آزمون پارامتری در مقابل ناپارامتری | کدام یک را انتخاب کنیم

زمانی که مجموعه‌ای از داده‌ها در اختیارتان قرار می‌گیرد و می‌خواهید یک آزمون آماری را اجرا کنید، باید مشخص کنید که آیا آزمون پارامتری مناسب خواهد بود یا آزمون ناپارامتری. در این نوشتار سعی می‌کنیم توضیح دهیم که آزمون‌های پارامتری در مقابل آزمون ناپارامتری چه تفاوت یا مزیت‌هایی دارد و چه مواقع بهتر است از آزمون ناپارامتری استفاده کنیم. در مطالب دیگر مجله آرمان کامپیوتر نیز به چگونگی اجرای آزمون‌های پارامتری یا ناپارامتری اشاره خواهیم داشت. همانطور که می‌دانید، بخش از محاسبات آماری، اختصاص به استنباط یا اجرای آزمون فرض آماری دارد که ممکن است به روش پارامتری یا ناپارامتری صورت گیرد.

آزمون پارامتری در مقابل غیر پارامتری

آزمون‌های پارامتری، یک روش برای اجرای آزمون فرض آماری است که در آن پارامترها و توزیع جمعیت مشخص است. در این گونه آزمون‌ها، معمولا محاسبه شاخص‌های مرکزی، توسط میانگین صورت می‌گیرد. این آزمون‌ها بیشتر رایج بوده و این امر باعث می‌شود انجام تحقیقات بسیار ساده و بدون صرف زمان امکان‌پذیر باشد. در مقابل هیچ فرضی در آزمون غیر پارامتری وجود ندارد و با اغلب به واسطه محاسبه رتبه یا میانه داده‌ها اجرا می‌شود. چند نمونه از آزمون‌های ناپارامتری عبارتند از: Kruskal-Wallis ، Man-Whitney و غیره. در بخش بعدی متن، در مورد مزایا و معایب هر یک از آزمون‌های پارامتری و غیر پارامتری صحبت کرده و توضیحات بیشتری ارائه خواهیم کرد.

آزمون پارامتری چیست؟

در آمار، در اغلب موارد، استنباط در مورد پارامتر میانگین جمعیت توسط آزمون پارامتری ارائه شده می‌شود. مشخص است که آزمون مربوط به میانگین نیز نوعی آزمون فرضی محسوب می‌شود و قواعد آن نیز باید رعایت شود. یک آزمون پارامتری پرکاربرد آزمون t است آزمون مربوط به آماره t بر اساس وجود توزیع نرمال برای جامعه قابل استفاده است. در جنین حالتی، هدف از اجرای آزمون t، استنباط در مورد میانگین جامعه است. توجه داریم که با فرض نرمال بوده جامعه، توزیع آماره مربوط به آزمون t دارای توزیع نمونه‌ای T است. به همین جهت، ناحیه بحرانی آزمون به واسطه توزیع T صورت گرفته و با مقایسه مقدار آماره با صدک‌های توزیع T، استنباط آماری در مورد فرضیه مورد نظر اجرا می‌شود. آزمون پارامتری parametric tests

آزمون ناپارامتری چیست؟

در چنین آزمونی، هیچ الزامی برای نرمال بودن توزیع جمعیت وجود ندارد. از طرفی، آزمون غیر پارامتری به هیچ فرضیه اساسی برای جامعه وابسته نیست. در آزمون غیر پارامتری، برای شاخص مرکزی از مقدار میانه استفاده می‌شود که نسبت به داده‌های پرت کمتر منحرف شده و در مقایسه با میانگین قدرتمندتر هستند. گاهی آزمون یا روش‌های ناپارامتری را به آزمون یا روش‌های بدون توزیع (یا آزاد-توزیع) تعبیر می‌کنند. مقادیر آزمون بر اساس مقیاس‌های ترتیبی یا اسمی صورت می‌گیرد. آزمون پارامتری معمولاً زمانی انجام می‌شود که از توزیع جامعه هیچ اطلاعی نداشته یا با توجه به کم بودن تعداد نمونه، نتوانیم از قضیه حد مرکزی استفاده کنیم. nonparametric tests

مزایا و معایب آزمونهای پارامتری و غیر پارامتری

بسیاری از افراد قبول دارند که انتخاب بین استفاده از آزمون‌های پارامتری یا غیر پارامتری به این بستگی دارد که آیا اطلاعات شما با توزیع نرمال توزیع شده است یا خیر. در صورتی که مجموعه داده ها نسبتاً کوچک باشد، توزیع می‌تواند به عنوان یک عامل تعیین کننده عمل کند. اگر چه در بسیاری از موارد، این مسئله به دلایل زیر یک مسئله مهم نیست:
  • آزمون‌های پارامتری برای استنباط در مورد جوامع با توزیع نامشخص ولی با حجم نمونه بزرگ مناسب عمل می‌کنند.
  • در صورتی که حجم نمونه کوچک بوده و نتوان توزیع نرمال را برای جامعه در نظر گرفت، تجزیه و تحلیل یا استنباط بوسیله آزمون‌های غیر پارامتری دارای نتایج قوی‌تری نسبت به آزمون‌های پارامتری دارند.
در حقیقت انتخاب آزمون مناسب می‌تواند براساس پاسخ به این سوال باشد که آیا میانگین یا میانه به عنوان معیار بهتری برای شاخص تمایل به مرکزی برای توزیع داده ها انتخاب شده است یا خیر.
  • یک آزمون پارامتریک زمانی در نظر گرفته می‌شود که مقدار میانگین ​​را به عنوان مقدار شاخص مرکزی بتوان معتبر دانست و اندازه مجموعه داده شما نسبتاً بزرگ باشد. این آزمون به تصمیم گیری های قدرتمند و موثر کمک می‌کند.
  • اگر مقدار میانه ​​در مقایسه با مقدار میانگین معرف بهتری برای شاخص تمرکز باشد، صرف نظر از اندازه مجموعه داده، یک آزمون غیر پارامتری نسبت به آزمون پارامتری ارحج است.
در نهایت، اگر حجم نمونه شما کوچک است، ممکن است مجبور شوید از یک آزمون غیر پارامتری استفاده کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.