I statistik är icke-parametriska tester metoder för statistisk analys som inte kräver en distribution för att uppfylla de antaganden som ska analyseras (särskilt om data inte normalt distribueras). Av denna anledning kallas de ibland distributionsfria tester. Icke-parametriska tester fungerar som ett alternativ till parametriska tester som T-test eller ANOVA som endast kan användas om underliggande data uppfyller vissa kriterier och antaganden.
Observera att icke-parametriska tester används som en alternativ metod till parametriska tester, inte som deras ersättare. Med andra ord, om data uppfyller de nödvändiga antagandena för att utföra parametriska tester, måste relevant parametriskt test tillämpas.
Dessutom kan vi, i vissa fall, även om data inte uppfyller de nödvändiga antagandena men datastorleken på data är tillräckligt stor, fortfarande använda parametriska tester istället för icke-parametriska tester.
Anledningar att använda icke-parametriska tester
För att uppnå korrekta resultat från den statistiska analysen Kvantitativ analys Kvantitativ analys är processen att samla in och utvärdera mätbara och verifierbara data såsom intäkter, marknadsandelar och löner för att förstå ett företags beteende och resultat. I datateknikens tid betraktas kvantitativ analys som det föredragna sättet att fatta välgrundade beslut. bör vi känna till de situationer där tillämpningen av icke-parametriska tester är lämplig. Huvudskälen för att tillämpa det icke-parametriska testet är följande:
1. De underliggande uppgifterna uppfyller inte antagandena om populationsprovet
Generellt kräver tillämpningen av parametriska tester att olika antaganden är uppfyllda. Data följer till exempel en normalfördelning och populationsvariansen är homogen. Vissa dataprov kan dock visa sneda fördelningar Positivt skev fördelning I statistiken är en positivt skev (eller höger skev) distribution en typ av distribution där de flesta värden är grupperade runt vänster svans på.
Snedheten gör de parametriska testerna mindre kraftfulla eftersom medelvärdet inte längre är det bästa måttet på central tendens Central tendens Central tendens är en beskrivande sammanfattning av en dataset genom ett enda värde som återspeglar datadistributionens centrum. Tillsammans med variationen eftersom den påverkas starkt av de extrema värdena. Samtidigt fungerar icke-parametriska tester bra med snedställda fördelningar och fördelningar som representeras bättre av medianen.
2. Populärprovets storlek är för liten
Urvalsstorleken är ett viktigt antagande för att välja lämplig statistisk metod 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. Om en provstorlek är ganska stor kan det tillämpliga parametriska testet användas. Men om en urvalsstorlek är för liten är det möjligt att du kanske inte kan validera distributionen av data. Således är tillämpningen av icke-parametriska tester det enda lämpliga alternativet.
3. De analyserade uppgifterna är ordinarie eller nominella
Till skillnad från parametriska tester som endast kan fungera med kontinuerlig data kan icke-parametriska tester tillämpas på andra datatyper, såsom ordinär eller nominell data. För sådana typer av variabler är de icke-parametriska testerna den enda lämpliga lösningen.
Typer av tester
Icke-parametriska tester inkluderar många metoder och modeller. Nedan följer de vanligaste testerna och deras motsvarande parametriska motsvarigheter:
1. Mann-Whitney U-test
Mann-Whitney U Test är en icke-parametrisk version av det oberoende t-testet. Testet handlar främst om två oberoende prover som innehåller ordinarie data.
2. Wilcoxon Signed Rank Test
Wilcoxon Signed Rank Test är en icke-parametrisk motsvarighet till det parade t-testet. Testet jämför två beroende prover med ordinarie data.
3. Kruskal-Wallis-testet
Kruskal-Wallis-testet är ett icke-parametriskt alternativ till envägs ANOVA. Kruskal-Wallis-testet används för att jämföra mer än två oberoende grupper med ordinarie data.
Ytterligare resurser
Finance är den officiella leverantören av den globala Financial Modeling & Valuation Analyst (FMVA) ™ FMVA®-certifiering. Gå med i 350 600 studenter som arbetar för företag som Amazon, JP Morgan och Ferrari-certifieringsprogram, utformade för att hjälpa alla att bli en ekonomisk analytiker i världsklass . För att fortsätta lära dig och utveckla din karriär kommer de ytterligare finansresurserna nedan att vara användbara:
- Kombination Kombination En kombination är en matematisk teknik som bestämmer antalet möjliga arrangemang i en samling artiklar där ordningen i urvalet gör
- Kumulativ frekvensfördelning Kumulativ frekvensfördelning Kumulativ frekvensfördelning är en form av en frekvensfördelning som representerar summan av en klass och alla klasser under den. Kom ihåg den frekvensen
- Negativt skev fördelning Negativ skev fördelning I statistik är en negativ skev fördelning (även känd som vänster skev) en typ av distribution där fler värden koncentreras till höger
- Provval Bias Exempelval Bias Provval bias är den bias som härrör från misslyckandet med att säkerställa korrekt randomisering av ett populationsprov. Bristerna i urvalet av prov
