Поле статистики содержит два типа переменных: зависимые и независимые. Аналогичным образом, в заключение, статистики используют различные типы тестов, из которых два являются параметрическими и непараметрическими тестами. Это чрезвычайно широкая классификация различных статистических процедур, используемых в огромном мире статистических приложений.
Параметрический и непараметрический
Разница между этими двумя тестами заключается в том, что один из них зависит, а другой до определенной степени не зависит от таких параметров, как среднее значение, стандартное отклонение, вариация и центральная предельная теорема. Все это разные параметры, рассчитанные на основе имеющихся данных. Хотя у каждого параметрического теста есть непараметрический аналог или эквивалент.
Параметрические статистические процедуры описываются как процедуры, результаты которых основываются на предположении о форме распределения данных (пример: нормальное распределение) и о параметрах предполагаемого распределения. Существуют различные виды параметрических тестов, такие как t-критерий, коэффициент корреляции Пирсона, парный t-критерий и многие другие.
Непараметрические статистические процедуры описываются как процедуры, результаты которых не основываются или не основываются на предположениях о форме распределения данных или о параметрах предполагаемого распределения. Их применение более гибкое и надежное, поскольку они не зависят от каких-либо предположений или заранее определенных условий для данных.
Таблица сравнения параметрических и непараметрических данных
Параметры сравнения | Параметрический | Непараметрический |
Определение | Тест, результаты которого зависят от распределения, называется параметрическим тестом. | Тест, результаты которого не зависят от распределения, называется непараметрическим тестом. |
Статистическая мощность | Параметрические тесты обладают большей статистической мощностью. | Непараметрические тесты имеют меньшую статистическую мощность. |
Универсальность | Параметрические тесты применимы не ко всем ситуациям. | Непараметрические тесты более надежны и могут применяться в различных ситуациях. |
Значение центральной тенденции | Среднее значение является центральным значением тенденции для этого теста. | Среднее значение - это центральное значение тенденции для этого теста. |
Тип раздачи | Он используется для данных, которые соответствуют нормальному распределению. | Он используется для данных, которые следуют любому произвольному распределению. |
Что такое параметрический тест?
Параметрический статистический тест предполагает параметры совокупности и распределения данных, из которых она была получена. Параметрический тест используется для количественных данных с непрерывными переменными. Данные, для которых используются параметрические тесты, измеряются по шкале отношений и подчиняются нормальному распределению.
Наиболее широко и часто используемые параметрические тесты - это t-критерий (для размера выборки менее 30), Z-тест (для размера выборки более 30), ANOVA, ранговая корреляция Пирсона. Значение центральной тенденции, которое принимается во внимание, является средним значением распределения и в основном применимо к нормальному распределению данных. Недостатком этого вида теста является то, что, поскольку значение центральной тенденции является средним, данные очень подвержены влиянию выбросов и, следовательно, склонны к перекосу, что снижает статистическую мощность этого теста.
Непрерывные распределения, такие как данные о разной высоте или весе видов с течением времени, данные о температурах, являются примерами использования параметрических тестов. Хотя из-за предположений о данных его применение в реальной жизни немного менее универсально.
Что такое непараметрический тест?
Непараметрические тесты - это тесты, которые не зависят от каких-либо предположений о распределении данных или параметров для их анализа. Их также иногда называют «тестами без распространения». Непараметрические данные не обязательно означают, что мы ничего не знаем о совокупности, это означает, что данные искажены или «распределены ненормально».
Причины, по которым мы используем непараметрические тесты, заключаются в следующем: если данные не соответствуют предположениям для выборки населения или когда данные искажены, размер выборки слишком мал или анализируемые данные являются номинальными или порядковыми. К различным типам непараметрических тестов относятся критерий Знака, критерий знаковых рангов Уилкоксона, критерий Крускала-Уоллиса, критерий Манна-Уитни, ранговая корреляция Спирмена, критерий медианы настроения. Среднее значение - это значение центральной тенденции.
Он более гибкий в реальных приложениях, поскольку данные, которые можно найти в реальной жизни, не обязательно нормально распределены и в основном сгруппированы или нелинейны. Из-за своей простоты и надежности непараметрические тесты менее подвержены неправильному использованию и недопониманию. Они в основном используются в группах населения, которые упорядочены по порядку, например, в рейтингах и обзорах фильмов, выставлении оценок для ресторанов и т. Д. Но для данных с большим размером выборки эти тесты теряют большую статистическую мощность.
Основные различия между параметрическим и непараметрическим тестом
Основное различие между параметрическими и непараметрическими тестами состоит в том, что параметрические тесты зависят от данных, которые соответствуют определенным предположениям или условиям, тогда как непараметрические тесты не требуют соблюдения каких-либо таких предположений. Некоторые из других различий между двумя тестами заключаются в следующем:
Вывод
В заключение, параметрические и непараметрические тесты являются неотъемлемой частью анализа любых данных. В зависимости от того, нормально ли он распределен или нет, используется параметрический или непараметрический тест. Выбор теста для выполнения зависит от того, какие данные у нас есть, каков размер выборки и сколько необходимых знаний о популяции у нас есть.
Для данных с большим размером выборки требуется параметрический тест вместо непараметрического, поскольку он более точен. В случае данных небольшого размера выборки предпочтительнее непараметрический критерий. Ни один тест не лучше другого, поскольку оба работают в разных ситуациях. Как статистики, вы должны помнить, что непараметрический тест - это альтернатива параметрическому тесту, а не его замена.