Testy parametryczne vs nieparametryczne
Jednym z podziałów testów statystycznych jest podział na testy parametryczne oraz nieparametryczne.
Testy parametryczne cechuje:
- większa ilość założeń do spełnienia
- większa moc testów
- dokładniejszy pomiar
- lepsza interpretowalność uzyskiwanych wyników
Testy nieparametryczne natomiast cechuje:
- mniejsza ilość założeń do spełnienia
- mniejsza moc testów
- mniej dokładny pomiar
- gorsza interpretowalność uzyskiwanych wyników
Z reguły jest tak, że mniej wymogów muszą spełniać zebrane dane, aby przeprowadzić testy nieparametryczne, ale za to dają one mniejszą liczbę informacji, mniej są one "warte" w porównaniu do testów nieparametrycznych. Testy parametryczne - najbardziej ulubione testy statystyków, wymagają spełnienia założeń (choć pod pewnymi warunkami można niektóre z nich pominąć) ale za to wyniki są bardziej dokładne i na ich podstawie można dokonać lepszych interpretacji - mają większą moc.
Jednymi z najbardziej charakterystycznych cech testów parametrycznych jest rozkład normalny mierzonych zmiennych oraz to, że zmienne muszą być mierzone na skali ilościowej.
Testami parametrycznymi są np.:
- testy t-Studenta
- analiza wariancji
- korelacja r-Pearsona
- analiza regresji
Testami nieparametrycznymi są np.:
Testy parametryczne vs nieparametryczne Wasze opinie