Apakah Statistik Perakaunan?
Statistik nonparametrik merujuk kepada kaedah statistik di mana data tidak diperlukan agar sesuai dengan taburan normal. Statistik nonparametrik menggunakan data yang sering ordinal, bermakna ia tidak bergantung kepada nombor, tetapi pada peringkat atau susunan jenis. Sebagai contoh, satu kaji selidik yang menyampaikan keutamaan pengguna dari suka ke tidak suka akan dianggap sebagai data ordinal.
Statistik nonparametrik termasuk statistik deskriptif bukan perpar, model statistik, kesimpulan, dan ujian statistik. Struktur model model nonparametrik tidak ditentukan secara priori tetapi sebaliknya ditentukan dari data. Istilah nonparametrik tidak dimaksudkan untuk menunjukkan bahawa model sedemikian sepenuhnya kekurangan parameter, tetapi sebaliknya bilangan dan sifat parameter adalah fleksibel dan tidak ditetapkan terlebih dahulu. Histogram adalah contoh takaran nonparametrik bagi taburan kebarangkalian.
Memahami Statistik Nonparametric
Dalam statistik, statistik parametrik merangkumi parameter seperti min, median, sisihan piawai, varians, dan sebagainya. Bentuk statistik menggunakan data yang diperhatikan untuk menganggarkan parameter pengedaran. Di bawah statistik parametrik, data diandaikan sesuai dengan taburan normal dengan parameter yang tidak diketahui μ (penduduk min) dan σ 2 (populasi varians), yang kemudian dianggarkan menggunakan min sampel dan varians sampel.
Statistik nonparametrik tidak membuat andaian tentang saiz sampel atau sama ada data yang diperhatikan adalah kuantitatif.
Statistik nonparametrik tidak menganggap data diambil dari pengedaran biasa. Sebaliknya, bentuk taburan dianggarkan di bawah bentuk pengukuran statistik ini. Walaupun terdapat banyak situasi di mana taburan normal boleh diandaikan, terdapat juga beberapa senario di mana ia tidak mungkin untuk menentukan sama ada data akan diedarkan secara normal.
Contoh Perangkaan Nonparametrik
Dalam contoh pertama, pertimbangkan seorang penyelidik yang mahu anggaran bilangan bayi di Amerika Utara yang dilahirkan dengan mata coklat boleh memutuskan untuk mengambil sampel 150, 000 bayi dan menjalankan analisis pada set data. Pengukuran yang mereka hasilkan akan digunakan sebagai anggaran keseluruhan populasi bayi dengan mata coklat yang dilahirkan pada tahun berikutnya.
Untuk contoh kedua, pertimbangkan seorang penyelidik yang berbeza yang ingin tahu sama ada tidur pada awal atau lewat dikaitkan dengan seberapa sering seseorang jatuh sakit. Dengan mengandaikan sampel dipilih secara rawak dari populasi, pengedaran saiz sampel kekerapan penyakit boleh dianggap normal. Walau bagaimanapun, satu eksperimen yang mengukur rintangan tubuh manusia kepada ketegangan bakteria tidak boleh dianggap mempunyai taburan normal.
Ini kerana data sampel yang dipilih secara rawak mungkin menentang ketegangan. Sebaliknya, jika penyelidik mempertimbangkan faktor-faktor seperti solek genetik dan etnik, dia mungkin mendapati bahawa saiz sampel yang dipilih menggunakan ciri-ciri ini mungkin tidak tahan terhadap ketegangan. Oleh itu, seseorang tidak boleh menerima taburan normal.
Kaedah ini berguna apabila data tidak mempunyai penafsiran berangka yang jelas dan lebih baik digunakan dengan data yang mempunyai kedudukan seperti itu. Sebagai contoh, ujian penilaian keperibadian mungkin mempunyai kedudukan set metriknya yang sangat tidak setuju, tidak setuju, acuh tak acuh, setuju, dan sangat setuju. Dalam kes ini, kaedah nonparametrik harus digunakan.
Pertimbangan Khas
Statistik nonparametrik telah mendapat penghargaan kerana kemudahan penggunaannya. Oleh kerana keperluan untuk parameter dibebaskan, data menjadi lebih sesuai untuk pelbagai ujian yang lebih besar. Jenis statistik ini boleh digunakan tanpa min, saiz sampel, sisihan piawai, atau anggaran mana-mana parameter lain yang berkaitan apabila tidak ada maklumat yang tersedia.
Oleh kerana statistik nonparametrik membuat kurang anggapan tentang data sampel, aplikasinya lebih luas dalam skop daripada statistik parametrik. Dalam kes di mana ujian parametrik lebih sesuai, kaedah tidak parametrik akan kurang cekap. Ini kerana keputusan yang diperoleh daripada statistik tidak berpengaruh mempunyai tahap keyakinan yang lebih rendah daripada jika keputusan diperoleh menggunakan statistik parametrik.
Takeaways Utama
- Statistik nonparametrik mudah digunakan tetapi tidak menawarkan ketepatan yang tepat dari model statistik lain. Analisis jenis ini paling sesuai apabila mempertimbangkan susunan sesuatu, di mana walaupun data berangka berubah, keputusannya mungkin tetap sama.
