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 (vooral als de gegevens niet normaal verdeeld zijn). Om deze reden worden ze ook wel distributievrije tests genoemd. Niet-parametrische tests dienen als alternatief voor parametrische tests zoals T-test of ANOVA die alleen kunnen worden gebruikt als de onderliggende gegevens voldoen aan bepaalde criteria en aannames.
Merk op dat niet-parametrische tests worden gebruikt als een alternatieve methode voor parametrische tests, niet als hun vervangers. Met andere woorden, als de gegevens voldoen aan de vereiste aannames voor het uitvoeren van de parametrische tests, moet de relevante parametrische test worden toegepast.
Bovendien kunnen we in sommige gevallen, zelfs als de gegevens niet aan de noodzakelijke veronderstellingen voldoen, maar de steekproefomvang van de gegevens groot genoeg is, nog steeds de parametrische tests toepassen in plaats van de niet-parametrische tests.
Redenen om niet-parametrische tests te gebruiken
Om de juiste resultaten van de statistische analyse te verkrijgen Kwantitatieve analyse Kwantitatieve analyse is het proces van het verzamelen en evalueren van meetbare en verifieerbare gegevens zoals inkomsten, marktaandeel en lonen om het gedrag en de prestaties van een bedrijf te begrijpen. In het tijdperk van datatechnologie wordt kwantitatieve analyse beschouwd als de voorkeursbenadering voor het nemen van geïnformeerde beslissingen. moeten we de situaties kennen waarin de toepassing van niet-parametrische tests geschikt is. De belangrijkste redenen om de niet-parametrische test toe te passen, zijn onder meer:
1. De onderliggende gegevens voldoen niet aan de aannames over de steekproef van de populatie
Over het algemeen vereist de toepassing van parametrische tests verschillende aannames om te voldoen. De gegevens volgen bijvoorbeeld een normale verdeling en de populatievariantie is homogeen. Sommige gegevensvoorbeelden kunnen echter scheefgetrokken verdelingen vertonen. Positief scheve verdeling In statistieken is een positief scheve (of rechts scheve) verdeling een type verdeling waarin de meeste waarden zijn geclusterd rond de linkerzijde van de.
De scheefheid maakt de parametrische tests minder krachtig omdat het gemiddelde niet langer de beste maatstaf is voor centrale tendens. Centrale tendens. Centrale tendens is een beschrijvende samenvatting van een dataset door middel van een enkele waarde die het centrum van de datadistributie weerspiegelt. Samen met de variabiliteit omdat deze sterk wordt beïnvloed door de extreme waarden. Tegelijkertijd werken niet-parametrische tests goed met scheve distributies en distributies die beter worden weergegeven door de mediaan.
2. De steekproefomvang van de populatie is te klein
De steekproefomvang is een belangrijke aanname bij het selecteren van de juiste statistische methode. Basisconcepten van statistieken voor financiën Een gedegen kennis van statistieken is van cruciaal belang om ons te helpen financiën beter te begrijpen. Bovendien kunnen statistische concepten investeerders helpen bij het monitoren. Als een steekproefomvang redelijk groot is, kan de toepasselijke parametrische test worden gebruikt. Als de steekproefomvang echter te klein is, is het mogelijk dat u de distributie van de gegevens niet kunt valideren. Daarom is de toepassing van niet-parametrische tests de enige geschikte optie.
3. De geanalyseerde gegevens zijn ordinaal of nominaal
In tegenstelling tot parametrische tests die alleen kunnen werken met continue gegevens, kunnen niet-parametrische tests worden toegepast op andere gegevenstypen, zoals ordinale of nominale gegevens. Voor dergelijke soorten variabelen zijn de niet-parametrische tests de enige geschikte oplossing.
Soorten tests
Niet-parametrische tests omvatten talrijke methoden en modellen. Hieronder staan de meest voorkomende tests en hun overeenkomstige parametrische tegenhangers:
1. Mann-Whitney U-test
De Mann-Whitney U-test is een niet-parametrische versie van de onafhankelijke steekproeven t-test. De test behandelt voornamelijk twee onafhankelijke steekproeven die ordinale gegevens bevatten.
2. Door Wilcoxon ondertekende rangschikkingstest
De Wilcoxon Signed Rank Test is een niet-parametrische tegenhanger van de t-test met gepaarde monsters. De test vergelijkt twee afhankelijke steekproeven met ordinale gegevens.
3. De Kruskal-Wallis-test
De Kruskal-Wallis-test is een niet-parametrisch alternatief voor de eenmalige ANOVA. De Kruskal-Wallis-test wordt gebruikt om meer dan twee onafhankelijke groepen te vergelijken met ordinale gegevens.
Aanvullende bronnen
Finance is de officiële aanbieder van de wereldwijde Financial Modelling & Valuation Analyst (FMVA) ™ FMVA®-certificering Sluit je aan bij 350.600+ studenten die werken voor bedrijven als Amazon, JP Morgan en Ferrari-certificeringsprogramma, ontworpen om iedereen te helpen een financiële analist van wereldklasse te worden . Om te blijven leren en uw carrière vooruit te helpen, zijn de onderstaande aanvullende financiële bronnen nuttig:
- Combinatie Combinatie Een combinatie is een wiskundige techniek die het aantal mogelijke arrangementen in een verzameling items bepaalt waarbij de volgorde van de selectie dat doet
- Cumulatieve frequentieverdeling Cumulatieve frequentieverdeling Cumulatieve frequentieverdeling is een vorm van een frequentieverdeling die de som van een klasse en alle onderliggende klassen vertegenwoordigt. Onthoud die frequentie
- Negatief scheve verdeling Negatief scheve verdeling In statistieken is een negatief scheve verdeling (ook wel links schuin) een soort verdeling waarin meer waarden aan de rechterkant zijn geconcentreerd
- Afwijking van de steekproefselectie Afwijking van de steekproefselectie De afwijking van de steekproefselectie is de vertekening die het gevolg is van het niet garanderen van de juiste randomisatie van een populatiemonster. De gebreken van de steekproefselectie
