Diferença entre Paramétrico e Não Paramétrico

Paramétrico vs Não Paramétrico

A estatística é um ramo de estudos que nos permite entender a dinâmica populacional usando amostras retiradas de uma determinada população de interesse. É essencial que essas amostras sejam aleatórias. Muitas fórmulas são criadas com a incorporação da matemática, para inferir sobre parâmetros populacionais. Naturalmente, qualquer população pode ter uma "distribuição normal" onde a dispersão de dados / amostras tem a forma de um sino no gráfico de frequência. Em uma distribuição normal, a maioria das amostras concentra-se em média e 68%, 95%, 99% dos dados são encontrados dentro de 1, 2 e 3 desvios padrão, respectivamente. As estatísticas paramétricas e não paramétricas dependem de a distribuição normal ser considerada ou não.

O que é estatística paramétrica?

Estatísticas paramétricas são as estatísticas nas quais dados / amostras são considerados extraídos de uma distribuição normal. A definição de estatística paramétrica é "a estatística que assume que os dados provêm de um tipo de distribuição de probabilidade e faz inferências sobre os parâmetros da distribuição". A maioria dos métodos estatísticos elementares conhecidos pertence a esse grupo. Na realidade, eles podem não ser normalmente distribuídos. Portanto, esse tipo de estatística é baseado em mais suposições. Se os dados / amostras são normalmente distribuídos ou quase normalmente distribuídos, as fórmulas podem produzir resultados e inferências precisos. No entanto, se a suposição de distribuição normal estiver errada, as estatísticas paramétricas podem ser bastante enganadoras.

O que é estatística não paramétrica?

Estatísticas não paramétricas também são conhecidas como estatísticas sem distribuição. A vantagem desse tipo de estatística é que ele não precisa fazer uma suposição, como foi feito anteriormente com os paramétricos. Cálculos estatísticos não paramétricos levam em consideração as medianas além das médias. Portanto, se um ou dois se desviar do valor médio, seu efeito será negligenciado. Geralmente, as estatísticas paramétricas são preferidas a isso, porque ela tem mais poder de rejeitar uma hipótese falsa do que o método não paramétrico. Um dos testes não paramétricos mais conhecidos é o teste do qui-quadrado. Existem análogos não paramétricos para alguns testes paramétricos, como o teste t de Wilcoxon para teste t de amostra pareada, o teste t de Mann-Whitney U para amostras independentes, a correlação de Spearman para a correlação de Pearson etc. Para um teste t de amostra, não há teste não paramétrico comparável.

Qual é a diferença entre Paramétrico e Não Paramétrico?

• Estatísticas paramétricas dependem da distribuição normal, mas estatísticas não paramétricas não dependem da distribuição normal.

• Estatísticas paramétricas fazem mais suposições do que estatísticas não paramétricas.

• Estatísticas paramétricas usam fórmulas mais simples em comparação com estatísticas não paramétricas.

• Quando se acredita que uma população é normalmente distribuída ou quase distribuída normalmente, a estatística paramétrica é a melhor a ser usada. Caso contrário, é melhor usar um método não paramétrico.

• A maioria dos métodos estatísticos elementares conhecidos geralmente pertence a estatísticas paramétricas. A estatística não paramétrica é usada com moderação e aplicada em casos especiais.