U statistici su neparametrijski testovi metode statističke analize koje ne zahtijevaju raspodjelu kako bi se zadovoljile tražene pretpostavke koje treba analizirati (pogotovo ako se podaci obično ne distribuiraju). Iz tog se razloga ponekad nazivaju testovima bez distribucije. Neparametrijski testovi služe kao alternativa parametarskim testovima poput T-testa ili ANOVA koji se mogu primijeniti samo ako osnovni podaci zadovoljavaju određene kriterije i pretpostavke.
Imajte na umu da se neparametrijski testovi koriste kao alternativna metoda parametarskim testovima, a ne kao njihova zamjena. Drugim riječima, ako podaci zadovoljavaju potrebne pretpostavke za izvođenje parametarskih ispitivanja, mora se primijeniti relevantni parametarski test.
Uz to, u nekim slučajevima, čak i ako podaci ne udovoljavaju potrebnim pretpostavkama, ali je veličina uzorka podataka dovoljno velika, i dalje možemo primijeniti parametarske testove umjesto neparametrijskih testova.
Razlozi za upotrebu neparametrijskih ispitivanja
Kako bi se postigli točni rezultati statističke analize Kvantitativna analiza Kvantitativna analiza je postupak prikupljanja i ocjenjivanja mjerljivih i provjerljivih podataka kao što su prihodi, tržišni udio i plaće kako bi se razumjelo ponašanje i uspješnost poslovanja. U eri podatkovne tehnologije kvantitativna analiza smatra se preferiranim pristupom donošenju utemeljenih odluka. , trebali bismo znati u kojim je situacijama primjena neparametrijskih ispitivanja primjerena. Glavni razlozi za primjenu neparametrijskog testa uključuju sljedeće:
1. Osnovni podaci ne udovoljavaju pretpostavkama o uzorku populacije
Općenito, primjena parametarskih testova zahtijeva zadovoljenje različitih pretpostavki. Na primjer, podaci slijede normalnu raspodjelu, a varijance populacije su homogene. Međutim, neki uzorci podataka mogu pokazati iskrivljene raspodjele. Pozitivno iskrivljena raspodjela U statistikama je pozitivno iskrivljena (ili desno iskrivljena) raspodjela vrsta raspodjele u kojoj se većina vrijednosti skuplja oko lijevog repa.
Neujednačenost čini parametarske testove manje moćnima, jer srednja vrijednost više nije najbolje mjerilo središnje tendencije Središnja tendencija Središnja tendencija je opisni sažetak skupa podataka kroz jednu vrijednost koja odražava središte distribucije podataka. Uz varijabilnost jer na nju snažno utječu ekstremne vrijednosti. Istodobno, neparametrijski testovi dobro rade s iskrivljenim raspodjelama i raspodjelama koje su bolje predstavljene medijanom.
2. Veličina uzorka populacije je premala
Veličina uzorka važna je pretpostavka pri odabiru odgovarajuće statističke metode Osnovni statistički pojmovi za financije Čvrsto razumijevanje statistike presudno je za pomoć u boljem razumijevanju financija. Štoviše, koncepti statistike mogu pomoći ulagačima u praćenju. Ako je veličina uzorka relativno velika, može se upotrijebiti primjenjivi parametarski test. Međutim, ako je veličina uzorka premala, moguće je da nećete moći potvrditi raspodjelu podataka. Stoga je primjena neparametrijskih ispitivanja jedina prikladna opcija.
3. Analizirani podaci su redni ili nominalni
Za razliku od parametarskih testova koji mogu raditi samo s kontinuiranim podacima, neparametrijski testovi mogu se primijeniti na druge vrste podataka kao što su redni ili nominalni podaci. Za takve vrste varijabli jedina su prikladna rješenja neparametrijski testovi.
Vrste ispitivanja
Neparametrijski testovi uključuju brojne metode i modele. Ispod su najčešći testovi i njihovi odgovarajući parametri:
1. Mann-Whitneyev U test
U-test Mann-Whitney-a neparametrijska je verzija t-testa neovisnih uzoraka. Test se prvenstveno bavi dvama neovisnim uzorcima koji sadrže redne podatke.
2. Wilcoxonov potpisni test ranga
Wilcoxonov potpisni test ranga neparametarski je primjerak t-testa uparenih uzoraka. Test uspoređuje dva ovisna uzorka s rednim podacima.
3. Kruskal-Wallisov test
Kruskal-Wallisov test neparametrijska je alternativa jednosmjernoj ANOVI. Kruskal-Wallisov test koristi se za usporedbu više od dvije neovisne skupine s rednim podacima.
Dodatni resursi
Finance je službeni davatelj usluga globalnog financijskog modeliranja i vrednovanja analitičara (FMVA) ™ FMVA® certifikacija Pridružite se 350.600+ studenata koji rade u tvrtkama poput Amazona, JP Morgana i Ferrarijevog certifikacijskog programa, osmišljenog da pomogne svima da postanu financijski analitičari svjetske klase . Da biste nastavili učiti i napredovati u karijeri, dodatni financijski resursi u nastavku bit će vam korisni:
- Kombinacija Kombinacija je matematička tehnika koja određuje broj mogućih rasporeda u zbirci predmeta u kojima je poredak odabira
- Kumulativna raspodjela frekvencije Kumulativna raspodjela frekvencije Kumulativna raspodjela frekvencije oblik je raspodjele frekvencije koji predstavlja zbroj klase i svih klasa ispod nje. Zapamtite tu frekvenciju
- Negativno nagnuta raspodjela Negativno nagnuta raspodjela U statistikama je negativno nagnuta (također poznata i kao lijevo nagnuta) raspodjela vrsta distribucije u kojoj se više vrijednosti koncentrira na desnoj strani
- Nepristranost odabira uzorka Nepristranost odabira uzorka Nepristranost odabira uzorka je pristranost koja proizlazi iz neuspjeha da se osigura pravilna randomizacija uzorka populacije. Mane odabira uzorka