Разница между параметрической и непараметрической статистикой

Разница между параметрической и непараметрической статистикой основана на знании или незнании распределения вероятностей исследуемой переменной.

Параметрическая статистика использует вычисления и процедуры, предполагая, что вы знаете, как распределяется изучаемая случайная величина. Напротив, непараметрическая статистика использует методы, чтобы выяснить, как распределяется явление, а затем использовать методы параметрической статистики.

Определения обоих понятий проиллюстрированы ниже:

• Параметрическая статистика: Это часть статистического вывода, которая использует статистику и критерии разрешения, основанные на известных распределениях.
• Непараметрическая статистика: Это раздел статистического вывода, расчеты и процедуры которого основаны на неизвестных распределениях.

Параметрическая и непараметрическая статистика дополняют друг друга.

Они используют разные методы, потому что у них разные цели. Однако это две взаимодополняющие ветви. Мы не всегда знаем с уверенностью - на самом деле мы знаем редко - как распределяется случайная величина. Таким образом, необходимо использовать методы, чтобы выяснить, на какой тип распространения он больше всего похож.

Как только мы выясним, как он распространяется, мы можем выполнить определенные вычисления и методы для этого типа распределения. Так как, например, среднее значение в распределении Пуассона не вычисляется так же, как в нормальном.

Тем не менее, важно отметить, что параметрическая статистика гораздо более известна и популярна. Часто вместо использования непараметрической статистики прямо предполагается, что переменная распределяется одним способом. То есть он начинается с исходной гипотезы, которая считается правильной. Однако, если вы хотите выполнить работу строго, если вы не уверены, вы должны использовать непараметрическую статистику.

В противном случае, как бы хорошо ни применялись методы параметрической статистики, результаты будут неточными.