Різниця між параметричними та непараметричними

Соціальні дослідники часто будують гіпотезу, в якій вони припускають, що певне узагальнене правило може бути застосоване до населення. Вони перевіряють цю гіпотезу, використовуючи тести, які можуть бути параметричними або непараметричними. Параметричні тести зазвичай частіше зустрічаються і вивчаються набагато раніше, ніж стандартні тести, що використовуються при проведенні досліджень.

Процес проведення дослідження порівняно простий - ви будуєте гіпотезу і припускаєте, що певний «закон» може застосовуватися до населення. Потім ви проводите тест і збираєте дані, які потім аналізуєте статистично. Зібрані дані зазвичай можуть бути представлені у вигляді графіка, а гіпотезований закон як середнє значення цих даних. Якщо гіпотезований закон і закон середньої вартості збігаються, гіпотеза підтверджується.

Однак у деяких випадках пошук середнього значення не є найбільш підходящим способом пошуку закону. Прекрасним прикладом є розподіл загального доходу. Якщо ви не відповідали середньому значенню, це, мабуть, тому, що один або два мільярдери заважають вашим середнім значенням. Однак медіана дасть набагато точніший результат щодо середнього доходу, який швидше відповідає вашим даним.

Іншими словами, параметричний тест буде використовуватися, коли припущення, зроблені щодо населення, є чіткими і є багато доступної інформації про нього. Питання будуть розроблені для вимірювання конкретних параметрів, щоб потім дані могли бути проаналізовані, як описано вище. Непараметричний тест застосовується тоді, коли досліджувана сукупність не зовсім відома, і тому досліджувані параметри також невідомі. Крім того, хоча параметричний тест використовує середні значення в якості своїх результатів, непараметричний тест приймає медіану і тому зазвичай використовується, коли оригінальна гіпотеза не відповідає даних.

Що таке параметричний тест?

Параметричний тест - це тест, призначений для надання даних, які потім будуть проаналізовані через галузь науки, що називається параметричною статистикою. Параметрична статистика передбачає, що відомості про населення вже відомі, а саме розподіл ймовірностей. Як приклад, звичайна модель розподілу описується розподілом висоти тіла на весь світ. Подібно до будь-якої відомої моделі розподілу можна застосувати до набору даних. Однак, якщо припустити, що певна модель розподілу відповідає набору даних, це означає, що ви по суті припускаєте, що відомо про населення, як я вже згадував. Розподіл ймовірностей містить різні параметри, які описують точну форму розподілу. Ці параметри - це параметричні тести - кожне питання розроблено так, щоб дати точне значення певного параметра для кожного опитаного. У поєднанні середнє значення цього параметра використовується для розподілу ймовірностей. Це означає, що параметричні тести також припускають щось про населення. Якщо припущення є правильними, параметрична статистика, застосована до даних, наданих параметричним тестом, дасть результати, які є набагато більш точними та точними, ніж результати непараметричного тесту та статистики.

Що таке непараметричний тест?

Аналогічно параметричному тестуванню та статистиці існує непараметричний тест та статистика. Вони використовуються, коли очікувані дані не відповідають нормальній кривій розподілу або порядкові дані. Прекрасним прикладом порядкових даних є огляд, який ви залишаєте, коли ви оцінюєте певний товар чи послугу за шкалою від 1 до 5. Звичайні дані взагалі отримуються з тестів, що використовують різні рейтинги чи замовлення. Тому він не покладається на числа чи точні значення параметрів, на які спираються параметричні тести. Насправді він не використовує жодних параметрів, оскільки не передбачає певного розподілу. Зазвичай параметричний аналіз віддають перевагу непараметричному, але якщо параметричний тест неможливо виконати через невідому популяцію, необхідно вдатися до непараметричних тестів..

Різниця між параметричними та непараметричними тестами

1) Робити припущення

Як я вже згадував, параметричний тест робить припущення щодо кількості населення. Для цього потрібні параметри, які пов'язані з нормальним розподілом, який використовується в аналізі, і єдиний спосіб дізнатися ці параметри - це мати певні знання про сукупність. З іншого боку, непараметричний тест, як вказує назва, не покладається на жодні параметри і, отже, не припускає нічого про сукупність.

2) Ймовірність параметричної та непараметричної

Основою для статистичного аналізу, який буде виконуватися за даними, у випадку параметричних тестів, є імовірнісний розподіл. З іншого боку, основи для непараметричних тестів не існує - це абсолютно довільно. Це призводить до більшої гнучкості та полегшує відповідність гіпотези зі зібраними даними.

3) Міра центральної тенденції

Міра центральної тенденції - це центральне значення розподілу ймовірностей. І хоча розподіл ймовірностей у випадку непараметричної статистики є довільним, він все ще існує, а отже, це і міра центральної тенденції. Однак ці заходи різні. У випадку параметричних випробувань воно вважається середнім значенням, тоді як у разі непараметричних випробувань воно вважається середнім значенням.

4) Знання параметрів населення

Як я вже згадував у першій різниці, інформація про сукупність змінюється між параметричними та непараметричними тестами та статистикою. А саме, певні знання про сукупність абсолютно необхідні для параметричного аналізу, оскільки для отримання точних результатів потрібні параметри, пов'язані з популяцією. З іншого боку, можна застосовувати непараметричний підхід без попередніх знань населення.

Параметричні та непараметричні тести: Порівняльна таблиця

Підсумок параметричних та непараметричних

• Параметричний тест - це тест, який передбачає, що певні параметри і розподіли відомі щодо сукупності, всупереч непараметричному
• Параметричний тест використовує середнє значення, а непараметричний - середнє значення
• Параметричний підхід вимагає попередніх знань про сукупність, всупереч непараметричному підходу