In More Good Reasons to Look at the

In More Good Reasons to Look at the Data, we looked at data distributions to assess center, shape and spread and described how the validity of many statistical procedures relies on an assumption of approximate normality. But what do we do if our data are not normal? In this article, we’ll cover the difference between parametric and nonparametric procedures. Nonparametric procedures are one possible solution to handle non-normal data.
Definitions
If you’ve ever discussed an analysis plan with a statistician, you’ve probably heard the term “nonparametric” but may not have understood what it means. Parametric and nonparametric are two broad classifications of statistical procedures. The Handbook of Nonparametric Statistics 1 from 1962 (p. 2) says:
“A precise and universally acceptable definition of the term ‘nonparametric’ is not presently available. The viewpoint adopted in this handbook is that a statistical procedure is of a nonparametric type if it has properties which are satisfied to a reasonable approximation when some assumptions that are at least of a moderately general nature hold.”

ผลลัพธ์ (ไทย) 1:

ในยิ่งดีด้วยเหตุผลเพื่อดูข้อมูล เรามองข้อมูลกระจายประเมินศูนย์ รูปร่าง และแพร่กระจาย และอธิบายว่า ถูกต้องของวิธีการทางสถิติมากอาศัยการอัสสัมชัญของ normality โดยประมาณ แต่เราทำอะไรถ้าข้อมูลของเราไม่ปกติ ในบทความนี้ เราจะครอบคลุมความแตกต่างระหว่างพาราเมตริก และ nonparametric ตอน nonparametric หนึ่งได้โซลูชั่นการจัดการข้อมูลปกติไม่ได้คำนิยามถ้าคุณเคยได้กล่าวถึงแผนการวิเคราะห์กับการ statistician คุณคงเคยได้ยินคำว่า "nonparametric" แต่อาจไม่มีความเข้าใจความหมาย พาราเมตริก และ nonparametric สองกว้างการจัดประเภทของวิธีการทางสถิติ คู่มือของ Nonparametric สถิติ 1 จาก 1962 (p. 2) กล่าวว่า:"คำจำกัดความที่ชัดเจน และเป็นที่ยอมรับกันแพร่หลายของคำ 'nonparametric' ไม่มีปัจจุบัน จุดชมวิวที่นำมาใช้ในคู่มือนี้คือกระบวนงานทางสถิติ nonparametric ชนิดมีคุณสมบัติซึ่งพอการประมาณที่สมเหตุสมผลเมื่อบางสมมติฐานที่น้อยของธรรมชาติทั่วไปค่อนข้างค้างไว้ "

ผลลัพธ์ (ไทย) 2:

ในอีกเหตุผลที่ดีที่จะดูข้อมูลเรามองที่การกระจายข้อมูลไปยังศูนย์การประเมินรูปร่างและการแพร่กระจายและอธิบายวิธีการที่ถูกต้องของวิธีการทางสถิติจำนวนมากอาศัยอยู่บนสมมติฐานของภาวะปกติโดยประมาณ แต่สิ่งที่เราจะทำอย่างไรหากข้อมูลของเราไม่ปกติ? ในบทความนี้เราจะครอบคลุมความแตกต่างระหว่างขั้นตอนการคณิตศาสตร์และไม่อิงพารามิเตอร์ ขั้นตอนการ nonparametric เป็นหนึ่งในวิธีการแก้ปัญหาที่เป็นไปได้ที่จะจัดการกับข้อมูลที่ไม่ปกติ.
ความหมายถ้าคุณได้เคยกล่าวถึงแผนการวิเคราะห์ด้วยสถิติที่คุณคงเคยได้ยินคำว่า "ไม่อิงพารามิเตอร์" แต่อาจจะไม่ได้เข้าใจว่ามันหมายถึง
คณิตศาสตร์และไม่อิงพารามิเตอร์สองจำแนกประเภทในวงกว้างของขั้นตอนทางสถิติ (p. 2) คู่มือการ nonparametric สถิติ 1 จาก 1962 กล่าวว่า
"ความหมายที่ถูกต้องและเป็นที่ยอมรับในระดับสากลของคำว่า 'อิงพารามิเตอร์' ไม่สามารถใช้ได้ในปัจจุบัน มุมมองนำมาใช้ในคู่มือเล่มนี้คือขั้นตอนการทางสถิติเป็นชนิด nonparametric ถ้ามันมีคุณสมบัติที่มีความพึงพอใจในการประมาณที่เหมาะสมเมื่อสมมติฐานบางอย่างที่เป็นอย่างน้อยที่มีลักษณะทั่วไปในระดับปานกลางถือ. "

ผลลัพธ์ (ไทย) 3:

ในเหตุผลที่ดีกว่าที่จะดูที่ข้อมูลที่เราดูการกระจายข้อมูลเพื่อประเมินศูนย์ รูปร่าง และแพร่กระจาย และอธิบายวิธีการความถูกต้องของวิธีการทางสถิติหลายอาศัยการสันนิษฐานจากปกติประมาณ แต่สิ่งที่เราทำ ถ้าข้อมูลเราไม่ปกติ ในบทความนี้เราจะครอบคลุมถึงความแตกต่างระหว่างวิธีการจัดและตัว .ขั้นตอนที่ 3 เป็นหนึ่งในวิธีที่เป็นไปได้ที่จะจัดการกับข้อมูลที่ปกติไม่นิยาม

ถ้าคุณเคยกล่าวถึงการวิเคราะห์วางแผนกับสถิติที่คุณอาจเคยได้ยินคำว่า " อิสระ " แต่อาจจะไม่เข้าใจ มันหมายถึงอะไร พารามิเตอร์และตัวสองหมวดหมู่กว้างของวิธีการทางสถิติ คู่มือสถิตินอนพาราเมตริก 1 ปี 1962 ( หน้า 2 ) กล่าวว่า :
" ชัดเจน และสามารถยอมรับได้ นิยามของคำว่า ' อิสระ ' ไม่ใช่ปัจจุบันที่มีอยู่ มุมมองที่ใช้ในคู่มือเล่มนี้เป็นข้อมูลเป็นประเภทนอนพาราเมตริกถ้ามันมีคุณสมบัติที่พอใจในการประมาณที่สมเหตุสมผลเมื่อสมมติฐานบางอย่างที่เป็นอย่างน้อยของทั่วไปในธรรมชาติถือ”