Rozdíl mezi parametrickou a neparametrickou statistikou

Rozdíl mezi parametrickými a neparametrickými statistikami je založen na znalostech nebo neznalosti rozdělení pravděpodobnosti studované proměnné.

Parametrická statistika používá výpočty a postupy za předpokladu, že víte, jak je distribuována náhodná proměnná, která má být studována. Naopak neparametrická statistika používá metody ke zjišťování distribuce jevu a později využívá techniky parametrické statistiky.

Níže jsou uvedeny definice obou konceptů:

• Parametrické statistiky: Odkazuje na část statistické inference, která používá statistiku a kritéria rozlišení založená na známých distribucích.
• Neparametrické statistiky: Je to odvětví statistické inference, jehož výpočty a postupy jsou založeny na neznámém rozdělení.

Parametrické a neparametrické statistiky se doplňují

Používají různé metody, protože jejich cíle jsou odlišné. Jsou to však dvě doplňující se větve. Ne vždy s jistotou víme - ve skutečnosti to děláme jen zřídka - jak je náhodná proměnná distribuována. Je tedy nutné pomocí technik zjistit, na jaký typ distribuce se nejvíce podobá.

Jakmile zjistíme, jak je distribuován, můžeme provést specifické výpočty a techniky pro tento typ distribuce. Protože například střední hodnota v Poissonově rozdělení se nepočítá stejným způsobem jako v normálním.

Přesto je důležité si uvědomit, že parametrická statistika je mnohem známější a oblíbenější. Mnohokrát se místo použití neparametrických statistik přímo předpokládá, že proměnná je distribuována jedním způsobem. To znamená, že vychází z počáteční hypotézy, která je považována za správnou. Pokud si však chcete dělat práci pečlivě, pokud si nejste jisti, musíte použít neparametrické statistiky.

Jinak budou výsledky parametrických statistik dobře aplikované, výsledky budou nepřesné.