Neparametrinė statistika yra statistinės išvados šaka, kurios skaičiavimai ir procedūros yra pagrįsti nežinomais paskirstymais.
Neparametrinė statistika nėra labai populiari. Tačiau apie tai yra labai plati literatūra. Problema, kurią siekiama išspręsti pagal neparametrinę statistiką, yra žinių apie tikimybių pasiskirstymą stoka.
Kitaip tariant, neparametrinė statistika bando išsiaiškinti atsitiktinio kintamojo pobūdį. Nes, kai žinosite, kaip jis elgiasi, atlikite jam būdingus skaičiavimus ir metriką.
Tai yra neparametrinės statistikos tikslas. Žemiau tai matome išsamiau.
Parametrinės statistikos tikslas
Yra įvairių tipų tikimybių skirstinių, kuriuos veikia parametrinė statistika. Dabar, kai mes nežinome, kokio tipo tikimybės skirstinį atitinka kintamasis, kokius skaičiavimus naudojame?
Tai yra, kai mes nežinome duomenų rinkinio tikimybės pasiskirstymo, turime daryti statistines išvadas naudodami ne parametrines procedūras.
Kitaip tariant, jei mes nežinome, koks reiškinių tikimybės pasiskirstymas, mes negalime vertinti taip, lyg iš tikrųjų žinotume, kaip jis yra pasiskirstęs. Tai yra parametrinės statistikos tikslas, kad galėtume žinoti pasiskirstymą, kad galėtume pereiti prie kito žingsnio (parametrinė statistika).
Neparametriniai bandymai
Žinoma, jei mes nežinome, kaip pasiskirsto atsitiktinis reiškinys, ką turėtume daryti? Labai lengva. Mūsų misija bus pabandyti žinoti, kaip jis yra paskirstytas. Norėdami pabandyti išsiaiškinti, kokio tipo pasiskirstymą turi tam tikras reiškinys, turime keletą bandymų, kurie mums padės tai padaryti. Tarp populiariausių neparametrinių testų yra šie:
- Binominis testas
- Andersono-Darlingo testas
- Kočrano testas
- Koeno kapos testas
- Fišerio testas
- Friedmano testas
- Kendall testas
- Kolmogórovo-Smirnovo testas
- Kuiperio testas
- Manno-Whitney testas arba Wilcoxon testas
- McNemaro testas
- Vidutinis testas
- Siegel-Tukey testas
- Ženklų testas
- Spearmano koreliacijos koeficientas
- Krosstabai
- Wald-Wolfowitz testas
- Vilkoksonas pasirašė rango testą
Visi šie testai yra skirti mums pasakyti, ar atsitiktinis kintamasis yra vienaip ar kitaip paskirstytas. Pavyzdžiui, galimas rezultatas gali būti toks: atsitiktinis kintamasis X paskirstomas normalaus pasiskirstymo greičiu.
Viską sakant, rezultatai nėra neklystantys. Norėdami atlikti neparametrinius bandymus, turime turėti statistinius pavyzdžius. Todėl rezultatai gali būti patikimi, tačiau jie neturi būti visiškai tobuli.