Resumen
Este documento plantea la aplicación de la estadística no paramétrica en la investigación cuantitativa de los negocios, para lo cual se hace una presentación de cada técnica y/o prueba estadística detallando sus aplicaciones y limitaciones correspondientes; su propósito principal es brindar una alternativa a los investigadores cuando disponen de datos que no satisfacen los supuestos de la estadística paramétrica. El presente trabajo de investigación, a la luz de lo propuesto por Siegel (1957), toma en consideración de forma precisa esta circunstancia, y trata sobre la presentación de las técnicas y/o pruebas estadísticas no paramétricas referentes a datos que se miden en escala nominal u ordinal: – Caso de una muestra: prueba binomial, prueba ji-cuadrado, prueba de Kolmogorov- Smirnov, prueba de rachas. – Caso de dos muestras independientes: prueba ji-cuadrado, prueba de Kolmogorov- Smirnov, prueba U de Mann-Whitney, prueba de reacciones extremas de Moses, prueba de rachas de Wald-Wolfowitz, prueba exacta de Fischer. – Caso de dos muestras relacionadas: prueba de McNemar, prueba de Wilcoxon, prueba de los signos. – Caso de k muestras independientes: prueba ji-cuadrado, prueba de Kruskal-Wallis, prueba de la mediana, prueba de Jonckheere. – Caso de k muestras relacionadas: prueba Q de Cochran, prueba de Friedman, prueba W de Kendall. – Medidas no paramétricas de correlación: coeficiente de contingencia, coeficiente de correlación por rangos de Spearman, coeficiente de correlación por rangos de Kendall.
Título traducido de la contribución | Nonparametric statistics manual applied to business |
---|---|
Idioma original | Español |
Editorial | Universidad de Lima |
Número de páginas | 202 |
ISBN (versión impresa) | 978-9972-45-518-6 |
Estado | Publicada - abr. 2019 |
Palabras Clave
- Mathematical statistics
- Estadística no paramétrica
- Estadística matemática
- Nonsparametric statistics
COAR
- Libro
Categoría OCDE
- Estadísticas, Probabilidad