בדיקות לא פרמטריות - סקירה כללית, סיבות לשימוש, סוגים

בסטטיסטיקה, מבחנים לא פרמטריים הם שיטות ניתוח סטטיסטיות שאינן דורשות התפלגות כדי לעמוד בהנחות הנדרשות לניתוח (במיוחד אם הנתונים אינם מופצים בדרך כלל). מסיבה זו הם מכונים לעתים מבחנים ללא הפצה. מבחנים לא פרמטריים משמשים אלטרנטיבה למבחנים פרמטריים כגון T-test או ANOVA שניתן להשתמש בהם רק אם הנתונים הבסיסיים עומדים בקריטריונים והנחות מסוימות.

בדיקות לא פרמטריות

שים לב שבדיקות לא-פרמטריות משמשות כשיטה חלופית לבדיקות פרמטריות, ולא כתחליף שלהן. במילים אחרות, אם הנתונים עומדים בהנחות הנדרשות לביצוע הבדיקות הפרמטריות, יש להחיל את הבדיקה הפרמטרית הרלוונטית.

בנוסף, במקרים מסוימים, גם אם הנתונים אינם עומדים בהנחות הנדרשות אך גודל המדגם של הנתונים גדול מספיק, עדיין נוכל להחיל את המבחנים הפרמטריים במקום את המבחנים הלא פרמטריים.

סיבות להשתמש בבדיקות לא פרמטריות

על מנת להשיג את התוצאות הנכונות מהניתוח הסטטיסטי ניתוח כמותי ניתוח כמותי הוא תהליך איסוף והערכת נתונים מדידים ואימותים כגון הכנסות, נתח שוק ושכר במטרה להבין את התנהגותו וביצועיו של עסק. בעידן טכנולוגיית הנתונים, ניתוח כמותי נחשב לגישה המועדפת לקבלת החלטות מושכלות. עלינו להכיר את המצבים שבהם יישום מבחנים שאינם פרמטריים מתאים. הסיבות העיקריות ליישום המבחן הלא פרמטרי כוללות את הדברים הבאים:

1. הנתונים הבסיסיים אינם עומדים בהנחות לגבי מדגם האוכלוסייה

באופן כללי, היישום של מבחנים פרמטריים דורש הינחות שונות. לדוגמא, הנתונים עוקבים אחר התפלגות נורמלית ושונות האוכלוסייה היא הומוגנית. עם זאת, כמה מדגימות נתונים עשויות להראות התפלגויות מוטות התפלגות מוטה באופן חיובי בסטטיסטיקה, התפלגות מוטה (או מוטה ימינה) היא סוג של התפלגות שרוב הערכים מקובצים סביב הזנב השמאלי של ה-.

הטיה הופכת את המבחנים הפרמטריים לחזקים פחות מכיוון שהממוצע אינו עוד המדד הטוב ביותר לנטייה מרכזית נטייה מרכזית נטייה מרכזית היא סיכום תיאורי של מערך נתונים באמצעות ערך יחיד המשקף את מרכז הפצת הנתונים. יחד עם השונות מכיוון שהיא מושפעת מאוד מהערכים הקיצוניים. יחד עם זאת, מבחנים לא פרמטריים עובדים היטב עם התפלגויות ומפוזרות מוטות המיוצגות טוב יותר על ידי החציון.

2. גודל מדגם האוכלוסייה קטן מדי

גודל המדגם הוא הנחה חשובה בבחירת השיטה הסטטיסטית המתאימה מושגי סטטיסטיקה בסיסיים למימון. הבנה מוצקה של סטטיסטיקה חשובה ביותר לסייע לנו להבין טוב יותר את המימון. יתר על כן, מושגים סטטיסטיים יכולים לעזור למשקיעים לפקח. אם גודל מדגם גדול למדי, ניתן להשתמש במבחן הפרמטרי המתאים. עם זאת, אם גודל המדגם קטן מדי, יתכן שלא תוכל לאמת את הפצת הנתונים. לפיכך, יישום מבחנים לא פרמטריים הוא האפשרות המתאימה היחידה.

3. הנתונים הניתוחים הם סדירים או נומינליים

בניגוד לבדיקות פרמטריות שיכולות לעבוד רק עם נתונים רציפים, ניתן להחיל בדיקות לא פרמטריות על סוגי נתונים אחרים כגון נתונים סדירים או נומינליים. עבור סוגים כאלה של משתנים, המבחנים הלא פרמטריים הם הפיתרון המתאים היחיד.

סוגי בדיקות

בדיקות לא-פרמטריות כוללות שיטות ומודלים רבים. להלן הבדיקות הנפוצות ביותר ומקבילותיהם הפרמטריות המתאימות:

1. מבחן U-Mann-Whitney U

מבחן U-Mann-Whitney U הוא גרסה לא-פרמטרית למבחן ה- t המדגמים העצמאיים. הבדיקה עוסקת בעיקר בשתי דגימות עצמאיות המכילות נתונים סדירים.

2. מבחן דרגות חתום על וילקוקסון

מבחן דירוג החתימה של Wilcoxon הוא מקביל לא-פרמטרי למבחן ה- t המדגמים הזוגיים. הבדיקה משווה שתי דגימות תלויות עם נתונים סדירים.

3. מבחן קרוסקאל-וואליס

מבחן Kruskal-Wallis הוא חלופה לא פרמטרית ל- ANOVA החד כיווני. מבחן Kruskal-Wallis משמש להשוואה של יותר משתי קבוצות עצמאיות עם נתונים סדירים.

משאבים נוספים

מימון היא הספקית הרשמית של הסמכת ה- FMVA® ™ FMVA® העולמית של מודלים פיננסיים למודלים והערכה פיננסיים. הצטרפו ל -350,600 סטודנטים ועובדים בחברות כמו אמזון, ג'יי.פי מורגן ופרארי, שנועדו לעזור לכל אחד להיות אנליסט פיננסי ברמה עולמית . כדי להמשיך ללמוד ולקדם את הקריירה שלך, משאבי האוצר הנוספים להלן יהיו שימושיים:

  • שילוב שילוב שילוב הוא טכניקה מתמטית הקובעת את מספר הסידורים האפשריים באוסף פריטים בו סדר הבחירה עושה
  • התפלגות תדרים מצטברת התפלגות תדרים מצטברת התפלגות תדרים מצטברת היא צורה של התפלגות תדרים המייצגת את סכום המחלקה ואת כל הכיתות שמתחתיה. זכור את התדר הזה
  • התפלגות מוטה שלילית התפלגות מוטה שלילית בסטטיסטיקה, התפלגות מוטה שלילית (המכונה גם שמאל-מוטה) היא סוג של התפלגות שבה יותר ערכים מרוכזים בצד ימין
  • הטיה בבחירת מדגם הטיה בבחירת מדגם הטיה בבחירת מדגם היא ההטיה הנובעת מכישלון להבטיח אקראיות תקינה של מדגם אוכלוסיה. הפגמים בבחירת המדגם