I statistik henviser parametriske og ikke-parametriske metoder til dem, hvor et datasæt har et normalt vs. en ikke-normal fordeling, henholdsvis. Parametriske tests antager visse antagelser om et datasæt; nemlig at dataene hentes fra en population med en specifik (normal) fordeling. Ikke-parametriske tests giver færre antagelser om datasættet. Størstedelen af elementære statistiske metoder er parametriske, og parametriske tests har generelt højere statistisk styrke. Hvis de nødvendige antagelser ikke kan gøres om et datasæt, kan ikke-parametriske tests bruges. Her vil du blive introduceret til to parametriske og to ikke-parametriske statistiske tests.
Parametrisk test for uafhængige målinger mellem to grupper: t-test
•••Brand X Pictures / Brand X Pictures / Getty Images
En t-test bruges til at sammenligne mellem midlerne til to datasæt, når dataene normalt distribueres. De to datagrupper skal være uafhængige af hinanden. T-statistikken er lig med forskellen mellem gruppemidlet divideret med standardfejlen for forskellen mellem gruppemidlet.
Parametrisk korrelationstest: Pearson
•••Thinkstock Images / Comstock / Getty Images
En almindelig parametrisk metode til måling af korrelation mellem to variabler er Pearson Product-Moment Correlation. De to variabler, x og y, skal hver være normalt fordelt. Variablenes gennemsnit og afvigelser beregnes. Derefter kan korrelationen beregnes som kovariansen mellem de to variabler divideret med produktet af deres standardafvigelser.
Ikke-parametrisk korrelationstest: Spearman
•••Goodshoot / Goodshoot / Getty Images
Spearman Rank-korrelationskoefficienten svarer til Pearson-koefficienten, men bruges når data er ordinære (normalt kategoriske data, indstillet til en position på en eller anden form for skala) snarere end interval (data målt langs en skala, hvor alle datapunkter er lige langt fra en en anden). Denne test fungerer i det væsentlige på samme måde som Pearson Correlation-testen, kun dataene skal først rangeres.
Ikke-parametrisk test for uafhængige målinger mellem to grupper: Mann-Whitney test
•••John Foxx / Stockbyte / Getty Images
Mann-Whitney Test bruges til at sammenligne midlerne mellem to grupper af ordinære (således ikke-parametriske) data. Mann-Whitney-statistikken (U) beregnes ved at placere alle data (scores) i rangorden. Derefter er U summen af antallet af scoringer fra den eksperimentelle gruppe, der er mindre end hver af en kontrolgruppe.