1. Pruebas Paramétricas
1.1. Coeficiente de correlación de Pearson
1.1.1. Se usa para conocer el grado de relación que existe entre dos variables o atributos; indica la dirección de la asociación y; obtener la significancia de la asociación.
1.1.2. Interpretación de coeficiente de correlación de Pearson
1.1.2.1. Fuerza
1.1.2.1.1. Los valores van de -1 a +1; se considera alta cuando los valores son 0.90 a 1; medio de 0.31 a 0.79 y débil de 0.00 a 0.30.
1.1.2.2. Dirección
1.1.2.2.1. Refiere el lado de la curva donde se encuentra las correlaciones. Si el signo es negativo (-) refiere que es inversamente proporcional, si el signo es positivo (+), refiere que es directamente proporcional.
1.2. Prueba t de Student
1.2.1. Es una prueba de hipótesis que compara dos grupos, observando las diferencias significativas en las medias de los dos grupos en una variable.
1.2.1.1. Se clasifican en dos tipos de prueba:
1.2.1.1.1. Muestras independientes
1.2.1.1.2. Muestras correlacionadas
1.3. ANOVA
1.3.1. Es una prueba de hipótesis que observa si tres o más grupos presentan una diferencia significativa con respecto a una variable dependiente.
1.3.1.1. La ANOVA, se clasifica en tres tipos:
1.3.1.1.1. Análisis de varianza simple
1.3.1.1.2. La ANOVA de doble clasificación o doble entrada
1.3.1.1.3. Análisis factorial de varianza
2. Pruebas No Paramétricas
2.1. Las pruebas no paramétricas que más frecuentemente se utilizan son:
2.1.1. Chi-Cuadrada (χ²)
2.1.1.1. La Chi-cuadrada es utilizada para comparar las frecuencias esperadas (H0) y las frecuencias obtenidas de la muestra; las frecuencias esperadas refieren a las poblacionales.
2.1.2. Coeficientes de correlación e independencia para tabulaciones cruzadas.
2.1.2.1. Dos coeficientes utilizados en estudios psicológicos son:
2.1.2.1.1. Phi (φ)
2.1.2.1.2. V de Cramer (c)
2.1.3. Los coeficientes de correlación por rangos ordenados de Spearman.
2.1.3.1. Simbolizado como rs. “Es una medida de correlación para variables de medición ordinal de tal modo que los individuos, casos o unidades de análisis de la muestra pueden ordenarse por rangos. Este coeficiente varía de –1.0 (correlación negativa perfecta) a 1.0 (correlación positiva perfecta)
2.1.4. Prueba no paramétrica U de Mann-Whitney.
2.1.4.1. En esta prueba las puntuaciones de la distribución de ambas muestras se ordenan por rangos de acuerdo con valores crecientes en magnitud.
2.1.5. Prueba no paramétrica H de Kruskal-Wallis.
2.1.5.1. La prueba H de Kruskal Wallis se emplea cuando la única forma de medición es de manera ordinal y se deben de comparar 3 o más muestras independientes.
2.1.6. Prueba no paramétrica Kolmogorov Smirnov.
2.1.6.1. Es una prueba que mide el grado de concordancia existente entre la distribución de un conjunto de datos y una distribución teórica específica, se puede utilizar para comprobar si una variable se distribuye normalmente. Si p = > 0.05 se dice que la distribución es normal (H0).
3. ¿Qué es?
3.1. Es un conjunto de técnicas que permiten obtener conclusiones a partir de una muestra para poder generalizarla a una población. Utilizada para probar hipótesis y estimar parámetros.
3.1.1. Hipótesis estadísticas. Existen dos tipos de hipótesis estadísticas.
3.1.1.1. Hipótesis Nula
3.1.1.1.1. Es la negación de la relación o la diferencia entre variables. Utilizada para demostrar diferencias entre grupos y asociación entre variables.
3.1.1.2. Hipótesis Alternativa
3.1.1.2.1. Es la presencia de la relación o diferencia. Su función es indicar que uno de los parámetros es mas alto o bajo que el otro; comparar grupos; indicar si las variables aumentan o disminuyen y; establecer relaciones.
4. La significancia estadística
4.1. La significancia estadística es una herramienta utilizada para contrastar hipótesis.
4.2. La significancia estadística se representa como “p”.
4.3. El tamaño de la muestra influye directamente en el valor p.
4.4. Error a la hora de aceptar o rechazar una hipótesis
4.4.1. Error de tipo I
4.4.1.1. Cuando se rechaza la hipótesis nula siendo cierta.
4.4.2. Error de tipo II
4.4.2.1. Cuando se acepta la hipótesis nula siendo falsa.
5. Clasificación de la estadística inferencial
5.1. No paramétricas
5.1.1. Es una estadística de distribución libre, se basa en frecuencias, porcentajes y rangos.
5.2. Paramétricas
5.2.1. La estadística inferencial paramétrica se sustenta en supuestos o parámetros.
6. Estadística Inferencial Paramétrica
6.1. La estadística paramétrica se debe de cumplir con tres principios.
6.1.1. Distribución normal
6.1.1.1. Los grupos tienen una curva normal.
6.1.2. Homogeneidad de varianza
6.1.2.1. Las varianzas dentro de los grupos son estadísticamente las mismas.
6.1.3. Selección y asignación aleatoria
6.1.3.1. Sólo se aplican muestreos probabilísticos entendidos como la técnica en la cual todos los sujetos tienen la misma probabilidad de ser elegidos.