Parametrisch versus niet-parametrisch
Statistieken is een tak van onderzoek waarmee we populatiedynamiek kunnen begrijpen door steekproeven te gebruiken die zijn getrokken uit een bepaalde populatie van belang. Het is essentieel dat deze steekproeven willekeurig zijn. Veel formules zijn gemaakt met integratie van wiskunde, om conclusies te trekken over populatieparameters. Natuurlijk kan elke populatie een "normale verdeling" hebben waarbij de spreiding van gegevens/monsters de vorm van een klok heeft in de frequentiegrafiek. Bij een normale verdeling concentreren de meeste monsters zich rond het gemiddelde en worden 68%, 95%, 99% van de gegevens gevonden binnen respectievelijk 1, 2 en 3 standaarddeviaties. Parametrische en niet-parametrische statistieken zijn afhankelijk van het al dan niet overwegen van een normale verdeling.
Wat is parametrische statistiek?
Parametrische statistiek is de statistiek waarin gegevens/steekproeven worden beschouwd als afkomstig uit een normale verdeling. De definitie van parametrische statistiek is "de statistiek die ervan uitgaat dat de gegevens afkomstig zijn van een soort kansverdeling en gevolgtrekkingen maakt over de parameters van de verdeling". De meeste bekende elementaire statistische methoden behoren tot deze groep. In werkelijkheid zijn ze mogelijk niet normaal verdeeld. Daarom is dit type statistiek gebaseerd op meer aannames. Als de gegevens/steekproeven normaal of bijna normaal verdeeld zijn, kunnen de formules nauwkeurige resultaten en gevolgtrekkingen opleveren. Als de aanname van normaal verdeeldheid echter onjuist is, kunnen parametrische statistieken behoorlijk misleidend zijn.
Wat is niet-parametrische statistiek?
Niet-parametrische statistieken worden ook wel distributievrije statistieken genoemd. Het voordeel van dit type statistiek is dat het geen aanname hoeft te doen zoals eerder gemaakt met parametrische gegevens. Niet-parametrische statistische berekeningen nemen medianen in de aandacht dan de gemiddelden. Als er dus één of twee van de gemiddelde waarde afwijken, wordt hun effect verwaarloosd. Over het algemeen wordt de voorkeur gegeven aan parametrische statistiek, omdat deze meer kracht heeft om een valse hypothese te verwerpen dan een niet-parametrische methode. Een van de meest bekende niet-parametrische tests is de Chi-kwadraattest. Er zijn niet-parametrische analogen voor sommige parametrische tests, zoals de Wilcoxon T-test voor de t-test met gepaarde steekproeven, de Mann-Whitney U-test voor de t-test voor onafhankelijke steekproeven, de Spearman-correlatie voor de correlatie van Pearson enz. Voor één steekproef-t-toets is er geen vergelijkbare niet-parametrische test.
Wat is het verschil tussen parametrisch en niet-parametrisch?
• Parametrische statistieken zijn afhankelijk van normale verdeling, maar niet-parametrische statistieken zijn niet afhankelijk van normale verdeling.
• Parametrische statistieken maken meer aannames dan niet-parametrische statistieken.
• Parametrische statistieken gebruiken eenvoudiger formules in vergelijking met niet-parametrische statistieken.
• Wanneer wordt aangenomen dat een populatie normaal verdeeld is of bijna normaal verdeeld is, kunnen parametrische statistieken het beste worden gebruikt. Zo niet, dan kunt u het beste een niet-parametrische methode gebruiken.
• De meeste algemeen bekende elementaire statistische methoden behoren tot parametrische statistiek. Niet-parametrische statistieken worden spaarzaam gebruikt en toegepast voor speciale gevallen.
