Criterio de validación de normalidad en muestras pequeñas; pruebas paramétricas o no paramétricas
DOI:
https://doi.org/10.63728/riisds.v7i1.214Palabras clave:
prueba de normalidad, pruebas paramétricas, pruebas no paramétricasResumen
Los estudios paramétricos parten del supuesto de que provienen de una distribución normal, mientras que, los métodos no paramétricos son la manera más inmediata de solucionar el problema de falta de normalidad en una muestra. El estudio tuvo como objetivo comparar los estudios paramétricos contra los no paramétricos de forma general, mostrando, por un lado, la técnica gráfica que se utiliza en forma paralela con la técnica de métodos numéricos para la comprobación de normalidad de la muestra y una tabla comparativa con las características de los dos métodos estadísticos. Y por otro lado, un diagrama de decisión para procesar la muestra cuando no cumpla con la normalidad. Se concluyó que la aplicación de las diversas pruebas paramétricas y no paramétricas va a depender de las características de la variable objeto de estudio, si es mayor o menor la proporción de la muestra y de la escala de medición de los datos.
Citas
Agresti, A. , & Franklin, C. (2013). Statistics: The Art and Scince of Learning from Data. Pearson, Boston. 834 p.
Brase, C. H. , & Brase, C. P. (2012). Understandable Statistics. Cengage Learning, Boston. 844 p.
Capuñay, C. V. (2011). Estadística para la administración y los negocios. Pearson, México D.F. 470 p.
Devore, J. L. (2016). Probability and Statistics for Engineering and Sciences. Cengage Learning, Boston. 794 p.
Deshpande, J. V. , & Nimbalkar, U. N. , & Dewan, I. (2018). Nonparametric Statistics: Theory and methods. World Scientific, Singapore. 275 p.
Hollander, M. , & Wolfe, D. A. , & Chicken, E. (2014). Nonparametric Statistical Methods. Wiley, New Jersey. 844 p.
Johnson, R. , & Kuby, P. (2012). Estadística Elemental. CENGAGE Learning, México D.F. 834 p.
Levin, R. I. , & Rubin, D. S. (2004). Estadística para Administración y Economía. Pearson, Edo. de México. 956 p.
Lind, D. A. , & Marchal, W. G. , & Wathen, S. A. (2008). Estadística aplicada a los negocios y la economía. McGraw-Hill, México. D.F. 886 p.
Mann, P. S. (2010). Introductory Statistics. Wiley, New Jersey. 750 p.
Mata, A. D. (2013). Estadística aplicada a la administración y la economía. McGraw-Hill, México D.F. 634 p.
Montgomery, D. C. , & Runger, G. C. (2018). Applied Statistics and Probability for Engineers. Wiley, New Jersey. 710 p.
Peña, D. (2014). Fundamentos de Estadística. Alianza Editorial, Madrid. 688 p.
Sampieri, R. H. , & Collado, C. F. , & Lucio, M. P. B. (2014). Metodología de la Investigación. McGraw-Hill, México D.F. 634 p.
Salas, Christian, & Ene, Liviu, & Ojeda, Nelson, & Soto, Hector (2010). Métodos estadísticos paramétricos y no paramétricos para predecir variables de rodal basados en Landsat ETM: una comparación en un bosque de Araucaria araucana en Chile. Bosque, 31 (3): 179-194. [Fecha de Consulta 14 de Septiembre de 2021]. ISSN: 0304-8799. Disponible en: https://www.redalyc.org/articulo.oa?id=173118018002 .
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Revista Interdisciplinaria de Ingeniería Sustentable y Desarrollo Social

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.