Distingnish mellan parametriska och icke-parametriska statistik. Varför parametrisk statistik anses mer kraftfull än icke-parametriska statistiken. Förklara.?

Parametriska statistiska test förutsätter att uppgifterna som hör till någon typ av sannolikhetsfördelning. Den normala fördelningen är förmodligen den vanligaste. Det vill säga när ett diagram, följer data en "klockformade kurvan".
Å den andra, icke-parametriska statistiska tester ofta kallas distribution gratis tester sedan gör inte några antaganden om fördelningen av data. De används ofta i stället för parametriska tester när man känner att antagandena som de har kränkts som skev data.

För varje parametriska statistiska test finns det en eller flera icke-parametriska tester. Ett ett sampel t-test ger oss möjlighet att testa om en sampelmedelvärdet (från en normalfördelade intervall variabel) avsevärt skiljer sig från en hypotetisk värde. Icke-parametriska analog använder ett prov tecken testa i ett prov sign test,
Vi kan jämföra prov värden i en hypotetisk median (inte ett medelvärde). Med andra ord testar vi en befolkning median mot en hypotetisk värdet k. Vi satt upp hypotesen så att + och - tecken är värdena av slumpvariabler har samma storlek. Värdet anges ett plus om det är större än ett medelvärdet, en negativ om den är mindre, och ett noll om den är lika.
han undertecknar test för en befolkning median kan lämnas tailed, höger tailed eller två tailed. Den null och alternativa hypotesen för varje typ av provning kommer att vara något av följande:
Lämnade tailed test: H0: medianen ≥ k och H1: medianen<>
Just tailed test: H0: medianen ≤ k och H1: medianen > k
Två tailed test: H0: medianen ≠ k och H1: median = k
För att använda testet tecken, först jämföra varje post i provet till ett medianvärdet k.
Om posten är lägre än medianen, tilldela den ett - tecken.
Om transaktionen är över medianen, tilldela det ett + tecken.
Om transaktionen är lika med medianen, tilldela den en 0.
Sedan jämföra antalet + och - skyltar. 0s′ ignoreras.

Om det finns en stor skillnad i antalet + och - tecken, då det är troligt att medianen skiljer sig från ett värde och nollhypotesen ska förkastas.
När du använder tecknet test, prov storlek n är det totala antalet + och - skyltar.
Om provet storlek > 25, vi använder standardnormalfördelningen för att hitta kritiska värden och vi hitta provutfallet genom att ansluta n och x i en formel som kan hittas på länken.
När n ≤ 25, finner vi provutfallet x, med mindre antal + eller -.
Så om vi hade 10 +'s och 5 Sandras, provutfallets x skulle vara 5. Nollor ignoreras.
Jag kommer en länk till några icke-parametriska test som går in mer i detalj. Information om tecken testa gavs bara som ett exempel på en av de enklaste icke-parametriska test så man kan se hur dessa tester arbete The Wilcoxon Rank Sum Test, The Mann-Whitney U test och det Kruskal-Wallis Test är några vanliga icke-parametriska tester. De flesta statistik böcker ger dig en lista över för- och nackdelar av parametriska vs noparametric tester.