Parametrisch versus niet-parametrisch
Statistiek is een tak van studies die ons in staat stelt de populatiedynamiek te begrijpen door steekproeven te gebruiken die zijn getrokken uit een bepaalde populatie van interesse. Het is essentieel dat deze steekproeven willekeurig zijn. Veel formules zijn gemaakt met incorporatie van wiskunde, om conclusies te trekken over populatieparameters. Uiteraard kan elke populatie een "normale verdeling" hebben, waarbij de spreiding van gegevens / monsters de vorm heeft van een bel in de frequentiegrafiek. In een normale verdeling concentreren de meeste monsters zich rond het gemiddelde en 68%, 95%, 99% van de gegevens wordt gevonden binnen respectievelijk 1, 2 en 3 standaarddeviaties. Parametrische en niet-parametrische statistieken hangen af van het al dan niet overwegen van normale distributie.
Wat is parametrische statistieken?
Parametrische statistieken zijn de statistieken waarin gegevens / steekproeven worden beschouwd als afkomstig uit een normale verdeling. De definitie van parametrische statistieken is "de statistieken die aannemen dat de gegevens afkomstig zijn van een soort kansverdeling en conclusies trekken over de parameters van de verdeling". De meeste bekende elementaire statistische methoden behoren tot deze groep. In werkelijkheid zijn ze mogelijk niet normaal verdeeld. Daarom is dit statistiektype gebaseerd op meer aannames. Als de gegevens / monsters normaal of bijna normaal verdeeld zijn, kunnen de formules nauwkeurige resultaten en gevolgtrekkingen opleveren. Als de aanname van normaal verdeeld zijn echter onjuist is, kunnen parametrische statistieken behoorlijk misleidend zijn.
Wat zijn niet-parametrische statistieken?
Niet-parametrische statistieken worden ook wel distributievrije statistieken genoemd. Het voordeel van dit statistiektype is dat het geen aanname hoeft te doen zoals eerder gedaan met parametrische gegevens. Niet-parametrische statistische berekeningen nemen medianen onder de aandacht dan de gemiddelden. Daarom, als een of twee afwijken van de gemiddelde waarde, wordt hun effect verwaarloosd. Over het algemeen hebben parametrische statistieken de voorkeur omdat het meer kracht heeft om een valse hypothese te verwerpen dan een niet-parametrische methode. Een van de meest bekende niet-parametrische tests is de Chi-kwadraat-test. Er zijn niet-parametrische analogen voor sommige parametrische tests, zoals Wilcoxon T-test voor gepaarde steekproeven t-test, Mann-Whitney U-test voor onafhankelijke steekproeven t-test, Spearman's correlatie voor Pearson's correlatie enz. Voor één steekproef t-test is er geen vergelijkbare niet-parametrische test.
Wat is het verschil tussen parametrisch en niet-parametrisch?
• Parametrische statistieken zijn afhankelijk van normale distributie, maar niet-parametrische statistieken zijn niet afhankelijk van normale distributie.
• Parametrische statistieken maken meer aannames dan niet-parametrische statistieken.
• Parametrische statistieken gebruiken eenvoudiger formules in vergelijking met niet-parametrische statistieken.
• Wanneer wordt aangenomen dat een populatie normaal of bijna normaal verdeeld is, kunnen parametrische statistieken het beste worden gebruikt. Als dit niet het geval is, kunt u het beste een niet-parametrische methode gebruiken.
• De meeste van de algemeen bekende elementaire statistische methoden behoren tot parametrische statistiek. Niet-parametrische statistieken worden spaarzaam gebruikt en toegepast in speciale gevallen.
