Razlika između parametarske i neparametarske statistike

Razlika između parametarske i neparametarske statistike zasniva se na poznavanju ili neznanju distribucije vjerovatnoće varijable koja se proučava.

Razlika između parametarske i neparametarske statistike

Parametrijska statistika koristi izračune i procedure pod pretpostavkom da znate kako je slučajna varijabla koju treba proučavati distribuirana. Naprotiv, neparametarska statistika koristi metode da otkrije kako je fenomen distribuiran i kasnije koristi tehnike parametarske statistike.

Definicije oba koncepta su ilustrovane u nastavku:

  • Parametrijska statistika: Odnosi se na dio statističkog zaključivanja koji koristi statistiku i kriterije rezolucije zasnovane na poznatim distribucijama.
  • Neparametrijska statistika: To je grana statističkog zaključivanja čiji se proračuni i procedure zasnivaju na nepoznatim distribucijama.

Parametarske i neparametarske statistike su komplementarne

Koriste različite metode jer su im ciljevi različiti. Međutim, to su dvije komplementarne grane. Ne znamo uvijek sa sigurnošću – u stvari, rijetko znamo – kako je slučajna varijabla raspoređena. Stoga je potrebno tehnikama otkriti kojoj vrsti distribucije je najsličnija.

Kada saznamo kako se distribuira, možemo izvršiti specifične proračune i tehnike za ovu vrstu distribucije. Budući da se, na primjer, srednja vrijednost u Poissonovoj distribuciji ne izračunava na isti način kao u normalnoj.

Ipak, važno je napomenuti da je parametarska statistika mnogo poznatija i popularnija. Mnogo puta, umjesto korištenja neparametarske statistike, direktno se pretpostavlja da je varijabla distribuirana na jedan način. Odnosno, polazi od početne hipoteze za koju se vjeruje da je tačna. Međutim, kada želimo rigorozno obaviti posao, ako nismo sigurni, moramo koristiti neparametarsku statistiku.

U suprotnom, koliko god dobro primijenjene tehnike parametarske statistike, rezultati će biti neprecizni.