Estadística no paramétrica, con ejemplos en SPSS

El análisis no paramétrico suele ser más adecuado cuando se tienen escalas de medición débiles, no se cumplen los supuestos paramétricos o no existe un método paramétrico alternativo. Este análisis tiene una amplia aplicabilidad y generalmente solo requiere suposiciones modestas acerca de las poblaciones subyacentes de las que se extraen los datos. Bajos estos supuestos leves, se pueden obtener pruebas de hipótesis, intervalos de confianza, y procedimientos en muchas situaciones, tienen excelentes propiedades de eficiencia con respecto a sus competidores paramétricos y son robustos en el sentido en que son relativamente insensibles a observaciones atípicas y desviaciones del modelo. Una de las herramientas más potentes para los cálculos estadísticos no paramétricos los proporciona el software “ Statistical Package for the Social Sciences” (SPSS). Como estándar mundial para el análisis de datos de ciencias sociales, SPSS. Es ampliamente codiciado debido a su lenguaje de comandos sencillo y similar al inglés y su manual de usuario impresionantemente completo. En las páginas de este libro se abordan los métodos no paramétricos que pueden ser calculados usando SPSS, comenzando con la prueba de Kolmogorov-Smirnov (pruebaK-S o prueba KS), y, siguiendo en estricto orden con las pruebas de Chi-Cuadrado, Binomial, Rachas, U de Mann-Whitney, H de Kruskal-Wallis, Mediana, Wilcoxon, Signos, McNemar, Friedman, W de Kendall, y Q de Cochran. Es importante acotar que para cada tipo de prueba no paramétrica se ha agregado, además de la ilustración sobre sus generalidades, su procedimiento analítico y tres ejemplos que detallan la forma de plantear las situaciones, analizar los resultados e interpretaciones.