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.”
That definition is not helpful in the least, but it underscores the fact that it is difficult to specifically define the term “nonparametric.” It is generally easier to list examples of each type of procedure (parametric and nonparametric) than to define the terms themselves. For most practical purposes, however, one might define nonparametric statistical procedures as a class of statistical procedures that do not rely on assumptions about the shape or form of the probability distribution from which the data were drawn.
The short

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 จุดชมวิวที่นำมาใช้ในคู่มือเล่มนี้คือขั้นตอนการทางสถิติเป็นชนิดที่ไม่อิงพารามิเตอร์ถ้ามันมีคุณสมบัติที่มีความพึงพอใจในการประมาณที่เหมาะสมเมื่อสมมติฐานบางอย่างที่เป็นอย่างน้อยถือลักษณะทั่วไปในระดับปานกลาง.
"ความหมายที่ไม่เป็นประโยชน์ในอย่างน้อยแต่มันตอกย้ำความจริงที่ว่ามันเป็นเรื่องยากที่จะกำหนดโดยเฉพาะคำว่า "ไม่อิงพารามิเตอร์." มันเป็นเรื่องปกติที่ง่ายต่อการแสดงรายการตัวอย่างของประเภทของแต่ละขั้นตอน (คณิตศาสตร์และไม่อิงพารามิเตอร์) มากกว่าที่จะกำหนดเงื่อนไขของตัวเอง เพื่อประโยชน์ในการปฏิบัติมากที่สุด แต่หนึ่งอาจกำหนดวิธีการทางสถิติไม่อิงพารามิเตอร์เป็นชั้นของวิธีการทางสถิติที่ไม่ได้ขึ้นอยู่กับสมมติฐานเกี่ยวกับรูปร่างหรือรูปแบบของการกระจายความน่าจะเป็นจากการที่ข้อมูลถูกดึง.
สั้น

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 "
.ที่นิยามไม่ได้ประโยชน์ในน้อยที่สุด แต่มันตอกย้ำความจริงที่ว่ามันเป็นเรื่องยากโดยเฉพาะนิยามคำว่า " ตัว " มันได้ง่ายโดยทั่วไปรายการตัวอย่างของแต่ละประเภทของขั้นตอน ( พารามิเตอร์และ 3 ) กว่าจะกำหนดเงื่อนไขเอง เพื่อวัตถุประสงค์ในทางปฏิบัติมากที่สุด อย่างไรก็ตามหนึ่งอาจกำหนดวิธีการทางสถิตินอนพาราเมตริก เป็นชั้นของกระบวนการทางสถิติที่ไม่พึ่งพาสมมติฐานเกี่ยวกับรูปร่างหรือรูปแบบของการแจกแจงความน่าจะเป็น ซึ่งทำการรวบรวมข้อมูล .
สั้น