ความแตกต่างระหว่าง Parametric และ Nonparametric (พร้อมตาราง)

เขตข้อมูลสถิติประกอบด้วยตัวแปรสองประเภท: ขึ้นอยู่กับและเป็นอิสระ ในทำนองเดียวกัน เพื่อสรุป นักสถิติใช้การทดสอบหลายประเภท โดยสองประเภทเป็นแบบทดสอบแบบพารามิเตอร์และแบบไม่ใช้พารามิเตอร์ สิ่งเหล่านี้เป็นการจำแนกประเภทกว้างๆ ของขั้นตอนทางสถิติต่างๆ ที่ใช้ในโลกอันกว้างใหญ่ของแอปพลิเคชันทางสถิติ

Parametric กับ Nonparametric

ความแตกต่างระหว่างการทดสอบทั้งสองนี้คือ การทดสอบหนึ่งขึ้นอยู่กับและอีกการทดสอบหนึ่งไม่ขึ้นกับระดับหนึ่งจากพารามิเตอร์ เช่น ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน การแปรผัน และทฤษฎีบทขีด จำกัด ศูนย์กลาง ทั้งหมดนี้เป็นพารามิเตอร์ที่แตกต่างกันซึ่งคำนวณจากข้อมูลที่มี แม้ว่าการทดสอบพาราเมตริกทุกครั้งจะมีคู่หรือเทียบเท่าที่ไม่ใช่พารามิเตอร์

ขั้นตอนทางสถิติเชิงพารามิเตอร์ถูกอธิบายว่าเป็นผลจากการสันนิษฐานของรูปร่างของการกระจายข้อมูล (ตัวอย่าง: การแจกแจงแบบปกติ) และเกี่ยวกับพารามิเตอร์ของการแจกแจงแบบสมมติ มีการทดสอบพารามิเตอร์หลายประเภท เช่น t-test, ค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน, การทดสอบค่าทีคู่ และอื่นๆ อีกมากมาย

กระบวนงานทางสถิติแบบไม่อิงพารามิเตอร์ถูกอธิบายว่าเป็นผลที่ได้อาศัยสมมติฐานไม่มากหรือน้อยของรูปร่างของการกระจายข้อมูลหรือเกี่ยวกับพารามิเตอร์ของการแจกแจงแบบสมมติ แอปพลิเคชันของพวกเขามีความยืดหยุ่นและมีประสิทธิภาพมากขึ้น เนื่องจากไม่ขึ้นอยู่กับสมมติฐานใดๆ หรือเงื่อนไขที่กำหนดไว้ล่วงหน้าสำหรับข้อมูล

ตารางเปรียบเทียบระหว่าง Parametric และ Nonparametric

พารามิเตอร์ของการเปรียบเทียบ	พารามิเตอร์	ไม่ใช่พารามิเตอร์
คำนิยาม	การทดสอบที่ผลลัพธ์ขึ้นอยู่กับการแจกแจงเรียกว่าการทดสอบพาราเมตริก	การทดสอบที่ผลลัพธ์ไม่ขึ้นอยู่กับการแจกแจงเรียกว่าการทดสอบแบบไม่อิงพารามิเตอร์
พลังทางสถิติ	การทดสอบพารามิเตอร์มีพลังทางสถิติสูงกว่า	การทดสอบแบบไม่อิงพารามิเตอร์มีพลังทางสถิติต่ำกว่า
ความเก่งกาจ	การทดสอบพารามิเตอร์ใช้ไม่ได้กับทุกสถานการณ์	การทดสอบแบบไม่อิงพารามิเตอร์นั้นมีประสิทธิภาพมากกว่าและสามารถนำไปใช้กับสถานการณ์ต่างๆ ได้
ค่าแนวโน้มส่วนกลาง	ค่าเฉลี่ยคือค่าแนวโน้มกลางสำหรับการทดสอบนี้	ค่ามัธยฐานคือค่าแนวโน้มกลางสำหรับการทดสอบนี้
ประเภทการจำหน่าย	มันถูกใช้กับข้อมูลที่ตามหลังการแจกแจงแบบปกติ	มันถูกใช้กับข้อมูลที่ตามหลังการแจกแจงโดยพลการใดๆ

Parametric Test คืออะไร?

การทดสอบทางสถิติแบบพาราเมตริกใช้พารามิเตอร์ของประชากรและการแจกแจงข้อมูลที่มาจาก การทดสอบพาราเมตริกใช้สำหรับข้อมูลเชิงปริมาณที่มีตัวแปรต่อเนื่อง ข้อมูลที่ใช้ในการทดสอบพาราเมตริกจะวัดจากการวัดมาตราส่วนอัตราส่วนและทำตามการแจกแจงแบบปกติ

การทดสอบพาราเมตริกที่ใช้กันอย่างแพร่หลายและแพร่หลายที่สุดคือ t-test (สำหรับขนาดตัวอย่างน้อยกว่า 30), การทดสอบ Z (สำหรับขนาดตัวอย่างที่มากกว่า 30), ANOVA, สหสัมพันธ์อันดับของเพียร์สัน ค่าแนวโน้มกลางที่นำมาพิจารณาคือค่าเฉลี่ยของการกระจายและส่วนใหญ่จะใช้กับการแจกแจงแบบปกติสำหรับข้อมูล ข้อเสียของการทดสอบประเภทนี้คือ เนื่องจากค่าแนวโน้มศูนย์กลางคือค่าเฉลี่ย ข้อมูลจึงมีแนวโน้มสูงที่จะได้รับผลกระทบจากค่าผิดปกติ ดังนั้นจึงมีแนวโน้มที่จะเบ้และลดกำลังทางสถิติของการทดสอบนี้

การกระจายอย่างต่อเนื่อง เช่น ข้อมูลเกี่ยวกับความสูงหรือน้ำหนักต่างๆ ของสายพันธุ์ในช่วงเวลาหนึ่ง ข้อมูลเกี่ยวกับอุณหภูมิคือตัวอย่างที่ใช้การทดสอบพารามิเตอร์ แม้ว่าเนื่องจากข้อสันนิษฐานเกี่ยวกับข้อมูล แอปพลิเคชันจึงมีความหลากหลายน้อยกว่าในชีวิตจริงเล็กน้อย

การทดสอบแบบไม่อิงพารามิเตอร์คืออะไร?

การทดสอบแบบไม่อิงพารามิเตอร์คือการทดสอบที่ไม่ขึ้นอยู่กับสมมติฐานใดๆ ของการกระจายข้อมูลหรือพารามิเตอร์เพื่อวิเคราะห์ บางครั้งยังถูกเรียกว่า "การทดสอบแบบไม่มีการกระจาย" Nonparametric ไม่ได้แปลว่าเราไม่รู้อะไรเกี่ยวกับประชากรเสมอไป หมายความว่าข้อมูลเบ้หรือ "ไม่กระจายตามปกติ"

เหตุผลที่เราใช้การทดสอบแบบไม่อิงพารามิเตอร์คือ: หากข้อมูลไม่เป็นไปตามสมมติฐานสำหรับกลุ่มตัวอย่างหรือเมื่อข้อมูลบิดเบือน ขนาดกลุ่มตัวอย่างประชากรมีขนาดเล็กเกินไป หรือข้อมูลที่กำลังวิเคราะห์มีค่าเล็กน้อยหรือเป็นลำดับ การทดสอบแบบไม่อิงพารามิเตอร์ประเภทต่างๆ ได้แก่ การทดสอบ Sign, การทดสอบอันดับที่ลงนามของ Wilcoxon, การทดสอบ Kruskal-Wallis, การทดสอบ Mann-Whitney, สหสัมพันธ์อันดับ Spearman, การทดสอบค่ามัธยฐานของ Mood ค่ามัธยฐานคือค่าแนวโน้มจากส่วนกลาง

มีความยืดหยุ่นมากกว่าในการใช้งานในชีวิตจริง เนื่องจากข้อมูลที่พบในชีวิตจริงไม่จำเป็นต้องมีการกระจายแบบปกติ และส่วนใหญ่เป็นแบบกระจุกหรือไม่เป็นเชิงเส้น เนื่องจากความเรียบง่ายและลักษณะที่แข็งแกร่ง การทดสอบแบบไม่อิงพารามิเตอร์จึงถูกมองว่ามีแนวโน้มที่จะใช้งานอย่างไม่เหมาะสมและความเข้าใจผิดน้อยกว่า ส่วนใหญ่จะใช้ในประชากรที่เรียงตามลำดับ เช่น การให้คะแนนภาพยนตร์และบทวิจารณ์ การให้คะแนนร้านอาหาร เป็นต้น แต่สำหรับข้อมูลที่มีขนาดกลุ่มตัวอย่างมาก การทดสอบเหล่านี้จะสูญเสียพลังทางสถิติไปมาก

ความแตกต่างหลักระหว่างการทดสอบ Parametric และ Nonparametric

ความแตกต่างหลัก ระหว่างการทดสอบ Parametric และ Nonparametric คือการทดสอบ Parametric ขึ้นอยู่กับข้อมูลที่เป็นไปตามสมมติฐานหรือเงื่อนไขบางอย่างในขณะที่การทดสอบที่ไม่ใช่พารามิเตอร์ไม่จำเป็นต้องปฏิบัติตามสมมติฐานดังกล่าว ข้อแตกต่างอื่นๆ ระหว่างการทดสอบทั้งสองมีดังนี้:

บทสรุป

โดยสรุป การทดสอบแบบพาราเมตริกและแบบไม่อิงพารามิเตอร์ต่างก็เป็นส่วนสำคัญของการวิเคราะห์ข้อมูลที่กำหนด ขึ้นอยู่กับว่ามีการกระจายแบบปกติหรือไม่ ใช้การทดสอบแบบพารามิเตอร์หรือไม่ใช้พารามิเตอร์ การเลือกว่าจะทำการทดสอบใดขึ้นอยู่กับประเภทของข้อมูลที่เรามี ขนาดกลุ่มตัวอย่าง และความรู้เบื้องต้นเกี่ยวกับประชากรที่เรามี

ข้อมูลที่มีกลุ่มตัวอย่างขนาดใหญ่ต้องใช้การทดสอบแบบพาราเมตริกแทนที่จะเป็นแบบไม่มีพารามิเตอร์ เนื่องจากมีความแม่นยำมากกว่า ในกรณีของข้อมูลขนาดกลุ่มตัวอย่างขนาดเล็ก แนะนำให้ใช้การทดสอบแบบไม่อิงพารามิเตอร์ ไม่มีการทดสอบใดดีไปกว่าการทดสอบอื่น เนื่องจากทั้งสองดำเนินการในสถานการณ์ที่ต่างกัน ในฐานะนักสถิติ คุณต้องจำไว้ว่าการทดสอบแบบไม่อิงพารามิเตอร์เป็นทางเลือกแทนการทดสอบแบบพารามิเตอร์ ไม่ใช่การแทนที่

อ้างอิง