Lección 1 del curso Estadística Inferencial No Paramétrica.
En esta primera lección del curso comenzaremos entendiendo una de las diferencias fundamentales que existe entre las pruebas paramétricas y las no paramétricas. De igual forma, veremos las ventajas y desventajas de cada una de estas familias de pruebas:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, una de las diferencias fundamentales entre varias de las pruebas no paramétricas que veremos en este curso y las pruebas paramétricas que vimos en el curso de Estadística Inferencial Paramétrica, es que estas últimas usan valores (como la media o la varianza) para estimar la estadística y el valor p asociados, mientras que las no paramétricas se enfocan muchas veces en calcular dichos valores a partir de rangos.
Y esta es una diferencia clave, pues permite que las pruebas no paramétricas sean más robustas ante la presencia de valores extremos. Además, estas pruebas no requieren satisfacer supuestos asociados a la distribución de los datos (como sí ocurre con las pruebas paramétricas).
Así que teniendo claro este panorama general, ya estamos listos para comenzar a ver en detalle qué son y cómo usar las principales pruebas no paramétricas en proyectos de Ciencia de Datos. Entonces, en la próxima lección veremos la prueba de Wilcoxon de una muestra.
Todas las lecciones del curso Estadística Inferencial No Paramétrica