Neparametrijska statistika grana je statističkog zaključivanja čiji se izračuni i postupci temelje na nepoznatim raspodjelama.
Neparametrijske statistike nisu baš popularne. Međutim, o tome postoji vrlo opsežna literatura. Problem koji neparametrijska statistika želi riješiti jest nedostatak znanja o raspodjeli vjerojatnosti.
Drugim riječima, neparametrijska statistika pokušava otkriti prirodu slučajne varijable. Jer kad jednom znate kako se ponaša, izvedite izračune i mjerne podatke koji ga karakteriziraju.
To je cilj neparametrijske statistike. Detaljnije ga vidimo u nastavku.
Cilj neparametrijske statistike
Postoje različite vrste raspodjele vjerojatnosti na kojima parametarska statistika radi. Sada, kada ne znamo kojoj vrsti distribucije vjerojatnosti odgovara varijabla, koje izračune koristimo?
Odnosno, kada ne znamo raspodjelu vjerojatnosti skupa podataka, moramo napraviti statističke zaključke s neparametarskim postupcima.
Drugim riječima, ako ne znamo kakvu raspodjelu vjerojatnosti ima neka pojava, ne možemo procijeniti kao da stvarno znamo kako se distribuira. To je cilj parametarske statistike kako bi nam omogućio da znamo distribuciju kako bismo mogli prijeći na sljedeći korak (parametarska statistika).
Neparametrijski testovi
Naravno, ako ne znamo kako se distribuira slučajna pojava, što bismo trebali učiniti? Vrlo jednostavno. Naša će misija biti pokušati znati kako se distribuira. Da bismo pokušali otkriti koju vrstu distribucije ima određena pojava, na raspolaganju nam je niz testova koji će nam pomoći u tome. Među najpopularnijim neparametarskim testovima su:
- Binomni test
- Anderson-Darlingov test
- Cochranov test
- Cohen kappa test
- Fisherov test
- Friedmanov test
- Kendallov test
- Kolmogórov-Smirnov test
- Kuiperov test
- Mann-Whitneyev test ili Wilcoxonov test
- McNemarov test
- Medijan test
- Siegel-Tukeyev test
- Test znakova
- Spearmanov koeficijent korelacije
- Ukrštene tablice
- Wald-Wolfowitzov test
- Wilcoxon je potpisao test ranga
Svi ovi testovi imaju za cilj reći nam je li slučajna varijabla raspoređena na ovaj ili onaj način. Na primjer, mogući rezultat mogao bi biti: slučajna varijabla X distribuira se brzinom normalne raspodjele.
Sve rečeno, rezultati nisu nepogrešivi. Za izvođenje neparametarskih ispitivanja moramo imati statističke uzorke. Stoga rezultati mogu biti pouzdani, ali ne moraju biti 100% savršeni.