Statistikā parametru un neparametriskās metodoloģijas attiecas uz tām, kurās datu kopai ir normāls vs. attiecīgi nenormāls sadalījums. Parametriskie testi nosaka noteiktus pieņēmumus par datu kopu; proti, ka dati tiek iegūti no populācijas ar specifisku (normālu) sadalījumu. Neparametriskos testos ir mazāk pieņēmumu par datu kopu. Lielākā daļa elementāro statistikas metožu ir parametriskas, un parametru testiem parasti ir lielāka statistiskā jauda. Ja par datu kopu nevar izdarīt nepieciešamos pieņēmumus, var izmantot parametrus nesakrītošus testus. Šeit jūs iepazīstinās ar diviem statistikas testiem ar parametriem un diviem parametriem.
Parametriskais tests neatkarīgiem mērījumiem starp divām grupām: t-tests
•••Zīmola X attēli / zīmola X attēli / Getty Images
T-testu izmanto, lai salīdzinātu divu datu kopu vidējo līmeni, kad dati parasti tiek sadalīti. Abām datu grupām jābūt neatkarīgām viena no otras. T statistika ir vienāda ar starpību starp grupas vidējiem rādītājiem, dalītu ar starpības starp grupas vidējo lielumu standarta kļūdu.
Parametriskās korelācijas tests: Pīrsons
•••Thinkstock Images / Comstock / Getty Images
Parasta parametru metode korelācijas mērīšanai starp diviem mainīgajiem ir Pīrsona produkta un momenta korelācija. Abiem mainīgajiem lielumiem x un y katram jābūt normāli sadalītam. Tiek aprēķināti mainīgo lielumu vidējie lielumi un dispersijas. Tad korelāciju var aprēķināt kā kovariāciju starp diviem mainīgajiem lielumiem, dalot ar to standartnoviržu reizinājumu.
Neparametrisks korelācijas tests: Spīrmens
•••Goodshoot / Goodshoot / Getty Images
Spīrmena ranga korelācijas koeficients ir līdzīgs Pīrsona koeficientam, bet tiek izmantots, ja dati ir kārtas numuri (parasti kategoriski dati, noteiktā mērogā), nevis intervālu (dati, kas mērīti gar skalu, kur visi datu punkti atrodas vienādā attālumā no viena cits). Šis tests būtībā darbojas tāpat kā Pīrsona korelācijas tests, vispirms ir jāklasificē tikai dati.
Neparametrisks tests neatkarīgiem mērījumiem starp divām grupām: Mann-Whitney tests
•••Džons Fokss / Stockbyte / Getty Images
Mann-Whitney tests tiek izmantots, lai salīdzinātu vidējos rādītājus starp divām kārtas (tātad, bez parametriem) datu grupām. Mann-Whitney statistiku (U) aprēķina, visus datus (rādītājus) sakārtojot rangu secībā. Tad U ir to eksperimentu grupas punktu skaits, kas ir mazāki par katru no kontroles grupas.