estadísticas no paramétricas

¿Qué son las estadísticas no paramétricas?

la estadística no paramétrica se refiere a un método estadístico en el que no se supone que los datos provengan de modelos prescritos que están determinados por un pequeño número de parámetros; ejemplos de tales modelos incluyen el modelo de distribución normal y el modelo de regresión lineal. Las estadísticas no paramétricas a veces utilizan datos que son ordinales, lo que significa que no se basan en números, sino más bien en una clasificación u orden de clases., Por ejemplo, una encuesta de transporte de las preferencias de los consumidores que van desde como a disgusto sería considerado los datos ordinales.

las estadísticas no paramétricas incluyen Estadísticas descriptivas no paramétricas, modelos estadísticos, inferencia y pruebas estadísticas. La estructura del modelo de modelos no paramétricos no se especifica a priori, sino que se determina a partir de datos. El término no paramétrico no significa que tales modelos carezcan completamente de parámetros, sino que el número y la naturaleza de los parámetros son flexibles y no se fijan de antemano., Un histograma es un ejemplo de una estimación no paramétrica de una distribución de probabilidad.

Puntos Clave

  • estadísticas no paramétricas son fáciles de usar, pero no ofrecen la precisión milimétrica de otros modelos estadísticos.
  • este tipo de análisis es a menudo más adecuado cuando se considera el orden de algo, donde incluso si los datos numéricos cambian, los resultados probablemente permanecerán iguales.,

comprender las estadísticas no paramétricas

en Estadística, las estadísticas paramétricas incluyen parámetros como la media, la desviación estándar, la correlación de Pearson, la varianza, etc. Esta forma de Estadística utiliza los datos observados para estimar los parámetros de la distribución. Bajo las estadísticas paramétricas, los datos a menudo se asumen que provienen de una distribución normal con parámetros desconocidos μ (media de la población) y σ2 (varianza de la población), que luego se estiman utilizando la media de la muestra y la varianza de la muestra.,

no Paramétrica de estadísticas hace ninguna suposición sobre el tamaño de la muestra o si los datos observados es cuantitativa.

no Paramétrica estadística no supone que los datos provienen de una distribución normal. En cambio, la forma de la distribución se estima bajo esta forma de medición estadística. Si bien hay muchas situaciones en las que se puede asumir una distribución normal, también hay algunos escenarios en los que el verdadero proceso de generación de datos está lejos de distribuirse normalmente.,

ejemplos de estadísticas no paramétricas

en el primer ejemplo, considere a un analista financiero que desea estimar el valor en riesgo (VaR) de una inversión. El analista recopila datos de ganancias de 100 de inversiones similares en un horizonte de tiempo similar. En lugar de asumir que las ganancias siguen una distribución normal, utiliza el histograma para estimar la distribución no paramétricamente. El percentil 5 de este histograma proporciona al analista una estimación no paramétrica de VaR.,

para un segundo ejemplo, considere a un investigador diferente que quiera saber si el promedio de horas de sueño está relacionado con la frecuencia con la que uno se enferma. Debido a que muchas personas se enferman rara vez, si es que se enferman, y otras ocasionalmente se enferman con mucha más frecuencia que la mayoría de las demás, la distribución de la frecuencia de la enfermedad es claramente no normal, siendo sesgada hacia la derecha y propensa a valores atípicos., Por lo tanto, en lugar de utilizar un método que asume una distribución normal para la frecuencia de la enfermedad, como se hace en el análisis de regresión clásica, por ejemplo, el investigador decide utilizar un método no paramétrico como el análisis de regresión cuantil.

consideraciones especiales

las estadísticas no paramétricas han ganado reconocimiento debido a su facilidad de uso. A medida que se alivia la necesidad de parámetros, los datos se vuelven más aplicables a una mayor variedad de pruebas., Este tipo de estadísticas se pueden utilizar sin la media, el tamaño de la muestra, la desviación estándar o la estimación de cualquier otro parámetro relacionado cuando no se dispone de esa información.

dado que las estadísticas no paramétricas hacen menos suposiciones sobre los datos de muestra, su aplicación es más amplia que las estadísticas paramétricas. En los casos en que las pruebas paramétricas sean más apropiadas, los métodos no paramétricos serán menos eficientes. Esto se debe a que las estadísticas no paramétricas descartan parte de la información disponible en los datos, a diferencia de las estadísticas paramétricas.,

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *