Непараметрические тесты или методы включают серию статистических тестов, которые имеют общие отсутствие предположений о вероятностном законе, которому следует популяция из которого был взят образец. Таким образом, эти методы применяются, когда мы не знаем, является ли популяция, из которой проводится выборка, нормальной или приблизительно нормальной.
Эти непараметрические методы часто используются, так как есть много переменных, которые не подчиняются условиям параметричности. К ним относятся: использование непрерывных количественных переменных, нормальное распределение выборок, аналогичные дисперсии и сбалансированные выборки.
Когда эти предварительные условия не выполняются или есть серьезные сомнения в их соблюдении, непараметрические или бесплатные тесты распространения. Таким образом, непараметрические тесты собирают следующие Особенности:
- Они используются гораздо реже, чем рекомендуется (они менее известны исследователям).
- Они применимы к иерархическим данным.
- Их можно использовать, когда две серии наблюдений поступают из разных популяций (популяций, в которых переменная распределяется неравномерно).
- Они являются единственной реальной альтернативой при небольшом размере выборки.
Классификация непараметрических тестов
В этой классификации непараметрических тестов отсутствует консенсус при их группировке. Авторы Берланга и Рубио (2012) сделали сводку основных параметрических тестов.
Непараметрические тесты выборки
Хи-квадрат Пирсона
Это широко используемый тест, когда исследователь хочет проанализировать взаимосвязь между двумя переменными, которые являются количественными. Он также широко используется для оценки степени, в которой данные, собранные в категориальной переменной (эмпирическое распределение), не соответствуют или не соответствуют (похожи или нет) определенному теоретическому распределению (равномерному, биномиальному, полиномиальному и т. Д.).
Биномиальный тест
Этот тест позволяет узнать, следует ли дихотомическая переменная определенной вероятностной модели. Это позволяет проверить гипотезу о том, что наблюдаемая доля правильных ответов соответствует теоретической пропорции биномиального распределения.
Тест на полосу
Это тест, который позволяет определить, количество полос (R) наблюдается в выборке размера n достаточно велик или достаточно мал, чтобы можно было отвергнуть гипотезу независимости (или случайность) между наблюдениями.
Полоса — это последовательность наблюдений одного и того же атрибута или качества.. Тот факт, что существует больше или меньше прогонов, чем ожидаемые случайно в серии данных, может быть индикатором того, что существует важная переменная, которая обусловливает результаты, и что мы не принимаем во внимание.
Тест Колмогорова-Смирнова (К-С)
Этот тест служит для проверить нулевую гипотезу о чем распределение переменной соответствует определенному теоретическому распределению вероятность (нормальная, экспоненциальная или пуассоновская). Тот факт, что распределение данных соответствует или не соответствует определенному распределению, предполагает использование некоторых методов анализа данных по сравнению с другими.
Непараметрические тесты для двух связанных выборок
Макнемара тест
Тест Макнемара используется для проверить гипотезы о равенстве пропорций. Он используется в ситуации, когда измерения каждого объекта повторяются. Таким образом, ответ каждого из них получается дважды: один раз до и один раз после определенного события.
Испытание знаков
Это позволяет проверить гипотезу о равенстве между двумя медианными популяциями. Его можно использовать, чтобы узнать, стремится ли одна переменная быть больше другой. Также для проверки тенденции, за которой следует ряд положительных переменных.
Тест Вилкоксона
Это позволяет проверить гипотезу о равенстве между двумя медианными популяциями.
Непараметрические тесты для связанных K-выборок
Тест Фридмана
Это Расширение теста Вилкоксона. Таким образом, он используется для включения данных, записанных в более чем двух периодах времени или группах из трех или более субъектов, с одним субъектом из каждой группы, который был случайным образом отнесен к одному из трех или более состояний.
Тест Кохрана
Он идентичен предыдущему, но применяется, когда все ответы являются двоичными. Q Кокрена подтверждает гипотезу о том, что несколько дихотомических переменных, связанных друг с другом, имеют одинаковое среднее значение.
Коэффициент согласия Кендалла
Имеет те же показания, что и проба Фридмана. Однако его использование в исследованиях в основном предназначалось для знать соглашение между диапазонами.
Непараметрические тесты для двух независимых выборок
U-критерий Манна-Уитни
Это эквивалентно Тест суммы рангов Вилкоксона а также к двухгрупповой тест Краскела-Уоллиса.
Тест Колмогорова-Смирнова
Этот тест используется для проверить гипотезу о том, что две выборки происходят из одной и той же популяции.
Полосовой тест Вальда-Вольфовица
Контрастность да две выборки с независимыми данными происходят из популяций с одинаковым распределением.
Тест на экстремальные реакции Моисея
Он служит для изучить, есть ли разница в степени дисперсии или изменчивости двух распределений. Он фокусируется на распределении контрольной группы и является мерой, позволяющей узнать, сколько экстремальных значений экспериментальной группы влияют на распределение в сочетании с контрольной группой.
Непараметрические тесты для независимых K-выборок
Медианный тест
Контраст различия между двумя или более группами относительно их медианы. Средние значения не используются либо потому, что они не соответствуют условиям нормальности, либо потому, что переменная является количественной дискретной. Он похож на тест хи-квадрат.
Йонкхере-Терпстра тест
Это самый мощный, когда дело доходит до проанализировать возрастающий или убывающий порядок популяций K образцы взяты из.
Тест Крускала-Уоллиса H
Наконец, Тест Крускала-Уоллиса H является расширением Mann-Whitney U и представляет собой отличную альтернативу одностороннему ANOVA.
Да, эти тесты используются, когда распределение данных не является нормальным. Мы можем обратиться к ним, когда у нас есть данные, не относящиеся к шкале отношений, или когда у нас есть сомнения относительно того, соответствует ли распределение какой-либо из переменных нормальной кривой. С другой стороны, верно, что многие параметрические тесты относительно устойчивы к нарушению допущений; однако, если есть более убедительные доказательства, почему бы не использовать его?
