Test parametricos y no parametricos usos
La potencia no debe ser el único factor determinante en la elección de la prueba. Sin embargo, si las violaciones son severas, es preferible optar por los tests no paramétricos. Estas pruebas, como la prueba de Mann-Whitney o la prueba de Kruskal-Wallis, son robustas y confiables en diversas situaciones.
Ofrece una alternativa a otras pruebas de bondad de ajuste. Ejemplos comunes son la prueba t de Student y el ANOVA, ideales para datos continuos y con distribución conocida. Si los datos no cumplen estos requisitos, los resultados pueden ser engañosos.
La transparencia metodológica es fundamental para la validez de la investigación. Es una prueba no paramétrica que compara las funciones de distribución acumulativa. Considera también si los datos siguen una distribución normal, lo que puedes verificar con pruebas de normalidad.
El análisis de varianza de Friedman es una prueba no paramétrica para datos relacionados. Los tests no paramétricos, aunque menos potentes, son más versátiles. Esta prueba no paramétrica es análoga a la prueba t pareada paramétrica. Para comparar medias entre dos grupos independientes, considera la prueba t de Student.
Estos análisis proporcionan resultados precisos si los supuestos se cumplen. Recuerda que la robustez es clave en muchos escenarios. Cuando tus datos son categóricos o ordinales, o la distribución normal no se sostiene, recurre a pruebas no paramétricas.
Esta prueba no paramétrica mide la fuerza y dirección de la relación. Se utiliza para comparar tres o más grupos relacionados cuando los datos no son normales. La elección final debe basarse en una evaluación completa de los datos y los objetivos de la investigación. Es ampliamente utilizada en estudios clínicos y epidemiológicos.
Si la variable dependiente es cuantitativa y se distribuye normalmente, elige una prueba paramétrica. Si tienes más de dos grupos, ANOVA es la opción adecuada, siempre verificando la homocedasticidad. Considera la prueba de Spearman para evaluar la correlación entre dos variables ordinales.
Evalúa si hay una diferencia significativa entre las mediciones pareadas.