W statystyce testy nieparametryczne to metody analizy statystycznej, które nie wymagają rozkładu, aby spełnić wymagane założenia do analizy (zwłaszcza jeśli dane nie mają rozkładu normalnego). Z tego powodu czasami określa się je mianem testów wolnych od dystrybucji. Testy nieparametryczne służą jako alternatywa dla testów parametrycznych, takich jak test T lub ANOVA, które można zastosować tylko wtedy, gdy dane bazowe spełniają określone kryteria i założenia.
Należy zauważyć, że testy nieparametryczne są stosowane jako metoda alternatywna do testów parametrycznych, a nie jako ich substytuty. Innymi słowy, jeśli dane spełniają wymagane założenia do przeprowadzenia testów parametrycznych, należy zastosować odpowiednie testy parametryczne.
Ponadto w niektórych przypadkach, nawet jeśli dane nie spełniają niezbędnych założeń, ale wielkość próby danych jest wystarczająco duża, nadal możemy zastosować testy parametryczne zamiast testów nieparametrycznych.
Powody stosowania testów nieparametrycznych
W celu uzyskania prawidłowych wyników analizy statystycznej Analiza ilościowa Analiza ilościowa to proces gromadzenia i oceny mierzalnych i weryfikowalnych danych, takich jak przychody, udział w rynku i płace, w celu zrozumienia zachowania i wyników firmy. W dobie technologii danych analiza ilościowa jest uważana za preferowane podejście do podejmowania świadomych decyzji. powinniśmy znać sytuacje, w których stosowanie testów nieparametrycznych jest właściwe. Główne powody zastosowania testu nieparametrycznego obejmują:
1. Dane bazowe nie spełniają założeń dotyczących próby populacyjnej
Generalnie zastosowanie testów parametrycznych wymaga spełnienia różnych założeń. Na przykład dane są zgodne z rozkładem normalnym, a wariancja populacji jest jednorodna. Jednak niektóre próbki danych mogą wykazywać rozkłady skośne Rozkład dodatnio pochylony W statystykach rozkład dodatnio skośny (lub prawoskrętny) jest rodzajem rozkładu, w którym większość wartości jest skupiona wokół lewego ogona.
Skośność sprawia, że testy parametryczne są mniej wydajne, ponieważ średnia nie jest już najlepszą miarą tendencji centralnej Tendencja centralna Tendencja centralna jest opisowym podsumowaniem zbioru danych za pomocą pojedynczej wartości, która odzwierciedla środek rozkładu danych. Wraz ze zmiennością, ponieważ silnie wpływają na nią wartości ekstremalne. Jednocześnie testy nieparametryczne sprawdzają się dobrze w przypadku rozkładów skośnych i rozkładów, które są lepiej reprezentowane przez medianę.
2. Wielkość próby populacyjnej jest zbyt mała
Wielkość próby jest ważnym założeniem przy wyborze odpowiedniej metody statystycznej. Podstawowe pojęcia statystyczne dotyczące finansów Pełne zrozumienie statystyki jest niezwykle ważne, abyśmy mogli lepiej zrozumieć finanse. Ponadto koncepcje statystyczne mogą pomóc inwestorom w monitorowaniu. Jeżeli wielkość próby jest wystarczająco duża, można zastosować odpowiednie badanie parametryczne. Jeśli jednak rozmiar próbki jest zbyt mały, możliwe jest, że nie będziesz w stanie zweryfikować dystrybucji danych. Zatem jedyną odpowiednią opcją jest zastosowanie testów nieparametrycznych.
3. Analizowane dane mają charakter porządkowy lub nominalny
W przeciwieństwie do testów parametrycznych, które mogą działać tylko z danymi ciągłymi, testy nieparametryczne można zastosować do innych typów danych, takich jak dane porządkowe lub nominalne. Dla tego typu zmiennych testy nieparametryczne są jedynym właściwym rozwiązaniem.
Rodzaje testów
Testy nieparametryczne obejmują wiele metod i modeli. Poniżej znajdują się najpopularniejsze testy i odpowiadające im parametryczne odpowiedniki:
1. Test U Manna-Whitneya
Test U Manna-Whitneya jest nieparametryczną wersją testu t dla próbek niezależnych. Test dotyczy przede wszystkim dwóch niezależnych próbek zawierających dane porządkowe.
2. Test rang z podpisem Wilcoxon
Test rangowanych znaków Wilcoxona jest nieparametrycznym odpowiednikiem testu t dla par próbek. Test porównuje dwie zależne próbki z danymi porządkowymi.
3. Test Kruskala-Wallisa
Test Kruskala-Wallisa jest nieparametryczną alternatywą dla jednokierunkowej ANOVA. Test Kruskala-Wallisa służy do porównywania więcej niż dwóch niezależnych grup z danymi porządkowymi.
Dodatkowe zasoby
Finance jest oficjalnym dostawcą globalnego programu Financial Modeling & Valuation Analyst (FMVA) ™ Certyfikat FMVA® Dołącz do ponad 350 600 studentów, którzy pracują dla firm takich jak Amazon, JP Morgan i Ferrari, program certyfikacji, który ma pomóc każdemu zostać światowej klasy analitykiem finansowym . Aby kontynuować naukę i rozwijać swoją karierę, przydatne będą poniższe dodatkowe zasoby finansowe:
- Kombinacja Kombinacja Kombinacja to technika matematyczna, która określa liczbę możliwych aranżacji w zbiorze elementów, w przypadku których kolejność wyboru nie
- Skumulowany rozkład częstotliwości Skumulowany rozkład częstotliwości Skumulowany rozkład częstotliwości to forma rozkładu częstotliwości, który reprezentuje sumę klasy i wszystkich klas pod nią. Pamiętaj o tej częstotliwości
- Ujemnie pochylony rozkład Ujemnie pochylony Rozkład W statystykach, ujemnie skośny rozkład (znany również jako lewoskośny) jest rodzajem rozkładu, w którym więcej wartości jest skoncentrowanych po prawej stronie
- Błąd przy wyborze próbki Błąd przy wyborze próbki Błąd przy wyborze próbki jest błędem wynikającym z braku zapewnienia właściwej randomizacji próby populacji. Wady doboru próby
