Rozdiel medzi parametrickými a neparametrickými štatistikami

Rozdiel medzi parametrickými a neparametrickými štatistikami je založený na znalostiach alebo neznalosti rozdelenia pravdepodobnosti premennej, ktorá sa má študovať.

Parametrická štatistika používa výpočty a postupy za predpokladu, že viete, ako je distribuovaná náhodná premenná, ktorá sa má študovať. Naopak, neparametrická štatistika používa metódy na zisťovanie distribúcie javu a neskôr využíva techniky parametrickej štatistiky.

Definície oboch konceptov sú ilustrované nižšie:

• Parametrická štatistika: Odkazuje na časť štatistickej inferencie, ktorá využíva štatistiku a kritériá riešenia založené na známych distribúciách.
• Neparametrická štatistika: Je to odvetvie štatistickej inferencie, ktorého výpočty a postupy sú založené na neznámych rozdeleniach.

Parametrické a neparametrické štatistiky sa navzájom dopĺňajú

Používajú rôzne metódy, pretože ich ciele sú odlišné. Sú to však dve navzájom sa doplňujúce vetvy. Nie vždy vieme s istotou - v skutočnosti to vieme len zriedka - ako je náhodná premenná distribuovaná. Preto je potrebné pomocou techník zistiť, na aký typ distribúcie sa najviac podobá.

Keď zistíme, ako je to distribuované, môžeme vykonať špecifické výpočty a techniky pre tento typ distribúcie. Pretože napríklad stredná hodnota v Poissonovom rozdelení sa nevypočíta rovnakým spôsobom ako v normálnom.

Aj napriek tomu je dôležité poznamenať, že parametrická štatistika je oveľa známejšia a populárnejšia. Mnohokrát sa namiesto použitia neparametrických štatistík priamo predpokladá, že premenná je distribuovaná jedným spôsobom. To znamená, že vychádza z počiatočnej hypotézy, ktorá sa považuje za správnu. Ak však chcete robiť prácu dôsledne, ak si nie ste istí, musíte použiť neparametrické štatistiky.

V opačnom prípade budú výsledky parametrických štatistík nepresné, akokoľvek dobre budú použité techniky parametrickej štatistiky.