Metodo non parametrico
Qual è il metodo non parametrico?
Il metodo non parametrico si riferisce a un tipo di statistica che non fa alcuna ipotesi sulle caratteristiche del campione (i suoi parametri) o se i dati osservati siano quantitativi o qualitativi.
Le statistiche non parametriche possono includere determinate statistiche descrittive,. modelli statistici, inferenza e test statistici. La struttura del modello dei metodi non parametrici non è specificata a priori ma è invece determinata dai dati.
Il termine "non parametrico" non intende implicare che tali modelli siano completamente privi di parametri, ma piuttosto che il numero e la natura dei parametri sono flessibili e non fissati in anticipo. Un istogramma è un esempio di stima non parametrica di una distribuzione di probabilità .
Al contrario, metodi statistici ben noti come ANOVA,. correlazione di Pearson,. t-test e altri fanno ipotesi sui dati analizzati. Una delle ipotesi parametriche più comuni è che i dati sulla popolazione abbiano una " distribuzione normale ".
Come funziona il metodo non parametrico
I metodi parametrici e non parametrici vengono spesso utilizzati su diversi tipi di dati. Le statistiche parametriche generalmente richiedono dati di intervallo o rapporto. Un esempio di questo tipo di dati è l'età , il reddito, l'altezza e il peso in cui i valori sono continui e gli intervalli tra i valori hanno un significato.
Al contrario, le statistiche non parametriche vengono in genere utilizzate su dati nominali o ordinali. Le variabili nominali sono variabili per le quali i valori non hanno valore quantitativo. Le variabili nominali comuni nella ricerca nelle scienze sociali, ad esempio, includono il sesso, i cui possibili valori sono categorie discrete, "maschio" e "femmina".' Altre variabili nominali comuni nella ricerca nelle scienze sociali sono razza, stato civile, livello di istruzione e stato lavorativo (occupato contro disoccupato).
Le variabili ordinali sono quelle in cui il valore suggerisce un certo ordine. Un esempio di variabile ordinale potrebbe essere se un intervistato chiedesse: "Su una scala da 1 a 5, con 1 estremamente insoddisfatto e 5 estremamente soddisfatto, come valuteresti la tua esperienza con la società via cavo?"
le statistiche parametriche possono essere applicate anche a popolazioni con altri tipi di distribuzione noti. Le statistiche non parametriche non richiedono che i dati sulla popolazione soddisfino le ipotesi richieste per le statistiche parametriche. Le statistiche non parametriche, quindi, rientrano in una categoria di statistiche a volte definita senza distribuzione. Spesso vengono utilizzati metodi non parametrici quando i dati sulla popolazione hanno una distribuzione sconosciuta o quando la dimensione del campione è piccola.
Considerazioni speciali
Sebbene le statistiche non parametriche abbiano il vantaggio di dover soddisfare poche ipotesi, sono meno potenti delle statistiche parametriche. Ciò significa che potrebbero non mostrare una relazione tra due variabili quando in realtà ne esiste una.
Le statistiche non parametriche hanno guadagnato apprezzamento grazie alla loro facilità d'uso. Man mano che la necessità di parametri viene ridotta, i dati diventano più applicabili a una più ampia varietà di test. Questo tipo di statistiche può essere utilizzato senza la media, la dimensione del campione, la deviazione standard o la stima di altri parametri correlati quando nessuna di queste informazioni è disponibile.
Poiché la statistica non parametrica fa meno ipotesi sui dati del campione, la sua applicazione ha un ambito più ampio rispetto alla statistica parametrica. Nei casi in cui il test parametrico è più appropriato, i metodi non parametrici saranno meno efficienti. Questo perché le statistiche non parametriche eliminano alcune informazioni disponibili nei dati, a differenza delle statistiche parametriche.
I test non parametrici comuni includono Chi-Square,. Wilcoxon rank-sum test,. Kruskal-Wallis test e correlazione rank-order di Spearman.
Esempi del metodo non parametrico
Si consideri un analista finanziario che desidera stimare il valore a rischio (VaR) di un investimento. L'analista raccoglie i dati sugli utili da centinaia di investimenti simili su un orizzonte temporale simile. Piuttosto che presumere che i guadagni seguano una distribuzione normale, usa l'istogramma per stimare la distribuzione in modo non parametrico. Il 5° percentile di questo istogramma fornisce quindi all'analista una stima non parametrica del VaR.
Per un secondo esempio, si consideri un altro ricercatore che vuole sapere se le ore medie di sonno sono legate alla frequenza con cui ci si ammala. Poiché molte persone si ammalano raramente, se non del tutto, e occasionalmente altre si ammalano molto più spesso della maggior parte delle altre, la distribuzione della frequenza della malattia è chiaramente non normale, essendo distorta a destra e incline a valori anomali.
Pertanto, anziché utilizzare un metodo che presuppone una distribuzione normale per la frequenza della malattia, come avviene ad esempio nell'analisi di regressione classica, il ricercatore decide di utilizzare un metodo non parametrico come l'analisi di regressione quantile.
Mette in risalto
Ciò è in contrasto con i metodi parametrici, che fanno ipotesi sulla forma o sulle caratteristiche dei dati. Esempi di tali metodi includono il modello di distribuzione normale e il modello di regressione lineare.
Il metodo non parametrico è una branca della statistica in cui non si presume che i dati provengano da modelli prescritti determinati da un numero limitato di parametri.
L'analisi non parametrica è spesso più adatta quando si considera l'ordine di qualcosa, dove anche se i dati numerici cambiano, i risultati probabilmente rimarranno gli stessi.
