Differenz zwischen parametrisch und nicht parametrisch

Parametrisch vs nicht parametrisch

Statistik ist ein Zweig von Studien, der es uns ermöglicht, die Populationsdynamik zu verstehen, indem wir Stichproben aus einer bestimmten interessierenden Population verwenden. Es ist wichtig, dass diese Stichproben zufällig sind. Viele Formeln werden unter Einbeziehung der Mathematik erstellt, um Schlussfolgerungen über Bevölkerungsparameter zu ziehen. Natürlich kann jede Bevölkerung eine „Normalverteilung“ haben, bei der die Dispersion von Daten/Proben eine Glockenform im Frequenzdiagramm aufweist. In einer Normalverteilung konzentrieren sich die meisten Proben auf den Mittelwert und 68%, 95%, 99%der Daten werden innerhalb von 1, 2 bzw. 3 Standardabweichungen gefunden. Parametrische und nichtparametrische Statistiken hängen davon ab, ob die Normalverteilung berücksichtigt wird oder nicht.

Was ist parametrische Statistiken?

Parametrische Statistiken sind die Statistiken, in denen Daten/Stichproben als Normalverteilung als Stamm angesehen werden. Die Definition der parametrischen Statistiken lautet: „Die Statistiken, die davon ausgehen, dass die Daten aus einer Art Wahrscheinlichkeitsverteilung stammen und Schlussfolgerungen über die Parameter der Verteilung ziehen“. Die meisten der bekannten elementaren statistischen Methoden gehören zu dieser Gruppe. In Wirklichkeit werden sie möglicherweise nicht normal verteilt. Daher basiert dieser Statistikstyp auf mehr Annahmen. Wenn die Daten/Proben normal verteilt oder nahezu verteilt sind, können die Formeln genaue Ergebnisse und Schlussfolgerungen erzeugen. Wenn jedoch die Annahme einer normalen Verteilung falsch ist, könnten parametrische Statistiken sehr irreführend sein.

Was ist nicht parametrische Statistiken?

Nicht parametrische Statistiken werden auch als verteilungsfreie Statistik bezeichnet. Der Vorteil dieses statistischen Typs besteht. Nicht parametrische statistische Berechnungen nehmen Mediane auf sich auf als die Mittelwerte. Wenn ein oder zwei vom Mittelwert abweicht, wird ihre Wirkung vernachlässigt. Im Allgemeinen werden parametrische Statistiken bevorzugt, da es mehr Kraft hat, eine falsche Hypothese abzulehnen als die nichtparametrische Methode. Einer der bekanntesten nicht parametrischen Tests ist der Chi-Quadrat-Test. Es gibt nichtparametrische Analoga für einige parametrische Tests wie den Wilcoxon-T-Test für gepaarte Proben-T-Tests, Mann-Whitney-U-Test für unabhängige Proben T-Test, Spearmans Korrelation für Pearsons Korrelation usw. Für einen Stichproben-T-Test gibt es keinen vergleichbaren nicht parametrischen Test.

Was ist der Unterschied zwischen parametrisch und nicht parametrisch?

• Die parametrischen Statistiken hängen von der Normalverteilung ab, aber nicht parametrische Statistiken hängen nicht von der Normalverteilung ab.

• Parametrische Statistiken machen mehr Annahmen als nichtparametrische Statistiken.

• Parametrische Statistiken verwenden einfachere Formeln im Vergleich zu nichtparametrischen Statistiken.

• Wenn angenommen wird, dass eine Bevölkerung normal verteilt oder nahe an normal verteilt ist, ist die parametrische Statistik am besten zu verwenden. Wenn nicht, ist es am besten, dass eine nichtparametrische Methode verwendet wird.

• Die meisten der häufig bekannten elementaren statistischen Methoden gehören zur parametrischen Statistik. Nicht parametrische Statistiken werden sparsam verwendet und für Sonderfälle angewendet.