Please enable JavaScript.

Coggle requires JavaScript to display documents.

NO PARAMÉTRICAS, image, image, image, image, image - Coggle Diagram

- - - - Su objetivo es evaluar pruebas que no cumplen los requerimientos paramétricos, siendo una alternativa de la t-student. Compara dos medias muestrales de una sola población y elabora conclusiones basadas en suposiciones de la distribución, siendo de carácter cuantitativo.
        Clasifica valores dependientes, establece rangos de grupo y estadístico de prueba. Divide las muestras grandes y pequeñas menores o mayores a 30.
  - - - Se basa en la diferencia de signos de dos observaciones relacionadas, siendo + y - las diferencias. Permite evaluar experimentos pasados y futuros, se coloca + y - para evaluar el impacto de las variables.
        Presenta datos a nivel ordinal y se puede presencia en algunos caso la evaluación de las pruebas de hipótesis de dos colas, se determina la aceptación o rechazo de las regiones de rechazo.
    - - Se enfoca en determinar si las muestras son de carácter independiente o de una población equivalente. Funciona como alternativa de t-student. No requiere normalidad y homogeneidad de varianzas para ser realizada. Demuestra heterogeneidad de muestras ordinales y sigue un carácter cuantitativo.
        Las distribuciones bajo la hipótesis nula son las mismas y bajo la hipótesis alternativa se exceden una de otra. Puede ser empleada para muestras pequeñas y grandes.
- - - - Se enfocan en el análisis de varianzas por rangos, utilizando datos nivel ordinal es decir que se encuentren clasificados y muestras independientes. No requieren suposición de la forma de la población, las poblaciones son independientes y son de carácter cuantitativo.
        Para su estadístico de prueba se combinan muestras, ordenan valores y sustituyen por rangos de mayor a menor. Se acepta la hipótesis nula, si el p-valor es mayor al nivel de significancia.
  - - - Busca comparar promedios de poblaciones en muestras relacionadas, sigue la lógica de la prueba ANOVA para muestras repetidas. Se aplican medidas para averiguar si los promedios de J son iguales o no. Determina el parecido de los datos dentro de los grupos.
        No requiere supuestos, trabaja con datos ordinales, permite el estudio de supuestos paramétricos cuando no se puede por ANOVA, es de carácter cuantitativo.
- - - - Se enfoca en determinar si la distribución empírica de una variable por categoría se ajusta o no a la distribución teórica. Se pone aprueba utilizando el estadístico planteado por Pearson a comparar frecuencias teóricas y esperadas.
        Por medio de la prueba de hipótesis se determinan los valores obtenidos rastrándolos en la tabla de chi-cuadrado para la toma de decisión.
    - - Se enfoca en el análisis de una muestra, siendo una prueba de bondad de ajuste para contrastar hipótesis nulas de las distribuciones. Ajustada para evaluar variables cuantitativas, por medio de la comparación de distribuciones empíricas y teóricas.
        No requiere datos agrupados y compara frecuencias acumuladas bajo las dos distribuciones comparadas. Para determinar si se aceptan o rechazan las hipótesis se compara el estadístico calculado y el determinado en la tabla, de forma que si el estadístico calculado es mayor al de la tabla se rechaza la hipótesis nula.