Parametristen ja ei-parametristen tilastojen ero

Parametristen ja ei-parametrien tilastojen ero perustuu tutkittavan muuttujan todennäköisyysjakauman tietoon tai tietämättömyyteen.

Parametristilastoissa käytetään laskelmia ja menettelyjä olettaen, että tiedät kuinka tutkittava satunnaismuuttuja jakautuu. Päinvastoin, ei-parametrisissa tilastoissa käytetään menetelmiä ilmiön jakautumisen selvittämiseksi ja myöhemmin parametrisissa tilastotekniikoissa.

Molempien käsitteiden määritelmät on esitetty alla:

• Parametriset tilastot: Se viittaa osaan tilastollista päättelyä, joka käyttää tilastoja ja resoluutiokriteerejä tunnettujen jakaumien perusteella.
• Ei-parametriset tilastot: Se on tilastollisen päättelyn haara, jonka laskelmat ja menettelyt perustuvat tuntemattomiin jakaumiin.

Parametriset ja ei-parametrit tilastot täydentävät toisiaan

He käyttävät erilaisia ​​menetelmiä, koska heidän tavoitteensa ovat erilaiset. Ne ovat kuitenkin kaksi toisiaan täydentävää haaraa. Emme aina tiedä varmasti - itse asiassa harvoin - kuinka satunnainen muuttuja jakautuu. Siksi on välttämätöntä käyttää tekniikoita selvittääkseen, minkä tyyppistä jakelua se lähinnä muistuttaa.

Kun olemme saaneet selville, miten se jakautuu, voimme suorittaa erityisiä laskelmia ja tekniikoita tämän tyyppiselle jakelulle. Koska esimerkiksi Poisson-jakauman keskiarvoa ei lasketa samalla tavalla kuin normaalissa.

Silti on tärkeää huomata, että parametriset tilastotiedot ovat paljon tunnetumpia ja suositumpia. Monta kertaa oletetaan, että muuttuja jaetaan yhdellä tavalla sen sijaan, että käytettäisiin ei-parametrisia tilastoja. Toisin sanoen se alkaa lähtöhypoteesista, jonka uskotaan olevan oikea. Jos kuitenkin haluat tehdä työn tarkasti, jos et ole varma, sinun on käytettävä ei-parametrisia tilastoja.

Muuten, vaikka parametritilastojen tekniikat olisivatkin hyvin sovellettuja, tulokset ovat epätarkkoja.