¿Qué significa el método no paramétrico?
El método no paramétrico se refiere a un tipo de estadística que no requiere que la población analizada cumpla con ciertos supuestos o parámetros. Los métodos estadísticos bien conocidos como ANOVA, la correlación de Pearson, la prueba t y otros proporcionan información válida sobre los datos que se analizan solo si la población subyacente cumple ciertos supuestos. Una de las suposiciones más comunes es que los datos de la población tienen una "distribución normal".
Sin embargo, las estadísticas paramétricas también pueden aplicarse a poblaciones con otros tipos de distribución conocidos. Las estadísticas no paramétricas no requieren que los datos de la población cumplan con los supuestos requeridos para las estadísticas paramétricas. Las estadísticas no paramétricas, por lo tanto, entran en una categoría de estadísticas a veces denominadas libres de distribución. A menudo, se utilizarán métodos no paramétricos cuando los datos de la población tengan una distribución desconocida o cuando el tamaño de la muestra sea pequeño.
Método no paramétrico explicado
Los métodos paramétricos y no paramétricos a menudo se usan en diferentes tipos de datos. Las estadísticas paramétricas generalmente requieren datos de intervalo o relación. Un ejemplo de este tipo de datos es la edad, el ingreso, la estatura y el peso en el que los valores son continuos y los intervalos entre valores tienen significado.
En contraste, las estadísticas no paramétricas se usan típicamente en datos nominales u ordinales. Las variables nominales son variables para las cuales los valores no tienen valor cuantitativo. Las variables nominales comunes en la investigación en ciencias sociales, por ejemplo, incluyen el sexo, cuyos posibles valores son categorías discretas, "masculino" y "femenino". Otras variables nominales comunes en la investigación en ciencias sociales son la raza, el estado civil, el nivel educativo y el estado laboral. (empleado versus desempleado).
Las variables ordinales son aquellas en las que el valor sugiere algún orden. Un ejemplo de una variable ordinal sería si un encuestado preguntara: "En una escala del 1 al 5, con 1 extremadamente insatisfecho y 5 extremadamente satisfecho, ¿cómo calificaría su experiencia con la compañía de cable?"
Aunque las estadísticas no paramétricas tienen la ventaja de tener que cumplir algunos supuestos, son menos poderosas que las estadísticas paramétricas. Esto significa que pueden no mostrar una relación entre dos variables cuando de hecho existe una.
Las pruebas no paramétricas comunes incluyen Chi Square, prueba de suma de rango de Wilcoxon, prueba de Kruskal-Wallis y correlación de orden de rango de Spearman.
