Parametric at Nonparametric

Ang mga mananaliksik na panlipunan ay madalas na nagtatayo ng isang teorya, kung saan ipinapalagay nila na ang isang partikular na panuntunan ay maaaring ilapat sa isang populasyon. Sinusubok nila ang teorya na ito sa pamamagitan ng paggamit ng mga pagsubok na maaaring alinman sa parametric o nonparametric. Ang mga parametric na pagsusulit ay karaniwang mas karaniwan at pinag-aaralan nang mas maaga tulad ng karaniwang mga pagsubok na ginagamit kapag gumaganap ng pananaliksik.

Ang proseso ng pagsasagawa ng pananaliksik ay medyo simple - gumawa ka ng isang teorya at ipalagay na ang isang tiyak na "batas" ay maaaring mailapat sa isang populasyon. Pagkatapos ay magsagawa ka ng isang pagsubok at magtipon ng data na pagkatapos mong pag-aralan ang istatistika. Ang nakolektang data ay maaaring karaniwang kinakatawan bilang isang graph, at ang hypothesized na batas bilang ang ibig sabihin ng halaga ng data na iyon. Kung tumutugma ang hypothesized na batas at ang ibig sabihin ng law ng halaga na halaga, ang teorya ay nakumpirma.

Gayunpaman, sa ilang mga kaso, ang paghahanap ng ibig sabihin ng halaga ay hindi ang pinaka angkop na paraan upang maghanap ng batas. Ang isang mahusay na halimbawa ay ang pamamahagi ng kabuuang kita. Kung hindi mo maitugma ang ibig sabihin ng halaga, malamang na dahil ang isa o dalawang bilyunaryo ay nakakagambala sa iyong mga ibig sabihin ng halaga. Gayunpaman, ang median ay magbibigay ng isang mas tumpak na resulta sa average na kita na mas malamang na tumutugma sa iyong data.

Sa ibang salita, ang isang parametric test ay gagamitin kapag ang mga pagpapalagay na ginawa tungkol sa populasyon ay malinaw at mayroong maraming magagamit na impormasyon tungkol dito. Ang mga tanong ay dinisenyo upang masukat ang mga tukoy na parameter upang ang data ay maaaring masuri ayon sa inilarawan sa itaas. Ang isang nonparametric test ay ginagamit kapag ang nasubok na populasyon ay hindi lubos na kilala at samakatuwid ang mga parameter na napagmasdan ay hindi kilala. Bukod pa rito, samantalang ang parametric test ay gumagamit ng mga ibig sabihin ng halaga bilang mga resulta nito, ang nonparametric test ay tumatagal ng panggitna, at samakatuwid ay karaniwang ginagamit kapag ang orihinal na hypothesis ay hindi magkasya sa data.

Ano ang isang Parametric Test?

Ang isang parametric test ay isang pagsubok na dinisenyo upang magbigay ng data na pagkatapos ay masuri sa pamamagitan ng isang sangay ng agham na tinatawag na parametric na istatistika. Ipinagpapalagay ng mga parametric na istatistika ang ilang impormasyon tungkol sa populasyon na kilala na, katulad ng pamamahagi ng probabilidad. Bilang halimbawa, ang pamamahagi ng taas ng katawan sa buong mundo ay inilarawan sa pamamagitan ng isang normal na modelo ng pamamahagi. Katulad nito, ang anumang kilalang modelo ng pamamahagi ay maaaring ilapat sa isang hanay ng data. Gayunpaman, sa pag-aakala na ang isang tiyak na modelo ng pamamahagi ay angkop sa isang dataset ay nangangahulugan na ikaw ay likas na nagsasabing ilang karagdagang impormasyon ang nalalaman tungkol sa populasyon, tulad ng nabanggit ko. Ang pamamahagi ng probabilidad ay naglalaman ng iba't ibang mga parameter na naglalarawan ng eksaktong hugis ng pamamahagi. Ang mga parameter na ito ay kung ano ang nagbibigay ng parametric tests - bawat tanong ay pinasadya upang magbigay ng eksaktong halaga ng isang tiyak na parameter para sa bawat interbyu indibidwal. Pinagsama, ang ibig sabihin ng halaga ng parameter na iyon ay ginagamit para sa pamamahagi ng probabilidad. Ito ay nangangahulugan na ang mga parametric na pagsusulit ay mayroon ding isang bagay tungkol sa populasyon. Kung tama ang mga pagpapalagay, ang mga parametric na istatistika na inilalapat sa datos na ibinigay ng isang parametric test ay magbibigay ng mga resulta na mas tumpak at tumpak kaysa sa isang nonparametric test at statistics.

Ano ang isang Nonparametric Test?

Sa katulad na paraan sa parametric test at istatistika, umiiral ang isang walang-parametric na pagsubok at istatistika. Ang mga ito ay ginagamit kapag ang nakuha na data ay hindi inaasahan upang magkasya sa isang normal na curve ng pamamahagi, o ordinal data. Ang isang mahusay na halimbawa ng ordinal data ay ang pagrerepaso na iniwan mo kapag binabayaran mo ang isang partikular na produkto o serbisyo sa isang sukat mula 1 hanggang 5. Ordinal data sa pangkalahatan ay nakuha mula sa mga pagsusulit na gumagamit ng iba't ibang ranggo o mga order. Samakatuwid, hindi ito umaasa sa mga numero o eksaktong halaga para sa mga parameter na sinubayan ng mga parametric na pagsubok. Sa katunayan, hindi ito gumagamit ng mga parameter sa anumang paraan, dahil hindi ito kumukuha ng isang tiyak na pamamahagi. Karaniwan, ang isang parametric analysis ay ginustong sa isang nonparametric na isa, ngunit kung ang parametric test ay hindi maisagawa dahil sa hindi kilalang populasyon, ang isang resort sa mga nonparametric test ay kinakailangan.

Pagkakaiba sa Pagitan ng Parametric at Nonparametric Tests

1) Paggawa ng mga pagpapalagay

Tulad ng nabanggit ko, ang parametric test ay gumagawa ng mga pagpapalagay tungkol sa populasyon. Kailangan nito ang mga parameter na konektado sa normal na pamamahagi na ginagamit sa pagtatasa, at ang tanging paraan upang malaman ang mga parameter na ito ay ang magkaroon ng ilang kaalaman tungkol sa populasyon. Sa kabilang banda, ang isang nonparametric test, ayon sa pangalan ay nagpapahiwatig, ay hindi umaasa sa anumang mga parameter at samakatuwid ay hindi akala ang anumang bagay tungkol sa populasyon.

2) Probability ng Parametric at Nonparametric

Ang batayan para sa pagtatasa ng istatistika na isasagawa sa data, sa kaso ng mga parametric test, ay probabilistic distribution. Sa kabilang banda, ang batayan para sa mga di-parametric na pagsusulit ay hindi umiiral - ito ay ganap na di-makatwirang. Nagreresulta ito sa higit na kakayahang umangkop at ginagawang mas madali upang magkasya ang teorya sa nakolektang data.

3) Sukat ng sentral na pagkahilig

Ang sukatan ng sentral na pagkahilig ay isang sentral na halaga sa pamamahagi ng posibilidad. At bagaman ang probabilidad ng pamamahagi sa kaso ng mga di-parametrik na istatistika ay di-makatwirang, umiiral pa rin ito, at samakatuwid ay gayon din ang sukatan ng sentral na pagkahilig. Gayunpaman, naiiba ang mga hakbang na iyon.Sa kaso ng mga parametric na pagsubok, ito ay kinuha upang maging ang ibig sabihin ng halaga, samantalang, sa kaso ng mga di-parametric na pagsusulit, ito ay kinuha upang maging ang median na halaga.

4) Kaalaman ng mga parameter ng populasyon

Tulad ng nabanggit ko sa unang pagkakaiba, ang impormasyon tungkol sa populasyon ay nag-iiba sa pagitan ng mga parametric at nonparametric na mga pagsusulit at istatistika. Ang tiyak na kaalaman tungkol sa populasyon ay ganap na kinakailangan para sa isang parametric analysis, dahil nangangailangan ito ng mga parameter na may kaugnayan sa populasyon upang makapagbigay ng tumpak na mga resulta. Sa kabilang panig, ang isang hindi pangkaraniwang diskarte ay maaaring makuha nang walang anumang naunang kaalaman sa populasyon.

Parametric vs. Nonparametric Tests: Paghahambing ng tsart

Buod ng Parametric at Nonparametric

• Ang isang parametric test ay isang pagsubok na assumes ilang mga parameter at distribusyon ay kilala tungkol sa isang populasyon, salungat sa nonparametric isa
• Ang parametric test ay gumagamit ng isang mean na halaga, habang ang nonparametric ay gumagamit ng median value
• Ang parametric na diskarte ay nangangailangan ng nakaraang kaalaman tungkol sa populasyon, salungat sa di-parametric na diskarte