O que são testes não paramétricos?

Em estatística, os testes não paramétricos são métodos de análise estatística que não requerem uma distribuição para atender aos pressupostos necessários para serem analisados ​​(especialmente se os dados não forem normalmente distribuídos). Por esse motivo, às vezes são chamados de testes sem distribuição. Os testes não paramétricos servem como uma alternativa aos testes paramétricos, como o teste T ou ANOVA, que podem ser empregados apenas se os dados subjacentes satisfizerem certos critérios e suposições.

Testes Não Paramétricos

Observe que os testes não paramétricos são usados ​​como um método alternativo aos testes paramétricos, não como seus substitutos. Em outras palavras, se os dados atenderem às premissas exigidas para a realização dos testes paramétricos, o teste paramétrico pertinente deve ser aplicado.

Além disso, em alguns casos, mesmo que os dados não atendam às suposições necessárias, mas o tamanho da amostra dos dados seja grande o suficiente, ainda podemos aplicar os testes paramétricos em vez dos testes não paramétricos.

Razões para usar testes não paramétricos

Para obter os resultados corretos da análise estatística Análise Quantitativa A análise quantitativa é o processo de coleta e avaliação de dados mensuráveis ​​e verificáveis, como receitas, participação de mercado e salários, a fim de compreender o comportamento e o desempenho de uma empresa. Na era da tecnologia de dados, a análise quantitativa é considerada a abordagem preferida para tomar decisões informadas. , devemos conhecer as situações em que a aplicação de testes não paramétricos é adequada. Os principais motivos para aplicar o teste não paramétrico incluem o seguinte:

1. Os dados subjacentes não atendem às suposições sobre a amostra da população

Geralmente, a aplicação de testes paramétricos requer várias suposições para serem satisfeitas. Por exemplo, os dados seguem uma distribuição normal e a variância da população é homogênea. No entanto, algumas amostras de dados podem mostrar distribuições distorcidas. Distribuição positivamente distorcida Em estatísticas, uma distribuição positivamente distorcida (ou distorcida para a direita) é um tipo de distribuição em que a maioria dos valores são agrupados em torno da cauda esquerda do.

A assimetria torna os testes paramétricos menos poderosos porque a média não é mais a melhor medida da tendência central. Tendência central A tendência central é um resumo descritivo de um conjunto de dados por meio de um único valor que reflete o centro da distribuição dos dados. Junto com a variabilidade, pois é fortemente afetada pelos valores extremos. Ao mesmo tempo, os testes não paramétricos funcionam bem com distribuições distorcidas e distribuições que são melhor representadas pela mediana.

2. O tamanho da amostra da população é muito pequeno

O tamanho da amostra é um pressuposto importante na seleção do método estatístico apropriado. Conceitos básicos de estatística para finanças Um conhecimento sólido de estatística é crucialmente importante para nos ajudar a entender melhor as finanças. Além disso, os conceitos de estatísticas podem ajudar os investidores a monitorar. Se o tamanho da amostra for razoavelmente grande, o teste paramétrico aplicável pode ser usado. No entanto, se o tamanho da amostra for muito pequeno, é possível que você não consiga validar a distribuição dos dados. Assim, a aplicação de testes não paramétricos é a única opção adequada.

3. Os dados analisados ​​são ordinais ou nominais

Ao contrário dos testes paramétricos que podem funcionar apenas com dados contínuos, os testes não paramétricos podem ser aplicados a outros tipos de dados, como dados ordinais ou nominais. Para esses tipos de variáveis, os testes não paramétricos são a única solução adequada.

Tipos de testes

Os testes não paramétricos incluem vários métodos e modelos. Abaixo estão os testes mais comuns e suas contrapartes paramétricas correspondentes:

1. Teste U de Mann-Whitney

O teste U de Mann-Whitney é uma versão não paramétrica do teste t de amostras independentes. O teste lida principalmente com duas amostras independentes que contêm dados ordinais.

2. Teste de classificação sinalizada de Wilcoxon

O Wilcoxon Signed Rank Test é uma contraparte não paramétrica do teste t de amostras emparelhadas. O teste compara duas amostras dependentes com dados ordinais.

3. O Teste Kruskal-Wallis

O teste de Kruskal-Wallis é uma alternativa não paramétrica à ANOVA de um fator. O teste de Kruskal-Wallis é usado para comparar mais de dois grupos independentes com dados ordinais.

Recursos adicionais

Finance é o provedor oficial do Financial Modeling & Valuation Analyst (FMVA) ™ Certificação FMVA® Junte-se a mais de 350.600 alunos que trabalham para empresas como Amazon, JP Morgan e programa de certificação Ferrari, projetado para ajudar qualquer pessoa a se tornar um analista financeiro de classe mundial . Para continuar aprendendo e progredindo em sua carreira, os recursos financeiros adicionais abaixo serão úteis:

  • Combinação Combinação Uma combinação é uma técnica matemática que determina o número de arranjos possíveis em uma coleção de itens onde a ordem da seleção o faz
  • Distribuição de frequência cumulativa Distribuição de frequência cumulativa A distribuição de frequência cumulativa é uma forma de distribuição de frequência que representa a soma de uma classe e todas as classes abaixo dela. Lembre-se daquela frequência
  • Distribuição Negativamente Inclinada Distribuição Negativamente Inclinada Em estatísticas, uma distribuição negativamente inclinada (também conhecida como inclinação para a esquerda) é um tipo de distribuição em que mais valores estão concentrados na direita
  • Viés de seleção de amostra Viés de seleção de amostra O viés de seleção de amostra é o viés que resulta da falha em garantir a randomização adequada de uma amostra populacional. As falhas da seleção da amostra

Recomendado

O Crackstreams foi encerrado?
2022
O centro de comando do MC é seguro?
2022
Taliesin está deixando um papel crítico?
2022