Parametrisch gegen nicht parametrisch
Die Statistik ist ein Zweig von Studien, der es uns ermöglicht, die Populationsdynamik anhand von Stichproben zu verstehen, die aus einer bestimmten Population von Interesse stammen. Es ist wichtig, dass diese Stichproben zufällig sind. Viele Formeln werden unter Einbeziehung der Mathematik erstellt, um Rückschlüsse auf Populationsparameter zu ziehen. Natürlich kann jede Population eine „Normalverteilung“aufweisen, bei der die Streuung von Daten / Proben im Frequenzdiagramm die Form einer Glocke hat. Bei einer Normalverteilung konzentrieren sich die meisten Proben auf den Mittelwert und 68%, 95%, 99% der Daten befinden sich innerhalb von 1, 2 bzw. 3 Standardabweichungen. Parametrische und nichtparametrische Statistiken hängen davon ab, ob die Normalverteilung berücksichtigt wird oder nicht.
Was ist parametrische Statistik?
Parametrische Statistik ist die Statistik, in der Daten / Stichproben als aus einer Normalverteilung gezogen betrachtet werden. Die Definition der parametrischen Statistik ist „die Statistik, die davon ausgeht, dass die Daten aus einer Art Wahrscheinlichkeitsverteilung stammen und Rückschlüsse auf die Parameter der Verteilung ziehen“. Die meisten bekannten elementaren statistischen Methoden gehören zu dieser Gruppe. In Wirklichkeit sind sie möglicherweise nicht normal verteilt. Daher basiert dieser Statistiktyp auf mehr Annahmen. Wenn die Daten / Proben normal oder nahezu normal verteilt sind, können die Formeln genaue Ergebnisse und Schlussfolgerungen liefern. Wenn jedoch die Annahme einer Normalverteilung falsch ist, können parametrische Statistiken ziemlich irreführend sein.
Was ist nichtparametrische Statistik?
Nicht parametrische Statistiken werden auch als verteilungsfreie Statistiken bezeichnet. Der Vorteil dieses Statistiktyps besteht darin, dass keine Annahme getroffen werden muss, wie sie zuvor mit der Parametrik getroffen wurde. Nicht parametrische statistische Berechnungen berücksichtigen Mediane als die Mittelwerte. Wenn daher ein oder zwei vom Mittelwert abweichen, wird deren Wirkung vernachlässigt. Im Allgemeinen werden parametrische Statistiken bevorzugt, da sie eine falsche Hypothese mehr ablehnen können als nichtparametrische Methoden. Einer der bekanntesten nichtparametrischen Tests ist der Chi-Quadrat-Test. Es gibt nichtparametrische Analoga für einige parametrische Tests wie den Wilcoxon-T-Test für den gepaarten Stichproben-T-Test, den Mann-Whitney-U-Test für unabhängige Stichproben-T-Tests, die Spearman-Korrelation für die Pearson-Korrelation usw. Für einen Stichproben-T-Test gibt es keine vergleichbarer nichtparametrischer Test.
Was ist der Unterschied zwischen parametrisch und nicht parametrisch?
• Parametrische Statistiken hängen von der Normalverteilung ab, nichtparametrische Statistiken hängen jedoch nicht von der Normalverteilung ab.
• Parametrische Statistiken gehen von mehr Annahmen aus als nichtparametrische Statistiken.
• Parametrische Statistiken verwenden im Vergleich zu nicht parametrischen Statistiken einfachere Formeln.
• Wenn angenommen wird, dass eine Population normalverteilt oder nahezu normalverteilt ist, ist die parametrische Statistik am besten geeignet. Wenn nicht, ist es am besten, eine nichtparametrische Methode zu verwenden.
• Die meisten allgemein bekannten elementaren statistischen Methoden gehören zur parametrischen Statistik. Nichtparametrische Statistiken werden sparsam verwendet und für Sonderfälle angewendet.
