Icke-parametrisk statistik är en metod som gör statistisk slutsats utan hänsyn till någon underliggande distribution. Metoden passar en normalfördelning utan antaganden. Vanligtvis använder metoden data som ofta är ordinarie ordinarie data I statistik är ordinarie data den typ av data där värdena följer en naturlig ordning. En av de mest anmärkningsvärda funktionerna i ordinarie data är att det beror på rankningar snarare än på siffror.
Icke-parametrisk statistik kan kontrasteras med parametrisk statistik. Det senare tillvägagångssättet ger uttryckliga antaganden om distributionen av observerade data och uppskattar distributionens parametrar med samma data.
Sammanfattning
- Icke-parametrisk statistik är en metod som bortser från all underliggande distribution när man gör statistisk slutsats.
- Icke-parametriska statistiska metoder syftar till att upptäcka den okända underliggande fördelningen av de observerade uppgifterna samt att göra en statistisk slutsats i frånvaro av den underliggande fördelningen.
- Forskare uppmanas att överväga svagheter, styrkor och potentiella fallgropar i icke-parametrisk statistik.
Förstå icke-parametrisk statistik
Tänk på data med okända parametrar µ (medelvärde) och σ2 (varians). Medan parametrisk statistik antar att data hämtades från en normalfördelning Normalfördelning Normalfördelningen kallas också Gauss- eller Gaussfördelning. Denna typ av distribution används ofta inom naturvetenskap och samhällsvetenskap. Den icke-parametriska statistiken antar inte att data är normalt distribuerade eller kvantitativa. I det avseendet skulle icke-parametrisk statistik uppskatta formen på själva distributionen istället för att uppskatta individuella µ och σ2.
Å andra sidan skulle parametrisk statistik använda provmedelvärde och provstandardavvikelse för att uppskatta värdena på µ respektive σ2. Modellstrukturen för icke-parametrisk statistik dras av de observerade uppgifterna, i motsats till en specificerad priori . Uttrycket nonparametric i sig innebär att parametrarnas antal och natur är flexibla och inte att de helt saknar parametrar.
Typer av icke-parametrisk statistik
Det finns två huvudtyper av icke-parametriska statistiska metoder. Den första metoden försöker upptäcka den okända underliggande fördelningen av de observerade uppgifterna, medan den andra metoden försöker göra en statistisk slutsats med hänsyn till den underliggande fördelningen.
Kärnmetoder och histogram Histogram Ett histogram används för att sammanfatta diskreta eller kontinuerliga data. Med andra ord ger ett histogram en visuell tolkning av numeriska data genom att visa antalet datapunkter som faller inom ett specificerat värden (kallas "fack"). Ett histogram liknar ett vertikalt stapeldiagram. Emellertid används ofta ett histogram för att uppskatta parametervärdena i den första metoden. Däremot innebär den senare metoden att testa hypoteser utan de faktiska värdena för data utan snarare baserat på rangordning av data.
De icke-parametriska statistikproven tenderar att vara lättare att tillämpa än parametrisk statistik, med tanke på bristen på antagande om befolkningsparametrarna. Standardmatematiska förfaranden för hypotesprovning ger inga antaganden om sannolikhetsfördelningarna - inklusive distributionstest, teckentest och slutsatser från enpopulation.
Till exempel, när man testar för hypotesen att ”det finns en skillnad i medianer”, definierar de två slumpmässiga variablerna, X och Y, två kontinuerliga fördelningar mellan där hypotesen utförs och parade prover ritas. Förutom att ha allmän tillämpbarhet saknar testet också den statistiska kraften hos andra tester, med tanke på att det fungerar under några antaganden.
Exempel på icke-parametrisk statistik
Låt oss anta att en forskare är intresserad av att uppskatta antalet barn födda med gulsot i delstaten Kalifornien. En analys av datamängden kan utföras genom att ta ett prov på 5 000 spädbarn. En uppskattning av hela populationen av spädbarn som bär gulsot född följande år är den härledda mätningen.
För ett andra fall, överväga två grupper av olika forskare. De är intresserade av att veta om filtmarknadsföring eller kommersiell marknadsföring är kopplat till hur snabbt ett företag får varumärkespositionering. Om man antar att stickprovsstorleken väljs slumpmässigt, hänvisar dess fördelning till hur snabbt ett företag realiserar en varumärkespositionering Marknadspositionering Marknadspositionering avser förmågan att påverka konsumenternas uppfattning om ett varumärke eller en produkt i förhållande till konkurrenterna. Marknadens mål kan antas vara normalt. Ändå kan ett experiment som mäter företagets strategiska mål för att ta itu med marknadsdynamiken (som också bestämmer varumärkespositionering) inte antas ha en normal distribution.
Huvudidén bakom fenomenet är att slumpmässigt utvalda data kan innehålla faktorer som marknadsdynamik. Å andra sidan, om faktorer som marknadssegment och konkurrens spelar in, kommer sannolikt inte företagets strategiska mål att påverka urvalsstorleken. Ett sådant tillvägagångssätt är effektivt när data saknar en tydlig numerisk tolkning.
Exempelvis kan tester på huruvida kunder föredrar en viss produkt på grund av dess näringsvärde inkludera en rangordning av dess mätvärden som är helt överens, överens, likgiltig, oense och mycket oense. I ett sådant scenario är en icke-parametrisk metod till nytta.
Viktiga takeaways
Att använda icke-parametriska statistiska metoder inom forskning kräver tillbörlig aktsamhet om dess svagheter, styrkor och potentiella fallgropar. Det är sant att för datadistribution med överskott av kurtos eller skevhet; rangbaserade icke-parametriska tester visar sig vara mer potenta än de parametriska testerna.
Ändå antar inte alla fall där parametriska antaganden inte uppfylls, vi använder icke-parametrisk statistik som ersättningsmetoder på grund av den relativt låga graden av förtroende som erhållits från den tidigare statistiken.
Icke-parametrisk statistik uppskattas eftersom den enkelt kan användas. Uppgifterna blir mer tillämpliga på olika tester eftersom parametrarna inte är obligatoriska. Ännu viktigare är att statistiken kan användas i frånvaro av vital information, såsom medelvärde, standardavvikelse eller provstorlek. Funktionerna gör att icke-parametrisk statistik har ett bredare tillämpningsområde än parametrisk statistik.
Ytterligare resurser
Finance är den officiella leverantören av den globala Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ Certification Certified Banking & Credit Analyst (CBCA) ™ ackreditering är en global standard för kreditanalytiker som täcker finans, redovisning, kreditanalys, kassaflödesanalys , förbundsmodellering, återbetalning av lån och mer. certifieringsprogram, utformat för att hjälpa vem som helst att bli en ekonomisk analytiker i världsklass. För att fortsätta din karriär kommer de ytterligare finansresurserna nedan att vara användbara:
- Grundläggande statistikbegrepp inom ekonomi Grundläggande statistikbegrepp för ekonomi En solid förståelse för statistik är avgörande för att hjälpa oss att bättre förstå ekonomi. Dessutom kan statistikbegrepp hjälpa investerare att övervaka
- Hypotes Testning Hypotes Testning Hypotes Testing är en metod för statistisk slutsats. Den används för att testa om ett uttalande om en populationsparameter är korrekt. Hypotes testning
- Nominell data Nominell data I statistiken är nominell data (även känd som nominell skala) en typ av data som används för att märka variabler utan att ge något kvantitativt värde
- Icke-parametriska tester Icke-parametriska tester I statistik är icke-parametriska tester metoder för statistisk analys som inte kräver en fördelning för att uppfylla de antaganden som ska analyseras.
