Verschil tussen parametrisch en niet-parametrisch

Parametrisch versus niet-parametrisch

Statistieken zijn een tak van studies die ons in staat stelt populatiedynamiek te begrijpen door gebruik te maken van steekproeven uit een bepaalde populatie van interesse. Het is essentieel dat deze monsters willekeurig zijn. Veel formules worden gemaakt met de integratie van wiskunde, om conclusies te trekken over populatieparameters. Uiteraard kan elke populatie een "Normale verdeling" hebben waarbij de spreiding van gegevens / monsters de vorm heeft van een bel in de frequentiegrafiek. In een normale verdeling concentreren de meeste monsters zich rond gemiddeld en 68%, 95%, 99% van de gegevens worden gevonden binnen respectievelijk 1, 2 en 3 standaarddeviaties. Parametrische en niet-parametrische statistieken zijn afhankelijk van het feit of normale distributie al dan niet wordt overwogen.

Wat is parametrische statistieken?

Parametrische statistieken zijn de statistieken waarin gegevens / monsters worden beschouwd als afkomstig van een normale verdeling. De definitie van parametrische statistieken is "de statistieken die veronderstellen dat de gegevens afkomstig zijn van een type kansverdelingsfunctie en die conclusies trekken over de parameters van de verdeling". De meeste van de bekende elementaire statistische methoden behoren tot deze groep. In werkelijkheid zijn ze misschien niet normaal verdeeld. Daarom is dit statistiektype gebaseerd op meer aannames. Als de gegevens / voorbeelden normaal verdeeld zijn of bijna normaal verdeeld zijn, kunnen de formules nauwkeurige resultaten en gevolgtrekkingen opleveren. Als de veronderstelling normaal verdeeld te zijn verkeerd is, kunnen parametrische statistieken echter behoorlijk misleidend zijn.

Wat is niet-parametrische statistieken?

Niet-parametrische statistieken worden ook wel distributievrije statistieken genoemd. Het voordeel van dit statistiektype is dat het geen aanname hoeft te doen zoals eerder gemaakt met parametrische parameters. Niet-parametrische statistische berekeningen nemen medianen in de aandacht dan de gemiddelden. Daarom, als een of twee afwijkt van de gemiddelde waarde, wordt hun effect verwaarloosd. Over het algemeen hebben parametrische statistieken de voorkeur omdat deze meer kracht hebben om een ​​valse hypothese dan niet-parametrische methode te verwerpen. Een van de meest bekende niet-parametrische tests is de Chi-square-test. Er zijn niet-parametrische analogen voor sommige parametrische tests, zoals Wilcoxon T-test voor gepaarde steekproeftest, Mann-Whitney U-test voor onafhankelijke steekproeven t-test, Spearman's correlatie voor de correlatie van Pearson, enzovoort. Voor één steekproeftest is er geen vergelijkbare niet-parametrische test.

Wat is het verschil tussen parametrisch en niet-parametrisch?

• Parametrische statistieken zijn afhankelijk van de normale verdeling, maar niet-parametrische statistieken hangen niet af van de normale verdeling.

• Parametrische statistieken maken meer veronderstellingen dan niet-parametrische statistieken.

• Parametrische statistieken gebruiken eenvoudiger formules in vergelijking met niet-parametrische statistieken.

• Wanneer wordt aangenomen dat een populatie normaal verdeeld is of in de buurt van normaal verdeeld is, zijn parametrische statistieken het beste om te gebruiken. Zo niet, dan is het het beste dat een niet-parametrische methode wordt gebruikt.

• De meeste van de algemeen bekende elementaire statistische methoden behoren tot parametrische statistieken. Niet-parametrische statistieken worden spaarzaam gebruikt en toegepast voor speciale gevallen.