Պարամետրիկ ընդդեմ ոչ պարամետրական
Վիճակագրությունը ուսումնասիրությունների մի ճյուղ է, որը թույլ է տալիս մեզ հասկանալ բնակչության դինամիկան՝ օգտագործելով հետաքրքրություն ներկայացնող որոշակի պոպուլյացիայից վերցված նմուշներ: Կարևոր է, որ այս նմուշները պատահական լինեն: Բազմաթիվ բանաձևեր ստեղծվում են մաթեմատիկայի ընդգրկմամբ՝ պոպուլյացիայի պարամետրերի վերաբերյալ եզրակացություններ անելու համար: Բնականաբար, ցանկացած բնակչություն կարող է ունենալ «Նորմալ բաշխում», որտեղ տվյալների/նմուշների ցրվածությունը հաճախականության գրաֆիկում զանգի ձև ունի: Նորմալ բաշխման դեպքում նմուշների մեծ մասը կենտրոնանում է միջինի շուրջ և տվյալների 68%, 95%, 99% հայտնաբերվում են համապատասխանաբար 1, 2 և 3 ստանդարտ շեղումների սահմաններում:Պարամետրային և ոչ պարամետրիկ վիճակագրությունը կախված է նրանից, թե արդյոք դիտարկվում է նորմալ բաշխումը, թե ոչ:
Ի՞նչ է պարամետրային վիճակագրությունը:
Պարամետրիկ վիճակագրությունն այն վիճակագրությունն է, որում տվյալները/նմուշները համարվում են նորմալ բաշխումից ստացված: Պարամետրային վիճակագրության սահմանումը «վիճակագրություն է, որը ենթադրում է, որ տվյալները ստացվել են հավանականության բաշխման տեսակից և եզրակացություններ են անում բաշխման պարամետրերի մասին»: Հայտնի տարրական վիճակագրական մեթոդների մեծ մասը պատկանում է այս խմբին։ Իրականում դրանք չեն կարող նորմալ բաշխվել։ Հետևաբար, վիճակագրության այս տեսակը հիմնված է ավելի շատ ենթադրությունների վրա: Եթե տվյալները/նմուշները սովորաբար բաշխված են կամ գրեթե նորմալ բաշխված են, բանաձևերը կարող են ճշգրիտ արդյունքներ և եզրակացություններ տալ: Այնուամենայնիվ, եթե նորմալ բաշխված լինելու ենթադրությունը սխալ է, պարամետրային վիճակագրությունը կարող է բավականին ապակողմնորոշիչ լինել:
Ի՞նչ է ոչ պարամետրիկ վիճակագրությունը:
Ոչ պարամետրային վիճակագրությունը հայտնի է նաև որպես առանց բաշխման վիճակագրություն:Այս վիճակագրական տիպի առավելությունն այն է, որ այն չպետք է ենթադրություն անի, ինչպես նախկինում արված էր պարամետրերով: Ոչ պարամետրային վիճակագրական հաշվարկները ուշադրություն են դարձնում միջիններին, քան միջիններին: Հետևաբար, եթե մեկ կամ երկուսը շեղվում են միջին արժեքից, ապա դրանց ազդեցությունը անտեսվում է: Ընդհանուր առմամբ պարամետրային վիճակագրությունը նախընտրելի է, քան սա, քանի որ այն ավելի մեծ ուժ ունի կեղծ վարկածը մերժելու համար, քան ոչ պարամետրիկ մեթոդը: Ամենահայտնի ոչ պարամետրային թեստերից մեկը Chi-square թեստն է: Կան ոչ պարամետրային անալոգներ որոշ պարամետրային թեստերի համար, ինչպիսիք են՝ Wilcoxon T թեստը զուգակցված նմուշի t-թեստի համար, Mann-Whitney U թեստը անկախ նմուշների t-թեստի համար, Spearman-ի հարաբերակցությունը Pearson-ի հարաբերակցության համար և այլն: Մեկ նմուշ t-թեստի համար չկա: համեմատելի ոչ պարամետրային թեստ։
Ո՞րն է տարբերությունը պարամետրիկ և ոչ պարամետրիկ միջև:
• Պարամետրային վիճակագրությունը կախված է նորմալ բաշխումից, բայց ոչ պարամետրիկ վիճակագրությունը կախված չէ նորմալ բաշխումից:
• Պարամետրային վիճակագրությունը ավելի շատ ենթադրություններ է անում, քան ոչ պարամետրիկ վիճակագրությունը:
• Պարամետրային վիճակագրությունը օգտագործում է ավելի պարզ բանաձևեր՝ համեմատած ոչ պարամետրիկ վիճակագրության հետ:
• Երբ ենթադրվում է, որ բնակչությունը սովորաբար բաշխված է կամ մոտ է նորմալ բաշխվածությանը, պարամետրային վիճակագրությունը լավագույնն է օգտագործելու համար: Եթե ոչ, ապա ավելի լավ է օգտագործել ոչ պարամետրային մեթոդ:
• Ընդհանուր հայտնի տարրական վիճակագրական մեթոդների մեծ մասը պատկանում է պարամետրային վիճակագրությանը: Ոչ պարամետրային վիճակագրությունը խնայողաբար օգտագործվում և կիրառվում է հատուկ դեպքերի համար:
