• Author / Uploaded
• Javier Camilo Mercado Rivera

• Categories
• Inferencia
• Estadísticas
• Muestreo (Estadísticas)
• Distribución normal
• Ciencia

Citation preview

PRUEBAS PARAMETRICAS Y NO PARAMETRICAS Y SU APLICACION EN EL CAMPO DEL DERECHO

DOCENTE: LISBETH SALGUEDO GOMEZ ELABORADO POR: JAVIER CAMILO MERCADO RIVERA CAMILO ANDRES ESTRADA PACHECO SEBASTIAN RICARDO

FECHA DE ENTREGA 31 DE MAYO DE 2018

PRUEBAS PARAMETRICAS Y NO PARAMETRICAS Y SU APLICACION EN EL CAMPO DEL DERECHO Todos estamos familiarizados con la idea de que el estadístico se encarga de determinar, por ejemplo, el promedio de niños con problemas de conducta en padres alcohólicos o no o el salario promedio de trabajadores con capacidad de rendimiento diferente. El investigador en Psicología debe saber ya, de una vez, que la DESCRIPCIÓN es solamente una de las funciones de la estadística y, por cierto, no la más importante en el campo de la investigación psicológica. La otra, la INFERENCIA ESTADÍSTICA es la que permite que la investigación cobre un verdadero carácter científico. La estadística descriptiva o deductiva, es la parte de la estadística que trata de la obtención y compendio de datos. Ejemplo de esto son las encuestas sobre la base de cuestionarios y métodos gráficos. La estadística inferencial o inductiva, es la parte de la Estadística que trata de la obtención de conclusiones, respecto a la fuente de datos. No es preciso insistir en este momento sobre la importancia de Ia inferencia en todas las ciencias, y de la inferencia estadística en las ciencias de la conducta o el Derecho. Inferir consiste en derivar una conclusión o probabilidad; su validez ha dado origen a muchos trabajos, tanto de filósofos, de la ciencia, como de matemáticos y otros especialistas. En estadística nos interesa inferir conclusiones sobre gran número de eventos con base en una pequeña parte de ellos; existen normas para tomar las muestras, sobre su tamaño, sobre las pruebas estadísticas que pueden utilizarse de acuerdo con el tamaño, etc. Un problema típico es el siguiente: ¿Como sabemos que las diferencias observadas en dos muestras significan realmente que las poblaciones de las cuales se tomaron son diferentes? ¿Cómo podemos averiguar que no se deben solo al azar? ¿Cómo es posible saber si una muestra de puntajes procede de una población especifica? La palabra parámetro se usó primero en Psicología Experimental para designar las constantes que intervienen en las curvas de aprendizaje, y que cambian cuando se modifican las condiciones experimentales. Hoy damos este nombre a los valores de la población, Las técnicas estadísticas paramétricas aparecieron antes que las no paramétricas; pueden basarse en suponer que la población esta normalmente distribuida, o que ambos grupos de puntajes se derivan de poblaciones que tienen la misma varianza o amplitud de puntajes. Las técnicas de distribución libre o no paramétricas son más recientes. No requieren que se hagan presupuestos sobre los parámetros, y exigen por esto menos calificadores. Las técnicas paramétricas solo pueden usarse con puntajes que sean realmente numéricos; esto se debe a hecho de que los puntajes se suman, dividen y multiplican. Muchas técnicas no paramétricas se basan en el orden 0 rango de los puntajes, no en sus valores numéricos. Otras técnicas no paramétricas pueden ser útiles incluso en los casos en que es imposible ordenar los datos.

Para nuestro trabajo, mostraremos mediante ejemplos las situaciones en que es posible y necesario utilizar este tipo de pruebas estadísticas, pero en esta ocasión aplicadas al Derecho y de manera subsidiaria a este, a la psicología como estudio de la conducta. Las pruebas estadísticas de dos muestras se usan cuando el investigador desea establecer la diferencia entre dos tratamientos o si un tratamiento es mejor que otro. Por ejemplo, adiestramiento, uso de psicofármaco, en cada caso el grupo que ha sufrido el tratamiento es comparado con el que no lo ha experimentado o que ha sufrido un tratamiento diferente. En la comparación de estos grupos, a veces se observan diferencias significativas que no son el resultado del tratamiento, por ejemplo, en el estudio de los trabajadores que se someten a un entrenamiento diferente para determinar cuál es el mejor para elevar su calificación, puede ser que la diferencia no se deba, realmente, a uno u otra tratamiento, sino que uno de los grupos estaba más motivado por elevar rápidamente su calificación y, de esta forma, no se refleja verdaderamente la efectividad del procedimiento de enseñanza. • Una forma de eliminar esta dificultad, es usar MUESTRAS RELACIONADAS estas se pueden lograr: - Cuando el propio sujeto es su propio control. - Con parejas de sujetos en las que se asignan los miembros de cada pareja, a las dos condiciones. La técnica paramétrica usual para analizar datos provenientes de dos muestras relacionadas es aplicar la prueba t a los puntajes; estos se pueden obtener de los dos puntajes de cada pareja igualada o de los puntajes de cada sujeto bajo las dos condiciones. Cuando estudiamos las diferencias entre dos grupos, podemos también usar grupos independientes, las pruebas estadísticas para dos grupos independientes, pueden utilizarse en diseños de este tipo. Estas pruebas determinan la medida en que las diferencias de las muestras indican, de forma convincente, una diferencia en el proceso aplicado en ellos. A pesar de las ventajas de usar muestras relacionadas, a veces es poco práctico, frecuentemente la naturaleza de la variable dependiente impide usar a los sujetos como sus propios controles, por ejemplo, si los estudios sobre TECNICAS EN JUICIO ORAL ayudan en el rendimiento de los abogados cuando están juicios. Tampoco se puede relacionar las muestras cuando el investigador no sabe cómo confeccionar los pares, adecuadamente, o porque sencillamente no hay buenos pares disponibles. En el caso de dos MUESTRAS INDEPENDIENTES, ellas pueden obtenerse: - Tomando al azar sujetos de dos poblaciones. - Asignando al azar ambos tratamientos a miembros de algunas muestras de orígenes arbitrarios.

No es necesario que la muestra sea del mismo tamaño. En este caso, la prueba t es la técnica paramétrica indicada para analizar los datos de las dos muestras independientes. Ahora veremos las pruebas que determinan la significación de las diferencias entre 3 o más grupos, relacionados o independientes. A veces las circunstancias requieren de diseños experimentales de más de dos muestras o condiciones que puedan estudiarse simultáneamente y entonces es necesario usar una prueba estadística que indique si existe una diferencia total entre las k muestras o condiciones, ya que no es posible tener confianza en una decisión acerca de k muestras, en la que el análisis se haga probando las muestras, 2 a 2. La técnica paramétrica para probar si varias muestras proceden de una misma población, es el análisis de varianza o prueba F. La misma facilita que no haya pérdida de precisión al estimar la varianza por separado, pues se utiliza una varianza combinada. En esta segunda etapa del trabajo tomamos como objeto de estudio el enfoque de género y el grado de afectación del mismo en la sociedad, tema de no menor importancia para el campo del derecho, dado por los debates éticos y morales, ¿pero que es enfoque de género?; El enfoque de género es la consideración de las diferentes oportunidades que tienen los hombres y las mujeres, las interrelaciones existentes entre ellos y los distintos papeles que socialmente se les asignan. Todas estas cuestiones influyen en el logro de las metas, las políticas y los planes de los organismos nacionales e internacionales y por lo tanto, repercuten en el proceso de desarrollo de la sociedad. Género se relaciona con todos los aspectos de la vida económica y social, cotidiana y privada de los individuos y determina características y funciones dependiendo del sexo o de la percepción que la sociedad tiene de él. Partiendo de esta idea, tomamos el enfoque de género y adecuamos a un estudio de la repercusión del mismo en el salario de un grupo de trabajadores de unas sucursales bancarias, y demás cuestionamientos que más adelante mencionaré. Para poder obtener un resultado exacto y encargarnos de englobar u obtener un resultado integral, nos permitimos usar como un medio las PRUEBAS NO PARAMETRICAS, dado que este método sirve esencialmente para las pruebas que llevaremos a cabo puesto que no cumplen con ciertas características que varían sobre los demás tipos de pruebas, y también porque los datos de los salarios son muy asimétricos. Para adentrarnos un poco más y llevar a cabo la guía para ejecutar las distintas fórmulas de una prueba no paramétrica, pero me permitiré describir que es una de ellas para aclarar los siguientes puntos. 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. Pero 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. Ahora adentrándonos en los datos previamente tomados, les señalaremos las distintas formulas aplicables a cada punto , los datos sobre salarios son fuertemente asimétricos hacia la derecha, porque muchas personas de la sucursal de diferente genero devengan salarios modestos y pocas ganan salarios más altos. Usted puede utilizar pruebas no paramétricas con estos datos para responder a preguntas como las siguientes: Sugerimos estos cuestionamientos para realizar el método no paramétrico: •

¿Es la mediana de los salarios de la sucursal bancaria igual a cierto valor?

La prueba de signos de 1 muestra. • ¿Es la mediana de los salarios de las mujeres y hombres de la sucursal bancaria de un banco mayor que la mediana de los salarios de las mujeres y hombres de otra sucursal bancaria? La prueba de Mann-Whitney o la prueba de Kruskal-Wallis. • ¿Son diferentes las medianas de los salarios en las sucursales de un banco? La prueba de la mediana de Mood.

• ¿Cómo incide el género o sexo de los empleados en los salarios de las bancarias? La prueba de Friedman.