Diferencia entre paramétrico y no paramétrico

Parametric vs Non Parametric

La estadística es una rama de los estudios que nos permite comprender la dinámica de la población mediante el uso de muestras extraídas de una determinada población de interés. Es esencial que estas muestras sean aleatorias. Muchas fórmulas se crean con la incorporación de las matemáticas, para hacer inferencias sobre los parámetros de la población. Naturalmente, cualquier población puede tener una "distribución normal" donde la dispersión de datos / muestras tiene una forma de campana en el gráfico de frecuencia. En una distribución normal, la mayoría de las muestras se concentran alrededor de la media y el 68%, 95%, 99% de los datos se encuentran dentro de 1, 2 y 3 desviaciones estándar, respectivamente. Las estadísticas paramétricas y no paramétricas dependen de si se considera o no la distribución normal.

Qué es la estadística paramétrica?

Las estadísticas paramétricas son las estadísticas en las que los datos / muestras se consideran extraídos de una distribución normal. La definición de estadísticas paramétricas es "las estadísticas que asumen que los datos provienen de un tipo de distribución de probabilidad y hacen inferencias sobre los parámetros de la distribución". La mayoría de los métodos estadísticos elementales conocidos pertenecen a este grupo. En realidad, pueden no estar distribuidos normalmente. Por lo tanto, este tipo de estadísticas se basa en más suposiciones. Si los datos / muestras se distribuyen normalmente o casi normalmente, las fórmulas pueden producir resultados precisos e inferencias. Sin embargo, si la suposición de estar normalmente distribuido es errónea, las estadísticas paramétricas podrían ser bastante engañosas.

Qué es la estadística no paramétrica?

Las estadísticas no paramétricas también se conocen como estadísticas sin distribución. La ventaja de este tipo de estadística es que no tiene que hacer una suposición como se hizo anteriormente con parámetros paramétricos. Los cálculos estadísticos no paramétricos llevan a las medianas a la atención que a los medios. Por lo tanto, si uno o dos se desvían del valor medio, se descuida su efecto. En general, se prefieren las estadísticas paramétricas más que esto porque tiene más poder para rechazar una hipótesis falsa que un método no paramétrico. Una de las pruebas no paramétricas más conocidas es la prueba de Chi cuadrado. Existen análogos no paramétricos para algunas pruebas paramétricas, como la prueba de Wilcoxon T para la prueba t de muestras pareadas, la prueba U de Mann-Whitney para la prueba t de muestras independientes, la correlación de Spearman para la correlación de Pearson, etc. Para una prueba t de muestra, no hay prueba no paramétrica comparable.

¿Cuál es la diferencia entre paramétrico y no paramétrico??

• Las estadísticas paramétricas dependen de la distribución normal, pero las estadísticas no paramétricas no dependen de la distribución normal.

• Las estadísticas paramétricas hacen más suposiciones que las estadísticas no paramétricas.

• Las estadísticas paramétricas utilizan fórmulas más simples en comparación con las estadísticas no paramétricas.

• Cuando se cree que una población está distribuida normalmente o cerca de la distribución normal, lo mejor es utilizar las estadísticas paramétricas. Si no, es mejor que se use un método no paramétrico.

• La mayoría de los métodos de estadística elemental conocidos comúnmente pertenecen a las estadísticas paramétricas. Las estadísticas no paramétricas se utilizan con moderación y se aplican para casos especiales.