Skip to content

Tipos de estadisticas

terminos

El método no paramétrico se refiere a un tipo de estadística que no requiere que la población analizada cumpla con ciertos supuestos o parámetros. Métodos estadísticos bien conocidos como ANOVA, correlación de Pearson, prueba t y otros brindan información válida sobre los datos que se analizan solo si la población subyacente cumple con ciertos supuestos. Una de las suposiciones más comunes es que los datos de población tienen una “distribución normal”.

Las estadísticas paramétricas también se pueden aplicar a poblaciones con otros tipos de distribución conocidos, sin embargo. Las estadísticas no paramétricas no requieren que los datos de población cumplan con las suposiciones requeridas para las estadísticas paramétricas. Las estadísticas no paramétricas, por lo tanto, caen dentro de una categoría de estadísticas a veces llamada libre de distribución. A menudo, los métodos no paramétricos se utilizarán cuando los datos de la población tengan una distribución desconocida o cuando el tamaño de la muestra sea pequeño.

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 altura y el peso en los cuales los valores son continuos y los intervalos entre valores tienen significado.

Por el contrario, las estadísticas no paramétricas se suelen utilizar en datos nominales u ordinales. Las variables nominales son variables cuyos valores no tienen valor cuantitativo. Las variables nominales comunes en la investigación de 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 raza, estado civil, nivel educativo y situación laboral ( empleado contra desempleado).

Las variables ordinales son aquellas en las que el valor sugiere algún orden. Un ejemplo de una variable ordinal sería si un encuestado pregunta: “En una escala de 1 a 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 algunas suposiciones, 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, la prueba de suma de rangos de Wilcoxon, la prueba de Kruskal-Wallis y la correlación de rango de Spearman.

Platykurtic describe una distribución estadística particular con colas más delgadas que una distribución normal. Debido a que esta distribución tiene colas finas, tiene menos valores atípicos (p. Ej., Valores extremos de tres o más desviaciones estándar de la media) que las distribuciones mesokurtic y leptokurtic. El prefijo del término “platy” significa ancho, que en realidad es un error histórico, porque las distribuciones platykurtic no son necesariamente amplias. Las distribuciones se consideran platykurtic cuando el valor de exceso de curtosis es negativo, debido al hecho de que la distribución tiene un carácter menos atípico o de valor extremo que la distribución normal.

Es difícil distinguir distribuciones platykurtic, leptokurtic y mesokurtic usando gráficos de densidad o histograma, porque el comportamiento de la cola no es fácil de ver. La siguiente figura muestra gráficos de densidad de datos de ejemplo que tienen estos tres tipos de distribuciones, todos con la misma desviación estándar, y la comparación del comportamiento de la cola no está clara en los gráficos de densidad. Por otro lado, los tres tipos se distinguen fácilmente mediante el uso de representaciones de cuantiles-cuantiles normales, como también muestra la figura.

Las distribuciones de Platykurtic producen valores atípicos menos extremos en comparación con los valores atípicos encontrados en una distribución normal. Los inversores a menudo consideran la curtosis de los activos devueltos porque la distribución de los valores puede ofrecer una estimación del riesgo de los activos en las inversiones potenciales.

Las distribuciones de Platykurtic generalmente tienen un diseño de datos bastante básico y estructurado; los retornos que siguen a este tipo de distribución tienden a tener menos fluctuaciones importantes que los activos con distribuciones leptocúrticas o normales. Por esta razón, la inversión tiene menos riesgos.

Los rendimientos de mercado o equidad se consideran más cercanos a las distribuciones leptocúrticas, a diferencia de los platykurtic y normales. Los eventos aleatorios e impredecibles, también conocidos como cisnes negros, tienen menos probabilidades de ocurrir cuando las condiciones del mercado son más platykurtic; Las desviaciones del cisne negro no suelen caer dentro de las colas cortas de las distribuciones platykurtic. Los inversores cautelosos y tradicionales encuentran inversiones con distribuciones de rendimiento platykurtic que mejor se adaptan a sus deseos y necesidades.