PRUEBAS PARAMETRICAS Y NO PARAMETRICAS Y SU

APLICACION EN EL CAMPO DEL DERECHO

DOCENTE:
LISBETH SALGUEDO GOMEZ

ELABORADO POR:
JAVIER CAMILO MERCADO RIVERA

CAMILO ANDRES ESTRADA PACHECO

SEBASTIAN RICARDO

FECHA DE ENTREGA

31 DE MAYO DE 2018
PRUEBAS PARAMETRICAS Y NO PARAMETRICAS Y SU
APLICACION EN EL CAMPO DEL DERECHO

Todos estamos familiarizados con la idea de que el estadístico se encarga de

determinar, por ejemplo, el promedio de niños con problemas de conducta en
padres alcohólicos o no o el salario promedio de trabajadores con capacidad de
rendimiento diferente.
El investigador en Psicología debe saber ya, de una vez, que la DESCRIPCIÓN es
solamente una de las funciones de la estadística y, por cierto, no la más
importante en el campo de la investigación psicológica. La otra, la INFERENCIA
ESTADÍSTICA es la que permite que la investigación cobre un verdadero carácter
científico. La estadística descriptiva o deductiva, es la parte de la estadística que
trata de la obtención y compendio de datos.
Ejemplo de esto son las encuestas sobre la base de cuestionarios y métodos
gráficos. La estadística inferencial o inductiva, es la parte de la Estadística que
trata de la obtención de conclusiones, respecto a la fuente de datos.
No es preciso insistir en este momento sobre la importancia de Ia inferencia en
todas las ciencias, y de la inferencia estadística en las ciencias de la conducta o
el Derecho. Inferir consiste en derivar una conclusión o probabilidad; su validez
ha dado origen a muchos trabajos, tanto de filósofos, de la ciencia, como de
matemáticos y otros especialistas. En estadística nos interesa inferir
conclusiones sobre gran número de eventos con base en una pequeña parte de
ellos; existen normas para tomar las muestras, sobre su tamaño, sobre las
pruebas estadísticas que pueden utilizarse de acuerdo con el tamaño, etc. Un
problema típico es el siguiente: ¿Como sabemos que las diferencias observadas
en dos muestras significan realmente que las poblaciones de las cuales se
tomaron son diferentes? ¿Cómo podemos averiguar que no se deben solo al
azar? ¿Cómo es posible saber si una muestra de puntajes procede de una
población especifica?
La palabra parámetro se usó primero en Psicología Experimental para designar
las constantes que intervienen en las curvas de aprendizaje, y que cambian
cuando se modifican las condiciones experimentales. Hoy damos este nombre a
los valores de la población, Las técnicas estadísticas paramétricas aparecieron
antes que las no paramétricas; pueden basarse en suponer que la población esta
normalmente distribuida, o que ambos grupos de puntajes se derivan de
poblaciones que tienen la misma varianza o amplitud de puntajes.
Las técnicas de distribución libre o no paramétricas son más recientes. No
requieren que se hagan presupuestos sobre los parámetros, y exigen por esto
menos calificadores. Las técnicas paramétricas solo pueden usarse con puntajes
que sean realmente numéricos; esto se debe a hecho de que los puntajes se
suman, dividen y multiplican. Muchas técnicas no paramétricas se basan en el
orden 0 rango de los puntajes, no en sus valores numéricos. Otras técnicas no
paramétricas pueden ser útiles incluso en los casos en que es imposible ordenar
los datos.
Para nuestro trabajo, mostraremos mediante ejemplos las situaciones en que es
posible y necesario utilizar este tipo de pruebas estadísticas, pero en esta
ocasión aplicadas al Derecho y de manera subsidiaria a este, a la psicología
como estudio de la conducta.
Las pruebas estadísticas de dos muestras se usan cuando el investigador desea
establecer la diferencia entre dos tratamientos o si un tratamiento es mejor que
otro. Por ejemplo, adiestramiento, uso de psicofármaco, en cada caso el grupo
que ha sufrido el tratamiento es comparado con el que no lo ha experimentado o
que ha sufrido un tratamiento diferente.
En la comparación de estos grupos, a veces se observan diferencias
significativas que no son el resultado del tratamiento, por ejemplo, en el estudio
de los trabajadores que se someten a un entrenamiento diferente para
determinar cuál es el mejor para elevar su calificación, puede ser que la
diferencia no se deba, realmente, a uno u otra tratamiento, sino que uno de los
grupos estaba más motivado por elevar rápidamente su calificación y, de esta
forma, no se refleja verdaderamente la efectividad del procedimiento de
enseñanza.
• Una forma de eliminar esta dificultad, es usar MUESTRAS RELACIONADAS estas
se pueden lograr:
- Cuando el propio sujeto es su propio control.
- Con parejas de sujetos en las que se asignan los miembros de cada pareja, a
las dos condiciones.
La técnica paramétrica usual para analizar datos provenientes de dos muestras
relacionadas es aplicar la prueba t a los puntajes; estos se pueden obtener de los
dos puntajes de cada pareja igualada o de los puntajes de cada sujeto bajo las
dos condiciones.
Cuando estudiamos las diferencias entre dos grupos, podemos también usar
grupos independientes, las pruebas estadísticas para dos grupos independientes,
pueden utilizarse en diseños de este tipo.
Estas pruebas determinan la medida en que las diferencias de las muestras
indican, de forma convincente, una diferencia en el proceso aplicado en ellos.
A pesar de las ventajas de usar muestras relacionadas, a veces es poco
práctico, frecuentemente la naturaleza de la variable dependiente impide usar a
los sujetos como sus propios controles, por ejemplo, si los estudios sobre
TECNICAS EN JUICIO ORAL ayudan en el rendimiento de los abogados cuando
están juicios.
Tampoco se puede relacionar las muestras cuando el investigador no sabe cómo
confeccionar los pares, adecuadamente, o porque sencillamente no hay buenos
pares disponibles.
En el caso de dos MUESTRAS INDEPENDIENTES, ellas pueden obtenerse:
- Tomando al azar sujetos de dos poblaciones.
- Asignando al azar ambos tratamientos a miembros de algunas muestras de
orígenes arbitrarios.
No es necesario que la muestra sea del mismo tamaño. En este caso, la prueba t
es la técnica paramétrica indicada para analizar los datos de las dos muestras
independientes.
Ahora veremos las pruebas que determinan la significación de las diferencias
entre 3 o más grupos, relacionados o independientes. A veces las circunstancias
requieren de diseños experimentales de más de dos muestras o condiciones que
puedan estudiarse simultáneamente y entonces es necesario usar una prueba
estadística que indique si existe una diferencia total entre las k muestras o
condiciones, ya que no es posible tener confianza en una decisión acerca de k
muestras, en la que el análisis se haga probando las muestras, 2 a 2.
La técnica paramétrica para probar si varias muestras proceden de una misma
población, es el análisis de varianza o prueba F. La misma facilita que no haya
pérdida de precisión al estimar la varianza por separado, pues se utiliza una
varianza combinada.
En esta segunda etapa del trabajo tomamos como objeto de estudio el enfoque
de género y el grado de afectación del mismo en la sociedad, tema de no menor
importancia para el campo del derecho, dado por los debates éticos y morales,
¿pero que es enfoque de género?; El enfoque de género es la consideración de
las diferentes oportunidades que tienen los hombres y las mujeres, las
interrelaciones existentes entre ellos y los distintos papeles que socialmente se
les asignan. Todas estas cuestiones influyen en el logro de las metas, las políticas
y los planes de los organismos nacionales e internacionales y por lo tanto,
repercuten en el proceso de desarrollo de la sociedad. Género se relaciona con
todos los aspectos de la vida económica y social, cotidiana y privada de los
individuos y determina características y funciones dependiendo del sexo o de la
percepción que la sociedad tiene de él.
Partiendo de esta idea, tomamos el enfoque de género y adecuamos a un
estudio de la repercusión del mismo en el salario de un grupo de trabajadores de
unas sucursales bancarias, y demás cuestionamientos que más adelante
mencionaré.
Para poder obtener un resultado exacto y encargarnos de englobar u obtener un
resultado integral, nos permitimos usar como un medio las PRUEBAS NO
PARAMETRICAS, dado que este método sirve esencialmente para las pruebas que
llevaremos a cabo puesto que no cumplen con ciertas características que varían
sobre los demás tipos de pruebas, y también porque los datos de los salarios son
muy asimétricos.
Para adentrarnos un poco más y llevar a cabo la guía para ejecutar las distintas
fórmulas de una prueba no paramétrica, pero me permitiré describir que es una
de ellas para aclarar los siguientes puntos. Una prueba no paramétrica es una
prueba de hipótesis que no requiere que la distribución de la población sea
caracterizada por ciertos parámetros. Por ejemplo, muchas pruebas de hipótesis
parten del supuesto de que la población sigue una distribución normal con los
parámetros μ y σ. Las pruebas no paramétricas no parten de este supuesto, de
modo que son útiles cuando los datos son considerablemente no normales y
resistentes a transformaciones.
En la estadística paramétrica, se presupone que las muestras provienen de
distribuciones totalmente especificadas caracterizadas por uno o más
parámetros desconocidos sobre los cuales se desea hacer inferencias. En un
método no paramétrico, se presupone que la distribución de la que proviene la
muestra no está especificada y, con frecuencia, se desea hacer inferencias sobre
el centro de la distribución. Por ejemplo, muchas pruebas de la estadística
paramétrica, como la prueba t de 1 muestra, se realizan bajo el supuesto de que
los datos provienen de una población normal con una media desconocida. En un
estudio no paramétrico, se elimina el supuesto de normalidad.
Los métodos no paramétricos son útiles cuando no se cumple el supuesto de
normalidad y el tamaño de la muestra es pequeño. Sin embargo, las pruebas no
paramétricas no están completamente libres de supuestos acerca de los datos.
Por ejemplo, es fundamental presuponer que las observaciones de las muestras
son independientes y provienen de la misma distribución. Además, en los
diseños de dos muestras, se requiere el supuesto de igualdad de forma y
dispersión.
Pero las pruebas no paramétricas tienen las siguientes limitaciones.
• Las pruebas no paramétricas por lo general son menos potentes que la
prueba paramétrica correspondiente cuando se cumple el supuesto de
normalidad. Por lo tanto, es menos probable que usted rechace la hipótesis nula
cuando sea falsa si los datos provienen de la distribución normal.
• Las pruebas no paramétricas suelen requerir que se modifiquen las
hipótesis. Por ejemplo, la mayoría de las pruebas no paramétricas acerca del
centro de la población son pruebas sobre la mediana y no sobre la media. La
prueba no responde a la misma pregunta que el procedimiento paramétrico
correspondiente si la población no es simétrica.
Ahora adentrándonos en los datos previamente tomados, les señalaremos las
distintas formulas aplicables a cada punto , los datos sobre salarios son
fuertemente asimétricos hacia la derecha, porque muchas personas de la
sucursal de diferente genero devengan salarios modestos y pocas ganan
salarios más altos. Usted puede utilizar pruebas no paramétricas con estos datos
para responder a preguntas como las siguientes:
Sugerimos estos cuestionamientos para realizar el método no paramétrico:
• ¿Es la mediana de los salarios de la sucursal bancaria igual a cierto valor?
La prueba de signos de 1 muestra.
• ¿Es la mediana de los salarios de las mujeres y hombres de la sucursal
bancaria de un banco mayor que la mediana de los salarios de las mujeres y
hombres de otra sucursal bancaria?
La prueba de Mann-Whitney o la prueba de Kruskal-Wallis.
• ¿Son diferentes las medianas de los salarios en las sucursales de un
banco?
La prueba de la mediana de Mood.
• ¿Cómo incide el género o sexo de los empleados en los salarios de las
bancarias?
La prueba de Friedman.