Zalecane, 2024

Wybór Redakcji

Różnica między testem parametrycznym i nieparametrycznym

Aby dokonać uogólnienia na temat populacji z próbki, stosuje się testy statystyczne. Test statystyczny jest formalną techniką, która opiera się na rozkładzie prawdopodobieństwa, aby dojść do wniosku co do zasadności hipotezy. Te hipotetyczne testy związane z różnicami są klasyfikowane jako testy parametryczne i nieparametryczne. Test parametryczny to taki, który zawiera informacje o parametrze populacji.

Z drugiej strony, test nieparametryczny to taki, w którym badacz nie ma pojęcia o parametrze populacji. Tak więc, weź pełną lekturę tego artykułu, aby poznać istotne różnice między testem parametrycznym i nieparametrycznym.

Wykres porównania

Podstawa do porównaniaTest parametrycznyTest nieparametryczny
ZnaczenieTest statystyczny, w którym określone założenia są dokonywane na temat parametru populacji, jest nazywany testem parametrycznym.Test statystyczny stosowany w przypadku niemetrycznych zmiennych niezależnych nazywany jest testem nieparametrycznym.
Podstawa statystyki testuDystrybucjaArbitralny
Poziom pomiaruInterwał lub stosunekNominalna lub porządkowa
Miara tendencji centralnejOznaczaćMediana
Informacje o populacjiCałkowicie znanyNiedostępne
Możliwość zastosowaniaZmienneZmienne i atrybuty
Test korelacjiosobaWłócznik

Definicja testu parametrycznego

Test parametryczny jest testem hipotezy, który dostarcza uogólnień do formułowania stwierdzeń na temat średniej populacji macierzystej. Test t-Studenta oparty na statystykach t-Studenta, który jest często stosowany w tym zakresie.

Statystyka t opiera się na założeniu, że istnieje normalny rozkład zmiennej i średnia, o której wiadomo lub przyjmuje się, że jest znana. Wariancję populacji oblicza się dla próbki. Przyjmuje się, że zmienne będące przedmiotem zainteresowania w populacji są mierzone w skali interwałowej.

Definicja testu nieparametrycznego

Test nieparametryczny definiuje się jako test hipotezy, który nie opiera się na założeniach leżących u jego podstaw, tzn. Nie wymaga rozkładu populacji, aby można go było oznaczyć konkretnymi parametrami.

Test oparty jest głównie na różnicach w medianie. Dlatego jest on na przemian nazywany testem bez dystrybucji. Test zakłada, że ​​zmienne są mierzone na poziomie nominalnym lub porządkowym. Jest używany, gdy zmienne niezależne są niemetryczne.

Kluczowe różnice między testami parametrycznymi i nieparametrycznymi

Podstawowe różnice pomiędzy testem parametrycznym i nieparametrycznym są omówione w następujących punktach:

  1. Test statystyczny, w którym określone założenia są dokonywane na temat parametru populacji, jest nazywany testem parametrycznym. Test statystyczny stosowany w przypadku niemetrycznych zmiennych niezależnych nazywany jest testem nieparametrycznym.
  2. W teście parametrycznym statystyki testu są oparte na dystrybucji. Z drugiej strony statystyka testu jest arbitralna w przypadku testu nieparametrycznego.
  3. W teście parametrycznym przyjmuje się, że pomiar interesujących zmiennych odbywa się na poziomie interwału lub stosunku. W przeciwieństwie do testu nieparametrycznego, w którym zmienna będąca przedmiotem zainteresowania jest mierzona w skali nominalnej lub porządkowej.
  4. Ogólnie miarą tendencji centralnej w teście parametrycznym jest średnia, podczas gdy w przypadku testu nieparametrycznego jest to mediana.
  5. W teście parametrycznym dostępne są pełne informacje o populacji. Odwrotnie, w teście nieparametrycznym nie ma informacji o populacji.
  6. Możliwość zastosowania testu parametrycznego dotyczy wyłącznie zmiennych, podczas gdy test nieparametryczny dotyczy zarówno zmiennych, jak i atrybutów.
  7. Do pomiaru stopnia powiązania między dwiema zmiennymi ilościowymi, współczynnik korelacji Pearsona stosuje się w teście parametrycznym, podczas gdy korelacja rang Spearmana jest stosowana w teście nieparametrycznym.

Hipoteza Hierarchia testów

Równoważne testy

Test parametrycznyTest nieparametryczny
Niezależny test t próbkiTest Manna-Whitneya
Test t parowanych sparowanychWilcoxon podpisał test rangi
W jedną stronę Analiza wariancji (ANOVA)Test Kruskala Wallisa
Jednokierunkowe powtarzane pomiary Analiza wariancjiANOVA Friedmana

Wniosek

Dokonanie wyboru między testem parametrycznym i nieparametrycznym nie jest łatwe dla badacza przeprowadzającego analizę statystyczną. W celu przeprowadzenia hipotezy, jeśli informacje o populacji są całkowicie znane, za pomocą parametrów, test jest uznawany za test parametryczny, natomiast jeśli nie ma wiedzy na temat populacji i jest potrzebny do przetestowania hipotezy na temat populacji, to przeprowadzony test jest uważany za test nieparametryczny.

Top