Paramétrico vs não paramétrico
A estatística é um ramo de estudos que nos permite entender a dinâmica populacional por meio de amostras retiradas de uma determinada população de interesse. É essencial que essas amostras sejam aleatórias. Muitas fórmulas são criadas com a incorporação da matemática, para fazer inferências sobre os parâmetros populacionais. Naturalmente, qualquer população pode ter uma “distribuição normal”, onde a dispersão dos dados / amostras tem a forma de um sino no gráfico de frequência. Em uma distribuição normal, a maioria das amostras concentra-se em torno da média e 68%, 95%, 99% dos dados são encontrados em 1, 2 e 3 desvios padrão, respectivamente. As estatísticas paramétricas e não paramétricas dependem de se a distribuição normal é ou não considerada.
O que é estatística paramétrica?
As estatísticas paramétricas são as estatísticas nas quais os dados / amostras são considerados retirados de uma distribuição normal. A definição de estatística paramétrica é “a estatística que assume que os dados provêm de um tipo de distribuição de probabilidade e faz inferências sobre os parâmetros da distribuição”. Muitos dos métodos estatísticos elementares conhecidos pertencem a este grupo. Na realidade, eles podem não ser distribuídos normalmente. Portanto, esse tipo de estatística é baseado em mais suposições. Se os dados / amostras forem distribuídos normalmente ou quase normalmente, as fórmulas podem produzir resultados e inferências precisas. No entanto, se a suposição de distribuição normal estiver errada, as estatísticas paramétricas podem ser bastante enganosas.
O que é estatística não paramétrica?
As estatísticas não paramétricas também são conhecidas como estatísticas livres de distribuição. A vantagem desse tipo de estatística é que ele não precisa fazer uma suposição como feita anteriormente com os paramétricos. Cálculos estatísticos não paramétricos consideram as medianas em vez das médias. Portanto, se um ou dois desviarem do valor médio, seu efeito será desprezado. Geralmente as estatísticas paramétricas são preferidas do que isso porque tem mais poder para rejeitar uma hipótese falsa do que o método não paramétrico. Um dos testes não paramétricos mais conhecidos é o teste Qui-quadrado. Existem análogos não paramétricos para alguns testes paramétricos, tais como, Teste t de Wilcoxon para teste t de amostra emparelhada, Teste U de Mann-Whitney para teste t de amostras independentes, correlação de Spearman para correlação de Pearson, etc. Para um teste t de amostra, não há teste não paramétrico comparável.
Qual é a diferença entre paramétrico e não paramétrico?
• As estatísticas paramétricas dependem da distribuição normal, mas as estatísticas não paramétricas não dependem da distribuição normal.
• As estatísticas paramétricas fazem mais suposições do que as estatísticas não paramétricas.
• As estatísticas paramétricas usam fórmulas mais simples em comparação com as estatísticas não paramétricas.
• Quando se acredita que uma população está normalmente distribuída ou próxima a normalmente, a estatística paramétrica é a melhor a ser usada. Caso contrário, é melhor que um método não paramétrico seja usado.
• A maioria dos métodos estatísticos elementares comumente conhecidos pertencem às estatísticas paramétricas. A estatística não paramétrica é usada com moderação e aplicada em casos especiais.
