In statistica, i test non parametrici sono metodi di analisi statistica che non richiedono una distribuzione per soddisfare le ipotesi richieste da analizzare (soprattutto se i dati non sono distribuiti normalmente). Per questo motivo, a volte vengono definiti test senza distribuzione. I test non parametrici servono come alternativa ai test parametrici come T-test o ANOVA che possono essere utilizzati solo se i dati sottostanti soddisfano determinati criteri e ipotesi.
Si noti che i test non parametrici vengono utilizzati come metodo alternativo ai test parametrici, non come loro sostituti. In altre parole, se i dati soddisfano i presupposti richiesti per l'esecuzione dei test parametrici, deve essere applicato il test parametrico pertinente.
Inoltre, in alcuni casi, anche se i dati non soddisfano i presupposti necessari ma la dimensione del campione dei dati è sufficientemente ampia, possiamo comunque applicare i test parametrici invece dei test non parametrici.
Motivi per utilizzare test non parametrici
Al fine di ottenere i risultati corretti dall'analisi statistica Analisi quantitativa L'analisi quantitativa è il processo di raccolta e valutazione di dati misurabili e verificabili come ricavi, quota di mercato e salari al fine di comprendere il comportamento e le prestazioni di un'azienda. Nell'era della tecnologia dei dati, l'analisi quantitativa è considerata l'approccio preferito per prendere decisioni informate. , dovremmo conoscere le situazioni in cui l'applicazione di test non parametrici è appropriata. I motivi principali per applicare il test non parametrico includono quanto segue:
1. I dati sottostanti non soddisfano le ipotesi sul campione di popolazione
Generalmente, l'applicazione dei test parametrici richiede che siano soddisfatte varie ipotesi. Ad esempio, i dati seguono una distribuzione normale e la varianza della popolazione è omogenea. Tuttavia, alcuni campioni di dati possono mostrare distribuzioni asimmetriche Distribuzione asimmetrica positiva Nelle statistiche, una distribuzione asimmetrica positiva (o asimmetrica a destra) è un tipo di distribuzione in cui la maggior parte dei valori sono raggruppati intorno alla coda sinistra del.
L'asimmetria rende i test parametrici meno potenti perché la media non è più la misura migliore della tendenza centrale Tendenza centrale Tendenza centrale è una sintesi descrittiva di un dataset attraverso un unico valore che riflette il centro della distribuzione dei dati. Insieme alla variabilità perché risente fortemente dei valori estremi. Allo stesso tempo, i test non parametrici funzionano bene con distribuzioni distorte e distribuzioni meglio rappresentate dalla mediana.
2. La dimensione del campione di popolazione è troppo piccola
La dimensione del campione è un presupposto importante nella selezione del metodo statistico appropriato Concetti di statistica di base per la finanza Una solida comprensione delle statistiche è di fondamentale importanza per aiutarci a comprendere meglio la finanza. Inoltre, i concetti statistici possono aiutare gli investitori a monitorare. Se una dimensione del campione è ragionevolmente grande, è possibile utilizzare il test parametrico applicabile. Tuttavia, se una dimensione del campione è troppo piccola, è possibile che tu non sia in grado di convalidare la distribuzione dei dati. Pertanto, l'applicazione di test non parametrici è l'unica opzione adatta.
3. I dati analizzati sono ordinali o nominali
A differenza dei test parametrici che possono funzionare solo con dati continui, i test non parametrici possono essere applicati ad altri tipi di dati come dati ordinali o nominali. Per questi tipi di variabili, i test non parametrici sono l'unica soluzione appropriata.
Tipi di test
I test non parametrici includono numerosi metodi e modelli. Di seguito sono riportati i test più comuni e le loro controparti parametriche corrispondenti:
1. Mann-Whitney U Test
Il Mann-Whitney U Test è una versione non parametrica del test t di campioni indipendenti. Il test si occupa principalmente di due campioni indipendenti che contengono dati ordinali.
2. Wilcoxon Signed Rank Test
Il Wilcoxon Signed Rank Test è una controparte non parametrica del test t di campioni accoppiati. Il test confronta due campioni dipendenti con dati ordinali.
3. Il test di Kruskal-Wallis
Il test Kruskal-Wallis è un'alternativa non parametrica all'ANOVA unidirezionale. Il test di Kruskal-Wallis viene utilizzato per confrontare più di due gruppi indipendenti con dati ordinali.
Risorse addizionali
Finance è il fornitore ufficiale della certificazione FMVA® Global Modeling & Valuation Analyst (FMVA) ™ Unisciti a oltre 350.600 studenti che lavorano per aziende come Amazon, JP Morgan e il programma di certificazione Ferrari, progettato per aiutare chiunque a diventare un analista finanziario di livello mondiale . Per continuare ad apprendere e far progredire la tua carriera, le risorse finanziarie aggiuntive di seguito saranno utili:
- Combinazione Combinazione Una combinazione è una tecnica matematica che determina il numero di possibili arrangiamenti in una raccolta di elementi in cui l'ordine della selezione fa
- Distribuzione cumulativa della frequenza Distribuzione cumulativa della frequenza La distribuzione cumulativa della frequenza è una forma di distribuzione della frequenza che rappresenta la somma di una classe e di tutte le classi sottostanti. Ricorda quella frequenza
- Distribuzione asimmetrica negativa Distribuzione asimmetrica negativa Nelle statistiche, una distribuzione asimmetrica negativa (nota anche come asimmetrica a sinistra) è un tipo di distribuzione in cui più valori sono concentrati a destra
- Bias di selezione del campione Bias di selezione del campione Il bias di selezione del campione è il bias che risulta dal fallimento nel garantire la corretta randomizzazione di un campione di popolazione. I difetti della selezione del campione
