Parametrisk vs Ikke parametrisk
Statistik er en gren af undersøgelser, der giver os mulighed for at forstå populationsdynamik ved hjælp af prøver trukket fra en bestemt populationsinteresse. Det er vigtigt, at disse prøver er tilfældige. Mange formler er oprettet med inkorporering af matematik for at drage slutninger om befolkningsparametre. Naturligvis kan enhver population have en "normalfordeling", hvor spredningen af data / prøver har en form af en klokke i frekvensgrafen. I en normalfordeling koncentreres de fleste af prøverne omkring gennemsnit og 68%, 95%, 99% af data findes inden for henholdsvis 1, 2 og 3 standardafvigelser. Parametriske og ikke-parametriske statistikker afhænger af, om normalfordeling overvejes eller ej.
Hvad er parametrisk statistik?
Parametrisk statistik er den statistik, hvor data / prøver betragtes som trukket ud fra en normalfordeling. Definitionen af parametrisk statistik er "den statistik, der antager, at dataene kommer fra en type sandsynlighedsfordeling og slutter om parametrene for fordelingen". De fleste af de kendte elementære statistiske metoder hører til denne gruppe. I virkeligheden distribueres de muligvis ikke normalt. Derfor er denne statistiktype baseret på flere antagelser. Hvis data / prøver normalt distribueres eller næsten normalt distribueres, kan formlerne give nøjagtige resultater og slutninger. Men hvis antagelsen om at være normalt distribueret er forkert, kan parametriske statistikker være ret vildledende.
Hvad er ikke-parametrisk statistik?
Ikke-parametrisk statistik er også kendt som distributionsfri statistik. Fordelen ved denne statistiktype er, at den ikke behøver at antage som tidligere gjort med parametriske data. Ikke parametriske statistiske beregninger tager medianerne opmærksomhed end midlerne. Derfor, hvis en eller to afviger fra middelværdien, ignoreres deres virkning. Generelt foretrækkes parametriske statistikker end dette, fordi det har større magt til at afvise en falsk hypotese end ikke-parametrisk metode. En af de mest kendte ikke-parametriske tests er Chi-kvadrat test. Der er ikke-parametriske analoger til nogle parametriske tests såsom, Wilcoxon T-test for parret prøve t-test, Mann-Whitney U-test for uafhængige prøver t-test, Spearmans korrelation for Pearson's korrelation osv. For en prøve t-test er der ingen sammenlignelig ikke-parametrisk test.
Hvad er forskellen mellem parametrisk og ikke-parametrisk?
• Parametriske statistikker afhænger af normalfordeling, men ikke-parametriske statistikker afhænger ikke af normalfordeling.
• Parametriske statistikker antager flere antagelser end ikke-parametriske statistikker.
• Parametriske statistikker bruger enklere formler i sammenligning med ikke-parametriske statistikker.
• Når en befolkning menes at være normalt fordelt eller tæt på normalt fordelt, er parametriske statistikker det bedste, der skal bruges. Hvis ikke, er det bedst, at der anvendes en ikke-parametrisk metode.
• De fleste af de almindeligt kendte elementære statistiske metoder hører til parametriske statistikker. Ikke-parametriske statistikker bruges sparsomt og anvendes i særlige tilfælde.
