Posibles pruebas post-hoc

Introduccin
En el campo de la estadstica inferencial, cuando los supuestos no se cumplen se pueden utilizar los
mtodos no paramtricos. En estos mtodos, se encuentran las pruebas no parmetricas que son
pruebas cuya hiptesis no corresponde a una afirmacin sobre un parmetro, y las pruebas de libre
distribucin donde su aplicacin no depende de la distribucin de la variable de inters en la
poblacin de estudio. En este contexto, las pruebas dentro de la estadstica inferencial clsica se
denominan pruebas paramtricas.

Cuando la hiptesis a probar corresponde a una afirmacin que no est relacionada con un
parmetro particular, la estadstica clsica no ofrece una alternativa para su evaluacin, por
consiguiente los mtodos no paramtricos se presentan como nica alternativa de eleccin. Cuando
la hiptesis a probar corresponde a una afirmacin sobre un parmetro, tenemos dos alternativas
(paramtricos y no paramtricos) en cuyo caso debemos evaluar cual de los dos mtodos es el
recomendable. Por lo anterior, se han identificado algunas ventajas generales de los mtodos no
paramtricos:

Son ms rpidos y fciles de aplicar (clculos aritmticos simples).

Con frecuencia son ms fciles de entender.

Son relativamente insensibles a datos atpicos.

El tipo de supuestos requeridos son en general ms fciles de cumplir.

Se pueden aplicar en muestras pequeas donde no se pueden verificar los supuestos de la

estadstica inferencial clsica.

Resuelven preguntas en nuevos escenarios, por ejemplo cuando se trabaja con variables medidas
en escalas nominales.

Ahora bien, en favor de las pruebas paramtricas, estos mtodos son los recomendables cuando se
cumplen los supuestos sobre las distribuciones de las variables en la poblacin de estudio.

En este documento se realiza la revisin de distintas pruebas no paramtricas buscando cumplir con
los siguientes objetivos:

Probar hiptesis relacionadas con la comparacin entre dos o ms muestras independientes o

emparejadas.
Evaluar la relacin y correlacin entre dos variables.

Evaluar si una muestra proviene de una poblacin con una cierta distribucin.

METODOS

Cuando se rechaza la hiptesis nula de la prueba de Friedman, existe una amplia variedad de
comparaciones mltiples que pueden usarse para determinar qu tratamientos difieren entre s.
Discutiremos los contextos en los que se deben aplicar diferentes comparaciones mltiples, cuando
la poblacin sigue algunas distribuciones discretas comnmente utilizadas para modelar datos de
conteo en campos biolgicos y ecolgicos. Nuestro estudio de simulacin muestra que la prueba de
signos es muy conservadora. Las pruebas LSD de Fisher y Tukey HSD calculadas con rangos son las
ms liberales.

Prueba de Friedman es un anlisis de bloques al azar no paramtrico de la varianza. Lo que quiere

decir que es una versin no paramtrica de una ANOVA de una va con medidas repetidas. Eso
significa que, si bien un simple anlisis de ANOVA requiere los supuestos de una distribucin normal
y varianzas iguales (de los residuos), la prueba de Friedman est libre de las restricciones. El precio
de esta libertad paramtrica es la prdida de potencia (de la prueba de Friedman en comparacin
con las versiones paramtricas ANOVA).

El anlisis post hoc para la prueba de Friedman

Suponiendo que se realiz la prueba de Friedman y se encontr un valor de p significativo, lo que

significa que algunos de los grupos en los datos tienen una distribucin diferente el uno del otro,
pero no (todava) saber qu. Para ello, el prximo paso ser tratar de averiguar qu pares de
nuestros grupos son significativamente diferentes entre s a continuacin. Pero cuando tenemos
grupos N, comprobando todos sus pares ser realizar [n] ms de 2 comparaciones, por lo tanto la
necesidad de corregir surgen comparaciones mltiples.