[基本常识]统计中的参数和非参数方法
来源:教育资源网
•
发布时间:2020-12-05 08:00:07
•
点击:1166
统计中有几个主题划分。快速想到的一个划分是描述性和推论性统计之间的区别。还有其他方法可以将统计学科分开。其中一种方法是将统计方法分类为参数或非参数。
我们将找出参数方法和非参数方法之间的区别。我们这样做的方法是比较这些类型方法的不同实例。
参数方法
方法根据我们对所研究人群的了解进行分类。参数方法通常是入门统计课程中研究的**种方法。基本思想是有一组固定的参数来确定概率模型。
参数方法通常是那些我们知道总体近似正态的方法,或者我们可以在调用中心极限定理后使用正态分布进行近似。正态分布有两个参数:均值和标准差。
最终,将方法分类为参数取决于对总体的假设。一些参数方法包括:
- 具有已知标准偏差的总体平均值的置信区间。
- 具有未知标准偏差的总体平均值的置信区间。
- 群体方差的置信区间。
- 两种均值差的置信区间,标准差未知。
非参数方法
与参数方法相比,我们将定义非参数方法。这些是统计技术,我们不必为我们正在研究的人群假设任何参数。事实上,这些方法并不依赖于int的种群erest。这组参数不再固定,我们使用的分布也不是。因此,非参数方法也被称为无分布方法。
由于多种原因,非参数方法越来越受欢迎和影响。主要原因是我们不像使用参数方法那样受到限制。我们不需要像使用参数方法那样对我们正在使用的人口做出尽可能多的假设。许多这些非参数方法易于应用和理解。
一些非参数方法包括:
- 总体平均值的符号检验
- 自举技术
- 两个独立均值的U检验
- Spearman相关性检验
比较
有多种方法可以使用统计数据来找到关于平均值的置信区间。参数方法将涉及使用公式计算误差幅度,以及使用样本平均值估计总体平均值。计算a的非参数方法置信度平均值将涉及使用自举。
为什么我们需要参数和非参数方法来解决这类问题?很多时候基本常识,参数方法比相应的非参数方法更有效。虽然这种效率差异通常不是问题,但有些情况下我们需要考虑哪种方法更有效。
科普说明文