Forskellen mellem Parametrisk og Ikke-Parametrisk

Parametrisk vs ikke-parametrisk

Statistik er en gren af ​​undersøgelser, der gør det muligt for os at forstå populationsdynamikken ved at bruge prøver, der er trukket fra en bestemt population af interesse. Det er vigtigt, at disse prøver er tilfældige. Mange formler er oprettet med inkorporering af matematik for at tage slutninger om populationsparametre. Naturligvis kan enhver population have en "Normal fordeling", hvor spredningen af ​​data / prøver har en form på en klokke i frekvensgrafen. I en normal fordeling 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 normal fordeling overvejes eller ej.

Hvad er parametrisk statistik?

Parametrisk statistik er statistikken, hvor data / prøver betragtes som trukket fra en normal fordeling. Definitionen af ​​parametriske statistikker er "statistikken, der antager, at dataene kommer fra en type sandsynlighedsfordeling og foretager konklusioner om fordelingsparametrene". 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 dataene / prøverne normalt distribueres eller næsten normalt distribueres, kan formlerne give nøjagtige resultater og konklusioner. Hvis antagelsen om at blive distribueret normalt er forkert, kan parametriske statistikker imidlertid være ganske vildledende.

Hvad er ikke-parametrisk statistik?

Ikke-parametrisk statistik kaldes også distributionsfri statistik. Fordelen ved denne statistiske type er, at den ikke behøver at antage en antagelse som tidligere med parametrik. Ikke-parametriske statistiske beregninger tager medianer opmærksomhed end midlerne. Hvis en eller to derfor afviger fra middelværdien, forsømmes 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-square-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 Pearsons 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 normal distribution, men ikke-parametriske statistikker afhænger ikke af normal distribution.

• Parametriske statistikker antager flere antagelser end ikke-parametrisk statistik.

• Parametriske statistikker bruger enklere formler i sammenligning med ikke-parametriske statistikker.

• Når det antages, at en population er normalt distribueret eller tæt på normalt distribueret, er parametriske statistikker den bedste, der bruges. Hvis ikke, er det bedst, at der anvendes en ikke-parametrisk metode.

• De fleste af de almindeligt kendte elementære statistiske metoder hører til parametrisk statistik. Ikke-parametriske statistikker bruges sparsomt og anvendes i særlige tilfælde.