Niet-parametrische statistiek is een methode die statistische gevolgtrekkingen maakt zonder rekening te houden met een onderliggende verdeling. De methode past in een normale verdeling zonder aannames. Gewoonlijk gebruikt de benadering gegevens die vaak ordinale Ordinale gegevens zijn. In statistieken zijn ordinale gegevens het type gegevens waarin de waarden een natuurlijke volgorde volgen. Een van de meest opvallende kenmerken van ordinale gegevens is dat ze afhankelijk zijn van ranglijsten in plaats van cijfers.
Niet-parametrische statistieken kunnen worden vergeleken met parametrische statistieken. De laatste benadering maakt expliciete aannames over de verspreiding van waargenomen gegevens en schat de parameters van de verdeling met dezelfde gegevens.
Overzicht
- Niet-parametrische statistiek is een methode die elke onderliggende verdeling negeert bij het maken van statistische gevolgtrekkingen.
- Niet-parametrische statistische methoden zijn bedoeld om de onbekende onderliggende verdeling van de waargenomen gegevens te ontdekken, en om een statistische gevolgtrekking te maken bij afwezigheid van de onderliggende verdeling.
- Onderzoekers wordt geadviseerd om de zwakheden, sterke punten en mogelijke valkuilen van niet-parametrische statistieken in overweging te nemen.
Inzicht in niet-parametrische statistieken
Beschouw de gegevens met onbekende parameters µ (gemiddelde) en σ2 (variantie). Terwijl parametrische statistieken aannemen dat de gegevens zijn ontleend aan een normale verdeling. Normale verdeling De normale verdeling wordt ook wel Gauss- of Gauss-verdeling genoemd. Dit type distributie wordt veel gebruikt in de natuur- en sociale wetenschappen. De, een niet-parametrische statistiek, gaat er niet van uit dat de gegevens normaal verdeeld of kwantitatief zijn. In dat opzicht zouden niet-parametrische statistieken de vorm van de verdeling zelf schatten, in plaats van de individuele µ en σ2 te schatten.
Aan de andere kant zouden parametrische statistieken gebruik maken van steekproefgemiddelde en steekproefstandaarddeviatie om de waarden van respectievelijk µ en σ2 te schatten. De modelstructuur van niet-parametrische statistieken wordt afgeleid uit de geobserveerde gegevens, in tegenstelling tot een gespecificeerde priori . De term niet-parametrisch zelf impliceert dat het aantal en de aard van de parameters flexibel zijn, en niet dat er helemaal geen parameters aan ontbreken.
Soorten niet-parametrische statistieken
Er zijn twee hoofdtypen niet-parametrische statistische methoden. De eerste methode probeert de onbekende onderliggende verdeling van de geobserveerde gegevens te ontdekken, terwijl de tweede methode probeert een statistische conclusie te trekken zonder rekening te houden met de onderliggende verdeling.
Kernelmethoden en histogrammen Histogram Een histogram wordt gebruikt om discrete of continue gegevens samen te vatten. Met andere woorden, een histogram biedt een visuele interpretatie van numerieke gegevens door het aantal gegevenspunten weer te geven dat binnen een gespecificeerd bereik van waarden valt ("bakken" genoemd). Een histogram is vergelijkbaar met een verticaal staafdiagram. Een histogram wordt echter gewoonlijk gebruikt om de waarden van de parameters in de eerste benadering te schatten. De laatste methode daarentegen omvat het testen van hypothesen zonder de werkelijke waarden van de gegevens, maar eerder gebaseerd op de rangorde van de gegevens.
De niet-parametrische statistiektests zijn doorgaans gemakkelijker toe te passen dan parametrische statistieken, gezien het gebrek aan aannames over de populatieparameters. Standaard wiskundige procedures voor het testen van hypotheses doen geen aannames over de kansverdelingen - inclusief verdeling t-toetsen, tekentoetsen en gevolgtrekkingen voor één populatie.
Wanneer bijvoorbeeld wordt getoetst op de hypothese dat "er een verschil is in medianen", definiëren de twee willekeurige variabelen, X en Y, twee continue verdelingen tussen waar de hypothese wordt uitgevoerd, en worden er gepaarde steekproeven genomen. De test heeft niet alleen algemene toepasbaarheid, maar mist ook de statistische kracht van andere tests, aangezien hij onder een paar aannames werkt.
Voorbeelden van niet-parametrische statistieken
Laten we aannemen dat een onderzoeker geïnteresseerd is in het schatten van het aantal baby's dat in de staat Californië met geelzucht wordt geboren. Een analyse van de dataset kan worden uitgevoerd door een steekproef van 5.000 baby's te nemen. Een schatting van de gehele populatie baby's met geelzucht die het volgende jaar wordt geboren, is de afgeleide meting.
Beschouw voor een tweede geval twee groepen verschillende onderzoekers. Ze willen weten of algemene marketing of commerciële marketing wordt geassocieerd met hoe snel een bedrijf merkpositionering bereikt. Ervan uitgaande dat de steekproefomvang willekeurig wordt gekozen, verwijst de verdeling met betrekking tot de snelheid waarmee een bedrijf een merkpositionering realiseert. Marktpositionering Marktpositionering naar het vermogen om de perceptie van de consument over een merk of product ten opzichte van concurrenten te beïnvloeden. Het doel van de markt kan als normaal worden beschouwd. Desalniettemin kan niet worden aangenomen dat een experiment dat de strategische doelen van het bedrijf meet om de marktdynamiek aan te pakken (die ook de merkpositionering bepaalt) een normale distributie aanneemt.
Het belangrijkste idee achter het fenomeen is dat willekeurig geselecteerde gegevens factoren zoals marktdynamiek kunnen bevatten. Aan het andere uiterste, als factoren zoals marktsegment en concurrentie een rol spelen, zullen de strategische doelstellingen van het bedrijf waarschijnlijk geen invloed hebben op de steekproefomvang. Een dergelijke benadering is effectief wanneer de gegevens geen duidelijke numerieke interpretatie hebben.
Bijvoorbeeld, testen of klanten de voorkeur geven aan een bepaald product vanwege de voedingswaarde, kunnen een rangschikking van de statistieken omvatten als zeer mee eens, mee eens, onverschillig, niet mee eens en helemaal niet mee eens. In een dergelijk scenario komt een niet-parametrische methode van pas.
Belangrijkste leerpunten
Het gebruik van niet-parametrische statistische benaderingen in onderzoek vereist due diligence op de zwakke punten, sterke punten en mogelijke valkuilen. Het is waar dat voor gegevensdistributie met overmatige kurtosis of scheefheid; op rang gebaseerde niet-parametrische tests blijken krachtiger te zijn dan de parametrische tests.
Toch nemen niet alle gevallen waarin, als niet aan parametrische aannames wordt voldaan, we niet-parametrische statistieken over als vervangende methoden vanwege de relatief lage mate van vertrouwen die is verkregen uit de eerdere statistieken.
Niet-parametrische statistieken worden gewaardeerd omdat ze gemakkelijk kunnen worden toegepast. De gegevens worden meer toepasbaar op verschillende tests omdat de parameters niet verplicht zijn. Wat nog belangrijker is, is dat de statistieken kunnen worden gebruikt in afwezigheid van essentiële informatie, zoals het gemiddelde, de standaarddeviatie of de steekproefomvang. De functies zorgen ervoor dat niet-parametrische statistieken een breder toepassingsgebied hebben in vergelijking met parametrische statistieken.
Aanvullende bronnen
Finance is de officiële aanbieder van de wereldwijde Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ -certificering De Certified Banking & Credit Analyst (CBCA) ™ -accreditatie is een wereldwijde standaard voor kredietanalisten die betrekking heeft op financiën, boekhouding, kredietanalyse en cashflowanalyse , convenantmodellering, terugbetalingen van leningen en meer. certificeringsprogramma, ontworpen om iedereen te helpen een financiële analist van wereldklasse te worden. Om uw carrière verder te ontwikkelen, zijn de onderstaande aanvullende financiële bronnen nuttig:
- Basisconcepten voor statistieken in financiën Basisconcepten van statistieken voor financiën Een gedegen kennis van statistieken is van cruciaal belang om ons een beter begrip van financiën te geven. Bovendien kunnen statistische concepten investeerders helpen bij het monitoren
- Hypothesetesten Hypothesetesten Hypothesetesten is een statistische inferentiemethode. Het wordt gebruikt om te testen of een bewering over een populatieparameter correct is. Hypothesetesten
- Nominale gegevens Nominale gegevens In statistieken zijn nominale gegevens (ook bekend als nominale schaal) een type gegevens dat wordt gebruikt om variabelen te labelen zonder enige kwantitatieve waarde te geven
- Niet-parametrische tests Niet-parametrische tests In statistieken zijn niet-parametrische tests methoden van statistische analyse die geen distributie vereisen om te voldoen aan de vereiste aannames die moeten worden geanalyseerd
