Forskel mellem parametrisk og ikkeparametrisk | Parametrisk vs Nonparametrisk

Parametrisk vs Ikke Parametrisk

Statistikker er en gren af ​​undersøgelser, der gør det muligt for os at forstå befolkningsdynamikken ved at anvende prøver udtaget fra en bestemt befolkning af interesse. Det er vigtigt, at disse prøver er tilfældige. Mange formler er skabt med inkorporering af matematik, for at tage afledninger om befolkningsparametre. Naturligvis kan enhver population have en "Normalfordeling", hvor dispersionen af ​​data / prøver har en form for en klokke i frekvensgrafen. I en normal fordeling koncentreres de fleste af prøverne omkring gennemsnit og 68%, 95%, 99% af data er fundet inden for henholdsvis 1, 2 og 3 standardafvigelser. Parametrisk og ikke-parametrisk statistik afhænger af, om normal distribution er overvejet eller ej.

Hvad er parametrisk statistik?

Parametrisk statistik er den statistik, hvor data / prøver betragtes som trukket fra en normal fordeling. Definitionen af ​​parametrisk statistik er "de statistikker, der antager, at dataene er kommet fra en form for sandsynlighedsfordeling og giver afledninger om parametrene for fordelingen". De fleste af de kendte elementære statistiske metoder tilhører denne gruppe. I virkeligheden kan de normalt ikke distribueres. Derfor er denne statistiktype baseret på flere antagelser. Hvis dataene / prøverne normalt fordeles eller næsten distribueres, kan formlerne give nøjagtige resultater og afledninger. Men hvis antagelsen om at blive distribueret normalt er forkert, kan parametriske statistikker være ret vildledende.

Hvad er ikke-parametrisk statistik?

Ikke-parametrisk statistik kaldes også distributionsfri statistik. Fordelen ved denne statistiktype er, at den ikke behøver at tage en antagelse som tidligere gjort med parametre. Ikke parametriske statistiske beregninger tager medianer op til opmærksomhed end midlerne. Hvis en eller to afviger fra middelværdien, ignoreres deres virkning. Generelt parametriske statistikker foretrækkes end dette, fordi det har mere magt til at afvise en falsk hypotese end nonparametrisk metode. En af de mest kendte ikke parametriske test er Chi-square test. Der er nonparametriske analoger til nogle parametriske test, såsom Wilcoxon T-test for parret prøve t-test, Mann-Whitney U-test for uafhængige prøver t-test, Spearmans korrelation for Pearson's korrelation mv. For en prøve t-test er der ingen sammenlignelig ikke parametrisk test.

Hvad er forskellen mellem parametrisk og ikke-parametrisk?

• Parametrisk statistik afhænger af normal distribution, men ikke-parametrisk statistik afhænger ikke af normal distribution.

• Parametrisk statistik giver flere antagelser end ikke-parametrisk statistik.

• Parametrisk statistik bruger enklere formler i sammenligning med ikke-parametrisk statistik.

• Når en befolkning formodes at være normalt fordelt eller tæt på normalt distribueret, er parametrisk statistik det bedste, der skal bruges. Hvis ikke, er det bedst at anvende en nonparametrisk metode.

• De fleste af de almindeligt kendte elementære statistiske metoder tilhører parametriske statistikker. Ikke-parametriske statistikker anvendes sparsomt og anvendes til særlige tilfælde.