Pruebas estadísticas no paramétricas
- Propuesto por
- Henry Mann and Donald Whitney
- Año
- 1947
- Tipo
- Method
- Familia
- distribution-free-methods
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
Las pruebas no paramétricas (libres de distribución) son métodos estadísticos para la prueba de hipótesis que no asumen que los datos siguen una distribución de probabilidad específica (p. ej., normal), lo que las hace robustas a desviaciones de la normalidad, valores atípicos y datos ordinales.
La prueba U de Mann-Whitney (1947) y la prueba de Kruskal-Wallis (1952) extienden la prueba de hipótesis más allá de las restricciones de los supuestos paramétricos. Esenciales en biología, medicina, psicología y cualquier campo donde los datos no sean normales, estén muy sesgados o se midan en escalas ordinales (clasificaciones, valoraciones), las pruebas no paramétricas proporcionan inferencias válidas cuando fallan los supuestos paramétricos.
La intuición detrás del método
Las pruebas paramétricas (t de Student, ANOVA) asumen distribuciones normales y varianzas iguales; las violaciones de estos supuestos pueden generar valores p e intervalos de confianza incorrectos. Las pruebas no paramétricas evitan los supuestos de distribución al clasificar las observaciones: en lugar de analizar los valores brutos, convierten los datos en rangos (el 1º más pequeño, el 2º más pequeño, ..., el más grande) y prueban si las distribuciones de rangos difieren entre grupos. Debido a que los rangos son enteros y conservan el orden, son robustos a valores atípicos, no normalidad y heterocedasticidad. Contrapartida: las pruebas no paramétricas sacrifican potencia en condiciones ideales (datos normales, varianza igual) pero ganan robustez y validez en condiciones realistas. Práctica moderna: usar pruebas no paramétricas liberalmente; son robustas y a menudo casi tan potentes como las alternativas paramétricas.
Historia
Henry Mann y Donald Whitney desarrollaron la prueba U en 1947 para comparar dos muestras. William Kruskal y Allen Wallis extendieron el enfoque a múltiples muestras en 1952. Frank Wilcoxon desarrolló independientemente pruebas de rangos para muestras pareadas (prueba de rangos con signo, 1945). Charles Spearman introdujo anteriormente la correlación de rangos (1904). Estos métodos permanecieron latentes hasta que la computación moderna hizo obsoletos los cálculos manuales. El resurgimiento actual está impulsado por: (1) el reconocimiento de que muchos conjuntos de datos no son normales, (2) la ubicuidad de los datos ordinales (encuestas, valoraciones), (3) la filosofía de estadísticas robustas que enfatiza la protección contra la violación de supuestos.
Cuándo usarlo
Usar pruebas no paramétricas cuando se violan los supuestos de las pruebas paramétricas y la transformación (logaritmo, raíz cuadrada) no puede normalizar los datos, o cuando los datos son inherentemente ordinales. Psicología: análisis de respuestas en escala Likert (ordinal, a menudo no normal); muchos estudios utilizan escalas con < 10 categorías donde la normalidad es implausible. Medicina: comparación de valores de biomarcadores entre grupos de tratamiento cuando las mediciones están muy sesgadas (p. ej., algunos pacientes con valores cero, otros con valores altos). Biología: evaluación de medidas basadas en rangos (rangos de abundancia de especies, rangos de torneos). También usar métodos no paramétricos como predeterminados en el análisis exploratorio temprano cuando la distribución de los datos es desconocida; si los resultados se alinean con las pruebas paramétricas, el enfoque paramétrico probablemente sea seguro para el análisis confirmatorio.
Limitaciones y consideraciones
- Pérdida de potencia en condiciones ideales: cuando los datos son verdaderamente distribuidos normalmente con varianzas iguales, las pruebas no paramétricas pierden entre un 5% y un 15% de potencia en comparación con las pruebas t (eficiencia relativa asintótica ~0.95).
- Menos desarrollado para diseños complejos: existen menos equivalentes no paramétricos para ANOVA factorial, MANOVA o ajuste de covariables complejo; los métodos no paramétricos multinivel son menos estándar.
- Tamaño del efecto menos estandarizado: a diferencia de las pruebas paramétricas con medidas de tamaño del efecto bien establecidas (d de Cohen), los tamaños del efecto no paramétricos (r, correlación rango-biserial) son menos comunes en la práctica.
- Pruebas post-hoc complejas: las comparaciones por pares después de Kruskal-Wallis son menos estandarizadas; las penalizaciones por corrección de pruebas múltiples pueden reducir la potencia.
- Restringido a pruebas de localización o asociación: los métodos no paramétricos prueban principalmente si las distribuciones difieren; no pueden estimar parámetros ni probar hipótesis específicas sobre la estructura de la media.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Robusto a la no normalidad y a los valores atípicos: valores p válidos incluso cuando los datos son severamente no normales o contienen valores extremos que no se pueden eliminar.
- Funciona con datos ordinales: puede analizar escalas Likert, clasificaciones u otras categorías ordenadas; las pruebas paramétricas asumen datos continuos, lo que las hace técnicamente inválidas para datos ordinales.
- Cálculo simple: las estadísticas basadas en rangos son intuitivas y computacionalmente simples; se pueden calcular a mano para muestras pequeñas.
- Libre de distribución: no asumen ninguna distribución de probabilidad específica, lo que las hace universalmente aplicables a diversos tipos de datos.
- Buena potencia estadística bajo violación de supuestos paramétricos: cuando los supuestos paramétricos son falsos, las pruebas no paramétricas son más potentes que las pruebas paramétricas que producen valores p inválidos.
Aplicaciones
- Investigación psicológica: comparación de respuestas en escala Likert (satisfacción laboral, gravedad de la depresión) entre grupos de tratamiento; las valoraciones son típicamente ordinales y no normales.
- Medicina clínica: análisis de niveles de biomarcadores (a menudo sesgados con límites de detección) antes/después del tratamiento; comparación de valoraciones de gravedad de síntomas.
- Salud ocupacional: clasificación de exposiciones a peligros en diferentes lugares de trabajo o comparación de medidas ordinales de seguridad; alternativas prácticas a los métodos paramétricos.
- Evaluación educativa: comparación de puntuaciones o clasificaciones de pruebas entre escuelas o métodos de enseñanza; acomoda distribuciones de puntuaciones que no son normales.
- Control de calidad: clasificación de la gravedad de los defectos o comparación de medidas ordinales de calidad entre lotes de producción sin asumir normalidad.
Cómo funciona
Cómo funciona
Administrar pruebas no paramétricas cuando: (1) los datos de resultado no son normales (verificar diagramas Q-Q, prueba de Shapiro-Wilk), (2) los datos son ordinales (rangos, valoraciones, escalas con valores limitados), (3) los tamaños de muestra son pequeños (< 30) donde la normalidad no se puede verificar, (4) hay valores atípicos presentes que no se pueden justificar o eliminar, (5) las varianzas son desiguales (heterocedasticidad). Recopilación de datos igual que para pruebas paramétricas; no se requiere un diseño de muestra especial. Requisito clave: las observaciones deben ser independientes (no medidas repetidas sin ajuste); los datos deben ser clasificables (se puede determinar el orden relativo). Funciona con datos continuos, ordinales o binarios.
Para dos grupos independientes, usar la prueba U de Mann-Whitney (alternativa no paramétrica a la t de Student independiente): (1) Clasificar todas las observaciones de menor a mayor, ignorando la pertenencia al grupo. (2) Sumar los rangos en cada grupo (R₁ y R₂). (3) Calcular U₁ = n₁n₂ + [n₁(n₁+1)/2] − R₁ y U₂ = n₁n₂ + [n₂(n₂+1)/2] − R₂. (4) Estadístico de prueba U = min(U₁, U₂). (5) Obtener el valor p de las tablas de distribución de Mann-Whitney (para muestras pequeñas) o aproximación normal (para muestras grandes). Informar el tamaño del efecto: r = Z / √n donde Z es el estadístico de prueba estandarizado, n es el tamaño total de la muestra; r ≈ 0.1 pequeño, 0.3 mediano, 0.5 grande. Para tres o más grupos independientes, usar la prueba de Kruskal-Wallis: enfoque similar pero calcula el estadístico de suma de rangos general H que sigue la distribución χ² con k−1 grados de libertad. Para datos pareados (medidas repetidas), usar la prueba de rangos con signo de Wilcoxon: las diferencias entre pares se clasifican y se prueban contra cero. Para correlación, usar el coeficiente de correlación por rangos de Spearman ρ: correlación de rangos en lugar de valores brutos.
Interpretación del valor p igual que para las pruebas paramétricas: p < 0.05 indica una diferencia estadísticamente significativa entre grupos (al nivel convencional). Sin embargo, debido a que se utilizan rangos, el tamaño del efecto y la interpretación difieren ligeramente. La prueba U de Mann-Whitney responde: ¿es la distribución del grupo 1 estocásticamente mayor que la del grupo 2? (es decir, ¿tienden los valores del grupo 1 a ser más altos?). A menudo se estima la diferencia de medianas para la interpretación práctica, pero técnicamente la prueba compara distribuciones, no solo medianas. El tamaño del efecto r proporciona una medida estandarizada de la separación de grupos. Para Kruskal-Wallis, un valor p significativo indica que al menos dos grupos difieren; las pruebas post-hoc por pares de Mann-Whitney identifican qué pares (con corrección de Bonferroni). Para el ρ de Spearman, la interpretación es similar a la de r de Pearson; los valores varían de −1 a +1; un ρ positivo indica rangos concordantes.
Errores comunes
- Malentendido de lo que se prueba: la prueba U de Mann-Whitney prueba si las distribuciones difieren, no solo las medianas; dos distribuciones pueden tener medianas iguales pero formas diferentes. Siempre examinar las distribuciones visualmente.
- Aplicar pruebas no paramétricas a datos que son claramente normales: desperdicia potencia; usar pruebas paramétricas cuando se cumplen los supuestos.
- Usar pruebas no paramétricas en datos fuertemente categorizados sin métodos apropiados: los datos ordinales (p. ej., escala Likert de 5 puntos) analizados con Mann-Whitney pueden ser válidos, pero con solo 2 categorías (dicotómicas), las pruebas no paramétricas basadas en rangos colapsan a chi-cuadrado.
- No verificar el supuesto de independencia: las pruebas no paramétricas asumen observaciones independientes; los diseños de clústeres, medidas repetidas o emparejados requieren ajustes (prueba de Friedman para medidas repetidas, estratificación para emparejados).
- Dicotomizar variables continuas: convertir datos continuos (edad) en ordinales (joven/viejo) y luego aplicar pruebas no paramétricas pierde información. Conservar la forma continua cuando sea posible.
- Interpretar tamaños del efecto basados en rangos como tamaños del efecto prácticos: un tamaño del efecto no paramétrico r = 0.3 cuantifica la separación estadística, no la importancia práctica. Siempre examinar la diferencia real en medianas o medias para la significación práctica.
Preguntas frecuentes
¿Cuándo debo usar la prueba U de Mann-Whitney en lugar de una t de Student independiente?
Usar la prueba U de Mann-Whitney si: (1) los datos no se distribuyen normalmente (el diagrama Q-Q muestra una desviación, Shapiro-Wilk p < 0.05), (2) las varianzas son desiguales (prueba de Levene p < 0.05) y los tamaños de muestra son desiguales, (3) los datos son ordinales (clasificaciones, valoraciones), (4) los tamaños de muestra son pequeños (n < 30) por lo que la normalidad no se puede verificar, o (5) hay valores atípicos presentes que son reales (no errores de medición) y no se pueden eliminar. Si los datos son claramente normales y de varianza igual, se prefiere la prueba t (más potente). En la práctica, la prueba U de Mann-Whitney es una opción conservadora; funciona razonablemente bien incluso para datos normales (pérdida de potencia ~5%), por lo que su uso liberal es defendible.
¿Qué prueba realmente la prueba U de Mann-Whitney: las medianas o las distribuciones?
Técnicamente, la prueba U de Mann-Whitney prueba si las distribuciones difieren (dominancia estocástica). Si las distribuciones tienen la misma forma, la prueba se aproxima a una prueba de diferencia de medianas. Sin embargo, dos distribuciones pueden tener medianas iguales pero formas diferentes (p. ej., una simétrica, otra sesgada). Por el contrario, medianas diferentes implican distribuciones diferentes. Mejor práctica: siempre visualizar ambas distribuciones con diagramas de caja o diagramas de densidad; examinar los datos reales aclara si el resultado de la prueba refleja una diferencia de medianas o una diferencia de distribución más amplia. Informar tanto el valor p como la diferencia de medianas para la interpretación práctica.
¿Cómo manejo los rangos empatados en las pruebas no paramétricas?
Los empates (valores iguales) reciben el rango promedio. Por ejemplo, si dos observaciones empatan en el 5º lugar, ambas reciben el rango 5.5. Este es el enfoque estándar y es lo que implementa el software estadístico. Con muchos empates, el estadístico de prueba puede necesitar un ajuste (pruebas de rango medio, pruebas de permutación). Si los empates son muy comunes (p. ej., muchos valores cero o datos fuertemente categorizados), considere alternativas: pruebas de permutación o métodos robustos diseñados para datos discretos.
¿Puedo usar pruebas no paramétricas con datos de escala Likert?
Sí, las pruebas no paramétricas son muy adecuadas para escalas Likert (datos ordinales). La prueba U de Mann-Whitney compara las distribuciones de respuestas Likert entre grupos; Kruskal-Wallis compara tres o más grupos. Sin embargo, tenga cuidado con las escalas con muy pocas categorías (p. ej., escala de 3 puntos): la potencia de la prueba se reduce en comparación con los datos continuos. Alternativamente, para escalas Likert de varios ítems (p. ej., sumar varios ítems en una puntuación compuesta), la puntuación compuesta puede aproximarse a la normalidad (Teorema del Límite Central), justificando las pruebas paramétricas. Use pruebas no paramétricas como opción predeterminada segura para medidas ordinales de un solo ítem.
Métodos relacionados
Fuentes
Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. Annals of Mathematical Statistics, 18(1), 50–60.
Abrir referencia DOICopiado.Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621.
Abrir referencia DOICopiado.Conover, W. J. (1999). Practical Nonparametric Statistics (3rd ed.). John Wiley & Sons.
Abrir referencia de la publicaciónCopiado.