Test parametricos y no parametricos usos

Permite estimar la función de supervivencia y comparar grupos. Para comparar medias entre dos grupos independientes, considera la prueba t de Student. Los tests no paramétricos, aunque menos potentes, son más versátiles. No requiere supuestos sobre la distribución del tiempo de supervivencia.

Si tienes más de dos grupos, ANOVA es la opción adecuada, siempre verificando la homocedasticidad. Esto significa que tienen mayor probabilidad de detectar una diferencia real si existe. Los tests paramétricos asumen que los datos siguen una distribución normal y tienen varianzas iguales.

Ofrece una alternativa a otras pruebas de bondad de ajuste. Pueden usarse con datos que no cumplen los estrictos requisitos de los paramétricos. Si los datos no cumplen estos requisitos, los resultados pueden ser engañosos. Al comparar dos grupos relacionados con datos no normales, utiliza la prueba de Wilcoxon.

Es el análogo no paramétrico del ANOVA de medidas repetidas. Se utilizan para analizar medias y varianzas entre grupos, ofreciendo mayor potencia si los supuestos se cumplen. Es ampliamente utilizada en estudios clínicos y epidemiológicos.

Si la normalidad se viola levemente, algunas transformaciones de datos pueden ayudar. Consulta con un estadístico si tienes dudas sobre la prueba más apropiada. Son especialmente útiles cuando se trabaja con muestras pequeñas o datos atípicos. En investigaciones donde la precisión es crucial, verifica minuciosamente los supuestos de los tests paramétricos.

Al analizar datos de supervivencia, la prueba de Kaplan-Meier es una herramienta no paramétrica esencial. Estas pruebas ofrecen alternativas sólidas para análisis robustos. Los tests paramétricos a menudo se prefieren debido a su mayor potencia estadística.

Justifica claramente la elección de la prueba en tu informe o publicación. Los tests no paramétricos no requieren supuestos sobre la distribución de los datos.