Skillnad mellan parametrisk och nonparametrisk

Sociala forskare bygger ofta en hypotes, där de antar att en viss generaliserad regel kan tillämpas på en befolkning. De testar denna hypotes genom att använda tester som kan vara parametriska eller nonparametriska. Parametriska tester är vanligtvis vanligare och studeras mycket tidigare som standardtester som används vid forskning.

Processen att utföra en forskning är relativt enkel - du bygger en hypotes och antar att en viss "lag" kan tillämpas på en befolkning. Du utför sedan ett test och samlar in data som du då analyserar statistiskt. Den insamlade data kan vanligtvis representeras som ett diagram och den hypotesiserade lagen som medelvärdet för den data. Om den hypotetiska lagen och medelvärdet lagen matchar, är hypotesen bekräftad.

Men i vissa fall är det inte det mest lämpliga sättet att söka efter lagen om att hitta medelvärdet. Ett bra exempel är fördelningen av totalinkomst. Om du inte har matchat medelvärdet, beror det troligen på att en eller två miljarderärer stör dina medelvärden. En median ger emellertid ett mycket mer exakt resultat på den genomsnittliga inkomsten som är mer benägna att matcha dina data.

Med andra ord används ett parametertest när antagandena om befolkningen är tydliga och det finns mycket tillgänglig information om det. Frågorna kommer att utformas för att mäta dessa specifika parametrar så att data kan analyseras enligt ovan. Ett icke-parametriskt test används när den testade populationen inte är helt känd och därför är även de undersökta parametrarna okända. Dessutom, medan det parametriska testet använder medelvärden som dess resultat, tar det nonparametriska testet medianen och används därför vanligtvis när den ursprungliga hypotesen inte passar data.

Vad är ett parametertest?

Ett parametrisk test är ett test utformat för att tillhandahålla de data som sedan analyseras genom en gren av vetenskap som kallas parametrisk statistik. Parametrisk statistik förutsätter viss information om att befolkningen redan är känd, nämligen sannolikhetsfördelningen. Som ett exempel beskrivs fördelningen av kroppshöjd över hela världen med en normal fördelningsmodell. På liknande sätt kan någon känd distributionsmodell appliceras på en uppsättning data. Men förutsatt att en viss distributionsmodell passar en dataset innebär att du självt antar att ytterligare information är känd om befolkningen, som jag har nämnt. Sannolikhetsfördelningen innehåller olika parametrar som beskriver distributionens exakta form. Dessa parametrar är vilka parametriska tester ger - varje fråga är skräddarsydd för att ge ett exakt värde av en viss parameter för varje intervjuad individ. Kombinerade används medelvärdet för den parametern för sannolikhetsfördelningen. Det betyder att de parametriska testerna också tar på sig något om befolkningen. Om antagandena är korrekta kommer parametrisk statistik som tillämpas på data som tillhandahålls av ett parametertest att ge resultat som är mycket mer exakta och exakta än ett icke-parametriskt test och statistik.

Vad är ett icke-parametertest?

På samma sätt som parametrisk test och statistik finns ett icke-parametriskt test och statistik. De används när de erhållna data inte förväntas passa en normal fördelningskurva eller ordinära data. Ett bra exempel på ordinära data är den översyn du lämnar när du betygsätter en viss produkt eller tjänst på en skala från 1 till 5. Ordinära data generellt erhålls från tester som använder olika rankningar eller order. Därför är det inte beroende av siffror eller exakta värden för parametrarna som parametriska tester åberopade. Faktum är att det inte använder parametrar på något sätt, eftersom det inte förutsätter en viss fördelning. Vanligtvis föredras en parametrisk analys till en icke-parametrisk, men om det parametriska testet inte kan utföras på grund av okänd population är en utväg till icke-parametriska test nödvändig.

Skillnad mellan parametriska och icke-parametriska test

1) Att göra antaganden

Som jag har nämnt gör det parametriska testet antaganden om befolkningen. Det behöver parametrar som är kopplade till den normala fördelningen som används i analysen, och det enda sättet att känna till dessa parametrar är att ha viss kunskap om befolkningen. Å andra sidan är ett icke-parametriskt test, som namnet indikerar, inte beroende av några parametrar och antar därför inget om befolkningen.

2) Sannolikhet för parametrisk och icke parametrisk

Grunden för den statistiska analysen som kommer att utföras på data, vid parametriska tester, är probabilistisk fördelning. Å andra sidan finns inte grunden för icke-parametriska tester - det är helt godtyckligt. Detta resulterar i mer flexibilitet och gör det enklare att passa hypotesen med de insamlade data.

3) Åtgärd av central tendens

Mätningen av central tendensen är ett centralt värde i en sannolikhetsfördelning. Och även om sannolikhetsfördelningen i fallet med icke-parametrisk statistik är godtycklig finns det fortfarande, och därför är det också måttet på central tendens. Dessa åtgärder är dock olika. Vid parametriska tester anses det vara medelvärdet, medan det vid icke-parametriska tester anses vara medianvärdet.

4) Kunskap om befolkningsparametrar

Som jag har nämnt i den första skillnaden varierar informationen om befolkningen mellan parametriska och icke-parametriska tester och statistik. Nämligen är viss kunskap om befolkningen absolut nödvändig för en parametrisk analys, eftersom det kräver populationrelaterade parametrar för att ge exakta resultat. Å andra sidan kan ett icke-parametriskt tillvägagångssätt vidtas utan någon tidigare kunskap om befolkningen.

Parametriska vs Nonparametric Tests: Jämförelse diagram

Sammanfattning av parametrisk och icke parametrisk

• Ett parametrisk test är ett test som förutsätter vissa parametrar och fördelningar är kända för en population, i motsats till den icke-parametriska
• Det parametriska testet använder ett medelvärde, medan den icke-parametriska använder ett medianvärde
• Det parametriska tillvägagångssättet kräver tidigare kunskap om befolkningen, i motsats till det icke-parametriska förhållningssättet