Ikke-parametriske tester - Oversikt, årsaker til bruk, typer

I statistikk er ikke-parametriske tester metoder for statistisk analyse som ikke krever en fordeling for å oppfylle de nødvendige forutsetningene som skal analyseres (spesielt hvis dataene ikke er normalt distribuert). Av denne grunn blir de noen ganger referert til som distribusjonsfrie tester. Ikke-parametriske tester fungerer som et alternativ til parametriske tester som T-test eller ANOVA som bare kan brukes hvis de underliggende dataene tilfredsstiller visse kriterier og antagelser.

Ikke-parametriske tester

Merk at ikke-parametriske tester brukes som en alternativ metode til parametriske tester, ikke som erstatninger. Med andre ord, hvis dataene oppfyller de forutsetninger som kreves for å utføre parametriske tester, må den aktuelle parametriske testen brukes.

I tillegg, i noen tilfeller, selv om dataene ikke oppfyller de nødvendige forutsetningene, men prøvenes størrelse er stor nok, kan vi fortsatt bruke parametriske tester i stedet for ikke-parametriske tester.

Grunner til å bruke ikke-parametriske tester

For å oppnå de riktige resultatene fra den statistiske analysen Kvantitativ analyse Kvantitativ analyse er prosessen med å samle inn og evaluere målbare og verifiserbare data som inntekter, markedsandel og lønn for å forstå oppførselen og ytelsen til en bedrift. I en tid med datateknologi betraktes kvantitativ analyse som den foretrukne tilnærmingen til å ta informerte beslutninger. , bør vi kjenne situasjonene der anvendelse av ikke-parametriske tester er passende. Hovedårsakene til å bruke den ikke-parametriske testen inkluderer følgende:

1. De underliggende dataene oppfyller ikke antagelsene om populasjonsutvalget

Generelt krever anvendelse av parametriske tester forskjellige antagelser for å være oppfylt. For eksempel følger dataene en normalfordeling, og populasjonsavviket er homogent. Imidlertid kan noen dataeksempler vise skjev fordeling Positivt skjev fordeling I statistikk er en positivt skjev (eller høyre skjev) distribusjon en type distribusjon der de fleste verdiene er gruppert rundt venstre hale på.

Skjevheten gjør parametriske tester mindre kraftige fordi gjennomsnittet ikke lenger er det beste målet for sentral tendens Sentral tendens Sentral tendens er et beskrivende sammendrag av et datasett gjennom en enkelt verdi som gjenspeiler sentrum av datadistribusjonen. Sammen med variabiliteten fordi den er sterkt påvirket av ekstreme verdier. Samtidig fungerer ikke-parametriske tester bra med skjevfordelinger og fordelinger som er bedre representert av medianen.

2. Populasjonsutvalgets størrelse er for liten

Utvalgsstørrelsen er en viktig forutsetning for å velge riktig statistisk metode Grunnleggende statistikkbegreper for økonomi En solid forståelse av statistikk er avgjørende for å hjelpe oss med å forstå økonomi bedre. Videre kan statistikkonsepter hjelpe investorer å overvåke. Hvis en prøvestørrelse er rimelig stor, kan den aktuelle parametriske testen brukes. Imidlertid, hvis en prøvestørrelse er for liten, er det mulig at du kanskje ikke kan validere distribusjonen av dataene. Dermed er anvendelsen av ikke-parametriske tester det eneste egnede alternativet.

3. De analyserte dataene er ordinære eller nominelle

I motsetning til parametriske tester som bare kan fungere med kontinuerlige data, kan ikke-parametriske tester brukes på andre datatyper som ordinær eller nominell data. For slike typer variabler er ikke-parametriske tester den eneste passende løsningen.

Typer av tester

Ikke-parametriske tester inkluderer mange metoder og modeller. Nedenfor er de vanligste testene og deres tilsvarende parametriske kolleger:

1. Mann-Whitney U-test

Mann-Whitney U Test er en ikke-parametrisk versjon av den uavhengige t-testen. Testen omhandler primært to uavhengige prøver som inneholder ordinære data.

2. Wilcoxon signert rangtest

Wilcoxon Signed Rank Test er en ikke-parametrisk motstykke til de parede prøvene t-test. Testen sammenligner to avhengige prøver med ordinær data.

3. Kruskal-Wallis-testen

Kruskal-Wallis Test er et ikke-parametrisk alternativ til enveis ANOVA. Kruskal-Wallis-testen brukes til å sammenligne mer enn to uavhengige grupper med ordinære data.

Tilleggsressurser

Finance er den offisielle leverandøren av den globale Financial Modelling & Valuation Analyst (FMVA) ™ FMVA®-sertifisering. Bli med på 350 600 studenter som jobber for selskaper som Amazon, JP Morgan og Ferrari-sertifiseringsprogram, designet for å hjelpe alle med å bli en finansanalytiker i verdensklasse . For å fortsette å lære og fremme karrieren din, vil de ekstra finansressursene nedenfor være nyttige:

  • Kombinasjon Kombinasjon En kombinasjon er en matematisk teknikk som bestemmer antall mulige arrangementer i en samling varer der rekkefølgen av utvalget gjør
  • Kumulativ frekvensfordeling Kumulativ frekvensfordeling Kumulativ frekvensfordeling er en form for en frekvensfordeling som representerer summen av en klasse og alle klassene under den. Husk den frekvensen
  • Negativt skjev distribusjon Negativt skjev distribusjon I statistikk er en negativ skjev (også kjent som venstre-skjev) distribusjon en type fordeling der flere verdier er konsentrert til høyre
  • Sample Selection Bias Sample Selection Bias Sample Selection Bias er bias som skyldes manglende evne til å sikre riktig randomisering av et populasjonsutvalg. Manglene ved utvalg av prøver

Siste innlegg