პარამეტრული vs არაპარამეტრული
სტატისტიკა არის კვლევის ერთ-ერთი ფილიალი, რომელიც საშუალებას გვაძლევს გავიგოთ პოპულაციის დინამიკა გარკვეული ინტერესის პოპულაციისგან მიღებული ნიმუშების გამოყენებით. აუცილებელია, რომ ეს ნიმუშები იყოს შემთხვევითი. ბევრი ფორმულა იქმნება მათემატიკის ჩართვით, პოპულაციის პარამეტრების შესახებ დასკვნების მისაღებად. ბუნებრივია, ნებისმიერ პოპულაციას შეიძლება ჰქონდეს „ნორმალური განაწილება“, სადაც მონაცემთა/ნიმუშების დისპერსიას აქვს ზარის ფორმა სიხშირის გრაფიკში. ნორმალურ განაწილებაში, ნიმუშების უმეტესობა კონცენტრირებულია საშუალოზე და მონაცემების 68%, 95%, 99% გვხვდება შესაბამისად 1, 2 და 3 სტანდარტული გადახრების ფარგლებში.პარამეტრული და არაპარამეტრული სტატისტიკა დამოკიდებულია იმაზე, განიხილება თუ არა ნორმალური განაწილება.
რა არის პარამეტრული სტატისტიკა?
პარამეტრული სტატისტიკა არის სტატისტიკა, რომელშიც მონაცემები/ნიმუშები განიხილება, როგორც აღებული ნორმალური განაწილებიდან. პარამეტრული სტატისტიკის განმარტება არის „სტატისტიკა, რომელიც ვარაუდობს, რომ მონაცემები მომდინარეობს ალბათობის განაწილებიდან და აკეთებს დასკვნებს განაწილების პარამეტრებზე“. ამ ჯგუფს მიეკუთვნება ცნობილი ელემენტარული სტატისტიკური მეთოდების უმეტესობა. სინამდვილეში, ისინი შეიძლება არ იყოს ნორმალურად განაწილებული. მაშასადამე, სტატისტიკის ეს ტიპი დაფუძნებულია უფრო მეტ ვარაუდებზე. თუ მონაცემები/ნიმუშები ჩვეულებრივ განაწილებულია ან თითქმის ნორმალურად არის განაწილებული, ფორმულებმა შეიძლება გამოიტანონ ზუსტი შედეგები და დასკვნები. თუმცა, თუ ნორმალურად განაწილების ვარაუდი არასწორია, პარამეტრული სტატისტიკა შეიძლება იყოს საკმაოდ შეცდომაში შემყვანი.
რა არის არაპარამეტრული სტატისტიკა?
არაპარამეტრული სტატისტიკა ასევე ცნობილია, როგორც განაწილების გარეშე სტატისტიკა.ამ სტატისტიკური ტიპის უპირატესობა ის არის, რომ მას არ სჭირდება ისეთი ვარაუდის გაკეთება, როგორც ადრე პარამეტრებთან დაკავშირებით. არაპარამეტრული სტატისტიკური გამოთვლები ყურადღებას აქცევს მედიანებს, ვიდრე საშუალოს. ამიტომ, თუ ერთი ან ორი გადახრის საშუალო მნიშვნელობას, მათი ეფექტი უგულებელყოფილია. ზოგადად პარამეტრულ სტატისტიკას ანიჭებენ უპირატესობას, რადგან მას უფრო მეტი ძალა აქვს მცდარი ჰიპოთეზის უარყოს, ვიდრე არაპარამეტრულ მეთოდს. ერთ-ერთი ყველაზე ცნობილი არაპარამეტრული ტესტია Chi-square ტესტი. არსებობს არაპარამეტრული ანალოგები ზოგიერთი პარამეტრული ტესტისთვის, როგორიცაა Wilcoxon T ტესტი დაწყვილებული ნიმუშის t-ტესტისთვის, Mann-Whitney U ტესტი დამოუკიდებელი ნიმუშების t-ტესტისთვის, Spearman-ის კორელაცია პირსონის კორელაციისთვის და ა.შ. ერთი ნიმუშის t-ტესტისთვის არ არსებობს. შესადარებელი არაპარამეტრული ტესტი.
რა განსხვავებაა პარამეტრულ და არაპარამეტრულს შორის?
• პარამეტრული სტატისტიკა დამოკიდებულია ნორმალურ განაწილებაზე, მაგრამ არაპარამეტრული სტატისტიკა არ არის დამოკიდებული ნორმალურ განაწილებაზე.
• პარამეტრული სტატისტიკა უფრო მეტ ვარაუდს იძლევა, ვიდრე არაპარამეტრული სტატისტიკა.
• პარამეტრული სტატისტიკა იყენებს უფრო მარტივ ფორმულებს არაპარამეტრულ სტატისტიკასთან შედარებით.
• როცა ითვლება, რომ მოსახლეობა ნორმალურად არის განაწილებული ან ნორმალურად განაწილებულთან ახლოს, პარამეტრული სტატისტიკა საუკეთესოა გამოსაყენებლად. თუ არა, უმჯობესია გამოიყენოთ არაპარამეტრული მეთოდი.
• საყოველთაოდ ცნობილი ელემენტარული სტატისტიკური მეთოდების უმეტესობა ეკუთვნის პარამეტრულ სტატისტიკას. არაპარამეტრული სტატისტიკა იშვიათად გამოიყენება და გამოიყენება განსაკუთრებული შემთხვევებისთვის.
