Pruebas de hipótesis no paramétricas: -Pruebas chi-cuadrado.-Prueba de Wilcoxon by Suany Vanesa Sangacha Yantalema

La prueba Chi-cuadrado es una de las pruebas no paramétricas más utilizadas. Se aplica para analizar si existe una asociación significativa entre dos variables categóricas o si las frecuencias observadas difieren de las frecuencias esperadas en una muestra.

suanyyantalema2005 — 2025-10-10 04:35:01 UTC

Fue propuesta por Karl Pearson en 1900 y desde entonces se ha convertido en una herramienta fundamental en la estadística aplicada a las ciencias sociales, biológicas y médicas.

Tipos de prueba Chi-cuadrado

Chi-cuadrado de bondad de ajuste:
Permite comprobar si la distribución observada de una variable categórica se ajusta a una distribución teórica esperada.
Ejemplo: verificar si la proporción de nacimientos por sexo (hombre/mujer) es igual a 50%-50%.
Chi-cuadrado de independencia:
Evalúa si existe una relación significativa entre dos variables categóricas.
Ejemplo: analizar si existe relación entre el nivel educativo y el hábito de fumar
Requisitos
- Los datos deben ser frecuencias absolutas.
- Las observaciones deben ser independientes.
- Las frecuencias esperadas deben ser mayores a 5 para garantizar validez estadística.
  Ventajas
  - No requiere distribución normal.
  - Es fácil de aplicar e interpretar.
  - Útil para datos cualitativos o nominales.
  Limitaciones
  - No mide la magnitud de la relación, solo su existencia.
  - Sensible a tamaños de muestra muy pequeños o grandes.

Las pruebas de hipótesis no paramétricas son procedimientos estadísticos que no dependen de los supuestos sobre la distribución de los datos (como la normalidad o la homocedasticidad). Se utilizan cuando las condiciones para aplicar pruebas paramétricas (como la t de Student o ANOVA) no se cumplen, o cuando los datos se expresan en escalas ordinales o nominales.

suanyyantalema2005 — 2025-10-10 04:35:34 UTC

Los métodos no paramétricos surgieron como una alternativa para analizar datos con muestras pequeñas, valores atípicos o distribuciones asimétricas, lo que los hace muy útiles en investigaciones biomédicas, psicológicas, sociales y educativas.

La prueba de Wilcoxon es una prueba no paramétrica alternativa a la t de Student para muestras relacionadas. Fue desarrollada por Frank Wilcoxon en 1945. Se utiliza cuando se desea comparar dos condiciones o mediciones relacionadas sobre la misma muestra (por ejemplo, antes y después de un tratamiento), pero los datos no son normales.

suanyyantalema2005 — 2025-10-10 04:38:48 UTC

Evalúa si la mediana de las diferencias entre los pares de observaciones es igual a cero. En lugar de trabajar con las diferencias numéricas, las ordena según su magnitud y les asigna rangos, considerando sus signos positivos o negativos.

Aplicaciones

Estudios pre y post intervención.
Ensayos clínicos con muestras pequeñas.
Comparación de resultados antes y después de un tratamiento o capacitación.
Evaluaciones con escalas ordinales (por ejemplo, grado de satisfacción o nivel de dolor).
Procedimiento
1. Se calculan las diferencias entre los pares de observaciones.
2. Se eliminan las diferencias iguales a cero.
3. Se asignan rangos absolutos a las diferencias.
4. Se suman los rangos con signo positivo y los rangos con signo negativo.
5. El estadístico de Wilcoxon (T) es el menor de ambas sumas.
Si el valor T calculado es menor que el valor crítico de la tabla de Wilcoxon, se rechaza la hipótesis nula, indicando que existe una diferencia significativa entre las dos condiciones.
Ventajas
- No requiere normalidad en los datos.
- Útil para escalas ordinales.
- Sencilla y adecuada para muestras pequeñas.
Limitaciones
- Solo compara dos mediciones relacionadas.
- Menos potente que la prueba t cuando los datos son normales.

suanyyantalema2005 — 2025-10-10 04:39:44 UTC

Estas pruebas se centran en comparar medianas, rangos o frecuencias, en lugar de medias o varianzas. Por tanto, son más flexibles y pueden aplicarse en diferentes contextos donde los métodos tradicionales no son apropiados.

suanyyantalema2005 — 2025-10-10 05:59:36 UTC