitud física durante la mañana, la tarde y la noche |
Ventajas de las pruebas no paramétricas
La investigación mediante pruebas no paramétricas tiene muchas ventajas:
El análisis estadístico utiliza cálculos basados en signos o rangos. Así, es poco probable que los valores atípicos del conjunto de datos afecten al análisis.
Se pueden utilizar incluso cuando el tamaño de la muestra de la investigación es pequeño.
Son menos restrictivas que las pruebas paramétricas, ya que no tienen que cumplir tantos criterios o supuestos. Por lo tanto, pueden aplicarse a datos en diversas situaciones.
Tienen más potencia estadística que las pruebas paramétricas cuando se incumplen los supuestos de éstas. Esto se debe a que utilizan la mediana para medir la tendencia central en lugar de la media. Es menos probable que los valores atípicos afecten a la mediana.
Muchas pruebas no paramétricas han sido un estándar en la investigación psicológica durante muchos años: la prueba ji-cuadrado, la prueba de probabilidad exacta de Fisher y la prueba de correlación de Spearman.
Desventajas de las pruebas no paramétricas
Las pruebas no paramétricas también tienen desventajas que debemos tener en cuenta:
La media se considera la mejor medida y una medida estándar de tendencia central porque utiliza todos los puntos de datos del conjunto de datos para el análisis. Si los valores de los datos cambian, la media calculada también cambiará. Sin embargo, esto no siempre ocurre cuando se calcula la mediana.
Como estas pruebas no suelen verse muy afectadas por los valores atípicos, aumenta la probabilidad de que la investigación cometa un error de Tipo 1 (esencialmente un "falso positivo", rechazar la hipótesis nula cuando debería aceptarse). Esto reduce la validez de las conclusiones.
Las pruebas no paramétricas se consideran apropiadas sólo para la comprobación de hipótesis, ya que no calculan ni estiman el tamaño de los efectos (un valor cuantitativo que te dice cuánto están relacionadas dos variables) ni los intervalos de confianza. Esto significa que los investigadores no pueden identificar en qué medida la variable independiente afecta a la variable dependiente ni en qué medida son significativos estos resultados. Por lo tanto, la utilidad de los resultados es limitada, y su validez también es difícil de establecer.
Pruebas no paramétricas - Puntos clave
- Las pruebas no paramétricas también se conocen como pruebas sin distribución. Son pruebas estadísticas que no requieren datos distribuidos normalmente.
- Las pruebas no paramétricas determinan el valor de los puntos de datos asignando signos + o - en función de la clasificación de los datos. El proceso de análisis implica ordenar numéricamente los datos e identificar su número de rango. Estos datos ordenados se utilizan como puntos de datos para el análisis estadístico no paramétrico.
Ejemplos de pruebas no paramétricas son la prueba de suma de rangos de Wilcoxon, la prueba U de Mann-Whitney, la correlación de Spearman, la prueba de Kruskal Wallis y la prueba ANOVA de Friedman. Todas estas pruebas tienen pruebas paramétricas alternativas.
Las pruebas no paramétricas sólo se utilizan cuando se violan los supuestos de las pruebas paramétricas, debido a su naturaleza restrictiva. A pesar de ello, utilizar pruebas no paramétricas tiene sus ventajas.
Aprende con 26 tarjetas de Pruebas No Paramétricas en la aplicación StudySmarter gratis
Tenemos 14,000 tarjetas de estudio sobre paisajes dinámicos.
¿Ya tienes una cuenta? Iniciar sesión
Preguntas frecuentes sobre Pruebas No Paramétricas
Pon a prueba tus conocimientos con tarjetas de opción múltiple
TU PUNTUACIÓN
Tu puntuación
¡Únete a la aplicación StudySmarter y aprende de manera eficiente con millones de tarjetas y mucho más!
Aprende con 26 tarjetas de Pruebas No Paramétricas en la aplicación StudySmarter gratis
¿Ya tienes una cuenta? Iniciar sesión
Acerca de StudySmarter
StudySmarter es una compañía de tecnología educativa reconocida a nivel mundial, que ofrece una plataforma de aprendizaje integral diseñada para estudiantes de todas las edades y niveles educativos. Nuestra plataforma proporciona apoyo en el aprendizaje para una amplia gama de asignaturas, incluidas las STEM, Ciencias Sociales e Idiomas, y también ayuda a los estudiantes a dominar con éxito diversos exámenes y pruebas en todo el mundo, como GCSE, A Level, SAT, ACT, Abitur y más. Ofrecemos una extensa biblioteca de materiales de aprendizaje, incluidas tarjetas didácticas interactivas, soluciones completas de libros de texto y explicaciones detalladas. La tecnología avanzada y las herramientas que proporcionamos ayudan a los estudiantes a crear sus propios materiales de aprendizaje. El contenido de StudySmarter no solo es verificado por expertos, sino que también se actualiza regularmente para garantizar su precisión y relevancia.
Aprende más
