Diferença entre paramétrico e não paramétrico | Parametric vs Nonparametric

Estatísticas paramétricas versus não paramétricas

é um ramo de estudos que nos permite compreender a dinâmica populacional usando amostras extraídas de uma certa população de interesse. É essencial que essas amostras sejam aleatórias. Muitas fórmulas são criadas com incorporação de matemática, para tomar inferências sobre parâmetros populacionais. Naturalmente, qualquer população pode ter uma "distribuição normal" onde a dispersão de dados / amostras tem a forma de um sino no gráfico de freqüência. Em uma distribuição normal, a maioria das amostras se concentra em média e 68%, 95%, 99% dos dados são encontrados dentro de 1, 2 e 3 desvios padrão, respectivamente. As estatísticas paramétricas e não paramétricas dependem de se a distribuição normal é ou não considerada.

O que é estatística paramétrica?

As estatísticas paramétricas são as estatísticas nas quais os dados / amostras são considerados como extraídos de uma distribuição normal. A definição de estatísticas paramétricas é "as estatísticas que pressupõem que os dados vieram de um tipo de distribuição de probabilidade e faz inferências sobre os parâmetros da distribuição". A maioria dos métodos estatísticos elementares conhecidos pertencem a este grupo. Na realidade, eles podem não ser normalmente distribuídos. Portanto, esse tipo de estatísticas é baseado em mais pressupostos. Se os dados / amostras são normalmente distribuídos ou distribuídos quase que normalmente, as fórmulas podem produzir resultados e inferências precisas. No entanto, se a suposição de distribuição normal for errada, as estatísticas paramétricas podem ser bastante enganosas.

O que são as estatísticas não paramétricas?

As estatísticas não paramétricas também são conhecidas como estatísticas sem distribuição. A vantagem desse tipo de estatística é que ele não precisa fazer uma suposição como anteriormente feita com parametria. Os cálculos estatísticos não paramétricos levam as medianas à atenção do que os meios. Portanto, se um ou dois se desviam do valor médio, seu efeito é negligenciado. Geralmente estatísticas paramétricas são preferidas do que isso porque tem mais poder para rejeitar uma hipótese falsa do que o método não paramétrico. Um dos testes não paramétricos mais conhecidos é o teste qui-quadrado. Existem análises não paramétricas para alguns testes paramétricos, como o teste de Wilcoxon T para teste t de amostra emparelhado, o teste de Mann-Whitney U para amostras independentes t-test, a correlação de Spearman para a correlação de Pearson, etc. Para um teste t de amostra, não há teste não paramétrico comparável.

Qual a diferença entre paramétrico e não paramétrico?

• As estatísticas paramétricas dependem da distribuição normal, mas as estatísticas não-paramétricas não dependem da distribuição normal.

• As estatísticas paramétricas fazem mais suposições do que estatísticas não paramétricas.

• As estatísticas paramétricas usam fórmulas mais simples em comparação com estatísticas não paramétricas.

• Quando se acredita que uma população é normalmente distribuída ou próxima da distribuição normal, as estatísticas paramétricas são as melhores para serem usadas. Caso contrário, é melhor usar um método não paramétrico.

• A maioria dos métodos estatísticos elementares comumente conhecidos pertencem a estatísticas paramétricas. As estatísticas não paramétricas são pouco utilizadas e aplicadas para casos especiais.