13. Estadística NO paramétrica

Resumen

Primero y principal, hay muchas hipótesis que escapan del simple cuestionamiento de si un valor (estimado) es igual a otro, como se vio en el capítulo anterior. Por ejemplo, se puede querer comprobar (rechazar o no) si una variable tiene o no cierta distribución, sin necesidad del conocimiento o estimación de sus parámetros. Bajo un concepto similar, quizás se pretenda corroborar (rechazar o no) si una variable es independiente de otra o si es incluso aleatoria, los cuales son supuestos en gran parte de los análisis. Siendo así que no se busca la obtención ni se recurre al uso o definición de algún parámetro de interés (al menos no uno asociado a una distribución conocida, como la mediana), surge una batería de métodos / tests / pruebas denominados no paramétricos.

Así como con los tests paramétricos, la cantidad disponible de situaciones en las cuales pueden aplicarse es incontable, y es preferible disponer de la habilidad de reconocer cuándo (o no) es apropiado su uso y bajo qué condiciones. Cabe señalar que este tipo de pruebas, muy propias del ámbito estadístico, suelen hallarse implementadas de manera más completa o detallada en el lenguaje R, y es recomendable su uso siendo que hay mayor cantidad de documentación e información académica disponible.

En los últimos años, de la mano de la ciencia de datos y del incremento en la potencia de cálculo computacional, se ha popularizado bastante el uso de un método no paramétrico en particular: el bootstrap. En esencia, implica el remuestreo (es decir, la muestra de una muestra) con reposición, de tal manera de generar un conjunto de muestras mayor al que se dispone inicialmente (posiblemente una sola). Para cada muestra se obtiene un estimador (de la manera habitual que ya se ha visto) y la distribución de valores estimados resultantes justamente pasa a ser el valor agregado de este método, que de otra manera se obtendría mediante muestras reales (operacionalmente imposible en la mayoría de los casos). Es importante señalar que, bajo este procedimiento, sumamente simple, se puede estimar cualquier parámetro o característica de interés de una variable. Solamente es necesaria una muestra, la cual pasa a ser crucial en términos de calidad y representatividad, y un soporte para el remuestreo (una simulación por software). El bootstrapping se encuentra implementado en Python / R, muy bien documentado y con muchos ejemplos, dado su uso frecuente hoy en día.

Para profundizar

Prueba sobre la mediana

  • Prueba de los signos. Lind, Marchal y Wathen, Estadística aplicada a los negocios y la economía (15.ª ed.), pág. 681 a 685.
  • Inference for the Population Median. STAT 500: Applied Statistics, Penn State, lección 11.1.

Pruebas sobre distribuciones (bondad de ajuste / independencia / aleatoriedad)

  • Métodos no paramétricos: pruebas de bondad de ajuste. Lind, Marchal y Wathen, Estadística aplicada a los negocios y la economía (15.ª ed.), pág. 648 a 658.
  • Prueba de hipótesis de que la distribución de datos proviene de una población normal. Lind, Marchal y Wathen, Estadística aplicada a los negocios y la economía (15.ª ed.), pág. 659 a 664.
  • Análisis de tablas de contingencia. Lind, Marchal y Wathen, Estadística aplicada a los negocios y la economía (15.ª ed.), pág. 667 a 670.
  • La prueba de bondad de ajuste chi-cuadrada. Canavos, Probabilidad y estadística. Aplicaciones y métodos, pág. 363 a 368.
  • La estadística de Kolmogorov-Smirnov. Canavos, Probabilidad y estadística. Aplicaciones y métodos, pág. 368 a 370.
  • Chi-Square Test for Independence. STAT 500: Applied Statistics, Penn State, lección 8.
  • La distribución chi-cuadrado. Introducción a la estadística, OpenStax, cap. 11.

Bootstrapping