Différence entre paramétrique et non paramétrique

Paramétrique vs non paramétrique

La statistique est une branche d’études qui nous permet de comprendre la dynamique de la population en utilisant des échantillons provenant d’une certaine population d’intérêt. Il est essentiel que ces échantillons soient aléatoires. De nombreuses formules sont créées avec l’incorporation des mathématiques pour prendre des déductions sur les paramètres de population. Naturellement, toute population peut avoir une «distribution normale» où la dispersion des données / échantillons a la forme d’une cloche dans le graphique de fréquence. Dans une distribution normale, la plupart des échantillons se concentrent autour de la moyenne et 68%, 95%, 99% des données se trouvent entre 1, 2 et 3 écarts types, respectivement. Les statistiques paramétriques et non paramétriques dépendent de la prise en compte ou non de la distribution normale..

Quelle est la statistique paramétrique?

Les statistiques paramétriques sont les statistiques dans lesquelles les données / échantillons sont considérés comme tirés d'une distribution normale. La définition des statistiques paramétriques est «les statistiques qui supposent que les données proviennent d'un type de distribution de probabilité et font des déductions sur les paramètres de la distribution». La plupart des méthodes statistiques élémentaires connues appartiennent à ce groupe. En réalité, ils peuvent ne pas être distribués normalement. Par conséquent, ce type de statistique est basé sur plus d'hypothèses. Si les données / échantillons sont distribués normalement ou presque, les formules peuvent produire des résultats et des inférences précis. Cependant, si l'hypothèse d'une distribution normale est fausse, les statistiques paramétriques pourraient être assez trompeuses..

Qu'est-ce qu'une statistique non paramétrique??

Les statistiques non paramétriques sont également connues sous le nom de statistiques sans distribution. L’avantage de ce type de statistique est qu’il n’est pas nécessaire de faire une hypothèse comme cela avait été fait auparavant avec les paramètres. Les calculs statistiques non paramétriques prennent en considération les médianes plus que les moyennes. Par conséquent, si un ou deux s'écarte de la valeur moyenne, leur effet est négligé. Généralement, les statistiques paramétriques sont préférables car elles ont plus de pouvoir de rejeter une hypothèse fausse que la méthode non paramétrique. Le test du chi carré est l'un des tests non paramétriques les plus connus. Il existe des analogues non paramétriques pour certains tests paramétriques, tels que le test t de Wilcoxon pour le test t en échantillons appariés, le test U de Mann-Whitney pour le test t en échantillons indépendants, la corrélation de Spearman pour la corrélation de Pearson, etc. test non paramétrique comparable.

Quelle est la différence entre paramétrique et non paramétrique??

• Les statistiques paramétriques dépendent de la distribution normale, mais les statistiques non paramétriques ne dépendent pas de la distribution normale..

• Les statistiques paramétriques font plus d'hypothèses que les statistiques non paramétriques.

• Les statistiques paramétriques utilisent des formules plus simples que les statistiques non paramétriques..

• Lorsqu'on pense qu'une population est normalement distribuée ou presque, les statistiques paramétriques sont les meilleures à utiliser. Sinon, il vaut mieux utiliser une méthode non paramétrique..

• La plupart des méthodes statistiques élémentaires connues appartiennent à la statistique paramétrique. Les statistiques non paramétriques sont utilisées avec parcimonie et appliquées à des cas particuliers.