סטטיסטיקה א-פרמטרית – הבדלי גרסאות

מ
תקלדה, קישורים פנימיים
מ (תקלדה, קישורים פנימיים)
'''סטטיסטיקה א-פרמטרית''' היא ענף ב[[סטטיסטיקה#סטטיסטיקה היסקית|סטטיסטיקה היסקית]] המפתח שיטות [[ניתוח נתונים]] הנעזרות ב[[השערה|השערות]] שונות מהמקובל ועל פי רוב מעטות מהמקובל. שיטות מתחום הסטטיסטיקה הא-פרמטרית הן שימושיות כאשר אי אפשר להשתמש ב השערותבהשערות המקובלות בעת ניתוח הנתונים וכאשר יש עניין להגביר את רמת האמינות של המסקנות על ידי הפחתה של מספר ההשערות עליהן נשענים.
 
כאשר מניחים פחות הנחות, יש על פי רוב צורך במדגמים גדולים יותר.
 
דוגמאות:
* מהירות הקלדה אינה מתפלגת באופן נורמלי, כפי שהוכיח זאת דרוג'‏‏<ref>‏Droege, R.C.: National Typing Test Norms. Personnel Journal 45:34-38, 1966‏</ref> בעזרת מדגם של אלפי קלדנים. על כן, כאשר מנסים להבדיל במחקרים בין מהירות ההקלדה של קבוצות שונות, אי אפשר לבדוק את [[מובהקות]] ההבדל בין קבוצות הקלדנים בעזרת [[מבחן t]] ויש צורך להחליפו במחבחןבמבחן מתחום הסטטיסטיקה הא-פרמטרית, [[מבחן מאן ויטני U]] (Mann Whitney U Test)‏‏<ref>‏*Mazer, B., Dumont, C., and Vincent, C.: Validation of the assessment of computer task performance for children. Disability and Technology 15(1):35-43, 2003<br />*Dumont, C., Vincent, C., and Mazer, B.: Development of a standardized instrument to assess computer task performance.American Journal of Occupational Therapy 56(1):60-8, 2002‏</ref>.
*חוקר שבודק תכונה באוכלוסייה שטרם נבדקה לפניו אינו יודע אם התכונה זו מתפלגת בהתפלגות נורמלית. הוא נוטה להאמין שהתפלגות תכונה זו היא כן נורמלית, אולם הוא מגלה שהמדגם שלו גדול דיו כדי להשתמש בשיטות א-פרמטריות בעת ניתוח הנתונים ולשחרר אותו מהצורך להניח הנחות כל שהן על אודות התפלגות אותה תכונה באוכלוסייה.
* כאשר הערכים הנמדדים הם מ[[סולם מדידה]] סִדרי (אורדינאלי), אין משמעות לסכום או למנה של ערכיהם ובניתוח הנתונים שלהם יש לפנות לשיטות שאינן מניחות משמעות כזו.
101,121

עריכות