В чём различие параметрических и непараметрических статистических критериев?

Параметрические критерии основаны на предположениях о распределении данных, обычно требуя, чтобы данные следовали определённому закону, например нормальному. Непараметрические критерии, напротив, не делают строгих предположений о распределении данных, что делает их более гибкими для различных типов выборок. Выбор между ними зависит от характеристик данных и целей исследования.

Параметрические методы — это статистические подходы, основанные на конкретных предположениях о базовом распределении исследуемой совокупности. Эти методы обычно предполагают, что данные соответствуют известному распределению вероятностей, такому как нормальное распределение, и оценивают параметры этого распределения, используя доступные данные. Для их применения часто требуется, чтобы измеряемые переменные были на интервальной или относительной шкале, обеспечивая более высокую статистическую мощность, если предположения соблюдены.

Непараметрические методы — это статистические подходы, не основанные на конкретных предположениях о распределении изучаемой совокупности. Эти методы часто называют «свободными от распределения», поскольку они не предполагают никаких предположений о форме распределения. Их широко используют, когда данные имеют асимметричное распределение, небольшой объем выборки или представлены на номинальной или порядковой шкале, будучи более устойчивыми к выбросам.

Ключевое различие также заключается в их применимости и чувствительности. Параметрические тесты, такие как t-критерий Стьюдента или ANOVA, подходят для количественных данных, следующих нормальному распределению. Непараметрические тесты, например критерий Манна-Уитни или критерий Уилкоксона, применяются для сравнения медиан и работают с рангами данных, когда условия параметрических тестов не выполняются.