Use esta etiqueta para preguntar sobre la naturaleza de los métodos no paramétricos o paramétricos, o la diferencia entre los dos. Los métodos no paramétricos generalmente se basan en pocas suposiciones sobre las distribuciones subyacentes, mientras que los métodos paramétricos hacen suposiciones que permiten que los datos sean descritos por un pequeño número de parámetros.
Ciertas hipótesis se pueden probar usando la prueba t de Student (quizás usando la corrección de Welch para las variaciones desiguales en el caso de dos muestras), o mediante una prueba no paramétrica como la prueba de rango con signo emparejado de Wilcoxon, la prueba U de Wilcoxon-Mann-Whitney, o...
Cuando se resuelven problemas de negocios utilizando datos, es común que al menos una suposición clave de que las estadísticas clásicas no sean válidas. La mayoría de las veces, nadie se molesta en verificar esas suposiciones, por lo que nunca se sabe. Por ejemplo, que muchas de las métricas web...
¿En qué casos uno debería preferir el uno sobre el otro? Encontré a alguien que reclama una ventaja para Kendall, por razones pedagógicas , ¿hay otras
¿Puede alguien explicarme por qué alguien elegiría un método estadístico paramétrico en lugar de uno no paramétrico para pruebas de hipótesis o análisis de regresión? En mi opinión, es como ir en balsa y elegir un reloj no resistente al agua, porque es posible que no lo mojes. ¿Por qué no usar la...
Tengo datos de un experimento que analicé usando pruebas t. La variable dependiente se escala a intervalos y los datos no están emparejados (es decir, 2 grupos) o están emparejados (es decir, dentro de los sujetos). Por ejemplo (dentro de las asignaturas): x1 <- c(99, 99.5, 65, 100, 99, 99.5,...
Me pregunto si hace una diferencia en la interpretación si solo el dependiente, tanto el dependiente como el independiente, o solo las variables independientes se transforman logarítmicamente. Considere el caso de log(DV) = Intercept + B1*IV + Error Puedo interpretar el IV como el porcentaje...
Esta pregunta ha estado enconándose en mi mente durante más de un mes. La edición de febrero de 2015 de Amstat News contiene un artículo del profesor Mark van der Laan de Berkeley que regaña a las personas por usar modelos inexactos. Afirma que al usar modelos, la estadística es entonces un arte...
Existen varias técnicas populares de remuestreo, que a menudo se usan en la práctica, como bootstrapping, permutation test, jackknife, etc. Hay numerosos artículos y libros que analizan estas técnicas, por ejemplo Philip I Good (2010) Permutation, Parametric y Bootstrap Tests de hipótesis Mi...
Los árboles de decisión parecen ser un método de aprendizaje automático muy comprensible. Una vez creado, puede ser fácilmente inspeccionado por un humano, lo cual es una gran ventaja en algunas aplicaciones. ¿Cuáles son los lados débiles prácticos de los árboles de
Las distribuciones muy sesgadas, como el log-normal, no dan como resultado intervalos de confianza de arranque precisos. Aquí hay un ejemplo que muestra que las áreas de cola izquierda y derecha están lejos del 0.025 ideal, sin importar qué método de arranque intente en R: require(boot) n <-...
Los modelos aditivos generalizados son aquellos donde y=α+f1(x1)+f2(x2)+eiy=α+f1(x1)+f2(x2)+ei y = \alpha + f_1(x_1) + f_2(x_2) + e_i por ejemplo. Las funciones son suaves y se deben estimar. Generalmente por splines penalizadas. MGCV es un paquete en R que lo hace, y el autor (Simon Wood)...
Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado hace 2 años . Estoy usando caret para ejecutar un bosque...
He oído hablar de la probabilidad empírica de Owen, pero hasta hace poco no le presté atención hasta que lo encontré en un documento de interés ( Mengersen et al. 2012 ). En mi esfuerzo por comprenderlo, deduje que la probabilidad de los datos observados se representa como , donde y...
Estoy un poco confundido. ¿Por qué los procesos gaussianos se llaman modelos no paramétricos? Asumen que los valores funcionales, o un subconjunto de ellos, tienen un gaussiano anterior con media 0 y función de covarianza dada como la función del núcleo. Estas funciones del núcleo tienen algunos...
¿Es cierto que los métodos bayesianos no se sobreajustan? (Vi algunos documentos y tutoriales haciendo esta afirmación) Por ejemplo, si aplicamos un Proceso Gaussiano a MNIST (clasificación de dígitos escritos a mano), pero solo le mostramos una sola muestra, ¿volverá a la distribución anterior...
Al leer sobre la prueba KS de 2 muestras, entiendo exactamente lo que está haciendo, pero no entiendo por qué funciona . En otras palabras, puedo seguir todos los pasos para calcular las funciones de distribución empírica, encontrar la diferencia máxima entre los dos para encontrar el estadístico...
Estoy usando JMP para examinar las diferencias en la cubierta vegetal en grupos de formas de crecimiento (árboles, arbustos, hierbas, etc.) antes y después de tres tratamientos con un control. El tamaño de mi muestra es pequeño (n = 5) y la mayoría de mis distribuciones no se distribuyen...
Tengo la sensación de que esto puede haber sido preguntado en otro lugar, pero no realmente con el tipo de descripción básica que necesito. Sé que no paramétrico se basa en la mediana en lugar de la media para comparar ... algo. También creo que se basa en "grados de libertad" (?) En lugar de la...
Hola, estoy tratando de encontrar el equivalente no paramétrico de un ANOVA de dos vías (diseño 3x4) que sea capaz de incluir interacciones. De mi lectura en Zar 1984 "Análisis bioestadístico" esto es posible usando un método presentado en Scheirer, Ray y Hare (1976), sin embargo, según otras...
¿Hay alguna prueba estadística que sea paramétrica y no paramétrica? Esta pregunta fue formulada por un panel de entrevista. ¿Es una pregunta