¿Qué es un método no paramétrico?

Una prueba no paramétrica es una prueba de hipótesis que no requiere que la distribución de la población sea caracterizada por ciertos parámetros. Por ejemplo, muchas pruebas de hipótesis parten del supuesto de que la población sigue una distribución normal con los parámetros μ y σ. Las pruebas no paramétricas no parten de este supuesto, de modo que son útiles cuando los datos son considerablemente no normales y resistentes a transformaciones.

En la estadística paramétrica, se presupone que las muestras provienen de distribuciones totalmente especificadas caracterizadas por uno o más parámetros desconocidos sobre los cuales se desea hacer inferencias. En un método no paramétrico, se presupone que la distribución de la que proviene la muestra no está especificada y, con frecuencia, se desea hacer inferencias sobre el centro de la distribución. Por ejemplo, muchas pruebas de la estadística paramétrica, como la prueba t de 1 muestra, se realizan bajo el supuesto de que los datos provienen de una población normal con una media desconocida. En un estudio no paramétrico, se elimina el supuesto de normalidad.

Los métodos no paramétricos son útiles cuando no se cumple el supuesto de normalidad y el tamaño de la muestra es pequeño. Sin embargo, las pruebas no paramétricas no están completamente libres de supuestos acerca de los datos. Por ejemplo, es fundamental presuponer que las observaciones de las muestras son independientes y provienen de la misma distribución. Además, en los diseños de dos muestras, se requiere el supuesto de igualdad de forma y dispersión.

Por ejemplo, los datos sobre salarios son fuertemente asimétricos hacia la derecha, porque muchas personas devengan salarios modestos y pocas personas ganan salarios más altos. Usted puede utilizar pruebas no paramétricas con estos datos para responder a preguntas como las siguientes:
  • ¿Es la mediana de los salarios de su empresa igual a cierto valor? Utilice la prueba de signos de 1 muestra.
  • ¿Es la mediana de los salarios de una sucursal urbana de un banco mayor que la mediana de los salarios de una sucursal rural del banco? Utilice la prueba de Mann-Whitney o la prueba de Kruskal-Wallis.
  • ¿Son diferentes las medianas de los salarios en las sucursales rurales, urbanas y suburbanas de un banco? Utilice la prueba de la mediana de Mood.
  • ¿Cómo incide el nivel de educación en los salarios de las sucursales rural y urbana? Utilice la prueba de Friedman.

Limitaciones de las pruebas no paramétricas

Las pruebas no paramétricas tienen las siguientes limitaciones:
  • Las pruebas no paramétricas por lo general son menos potentes que la prueba paramétrica correspondiente cuando se cumple el supuesto de normalidad. Por lo tanto, es menos probable que usted rechace la hipótesis nula cuando sea falsa si los datos provienen de la distribución normal.
  • Las pruebas no paramétricas suelen requerir que se modifiquen las hipótesis. Por ejemplo, la mayoría de las pruebas no paramétricas acerca del centro de la población son pruebas sobre la mediana y no sobre la media. La prueba no responde a la misma pregunta que el procedimiento paramétrico correspondiente si la población no es simétrica.

Pruebas paramétricas alternativas

Cuando tenga la posibilidad de escoger entre un procedimiento paramétrico y uno no paramétrico, y esté reltivamente seguro de que se cumplen los supuestos del procedimiento paramétrico, entonces utilice el procedimiento paramétrico. También podría utilizar el procedimiento paramétrico cuando la población no esté distribuida normalmente si el tamaño de la muestra es lo suficientemente grande.

La siguiente es una lista de las pruebas no paramétricas y sus alternativas paramétricas.

Prueba no paramétrica Prueba paramétrica alternativa
Prueba de signos de 1 muestra Prueba Z de 1 muestra, prueba t de 1 muestra
Prueba de Wilcoxon de 1 muestra Prueba Z de 1 muestra, prueba t de 1 muestra
Prueba de Mann-Whitney Prueba t de 2 muestras
Prueba de Kruskal-Wallis ANOVA de un solo factor
Prueba de la mediana de Mood ANOVA de un solo factor
Prueba de Friedman ANOVA de dos factores