Разница между параметрическим и непараметрическим

Параметрический и непараметрический

Статистика - это одно из направлений исследований, которое позволяет нам понять динамику популяции, используя выборки, взятые из определенной группы населения, представляющей интерес. Важно, чтобы эти образцы были случайными. Многие формулы созданы с учетом математики, чтобы сделать выводы о параметрах населения. Естественно, любая популяция может иметь «нормальное распределение», когда дисперсия данных / выборок имеет форму колокольчика на частотном графике. При нормальном распределении большинство образцов концентрируется вокруг среднего значения, и 68%, 95%, 99% данных находятся в пределах 1, 2 и 3 стандартных отклонений соответственно. Параметрическая и непараметрическая статистика зависят от того, рассматривается ли нормальное распределение.

Что такое параметрическая статистика?

Параметрическая статистика - это статистика, в которой данные / выборки считаются взятыми из нормального распределения. Определение параметрической статистики - это «статистика, которая предполагает, что данные получены по типу распределения вероятностей, и делает выводы о параметрах распределения». Большинство известных элементарных статистических методов относятся к этой группе. На самом деле они не могут быть нормально распределены. Следовательно, этот тип статистики основан на дополнительных предположениях. Если данные / образцы нормально распределены или почти нормально распределены, формулы могут дать точные результаты и выводы. Однако, если предположение о том, что оно нормально распределено, неверно, параметрическая статистика может ввести в заблуждение.

Что такое непараметрическая статистика?

Непараметрическая статистика также известна как статистика без распределения. Преимущество этого типа статистики состоит в том, что он не должен делать допущение, как это было ранее сделано с параметрическими параметрами. Непараметрические статистические вычисления привлекают внимание медиан, а не средств. Поэтому, если один или два отклоняются от среднего значения, их эффект игнорируется. Обычно параметрическая статистика предпочтительнее, чем эта, потому что она имеет больше возможностей отклонить ложную гипотезу, чем непараметрический метод. Одним из наиболее известных непараметрических тестов является критерий хи-квадрат. Существуют непараметрические аналоги для некоторых параметрических тестов, таких как T-тест Вилкоксона для t-теста парных образцов, U-тест Манна-Уитни для t-теста независимых образцов, корреляция Спирмена для корреляции Пирсона и т. Д. Для одного t-теста для выборки не существует сопоставимый непараметрический критерий.

В чем разница между параметрическим и непараметрическим?

• Параметрическая статистика зависит от нормального распределения, но Непараметрическая статистика не зависит от нормального распределения.

• Параметрическая статистика делает больше предположений, чем Непараметрическая статистика.

• Параметрическая статистика использует более простые формулы по сравнению с Непараметрической статистикой.

• Когда считается, что популяция нормально распределена или близка к нормально распределенной, лучше всего использовать параметрическую статистику. Если нет, то лучше использовать непараметрический метод.

• Большинство широко известных методов элементарной статистики относятся к параметрической статистике. Непараметрическая статистика редко используется и применяется для особых случаев.