Paramètric i no paramètric
L'estadística és una branca d'estudis que ens permet entendre la dinàmica de la població utilitzant mostres extretes d'una determinada població d'interès. És essencial que aquestes mostres siguin aleatòries. Es creen moltes fórmules amb incorporació de matemàtiques, per fer inferències sobre paràmetres poblacionals. Naturalment, qualsevol població pot tenir una "distribució normal" on la dispersió de dades/mostres té la forma d'una campana al gràfic de freqüència. En una distribució normal, la majoria de les mostres es concentren al voltant de la mitjana i el 68%, el 95% i el 99% de les dades es troben a 1, 2 i 3 desviacions estàndard, respectivament. Les estadístiques paramètriques i no paramètriques depenen de si es considera o no la distribució normal.
Què és l'estadística paramètrica?
Les estadístiques paramètriques són les estadístiques en què les dades/mostres es consideren extretes d'una distribució normal. La definició d'estadística paramètrica és "l'estadística que suposa que les dades provenen d'un tipus de distribució de probabilitat i fa inferències sobre els paràmetres de la distribució". La majoria dels mètodes estadístics elementals coneguts pertanyen a aquest grup. En realitat, potser no es distribueixen normalment. Per tant, aquest tipus d'estadístiques es basa en més hipòtesis. Si les dades/mostres es distribueixen de manera normal o gairebé normal, les fórmules poden produir resultats i inferències precises. Tanmateix, si la hipòtesi de distribució normal és incorrecta, les estadístiques paramètriques podrien ser força enganyoses.
Què són les estadístiques no paramètriques?
Les estadístiques no paramètriques també es coneixen com a estadístiques lliures de distribució. L'avantatge d'aquest tipus d'estadística és que no ha de fer una hipòtesi com s'havia fet anteriorment amb paramètrics. Els càlculs estadístics no paramètrics prenen més atenció les mitjanes que les mitjanes. Per tant, si un o dos es desvien del valor mitjà, el seu efecte es descuida. En general, es prefereixen les estadístiques paramètriques que aquesta perquè té més poder per rebutjar una hipòtesi falsa que el mètode no paramètric. Una de les proves no paramètriques més conegudes és la prova de Chi quadrat. Hi ha anàlegs no paramètrics per a algunes proves paramètriques, com ara la prova T de Wilcoxon per a la prova t de mostra aparellada, la prova U de Mann-Whitney per a la prova t de mostres independents, la correlació de Spearman per a la correlació de Pearson, etc. Per a una prova t de mostra, no hi ha prova no paramètrica comparable.
Quina diferència hi ha entre paramètric i no paramètric?
• Les estadístiques paramètriques depenen de la distribució normal, però les estadístiques no paramètriques no depenen de la distribució normal.
• Les estadístiques paramètriques fan més suposicions que les estadístiques no paramètriques.
• Les estadístiques paramètriques utilitzen fórmules més senzilles en comparació amb les estadístiques no paramètriques.
• Quan es creu que una població està distribuïda de manera normal o propera a la distribució normal, l'estadística paramètrica és la millor que s'utilitza. Si no, el millor és que s'utilitzi un mètode no paramètric.
• La majoria dels mètodes estadístics elementals comunament coneguts pertanyen a l'estadística paramètrica. Les estadístiques no paramètriques s'utilitzen amb moderació i s'apliquen en casos especials.
