Paramétrico frente a no paramétrico
La estadística es una rama de los estudios que nos permite comprender la dinámica de la población mediante el uso de muestras extraídas de una determinada población de interés. Es esencial que estas muestras sean aleatorias. Muchas fórmulas se crean con la incorporación de las matemáticas, para tomar inferencias sobre los parámetros de la población. Naturalmente, cualquier población puede tener una "distribución normal" donde la dispersión de datos/muestras tiene forma de campana en el gráfico de frecuencia. En una distribución normal, la mayoría de las muestras se concentran alrededor de la media y el 68 %, 95 % y 99 % de los datos se encuentran dentro de 1, 2 y 3 desviaciones estándar, respectivamente. Las estadísticas paramétricas y no paramétricas dependen de si se considera o no una distribución normal.
¿Qué es la estadística paramétrica?
Las estadísticas paramétricas son las estadísticas en las que los datos/muestras se consideran extraídos de una distribución normal. La definición de estadística paramétrica es “la estadística que asume que los datos provienen de un tipo de distribución de probabilidad y hace inferencias sobre los parámetros de la distribución”. La mayoría de los métodos estadísticos elementales conocidos pertenecen a este grupo. En realidad, es posible que no se distribuyan normalmente. Por lo tanto, este tipo de estadística se basa en más supuestos. Si los datos/muestras están distribuidos normalmente o casi normalmente, las fórmulas pueden producir resultados e inferencias precisos. Sin embargo, si la suposición de una distribución normal es incorrecta, las estadísticas paramétricas podrían ser bastante engañosas.
¿Qué es la estadística no paramétrica?
Las estadísticas no paramétricas también se conocen como estadísticas sin distribución. La ventaja de este tipo de estadística es que no tiene que hacer una suposición como se hacía anteriormente con la paramétrica. Los cálculos estadísticos no paramétricos toman más en cuenta las medianas que las medias. Por lo tanto, si uno o dos se desvían del valor medio, se desprecia su efecto. En general, se prefieren las estadísticas paramétricas porque tiene más poder para rechazar una hipótesis falsa que el método no paramétrico. Una de las pruebas no paramétricas más conocidas es la prueba de Chi-cuadrado. Hay análogos no paramétricos para algunas pruebas paramétricas, como la prueba T de Wilcoxon para la prueba t de muestras pareadas, la prueba U de Mann-Whitney para la prueba t de muestras independientes, la correlación de Spearman para la correlación de Pearson, etc. Para una prueba t de muestra, no hay prueba no paramétrica comparable.
¿Cuál es la diferencia entre paramétrico y no paramétrico?
• Las estadísticas paramétricas dependen de la distribución normal, pero las estadísticas no paramétricas no dependen de la distribución normal.
• Las estadísticas paramétricas hacen más suposiciones que las estadísticas no paramétricas.
• Las estadísticas paramétricas usan fórmulas más simples en comparación con las estadísticas no paramétricas.
• Cuando se cree que una población tiene una distribución normal o casi normal, lo mejor es utilizar estadísticas paramétricas. De lo contrario, es mejor que se utilice un método no paramétrico.
• La mayoría de los métodos estadísticos elementales comúnmente conocidos pertenecen a las estadísticas paramétricas. Las estadísticas no paramétricas se utilizan con moderación y se aplican a casos especiales.
