Método Não Paramétrico

O que significa método não paramétrico?

O método não paramétrico refere-se a um tipo de estatística que não exige que a população analisada atenda a certas suposições ou parâmetros. Métodos estatísticos bem conhecidos, como ANOVA, correlação de Pearson, teste t e outros fornecem informações válidas sobre os dados sendo analisados ​​apenas se a população subjacente atender a certas suposições. Uma das suposições mais comuns é que os dados populacionais têm uma ” distribuição normal “.

No entanto, as estatísticas paramétricas também podem ser aplicadas a populações com outros tipos de distribuição conhecidos. As estatísticas não paramétricas não exigem que os dados da população atendam aos pressupostos necessários para as estatísticas paramétricas. As estatísticas não paramétricas, portanto, se enquadram em uma categoria de estatísticas às vezes chamada de distribuição gratuita. Freqüentemente, métodos não paramétricos são usados ​​quando os dados populacionais têm uma distribuição desconhecida ou quando o tamanho da amostra é pequeno.

Método não paramétrico explicado

Métodos paramétricos e não paramétricos são freqüentemente usados ​​em diferentes tipos de dados. As estatísticas paramétricas geralmente requerem dados de intervalo ou proporção. Um exemplo desse tipo de dado é idade, renda, altura e peso em que os valores são contínuos e os intervalos entre os valores têm significado.

Em contraste, as estatísticas não paramétricas são normalmente usadas em dados nominais ou ordinais. Variáveis ​​nominais são variáveis ​​cujos valores não possuem valor quantitativo. Variáveis ​​nominais comuns em pesquisas de ciências sociais, por exemplo, incluem sexo, cujos valores possíveis são categorias discretas, “masculino” e “feminino”. Outras variáveis ​​nominais comuns em pesquisas de ciências sociais são raça, estado civil, nível educacional e status de emprego (empregados versus desempregados).

Variáveis ​​ordinais são aquelas em que o valor sugere alguma ordem. Um exemplo de variável ordinal seria se um respondente da pesquisa perguntasse: “Em uma escala de 1 a 5, sendo 1 Extremamente Insatisfeito e 5 Extremamente Satisfeito, como você avaliaria sua experiência com a empresa de TV a cabo?”

Embora as estatísticas não paramétricas tenham a vantagem de ter que atender a poucas suposições, elas são menos poderosas do que as estatísticas paramétricas. Isso significa que eles podem não mostrar uma relação entre duas variáveis ​​quando de fato existe uma.

Os testes não paramétricos comuns incluem o qui quadrado, o teste da soma de postos de Wilcoxon, o teste de Kruskal-Wallis e a correlação de ordem de postos de Spearman.