Diferença entre paramétrico e não paramétrico

Pesquisadores sociais geralmente constroem uma hipótese, na qual eles assumem que uma certa regra generalizada pode ser aplicada a uma população. Eles testam essa hipótese usando testes que podem ser paramétricos ou não paramétricos. Testes paramétricos são geralmente mais comuns e são estudados muito antes, como os testes padrão usados ​​na realização de pesquisas.

O processo de realização de uma pesquisa é relativamente simples - você constrói uma hipótese e assume que uma certa "lei" pode ser aplicada a uma população. Em seguida, você realiza um teste e coleta dados que analisam estatisticamente. Os dados coletados geralmente podem ser representados como um gráfico, e a lei hipotética como o valor médio desses dados. Se a lei hipotética e a lei do valor médio coincidem, a hipótese é confirmada.

No entanto, em alguns casos, encontrar o valor médio não é a maneira mais apropriada de procurar a lei. Um ótimo exemplo é a distribuição da renda total. Se você não encontrou o valor médio, provavelmente é porque um ou dois bilionários estão atrapalhando seus valores médios. No entanto, uma mediana fornecerá um resultado muito mais preciso sobre a renda média com maior probabilidade de corresponder aos seus dados.

Em outras palavras, um teste paramétrico será usado quando as suposições feitas sobre a população forem claras e houver muitas informações disponíveis sobre ela. As perguntas serão projetadas para medir esses parâmetros específicos, para que os dados possam ser analisados ​​conforme descrito acima. Um teste não paramétrico é usado quando a população testada não é totalmente conhecida e, portanto, os parâmetros examinados também são desconhecidos. Além disso, enquanto o teste paramétrico usa valores médios como seus resultados, o teste não paramétrico leva a mediana e, portanto, geralmente é utilizado quando a hipótese original não se encaixa nos dados..

O que é um teste paramétrico?

Um teste paramétrico é um teste projetado para fornecer os dados que serão analisados ​​através de um ramo da ciência chamado estatística paramétrica. A estatística paramétrica pressupõe que algumas informações sobre a população já sejam conhecidas, a saber, a distribuição de probabilidade. Como exemplo, a distribuição da altura do corpo em todo o mundo é descrita por um modelo de distribuição normal. Semelhante a isso, qualquer modelo de distribuição conhecido pode ser aplicado a um conjunto de dados. No entanto, supor que um determinado modelo de distribuição se ajuste a um conjunto de dados significa que você inerentemente supõe que algumas informações adicionais sejam conhecidas sobre a população, como mencionei. A distribuição de probabilidade contém diferentes parâmetros que descrevem a forma exata da distribuição. Esses parâmetros são fornecidos pelos testes paramétricos - cada pergunta é personalizada para fornecer um valor exato de um determinado parâmetro para cada indivíduo entrevistado. Combinado, o valor médio desse parâmetro é usado para a distribuição de probabilidade. Isso significa que os testes paramétricos também assumem algo sobre a população. Se as suposições estiverem corretas, as estatísticas paramétricas aplicadas aos dados fornecidos por um teste paramétrico fornecerão resultados muito mais precisos e precisos do que os de um teste e estatística não paramétricos.

O que é um teste não paramétrico?

De maneira semelhante ao teste e estatística paramétricos, existe um teste e estatísticas não paramétricos. Eles são usados ​​quando não se espera que os dados obtidos se ajustem a uma curva de distribuição normal ou dados ordinais. Um ótimo exemplo de dados ordinais é a revisão que você faz quando avalia um determinado produto ou serviço em uma escala de 1 a 5. Os dados ordinais em geral são obtidos a partir de testes que usam diferentes classificações ou pedidos. Portanto, não depende de números ou valores exatos para os parâmetros nos quais os testes paramétricos se basearam. De fato, ele não utiliza parâmetros de forma alguma, porque não assume uma certa distribuição. Geralmente, uma análise paramétrica é preferida a uma não paramétrica, mas se o teste paramétrico não puder ser realizado devido a uma população desconhecida, é necessário recorrer a testes não paramétricos..

Diferença entre testes paramétricos e não paramétricos

1) Fazendo suposições

Como mencionei, o teste paramétrico faz suposições sobre a população. Ele precisa dos parâmetros que estão conectados à distribuição normal usada na análise, e a única maneira de conhecê-los é ter algum conhecimento sobre a população. Por outro lado, um teste não paramétrico, como o nome indica, não depende de nenhum parâmetro e, portanto, não assume nada sobre a população.

2) Probabilidade de parâmetros paramétricos e não paramétricos

A base para a análise estatística que será realizada nos dados, no caso de testes paramétricos, é a distribuição probabilística. Por outro lado, a base para testes não paramétricos não existe - é completamente arbitrária. Isso resulta em mais flexibilidade e facilita o ajuste da hipótese com os dados coletados.

3) Medida de tendência central

A medida da tendência central é um valor central em uma distribuição de probabilidade. E embora a distribuição de probabilidade no caso de estatísticas não paramétricas seja arbitrária, ela ainda existe e, portanto, a medida da tendência central. No entanto, essas medidas são diferentes. No caso de testes paramétricos, é considerado o valor médio, enquanto, no caso de testes não paramétricos, é considerado o valor mediano.

4) Conhecimento dos parâmetros populacionais

Como mencionei na primeira diferença, as informações sobre a população variam entre testes paramétricos e não paramétricos e estatísticas. Nomeadamente, um certo conhecimento sobre a população é absolutamente necessário para uma análise paramétrica, porque requer parâmetros relacionados à população para fornecer resultados precisos. Por outro lado, uma abordagem não paramétrica pode ser adotada sem nenhum conhecimento prévio da população.

Testes paramétricos x não paramétricos: gráfico de comparação

Resumo de parâmetros paramétricos e não paramétricos

• Um teste paramétrico é um teste que assume que certos parâmetros e distribuições são conhecidos sobre uma população, ao contrário do não paramétrico.
• O teste paramétrico usa um valor médio, enquanto o não paramétrico usa um valor mediano
• A abordagem paramétrica requer conhecimento prévio sobre a população, ao contrário da abordagem não paramétrica