Verschil tussen parametrische en nonparametrische | Parametrische vs Nonparametrische

Parametrische vs Non Parametric

Statistieken zijn een tak van studies waarmee we de populatie dynamiek kunnen begrijpen door gebruik te maken van monsters getrokken uit een bepaalde populatie van belang. Het is essentieel dat deze monsters willekeurig zijn. Veel formules worden gecreëerd met het opnemen van wiskunde, om afleidingen te maken over populatieparameters. Natuurlijk kan elke populatie een "Normale verdeling" hebben, waarbij de verspreiding van data / monsters een vorm heeft van een klok in de frequentiegrafiek. In een normale verdeling worden de meeste monsters geconcentreerd rond gemiddelde en 68%, 95%, 99% van de gegevens worden gevonden binnen respectievelijk 1, 2 en 3 standaardafwijkingen. Parametrische en nonparametrische statistieken zijn afhankelijk van of de normale distributie wordt overwogen.

Wat is Parametrische Statistiek?

Parametrische statistieken zijn de statistieken waarin gegevens / monsters worden beschouwd als getrokken uit een normale verdeling. De definitie van parametrische statistieken is "de statistieken die ervan uitgaan dat de gegevens afkomstig zijn van een soort waarschijnlijkheidsverdeling en afleidingen maken over de parameters van de distributie". De meeste bekende elementaire statistische methoden behoren tot deze groep. In werkelijkheid kunnen ze normaal gesproken niet worden verdeeld. Daarom is dit statistische type gebaseerd op meer veronderstellingen. Als de gegevens / monsters normaal verdeeld zijn of bijna normaal verdeeld zijn, kunnen de formules nauwkeurige resultaten en afleidingen produceren. Echter, als de veronderstelling dat normaal verdeeld is, verkeerd is, kunnen parametrische statistieken vrij misleidend zijn.

Wat is niet-parametrische statistiek?

Niet-parametrische statistieken staan ​​ook bekend als distributie-vrije statistieken. Het voordeel van dit statistische type is dat het niet hoeft te worden aangenomen, zoals eerder met parametrie gemaakt. Niet-parametrische statistische berekeningen nemen medianen in op de aandacht dan de middelen. Daarom, als één of twee afwijkt van de gemiddelde waarde, wordt hun effect verwaarloosd. Algemeen parametrische statistieken hebben hier de voorkeur aan omdat het meer macht heeft om een ​​valse hypothese af te wijzen dan de nonparametrische methode. Een van de meest bekende niet-parametrische tests is Chi-square test. Er zijn nonparametrische analogen voor sommige parametrische testen, zoals Wilcoxon T Test voor gepaarde proef t-test, Mann-Whitney U Test voor Onafhankelijke monsters t-test, Spearman's correlatie voor Pearson's correlatie, enz. Voor één monster t-test is er geen vergelijkbare niet-parametrische test.

Wat is het verschil tussen parametrische en niet-parametrische?

• Parametrische statistieken zijn afhankelijk van de normale verdeling, maar niet-parametrische statistieken zijn niet afhankelijk van de normale verdeling.

• Parametrische statistieken maken meer aannames dan niet-parametrische statistieken.

• Parametrische statistieken gebruiken eenvoudiger formules in vergelijking met niet-parametrische statistieken.

• Wanneer een bevolking wordt gedacht normaal verdeeld of dicht bij normaal verdeeld zijn, is parametrische statistiek het beste dat gebruikt wordt. Zo niet, is het best dat een nonparametrische methode gebruikt wordt.

• De meeste van de algemeen bekende elementaire statistische methoden behoren tot parametrische statistieken. Niet-parametrische statistieken worden spaarzaam gebruikt en aangevraagd voor speciale gevallen.