Różnica między statystyką parametryczną i nieparametryczną opiera się na znajomości lub nieznajomości rozkładu prawdopodobieństwa badanej zmiennej.
Statystyka parametryczna wykorzystuje obliczenia i procedury zakładając, że znasz rozkład badanej zmiennej losowej. Wręcz przeciwnie, statystyka nieparametryczna wykorzystuje metody, aby dowiedzieć się, jak zjawisko jest rozłożone, a następnie wykorzystuje techniki statystyki parametrycznej.
Definicje obu pojęć zilustrowano poniżej:
- Statystyki parametryczne: Odnosi się do części wnioskowania statystycznego, która wykorzystuje statystyki i kryteria rozstrzygania oparte na znanych rozkładach.
- Statystyki nieparametryczne: Jest to gałąź wnioskowania statystycznego, której obliczenia i procedury oparte są na nieznanych rozkładach.
Statystyki parametryczne i nieparametryczne uzupełniają się
Używają różnych metod, ponieważ ich cele są różne. Są to jednak dwie uzupełniające się gałęzie. Nie zawsze wiemy z całą pewnością - w rzeczywistości rzadko wiemy - jak rozkłada się zmienna losowa. Dlatego konieczne jest zastosowanie technik, aby dowiedzieć się, jaki rodzaj dystrybucji najbardziej przypomina.
Po ustaleniu, w jaki sposób jest dystrybuowany, możemy wykonać określone obliczenia i techniki dla tego typu dystrybucji. Ponieważ na przykład średnia wartość w rozkładzie Poissona nie jest obliczana w taki sam sposób, jak w normalnym.
Mimo to należy zauważyć, że statystyki parametryczne są znacznie bardziej znane i popularne. Niejednokrotnie zamiast stosowania statystyk nieparametrycznych zakłada się wprost, że zmienna ma rozkład jednokierunkowy. Oznacza to, że zaczyna się od hipotezy wyjściowej, która uważana jest za poprawną. Jeśli jednak chcesz wykonać pracę rygorystycznie, jeśli nie masz pewności, musisz skorzystać ze statystyk nieparametrycznych.
W przeciwnym razie, jakkolwiek dobrze zastosowane mogą być techniki statystyki parametrycznej, wyniki będą nieprecyzyjne.
Opisowe statystyki