In der Statistik sind nichtparametrische Tests Methoden der statistischen Analyse, für die keine Verteilung erforderlich ist, um die erforderlichen zu analysierenden Annahmen zu erfüllen (insbesondere wenn die Daten nicht normal verteilt sind). Aus diesem Grund werden sie manchmal als verteilungsfreie Tests bezeichnet. Nichtparametrische Tests dienen als Alternative zu parametrischen Tests wie T-Test oder ANOVA, die nur verwendet werden können, wenn die zugrunde liegenden Daten bestimmte Kriterien und Annahmen erfüllen.
Beachten Sie, dass nichtparametrische Tests als alternative Methode zu parametrischen Tests verwendet werden und nicht als Ersatz. Mit anderen Worten, wenn die Daten die erforderlichen Annahmen für die Durchführung der Parametertests erfüllen, muss der entsprechende Parametertest angewendet werden.
Darüber hinaus können wir in einigen Fällen die parametrischen Tests anstelle der nichtparametrischen Tests anwenden, auch wenn die Daten nicht die erforderlichen Annahmen erfüllen, die Stichprobengröße der Daten jedoch groß genug ist.
Gründe für die Verwendung nichtparametrischer Tests
Um die richtigen Ergebnisse aus der statistischen Analyse zu erzielen Quantitative Analyse Quantitative Analyse ist der Prozess der Erfassung und Auswertung messbarer und überprüfbarer Daten wie Einnahmen, Marktanteile und Löhne, um das Verhalten und die Leistung eines Unternehmens zu verstehen. Im Zeitalter der Datentechnologie wird die quantitative Analyse als bevorzugter Ansatz für fundierte Entscheidungen angesehen. sollten wir die Situationen kennen, in denen die Anwendung nichtparametrischer Tests angemessen ist. Die Hauptgründe für die Anwendung des nichtparametrischen Tests sind folgende:
1. Die zugrunde liegenden Daten entsprechen nicht den Annahmen über die Bevölkerungsstichprobe
Im Allgemeinen erfordert die Anwendung parametrischer Tests, dass verschiedene Annahmen erfüllt sind. Beispielsweise folgen die Daten einer Normalverteilung und die Populationsvarianz ist homogen. Einige Datenbeispiele können jedoch verzerrte Verteilungen zeigen. Positiv verzerrte Verteilung In der Statistik ist eine positiv verzerrte (oder rechtsverzerrte) Verteilung eine Art von Verteilung, bei der die meisten Werte um den linken Schwanz des gruppiert sind.
Die Schiefe macht die parametrischen Tests weniger leistungsfähig, da der Mittelwert nicht mehr das beste Maß für die zentrale Tendenz ist. Zentrale Tendenz Die zentrale Tendenz ist eine beschreibende Zusammenfassung eines Datensatzes durch einen einzelnen Wert, der das Zentrum der Datenverteilung widerspiegelt. Zusammen mit der Variabilität, weil es stark von den Extremwerten beeinflusst wird. Gleichzeitig funktionieren nichtparametrische Tests gut mit verzerrten Verteilungen und Verteilungen, die durch den Median besser dargestellt werden.
2. Die Stichprobengröße der Population ist zu klein
Die Stichprobengröße ist eine wichtige Voraussetzung für die Auswahl der geeigneten statistischen Methode. Grundlegende Statistikkonzepte für Finanzen Ein solides Verständnis der Statistik ist von entscheidender Bedeutung, um das Finanzverständnis besser zu verstehen. Darüber hinaus können statistische Konzepte den Anlegern bei der Überwachung helfen. Wenn eine Stichprobengröße ausreichend groß ist, kann der anwendbare parametrische Test verwendet werden. Wenn eine Stichprobengröße jedoch zu klein ist, können Sie möglicherweise die Verteilung der Daten nicht überprüfen. Daher ist die Anwendung nichtparametrischer Tests die einzig geeignete Option.
3. Die analysierten Daten sind ordinal oder nominal
Im Gegensatz zu parametrischen Tests, die nur mit kontinuierlichen Daten arbeiten können, können nichtparametrische Tests auf andere Datentypen wie Ordnungs- oder Nenndaten angewendet werden. Für solche Variablentypen sind die nichtparametrischen Tests die einzig geeignete Lösung.
Arten von Tests
Nichtparametrische Tests umfassen zahlreiche Methoden und Modelle. Nachfolgend sind die häufigsten Tests und ihre entsprechenden parametrischen Gegenstücke aufgeführt:
1. Mann-Whitney-U-Test
Der Mann-Whitney-U-Test ist eine nichtparametrische Version des T-Tests für unabhängige Proben. Der Test befasst sich hauptsächlich mit zwei unabhängigen Stichproben, die Ordnungsdaten enthalten.
2. Wilcoxon Signed Rank Test
Der Wilcoxon Signed Rank Test ist ein nichtparametrisches Gegenstück zum T-Test für gepaarte Proben. Der Test vergleicht zwei abhängige Proben mit Ordnungsdaten.
3. Der Kruskal-Wallis-Test
Der Kruskal-Wallis-Test ist eine nichtparametrische Alternative zur Einweg-ANOVA. Der Kruskal-Wallis-Test wird verwendet, um mehr als zwei unabhängige Gruppen mit Ordnungsdaten zu vergleichen.
Zusätzliche Ressourcen
Finance ist der offizielle Anbieter der globalen FMVA®-Zertifizierung (Financial Modeling & Valuation Analyst). Schließen Sie sich mehr als 350.600 Studenten an, die für Unternehmen wie Amazon, JP Morgan und Ferrari arbeiten, um jedem zu helfen, ein erstklassiger Finanzanalyst zu werden . Um weiter zu lernen und Ihre Karriere voranzutreiben, sind die folgenden zusätzlichen Finanzressourcen hilfreich:
- Kombination Kombination Eine Kombination ist eine mathematische Technik, die die Anzahl möglicher Anordnungen in einer Sammlung von Elementen bestimmt, bei denen die Reihenfolge der Auswahl stimmt
- Kumulative Häufigkeitsverteilung Kumulative Häufigkeitsverteilung Die kumulative Häufigkeitsverteilung ist eine Form einer Häufigkeitsverteilung, die die Summe einer Klasse und aller darunter liegenden Klassen darstellt. Erinnere dich an diese Frequenz
- Negativ verzerrte Verteilung Negativ verzerrte Verteilung In der Statistik ist eine negativ verzerrte Verteilung (auch als links verzerrte Verteilung bezeichnet) eine Art der Verteilung, bei der mehr Werte auf der rechten Seite konzentriert sind
- Stichprobenauswahlverzerrung Stichprobenauswahlverzerrung Die Stichprobenauswahlverzerrung ist die Verzerrung, die sich aus dem Versagen ergibt, die ordnungsgemäße Randomisierung einer Populationsstichprobe sicherzustellen. Die Mängel der Stichprobenauswahl
