Icke-parametrisk statistik
Icke-parametrisk statistik avser en statistisk metod där uppgifterna inte krävs för att passa en normalfördelning. Icke-parametrisk statistik använder data som ofta är ordinära, vilket betyder att de inte förlitar sig på siffror utan snarare på en rangordning eller sortering. En undersökning som visar konsumentpreferenser som sträcker sig från gilla till ogillar kan till exempel betraktas som ordinära uppgifter.
Icke-parametrisk statistik inkluderar icke-parametrisk beskrivande statistik, statistiska modeller, inferens och statistiska test. Modellstrukturen för icke-parametriska modeller specificeras inte priori utan bestäms istället utifrån data. Termen icke-parametrisk är inte avsedd att innebära att sådana modeller helt saknar parametrar, utan snarare att antalet och arten av parametrarna är flexibla och inte fastställs i förväg. Ett histogram är ett exempel på en icke-parametrisk uppskattning av en sannolikhetsfördelning.
Förstå icke-parametrisk statistik
I statistik inkluderar parametrisk statistik parametrar som medelvärdet, median, standardavvikelse, varians osv. Denna form av statistik använder observerade data för att uppskatta parametrarna för distributionen. Enligt parametrisk statistik antas data passa in i en normalfördelning med okända parametrar μ (populationsmedelvärde) och σ 2 (populationsvarians), som sedan uppskattas med hjälp av provmedlet och provvariansen.
Icke-parametrisk statistik antar inget antagande om provstorleken eller om de observerade uppgifterna är kvantitativa.
Icke-parametrisk statistik antar inte att data hämtas från en normal distribution. Istället uppskattas formen på fördelningen under denna form av statistisk mätning. Även om det finns många situationer där en normalfördelning kan antas, finns det också vissa scenarier där det inte kommer att vara möjligt att avgöra om uppgifterna kommer att distribueras normalt.
Exempel på icke-parametrisk statistik
I det första exemplet, överväga en forskare som vill ha en uppskattning av antalet spädbarn i Nordamerika födda med bruna ögon kan besluta att ta ett prov på 150 000 spädbarn och genomföra en analys av datamängden. Mätningen som de härleds kommer att användas som en uppskattning av hela befolkningen av spädbarn med bruna ögon födda året efter.
För ett andra exempel kan du tänka på en annan forskare som vill veta om att gå i säng tidigt eller sent är kopplat till hur ofta man blir sjuk. Förutsatt att provet väljs slumpmässigt från populationen, kan antagandet att provstorleksfördelningen för sjukdomsfrekvens antas vara normal. Men ett experiment som mäter människokroppens resistens mot en bakteriestam kan inte antas ha en normal distribution.
Detta beror på att en slumpmässigt utvald provdata kan vara motstånd mot stammen. Å andra sidan, om forskaren tar hänsyn till faktorer som genetisk smink och etnicitet, kan han upptäcka att en provstorlek som väljs med hjälp av dessa egenskaper kanske inte är resistent mot belastningen. Därför kan man inte anta en normalfördelning.
Den här metoden är användbar när data inte har någon tydlig numerisk tolkning och är bäst att använda med data som har en rangordning. Till exempel kan ett personlighetsbedömningstest ha en rangordning av dess mätvärden som starkt oeniga, oeniga, likgiltiga, håller med och håller helt och hållet. I detta fall bör icke-parametriska metoder användas.
Särskilda överväganden
Icke-parametrisk statistik har uppskattats på grund av deras användarvänlighet. När behovet av parametrar avlastas blir data mer tillämpliga för en större variation av tester. Denna typ av statistik kan användas utan medelvärde, provstorlek, standardavvikelse eller uppskattning av andra relaterade parametrar när ingen av den informationen är tillgänglig.
Eftersom icke-parametrisk statistik gör färre antaganden om exempeldata är dess tillämpning bredare än parametrisk statistik. I de fall där parametrisk testning är mer lämplig kommer icke-parametriska metoder att vara mindre effektiva. Detta beror på att resultaten som erhållits från icke-parametrisk statistik har en lägre grad av förtroende än om resultaten erhölls med parametrisk statistik.
Key Takeaways
- Icke-parametrisk statistik är enkel att använda men erbjuder inte den exakta noggrannheten för andra statistiska modeller.
- Denna typ av analys är bäst lämpad när man överväger ordning på något, där även om de numeriska uppgifterna ändras, kommer resultaten troligen att förbli desamma.