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.