O que são Estatísticas não-paramétricas?
não-paramétricos estatística refere-se a um método estatístico em que os dados não são consideradas provenientes de modelos prescritos que são determinados por um pequeno número de parâmetros; exemplos de tais modelos incluem a distribuição normal modelo e o modelo de regressão linear. As Estatísticas não paramétricas às vezes usam dados que são ordinais, o que significa que não dependem de números, mas sim de um ranking ou ordem de sortes., Por exemplo, uma pesquisa que transmite preferências do consumidor que vão de gostar a não gostar seria considerada como dados ordinais.
as Estatísticas não paramétricas incluem estatísticas descritivas não paramétricas, modelos estatísticos, inferência e testes estatísticos. A estrutura do modelo de modelos não paramétricos não é especificada a priori, mas é em vez disso determinada a partir de dados. O termo nonparametric não significa que tais modelos carecem completamente de parâmetros, mas sim que o número e a natureza dos parâmetros são flexíveis e não fixados antecipadamente., Um histograma é um exemplo de uma estimativa não paramétrica de uma distribuição de probabilidade.
Pedidas
- não-paramétricos estatísticas são fáceis de usar, mas não oferecem a precisão de outros modelos estatísticos.
- este tipo de análise é frequentemente mais adequado quando se considera a ordem de algo, onde, mesmo que os dados numéricos mudem, os resultados provavelmente permanecerão os mesmos.,
compreendendo as Estatísticas não paramétricas
nas estatísticas, as estatísticas paramétricas incluem parâmetros como a média, o desvio-padrão, a correlação de Pearson, a variância, etc. Esta forma de estatísticas utiliza os dados observados para estimar os parâmetros da distribuição. Sob estatísticas paramétricas, os dados são muitas vezes supostos para vir de uma distribuição normal com parâmetros desconhecidos μ (média da população) e σ2 (variância da população), que são então estimados usando a média da amostra e variância da amostra.,
Estatísticas não paramétricas não fazem qualquer suposição sobre o tamanho da amostra ou se os dados observados são quantitativos.
Estatísticas não paramétricas não assumem que os dados são extraídos de uma distribuição normal. Em vez disso, a forma da distribuição é estimada sob esta forma de medição estatística. Embora existam muitas situações em que uma distribuição normal pode ser assumida, há também alguns cenários em que o verdadeiro processo gerador de dados está longe de ser normalmente distribuído.,
Exemplos de não-paramétricos Estatística
No primeiro exemplo, considere um analista financeiro que deseja estimar o valor em risco (VaR) de um investimento. O analista recolhe dados de ganhos de 100 de investimentos similares em um horizonte de tempo semelhante. Em vez de assumir que os ganhos seguem uma distribuição normal, ela usa o histograma para estimar a distribuição não parametricamente. O quinto percentil deste histograma fornece então ao analista uma estimativa não paramétrica de VaR.,
para um segundo exemplo, considere um investigador diferente que quer saber se as horas médias de sono estão ligadas à frequência com que se adoece. Uma vez que muitas pessoas adoecem raramente, se é que adoecem, e outras vezes adoecem muito mais frequentemente do que a maioria das outras, a distribuição da frequência das doenças é claramente não-normal, sendo distorcida e propensa a situações mais estranhas., Assim, ao invés de usar um método que assume uma distribuição normal para a frequência de doença, como é feito na análise de regressão clássica, por exemplo, o pesquisador decide usar um método não paramétrico, como a análise de regressão quantil.
considerações especiais
as Estatísticas não paramétricas ganharam reconhecimento devido à sua facilidade de Utilização. À medida que a necessidade de parâmetros é aliviada, os dados tornam-se mais aplicáveis a uma maior variedade de testes., Este tipo de Estatísticas pode ser utilizado sem a média, a dimensão da amostra, o desvio-padrão ou a estimativa de quaisquer outros parâmetros relacionados, quando nenhuma dessas informações estiver disponível.
Uma vez que as Estatísticas não paramétricas fazem menos suposições sobre os dados da amostra, a sua aplicação é mais ampla do que as estatísticas paramétricas. Nos casos em que os testes paramétricos são mais adequados, os métodos não paramétricos serão menos eficientes. Isto porque as Estatísticas não paramétricas descartam alguma informação que está disponível nos dados, ao contrário das estatísticas paramétricas.,
