Atšķirība starp parametru un neparametrisko statistiku balstās uz zināšanām vai nezināšanu par pētāmā mainīgā lieluma varbūtības sadalījumu.
Parametriskajā statistikā tiek izmantoti aprēķini un procedūras, pieņemot, ka jūs zināt, kā tiek sadalīts pētāmais izlases lielums. Gluži pretēji, parametru statistikā tiek izmantotas metodes, lai uzzinātu, kā parādība tiek izplatīta, un vēlāk - parametru statistikas metodes.
Abu jēdzienu definīcijas ir ilustrētas zemāk:
- Parametriskā statistika: Tas attiecas uz statistikas secinājumu daļu, kurā tiek izmantoti statistikas un izšķirtspējas kritēriji, pamatojoties uz zināmiem sadalījumiem.
- Neparametriska statistika: Tā ir statistikas secinājuma filiāle, kuras aprēķini un procedūras balstās uz nezināmiem sadalījumiem.
Parametriskā un neparametriskā statistika ir savstarpēji papildinoša
Viņi izmanto dažādas metodes, jo viņu mērķi ir atšķirīgi. Tomēr tās ir divas papildinošas filiāles. Mēs ne vienmēr ar pārliecību zinām - patiesībā mēs to reti darām - kā nejaušais mainīgais tiek sadalīts. Tādējādi ir nepieciešams izmantot paņēmienus, lai uzzinātu, kādam izplatīšanas veidam tas visvairāk līdzinās.
Kad esam noskaidrojuši, kā tas tiek sadalīts, mēs varam veikt specifiskus aprēķinus un paņēmienus šāda veida izplatīšanai. Tā kā, piemēram, Puasona sadalījuma vidējā vērtība netiek aprēķināta tāpat kā parastā.
Pat tad ir svarīgi atzīmēt, ka parametru statistika ir daudz pazīstamāka un populārāka. Daudzas reizes tā vietā, lai izmantotu neparametrisku statistiku, tiek tieši pieņemts, ka mainīgais tiek sadalīts vienā veidā. Tas ir, tas sākas no sākuma hipotēzes, kas, domājams, ir pareiza. Tomēr, ja vēlaties veikt darbu stingri, ja neesat pārliecināts, jums jāizmanto statistikas parametri, kas nav parametri.
Pretējā gadījumā, lai cik labi piemērotu parametriskās statistikas metodes, rezultāti būs neprecīzi.
Aprakstoša statistika