Estadística no paramétrica
La estadística no paramétrica es una rama de la estadística que estudia las pruebas y modelos estadísticos cuya distribución subyacente no se ajusta a los llamados criteriosparamétricos. Su distribución no puede ser definida a priori, pues son los datos observados los que la determinan. La utilización de estos métodos se hace recomendable cuando no se puede asumir que los datos se ajusten a una distribución conocida, cuando el nivel de medida empleado no sea, como mínimo, de intervalo.
Las principales pruebas no paramétricas son las siguientes:
Prueba χ² de Pearson
Prueba binomial
Prueba de Anderson-Darling
Prueba de Cochran
Prueba de Cohen kappa
Prueba de Fisher
Prueba de Friedman
Prueba de Kendall …ver más…

Prueba de Friedman
En estadística la prueba de Friedman es una prueba no paramétrica desarrollado por el economista Milton Friedman. Equivalente a la prueba ANOVA para dos factores en la versiónno paramétrica, el método consiste en ordenar los datos por filas o bloques, reemplazándolos por su respectivo orden. Al ordenarlos, debemos considerar la existencia de datos idénticos.
[editar]Método
Sea una tabla de datos, donde m son las filas (bloques) y n las columnas (tratamientos). Una vez calculado el orden de cada dato en su bloque, reemplazamos al tabla original con otra donde el valor rij es el orden de xij en cada bloque i.
Cálculo de las varianzas intra e inter grupo:
,

El estadístico viene dado por .
El criterio de decisión es .

Prueba de Kolmogórov-Smirnov
En estadística, la prueba de Kolmogórov-Smirnov (también prueba K-S) es una prueba no paramétrica que se utiliza para determinar la bondad de ajuste de dos distribuciones de probabilidad entre sí.
En el caso de que queramos verificar la normalidad de una distribución, la prueba de Lilliefors conlleva algunas mejoras con respecto a la de Kolmogórov-Smirnov; y, en general, las pruebas Shapiro-Wilk o Anderson-Darling son alternativas más potentes.
Conviene tener en cuenta que la prueba Kolmogórov-Smirnov es más sensible a los valores cercanos a la mediana que a los extremos de la distribución. La prueba de Anderson-Darlingproporciona igual sensibilidad con valores extremos.