Atšķirība starp parametriem un parametriem

Sociālie pētnieki bieži konstruē hipotēzi, kurā viņi pieņem, ka populācijai var piemērot noteiktu vispārinātu likumu. Viņi pārbauda šo hipotēzi, izmantojot testus, kas var būt vai nu parametri, vai arī bez parametriem. Parametriskie testi parasti ir biežāk sastopami un tiek pētīti daudz agrāk kā standarta testiizmantotsveicot pētījumus.

Izpildes process aizpēteir salīdzinoši vienkārša - jūs izveidojat hipotēzi un pieņemat, ka populācijai var piemērot noteiktu “likumu”. Pēc tam veicat pārbaudi un apkopojat datus, kurus pēc tam analizējat statistiski. Apkopotos datus parasti var attēlot kā grafiku un izvirzīt hipotēzilikumukā šo datu vidējo vērtību. Ja izvirzītais likums un vidējās vērtības likums sakrīt, hipotēze tiek apstiprināta.

Tomēr dažos gadījumos vidējās vērtības atrašana nav vispiemērotākais veids, kā to izdarītMeklētpar likumu. Lielisks piemērs ir kopējo ienākumu sadalījums. Ja neesat sasniedzis vidējo vērtību, iespējams, tas ir tāpēc, ka viens vai divi miljardieri traucē jūsu vidējām vērtībām. Tomēr mediāna sniegs daudz precīzāku rezultātu par vidējiem ienākumiem, kas, visticamāk, atbilst jūsu datiem.



Citiem vārdiem sakot, parametru pārbaude tiks izmantota, ja par populāciju izteiktie pieņēmumi ir skaidri un par to ir pieejama daudz informācijas. Jautājumi tiks izstrādāti, lai izmērītu šos īpašos parametrus, lai pēc tam datus varētu analizēt, kā aprakstīts iepriekš. Neparametrisks tests tiek izmantots, ja pārbaudītā populācija nav pilnībā zināma un tāpēc nav zināmi arī pārbaudītie parametri. TurklātkamērParametriskajā testā kā rezultāti tiek izmantotas vidējās vērtības, un parametriskais tests ņem vidējo vērtību, un tāpēc to parasti izmanto, ja sākotnējā hipotēze neatbilst datiem.

Kas ir parametru tests?

Parametriskais tests ir tests, kas paredzēts datu iegūšanai, kurus pēc tam analizēs, izmantojot zinātnes nozari, ko sauc par parametru statistiku. Parametriskā statistika pieņem, ka daļa informācijas par populāciju jau ir zināma, proti, varbūtību sadalījums. Kā piemēru ķermeņa augstuma sadalījumu visā pasaulē apraksta normāls sadalījuma modelis. Līdzīgi tam datu kopai var piemērot jebkuru zināmu izplatīšanas modeli. Tomēr, pieņemot, ka noteikts izplatīšanas modelis atbilst datu kopai, tas nozīmē, ka jūs pēc savas būtības pieņemat, ka par populāciju ir zināma kāda papildu informācija, kā jau minēju. Varbūtības sadalījums satur dažādus parametrus, kas apraksta precīzu sadalījuma formu. Šie parametri ir tie, ko nodrošina parametru testi - katrs jautājums ir pielāgots, lai katram intervētajam indivīdam sniegtu precīzu noteikta parametra vērtību. Kopā varbūtības sadalījumam tiek izmantota šī parametra vidējā vērtība. Tas nozīmē, ka parametru testi kaut ko pieņem arī par populāciju. Ja pieņēmumi ir pareizi, parametru statistika, kas tiek izmantota parametru testa sniegtajiem datiem, sniegs daudz precīzākus un precīzākus rezultātus nekā parametra testa un statistikas rezultāti.

Atšķirība starp parametriem un parametriem

Kas ir neparametrisks tests?

Līdzīgā veidā kā parametru pārbaudei un statistikai pastāv arī parametru pārbaude un statistika. Tos izmanto, ja sagaidāms, ka iegūtie dati neatbilst normālai sadalījuma līknei vai kārtas datiem. Lielisks kārtas datu piemērs ir atsauksme, kuru atstājat, kad novērtējat noteiktu produktu vaiapkalpošanaskalā no 1 līdz 5. Ordināli dati parasti tiek iegūti no testiem, kuros tiek izmantoti dažādi reitingi vai secības. Tāpēc tas nepaļaujas uz skaitļiem vai precīzām parametru vērtībām, uz kurām balstījās parametru testi. Patiesībā tas nekādā veidā neizmanto parametrus, jo tas neuzņemas noteiktu sadalījumu. Parasti parametriskajai analīzei tiek dota priekšroka nevis parametriskai, bet, ja parametru testu nevar veikt nezināmas populācijas dēļ, ir nepieciešams izmantot neparametriskus testus.

Atšķirība starp parametriem un parametriem

Atšķirība starp parametru un neparametriskajiem testiem

1) Pieņēmumu izdarīšana

Kā jau minēju, parametriskais tests ļauj pieņemt pieņēmumus par populāciju. Tam nepieciešami parametri, kas ir saistīti ar analīzē izmantoto normālo sadalījumu, un vienīgais veids, kā uzzināt šos parametrus, irzināšanaspar iedzīvotājiem. No otras puses, kā norādīts nosaukumā, parametrs nav atkarīgs no parametriem un tāpēc neko neuzņemas par populāciju.

2) Parametrisko un neparametrisko varbūtība

Statistiskās analīzes, kas tiks veikta ar datiem, parametru testu pamatā ir varbūtības sadalījums. No otras puses, parametru parametru pamats nepastāv - tas ir pilnīgi patvaļīgi. Tas dod lielāku elastību un atvieglo hipotēzes pielāgošanu savāktajiem datiem.

3) Centrālās tendences mērījums

Centrālās tendences rādītājs ir centrālā vērtība varbūtību sadalījumā. Lai gan varbūtības sadalījums neparametriskas statistikas gadījumā ir patvaļīgs, tas joprojām pastāv, un tāpēc tas ir arī centrālās tendences rādītājs. Tomēr šie pasākumi ir atšķirīgi. Parametrisko pārbaužu gadījumā to uzskata par vidējo vērtību, bet parametru testu gadījumā - par vidējo vērtību.

4) Zināšanas par iedzīvotāju parametriem

Kā jau minēju pirmajā atšķirībā, informācija par populāciju atšķiras gan starp parametru, gan bez parametriem un statistiku. Proti, parametru analīzei ir absolūti nepieciešamas noteiktas zināšanas par populāciju, jo tām nepieciešami ar populāciju saistīti parametri, lai iegūtu precīzus rezultātus. No otras puses, bez parametru pieejas var izmantot bez iepriekšējām iedzīvotāju zināšanām.

Parametriskie un neparametriskie testi: salīdzināšanas diagramma

Parametriskais tests VERSUS Neparametriskais tests

Parametrisko un neparametrisko kopsavilkums

  • Parametriskais tests ir tests, kurā tiek pieņemti noteikti parametri un sadalījumi ir zināmi par kopu, pretēji neparametriskajam
  • Parametriskajā testā tiek izmantota vidējā vērtība, bet neparametriskajā - vidējā vērtība
  • Parametriskajai pieejai ir nepieciešamas iepriekšējas zināšanas par populāciju, pretēji nemetrametriskajai pieejai