Mitteparameetriline statistika - ülevaade, tüübid, näited

Mitteparameetriline statistika on meetod, mis teeb statistilisi järeldusi arvestamata mis tahes aluseks olevat jaotust. Meetod sobib normaaljaotusega ilma eeldusteta. Tavapäraselt kasutab lähenemine andmeid, mis on sageli järjekorranumbrid. Statistikas on järjestusandmed sellist tüüpi andmed, milles väärtused järgivad loomulikku järjekorda. Järjestusandmete üks tähelepanuväärsemaid omadusi on see, et see tugineb paremusjärjestusele, mitte numbritele.

Mitteparameetriline statistika

Mitteparameetrilist statistikat saab vastandada parameetrilisele statistikale. Viimane lähenemisviis teeb selged eeldused vaadeldud andmete jaotuse kohta ja hindab samade andmete põhjal jaotuse parameetreid.

Kokkuvõte

  • Mitteparameetriline statistika on meetod, mis arvestab statistiliste järelduste tegemisel mis tahes aluseks olevat jaotust.
  • Mitteparameetriliste statistiliste meetodite eesmärk on avastada vaadeldavate andmete tundmatu alusjaotus ja teha statistiline järeldus alusjaotuse puudumisel.
  • Teadlastel soovitatakse kaaluda mitteparameetrilise statistika nõrkusi, tugevusi ja võimalikke lõkse.

Mitteparameetrilise statistika mõistmine

Vaatleme andmeid, mille parameetrid on µ (keskmine) ja σ2 (dispersioon). Kui parameetriline statistika eeldab, et andmed saadi normaaljaotusest Normaalne jaotus Normaalset jaotust nimetatakse ka Gaussi või Gaussi jaotuseks. Seda tüüpi levitamist kasutatakse laialdaselt loodus- ja sotsiaalteadustes. Mitteparameetriline statistika ei eelda, et andmed on tavaliselt jaotatud või kvantitatiivsed. Selles osas hindaks mitteparameetriline statistika jaotuse enda kuju, selle asemel et hinnata üksikut µ ja σ2.

Teisest küljest kasutaks parameetriline statistika valimi keskmist ja standardhälvet vastavalt µ ja σ2 väärtuste hindamiseks. Mitteparameetrilise statistika mudeli struktuur tuletatakse vaadeldavatest andmetest erinevalt täpsustatud andmetest priori. Termin mitteparameetriline tähendab iseenesest, et parameetrite arv ja olemus on paindlikud, mitte et parameetrid täielikult puuduksid.

Mitteparameetrilise statistika tüübid

Mitteparameetrilisi statistilisi meetodeid on kahte peamist tüüpi. Esimese meetodiga püütakse avastada vaadeldavate andmete tundmatu põhijaotus, teises meetodis aga statistilist järeldust, arvestamata alusjaotust.

Tuumameetodid ja histogrammid Histogramm Diskreetsete või pidevate andmete kokkuvõtmiseks kasutatakse histogrammi. Teisisõnu, histogramm pakub arvandmete visuaalset tõlgendamist, näidates andmepunktide arvu, mis jäävad kindlaksmääratud väärtuste vahemikku (nn prügikastid). Histogramm sarnaneb vertikaalse tulpdiagrammiga. Parameetrite väärtuste hindamiseks esimese lähenemise korral kasutatakse tavaliselt histogrammi. Seevastu viimane meetod hõlmab hüpoteeside testimist ilma andmete tegelike väärtusteta, vaid põhineb pigem andmete järjekorras.

Mitteparameetrilise statistika teste on tavaliselt lihtsam rakendada kui parameetrilist statistikat, arvestades populatsiooni parameetrite kohta eelduste puudumist. Hüpoteeside testimise standardsed matemaatilised protseduurid ei tee tõenäosuse jaotuste kohta oletusi - sealhulgas jaotuse t-testid, märgitestid ja ühe populatsiooni järeldused.

Näiteks hüpoteesi testimisel, et „mediaanides on erinevus”, määravad kaks juhuslikku muutujat X ja Y kaks pidevat jaotust hüpoteesi teostamise vahel ja valitakse paaristatud proovid. Lisaks üldisele rakendatavusele puudub testil ka teiste testide statistiline jõud, kuna see töötab mõne eelduse alusel.

Mitteparameetrilise statistika näited

Oletame, et teadlane on huvitatud kollatõvega sündinud imikute arvu hindamisest California osariigis. Andmekogumi analüüsi võib teha, võttes proovi 5000 beebist. Tuletatud mõõtmine on kogu järgmisel aastal sündinud kollatõbe põdevate laste kogu populatsiooni hinnang.

Teise juhtumi puhul kaaluge kahte rühma erinevaid uurijaid. Neid huvitab teadmine, kas üldine turundus või kaubanduslik turundus on seotud sellega, kui kiiresti ettevõte brändi positsiooni saavutab. Eeldades, et valimi suurus valitakse juhuslikult, viitab selle jaotus selle suhtes, kui kiiresti ettevõte realiseerib brändi positsioneerimise. Turupositsioon Turupositsioon viitab võimele mõjutada tarbijate arusaama kaubamärgist või tootest konkurentide suhtes. Eeldada, et turu eesmärk on normaalne. Sellest hoolimata ei saa eeldada, et ettevõtte strateegilisi eesmärke turudünaamikaga tegelemiseks (mis määrab ka kaubamärgi positsioneerimise) saavutatakse normaalne jaotus.

Nähtuse peamine mõte on see, et juhuslikult valitud andmed võivad sisaldada selliseid tegureid nagu turudünaamika. Teises äärmuses, kui mängivad sellised tegurid nagu turusegment ja konkurents, ei mõjuta ettevõtte strateegilised eesmärgid tõenäoliselt valimi suurust. Selline lähenemine on tõhus, kui andmetel puudub selge arvuline tõlgendus.

Näiteks võivad testid selle kohta, kas kliendid eelistavad konkreetset toodet selle toiteväärtuse tõttu, hõlmata selle näitajate järjestust, kui olete täiesti nõus, nõus, ükskõikne, ei nõustu ja ei nõustu. Sellises stsenaariumis tuleb kasuks mitteparameetriline meetod.

Võtmed kaasa

Mitteparameetriliste statistiliste lähenemisviiside kasutamine nõuab teadusuuringutes nõrkust, tugevusi ja võimalikke lõkse. On tõsi, et andmete levitamiseks, millel on liigne kurtoos või viltu; auastmepõhised mitteparameetrilised testid osutuvad parameetrilistest testidest tõhusamaks.

Isegi nii, mitte kõik juhtumid, kus parameetriliste eelduste mittetäitmisel võtame asendusmeetoditeks mitteparameetrilise statistika, kuna varasemast statistikast on saadud suhteliselt madal usaldus.

Mitteparameetriline statistika on teretulnud, kuna seda saab hõlpsalt rakendada. Andmed muutuvad erinevate testide jaoks paremini kohaldatavaks, kuna parameetrid pole kohustuslikud. Veelgi olulisem on see, et statistikat saab kasutada olulise teabe puudumisel, näiteks keskmise, standardhälbe või valimi suuruse puudumisel. Funktsioonide tõttu on mitteparameetrilisel statistikal laiem rakendusala kui parameetrilisel statistikal.

Lisaressursid

Finance on ülemaailmse sertifitseeritud pangandus- ja krediidianalüütiku (CBCA) ™ CBCA ™ sertifikaadi ametlik pakkuja. Certified Banking & Credit Analyst (CBCA) ™ akrediteerimine on krediidianalüütikute globaalne standard, mis hõlmab finants-, raamatupidamis-, krediidianalüüsi-, rahavoogude analüüsi , pakti modelleerimine, laenu tagasimaksed ja palju muud. sertifitseerimisprogramm, mille eesmärk on aidata kellelgi saada maailmatasemel finantsanalüütikuks. Oma karjääri edendamiseks on kasulikud allpool olevad täiendavad finantsressursid:

  • Finantsstatistika põhimõisted Rahanduse põhistatistika mõisted Statistika kindel mõistmine on ülioluline, et aidata meil rahandust paremini mõista. Pealegi võivad statistikakontseptsioonid aidata investoritel jälgida
  • Hüpoteeside testimine Hüpoteeside testimine Hüpoteeside testimine on statistilise järelduse meetod. Seda kasutatakse selleks, et kontrollida, kas populatsiooni parameetri kohta käiv väide on õige. Hüpoteesi testimine
  • Nominaalsed andmed Nominaalsed andmed Statistikas on nominaalsed andmed (tuntud ka kui nominaalne skaala) andmetüüp, mida kasutatakse muutujate märgistamiseks ilma kvantitatiivse väärtuseta
  • Mitteparameetrilised testid Mitteparameetrilised testid Statistikas on mitteparameetrilised testid statistilise analüüsi meetodid, mis ei nõua jaotust analüüsitavate eelduste täitmiseks

Lang L: none (rec-post)