Parametrinės ir neparametrinės statistikos skirtumas

Skirtumas tarp parametrinės ir neparametrinės statistikos yra pagrįstas tiriamojo kintamojo tikimybės pasiskirstymo žiniomis ar nežinojimu.

Parametrinėje statistikoje naudojami skaičiavimai ir procedūros, darant prielaidą, kad žinote, kaip paskirstomas tiriamasis atsitiktinis kintamasis. Atvirkščiai, neparametrinė statistika naudoja metodus, kad išsiaiškintų, kaip reiškinys pasiskirsto, o vėliau - parametrinės statistikos metodus.

Abiejų sąvokų apibrėžimai iliustruojami toliau:

• Parametrinė statistika: Tai reiškia statistinės išvados dalį, kurioje naudojami statistikos ir skiriamosios gebos kriterijai, pagrįsti žinomais paskirstymais.
• Neparametrinė statistika: Tai yra statistinės išvados šaka, kurios skaičiavimai ir procedūros yra pagrįsti nežinomais paskirstymais.

Parametrinė ir neparametrinė statistika papildo viena kitą

Jie naudoja skirtingus metodus, nes jų tikslai yra skirtingi. Tačiau jie yra dvi viena kitą papildančios šakos. Mes ne visada tiksliai žinome - iš tikrųjų mes tai darome retai - kaip pasiskirsto atsitiktinis kintamasis. Taigi, norint išsiaiškinti, kokį paskirstymo tipą jis labiausiai primena, būtina naudoti metodus.

Sužinoję, kaip jis yra paskirstytas, galime atlikti konkrečius tokio tipo paskirstymo skaičiavimus ir metodus. Kadangi, pavyzdžiui, Puasono skirstinio vidutinė vertė nėra apskaičiuojama taip pat, kaip ir Normal.

Nepaisant to, svarbu pažymėti, kad parametrinė statistika yra daug geriau žinoma ir populiari. Daug kartų, užuot naudojus neparametrinę statistiką, tiesiogiai manoma, kad kintamasis yra paskirstytas vienaip. Tai yra, ji prasideda nuo pradinės hipotezės, kuri, manoma, yra teisinga. Tačiau, jei norite dirbti griežtai, jei nesate tikri, turite naudoti parametrų neturinčią statistiką.

Priešingu atveju, kad ir kokie būtų parametrų statistikos metodai, rezultatai bus netikslūs.