Разлика између параметричних и непараметричних

Социјални истраживачи често конструишу хипотезу у којој претпостављају да се одређена уопштена правила могу применити на становништво. Они ову хипотезу тестирају користећи тестове који могу бити или параметрични или непараметрични. Параметријски тестови су обично чешћи и проучавају се много раније као стандардни тестови који се користе приликом вршења истраживања.

Процес истраживања је релативно једноставан - ви конструишете хипотезу и претпостављате да се одређени „закон“ може применити на становништво. Затим спроводите тест и прикупљате податке које потом статистички анализирате. Прикупљени подаци се обично могу приказати као графикон, а хипотезирани закон као средња вредност тих података. Ако се хипотезирани закон и закон средње вредности подударају, хипотеза се потврђује.

Међутим, у неким случајевима проналазак средње вредности није најприкладнији начин за тражење закона. Одличан пример је расподјела укупног дохотка. Ако нисте постигли средњу вредност, то је вероватно зато што један или два милијардера ометају ваше средње вредности. Међутим, медијан ће дати много тачнији резултат на просечном дохотку који ће вероватније одговарати вашим подацима.

Другим речима, параметријски тест ће се користити када су јасне претпоставке о становништву и постоји много доступних информација о њему. Питања ће бити дизајнирана за мерење тих специфичних параметара тако да се подаци могу анализирати као што је горе описано. Непараметријски тест користи се када испитивана популација није у потпуности позната, па су и испитивани параметри такође непознати. Поред тога, док параметријски тест користи своје средње вредности као вредности, непараметрички тест узима средњу вредност и зато се обично користи када оригинална хипотеза не одговара подацима.

Шта је параметријски тест?

Параметријски тест је тест који је конципиран тако да пружа податке који ће се затим анализирати кроз грану науке која се назива параметријска статистика. Параметријска статистика претпоставља да су неке информације о популацији већ познате, наиме расподела вероватноће. Као пример, дистрибуција телесне висине на целом свету описана је нормалним моделом расподјеле. Слично томе, било који познати модел дистрибуције може се применити на скуп података. Међутим, ако претпоставим да одређени модел дистрибуције одговара скупу података, значи да ви инхерентно претпостављате да су познате неке додатне информације о популацији, као што сам већ споменуо. Дистрибуција вероватноће садржи различите параметре који описују тачан облик дистрибуције. Ови параметри су оно што пружају параметријски тестови - свако питање је прилагођено тако да даје тачну вредност одређеног параметра за сваког испитаног појединца. У комбинацији, средња вредност тог параметра користи се за расподелу вероватноће. То значи да параметријски тестови такође претпостављају нешто о популацији. Ако су претпоставке тачне, параметријска статистика примењена на податке добијене параметријским тестом ће дати резултате који су много тачнији и прецизнији од резултата непараметријског теста и статистике.

Шта је непараметрички тест?

На сличан начин као и параметријски тест и статистика, постоји и непараметрички тест и статистика. Користе се када се не очекује да добијени подаци одговарају нормалној кривуљи дистрибуције, или ординалним подацима. Сјајан пример редовних података је преглед који остављате када оцените одређени производ или услугу на скали од 1 до 5. Обични подаци се уопште добијају из тестова који користе различите ранг листе или наруџбе. Стога се не ослања на бројеве или тачне вредности за параметре на које се ослањају параметријски тестови. У ствари, ни на који начин не користи параметре, јер не претпоставља одређену дистрибуцију. Обично се параметријска анализа даје предност непараметричкој, али ако се параметрички тест не може обавити због непознате популације, потребно је прибећи непараметријским тестовима.

Разлика између параметријских и непараметријских тестова

1) Израда претпоставки

Као што сам већ напоменуо, параметријски тест даје претпоставке о популацији. Потребни су јој параметри који су повезани са нормалном расподјелом која се користи у анализи, а једини начин да се ти параметри знају је да имају неко знање о популацији. С друге стране, непараметрички тест, како му име каже, не ослања се на било које параметре и стога не претпоставља ништа о популацији.

2) Вероватноћа параметријских и непараметријских

Основа за статистичку анализу која ће се извршити на подацима, у случају параметричних тестова, је вјероватно расподјела. С друге стране, основа за непараметричке тестове не постоји - потпуно је произвољна. То резултира већом флексибилношћу и олакшава се уклапање хипотеза са прикупљеним подацима.

3) Мера централне тенденције

Мера централне тенденције је централна вредност у расподели вероватноће. Иако је расподјела вероватноће у случају непараметријске статистике произвољна, она и даље постоји, па самим тим и мера централне тенденције. Међутим, те мере су различите. У случају параметријских испитивања узима се средња вриједност, док се у случају непараметријских тестова узима средња вриједност.

4) Познавање параметара становништва

Као што сам већ напоменуо у првој разлици, информације о популацији варирају између параметарских и непараметријских тестова и статистика. Наиме, одређена сазнања о популацији апсолутно су потребна за параметријску анализу, јер су јој потребни параметри повезани са популацијом како би се дали прецизни резултати. С друге стране, непараметријски приступ може се применити без претходног знања становништва.

Параметрички и непараметријски тестови: Упоредни графикон

Резиме параметријских и непараметријских

• Параметријски тест је тест који претпоставља да су одређени параметри и расподјеле познати за популацију, супротно непараметријском
• Параметријски тест користи средњу вриједност, док непараметријски користи средњу вриједност
• Параметрички приступ захтева претходно знање о популацији, супротно непараметријском приступу