Różnica między parametrycznym i nieparametrycznym

Badacze społeczni często konstruują hipotezę, w której zakładają, że pewną uogólnioną zasadę można zastosować do populacji. Testują tę hipotezę przy użyciu testów, które mogą być parametryczne lub nieparametryczne. Testy parametryczne są zwykle bardziej powszechne i są badane znacznie wcześniej, ponieważ standardowe testy zastosowane podczas przeprowadzania badań.

Proces przeprowadzania badań jest stosunkowo prosty - konstruujesz hipotezę i zakładasz, że pewne „prawo” można zastosować do populacji. Następnie przeprowadzasz test i zbierasz dane, które następnie analizujesz statystycznie. Zebrane dane mogą być zwykle reprezentowane jako wykres, a hipotetyczne prawo jako średnią wartość tych danych. Jeśli hipotetyczne prawo i prawo wartości średniej pasują, hipoteza została potwierdzona.

Jednak w niektórych przypadkach znalezienie wartości średniej nie jest najbardziej odpowiednim sposobem poszukiwania prawa. Świetnym przykładem jest rozkład całkowitych dochodów. Jeśli nie dopasowałeś wartości średniej, to prawdopodobnie dlatego, że jeden lub dwa miliarderzy zakłócają twoje średnie wartości. Jednak mediana da znacznie dokładniejszy wynik średniego dochodu, który bardziej prawdopodobne jest, że pasuje do twoich danych.

Innymi słowy, test parametryczny zostanie zastosowany, gdy założenia dotyczące populacji są jasne i istnieje wiele dostępnych informacji na ten temat. Pytania zostaną zaprojektowane w celu pomiaru tych konkretnych parametrów, aby dane mogły zostać przeanalizowane jak opisano powyżej. Test nieparametryczny jest stosowany, gdy badana populacja nie jest całkowicie znana, dlatego zbadane parametry są również nieznane. Dodatkowo, podczas gdy test parametryczny wykorzystuje średnie wartości jako jego wyniki, test nieparametryczny przyjmuje medianę, a zatem jest zwykle wykorzystywany, gdy pierwotna hipoteza nie pasuje do danych.

Co to jest test parametryczny?

Test parametryczny to test zaprojektowany w celu dostarczenia danych, które zostaną następnie przeanalizowane za pośrednictwem gałęzi nauki o nazwie Statystyka parametryczna. Statystyki parametryczne zakładają, że niektóre informacje o populacji są już znane, a mianowicie rozkład prawdopodobieństwa. Jako przykład rozkład wysokości ciała na całym świecie jest opisany przez model rozkładu normalnego. Podobnie jak każdy znany model dystrybucji można zastosować do zestawu danych. Zakładanie jednak, że określony model dystrybucji pasuje do zestawu danych, oznacza, że ​​z natury zakładasz, że niektóre dodatkowe informacje są znane o populacji, jak wspomniałem. Rozkład prawdopodobieństwa zawiera różne parametry opisujące dokładny kształt rozkładu. Te parametry są tym, co zapewnia testy parametryczne - każde pytanie jest dostosowane do dokładnej wartości określonego parametru dla każdej osoby wywiadu. Łącznie średnia wartość tego parametru jest używana do rozkładu prawdopodobieństwa. Oznacza to, że testy parametryczne zakładają również coś o populacji. Jeśli założenia są prawidłowe, statystyki parametryczne zastosowane do danych dostarczonych w teście parametrycznym dadzą wyniki znacznie dokładniejsze i precyzyjne niż w przypadku nieparametrycznego testu i statystyki.

Co to jest test nieparametryczny?

W podobny sposób do testu parametrycznego i statystyki istnieje test nieparametryczny i statystyki. Są używane, gdy uzyskane dane nie powinny pasować do normalnej krzywej rozkładu lub danych porządkowych. Świetnym przykładem danych porządkowych jest recenzja, którą zostawiasz, gdy oceniasz określony produkt lub usługę w skali od 1 do 5. Ogólnie dane porządkowe są uzyskiwane z testów wykorzystujących różne rankingi lub zamówienia. Dlatego nie opiera się na liczbach ani dokładnych wartościach dla parametrów, na których polegały testy parametryczne. W rzeczywistości nie wykorzystuje parametrów w żaden sposób, ponieważ nie zakłada pewnego rozkładu. Zazwyczaj analiza parametryczna jest preferowana od nieparametrycznej, ale jeśli nie można przeprowadzić testu parametrycznego z powodu nieznanej populacji, konieczne jest uciekanie się do testów nieparametrycznych.

Różnica między testami parametrycznymi i nieparametrycznymi

1) Przyjęcie założeń

Jak wspomniałem, test parametryczny zakłada założenia dotyczące populacji. Potrzebuje parametrów związanych z rozkładem normalnym stosowanym w analizie, a jedynym sposobem na poznanie tych parametrów jest posiadanie pewnej wiedzy na temat populacji. Z drugiej strony test nieparametryczny, jak wskazuje nazwa, nie opiera się na żadnych parametrach i dlatego nie zakłada nic o populacji.

2) Prawdopodobieństwo parametrycznych i nieparametrycznych

Podstawą analizy statystycznej, która zostanie przeprowadzona na danych, w przypadku testów parametrycznych, jest rozkład probabilistyczny. Z drugiej strony podstawa testów nieparametrycznych nie istnieje - jest to całkowicie arbitralne. Powoduje to większą elastyczność i ułatwia dopasowanie hipotezy z zebranymi danymi.

3) miara tendencji centralnej

Miara tendencji centralnej jest wartością centralną w rozkładu prawdopodobieństwa. I chociaż rozkład prawdopodobieństwa w przypadku statystyki nieparametrycznej jest dowolny, nadal istnieje, a zatem podobnie jak miara tendencji centralnej. Jednak te miary są różne. W przypadku testów parametrycznych uważa się za wartość średnią, podczas gdy w przypadku testów nieparametrycznych uznano za wartość mediany.

4) znajomość parametrów populacji

Jak wspomniałem w pierwszej różnicy, informacje o populacji różnią się między testami parametrycznymi i nieparametrycznymi. Mianowicie pewna wiedza na temat populacji jest absolutnie niezbędna do analizy parametrycznej, ponieważ wymaga parametrów związanych z populacją, aby dać precyzyjne wyniki. Z drugiej strony można zastosować podejście nieparametryczne bez żadnej wcześniejszej wiedzy o populacji.

Parametryczny vs. Testy nieparametryczne: wykres porównawczy

Podsumowanie parametrycznych i nieparametrycznych

• Test parametryczny to test, który zakłada pewne parametry i rozkłady są znane na temat populacji, wbrew nieparametryczne
• Test parametryczny wykorzystuje średnią wartość, podczas gdy nieparametryczny używa wartości mediany
• Podejście parametryczne wymaga wcześniejszej wiedzy na temat populacji, w przeciwieństwie do podejścia nieparametrycznego