Różnica między parametryczną i nieparametryczną

Parametryczny a nieparametryczny

Statystyka jest jedną z gałęzi badań, która pozwala nam zrozumieć dynamikę populacji za pomocą próbek pobranych z określonej populacji. Konieczne jest, aby próbki te były losowe. Wiele formuł powstaje z wykorzystaniem matematyki, aby wyciągać wnioski na temat parametrów populacji. Oczywiście każda populacja może mieć „rozkład normalny”, w którym rozproszenie danych / próbek ma kształt dzwonu na wykresie częstotliwości. W rozkładzie normalnym większość próbek koncentruje się wokół średniej, a 68%, 95%, 99% danych znajduje się odpowiednio w granicach 1, 2 i 3 odchyleń standardowych. Statystyka parametryczna i nieparametryczna zależy od tego, czy uwzględnia się rozkład normalny.

Co to jest statystyki parametryczne?

Statystyka parametryczna to statystyka, w której dane / próbki uważa się za pobrane z rozkładu normalnego. Definicja statystyki parametrycznej to „statystyka, która zakłada, że ​​dane pochodzą z pewnego rodzaju rozkładu prawdopodobieństwa i wnioskuje na temat parametrów rozkładu”. Większość znanych elementarnych metod statystycznych należy do tej grupy. W rzeczywistości nie mogą być normalnie dystrybuowane. Dlatego ten typ statystyki opiera się na większej liczbie założeń. Jeśli dane / próbki są normalnie dystrybuowane lub prawie normalnie dystrybuowane, formuły mogą dawać dokładne wyniki i wnioski. Jeśli jednak założenie o normalnym rozkładzie jest błędne, statystyki parametryczne mogą być dość mylące.

Co to jest statystyka nieparametryczna?

Statystyka nieparametryczna jest również znana jako statystyka bez dystrybucji. Zaletą tego rodzaju statystyki jest to, że nie musi ona przyjmować założeń, jak poprzednio w przypadku parametrów. Nieparametryczne obliczenia statystyczne zwracają uwagę na mediany niż na średnie. Dlatego jeśli jeden lub dwa odbiegają od wartości średniej, ich działanie jest zaniedbywane. Ogólnie preferowane są statystyki parametryczne, ponieważ ma większą moc do odrzucenia fałszywej hipotezy niż metoda nieparametryczna. Jednym z najbardziej znanych testów nieparametrycznych jest test chi-kwadrat. Istnieją nieparametryczne analogi dla niektórych testów parametrycznych, takich jak test T Wilcoxona dla testu t próbki w parach, test t Manna-Whitneya dla testu t dla próbek niezależnych, korelacja Spearmana dla korelacji Pearsona itp. Dla testu t dla jednej próbki nie ma porównywalny test nieparametryczny.

Jaka jest różnica między parametryczną a nieparametryczną?

• Statystyki parametryczne zależą od rozkładu normalnego, ale statystyki nieparametryczne nie zależą od rozkładu normalnego.

• Statystyki parametryczne przyjmują więcej założeń niż statystyki nieparametryczne.

• Statystyki parametryczne używają prostszych wzorów w porównaniu ze statystykami nieparametrycznymi.

• Jeśli uważa się, że populacja jest normalnie rozmieszczona lub zbliżona do normalnie rozmieszczonej, najlepiej zastosować statystyki parametryczne. Jeśli nie, najlepiej zastosować metodę nieparametryczną.

• Większość powszechnie znanych podstawowych metod statystycznych należy do statystyki parametrycznej. Statystyka nieparametryczna jest oszczędnie stosowana i stosowana w szczególnych przypadkach.