非引數統計方法和應用的跪姿 50

區別如下：

1.適用的資料型別不同。

引數統計通常用於固定距離或固定比率的資料，而非引數統計通常用於僅包含某些等級的資料，或者要分析的資料不符合引數檢驗要求的假設，因此無法應用引數檢驗。

2.對引數的假設不同。

引數統計要求人們估計或測試問題中的引數; 非引數統計提出的問題不包含引數，不能用引數檢驗。

3.對整體的依賴程度不同。

在引數統計中，需要給出總體的分布形式或分布族，以便估計和檢驗引數。 在非引數統計中，不對總體分布進行假設，或者只做非常籠統的假設，對總體的依賴性較低，但從樣本中推斷出總體的特徵分布不是引數值。

4、適用範圍不同。

由於每種特定的引數統計方法都是基於特定的理論分布，因此引數統計對要分析和處理的資料有一定的要求和限制。 由於非引數統計不依賴於特定的理論分布，因此對資料條件的要求相對寬鬆，應用範圍廣泛。

在統計學中，最基本的兩種統計推斷形式是：引數估計和假設檢驗，其中大部分與正態理論有關，稱為引數統計。 在引數統計中，通常給出總體的分布形式或分布族，而均值和方差等引數是未知的。

任務是估計或測試這些引數。 假設分布時，推理具有很高的精度。

非人參白

數學是應用統計學的重要分支之一。 非引數統計與傳統統計不同。

DAO引數統計的基本特徵是，非引數統計分析的模組化權重型別通常對模型和資料的假設較為寬鬆。 一般來說，非引數統計是一種不對資料分布的具體形式進行詳細假設，試圖從資料本身獲得資料的結構關係，逐步建立研究物件的數學模型和統計模型的方法。

應用非引數統計的條件包括：

一、基本特點。

非引數統計問題中對總體分布的假設需要較寬的條件，因此針對該問題構建的非引數統計方法不會因總體分布假設不當而導致重大誤差，因此具有良好的魯棒性（參見魯棒統計），這是乙個重要特徵。

但是，由於非引數統計方法需要處理各種分布，因此在某些情況下，它們可能會導致其效率降低。 然而，近**理論證明，一些重要的非引數統計方法，與它們的對應方法相比，效率損失很小，即使在對後者最有利的情況下也是如此。

2.適用範圍。

1.待分析的資料不符合引數檢驗要求的假設，因此不能應用引數檢驗。 例如，當我們遇到非正態人群的小樣本時，t 檢驗不合適，可以使用非引數檢驗作為替代。

2.僅由部分成績組成的資料不能應用於引數測試。 例如，消費者可能會被問及他們有多喜歡幾個不同商標下的飲料，雖然他們不能為每個商標分配乙個數字來表明他們對商標的喜歡程度，但他們可以按喜歡的順序對幾個商標進行排名。 在這種情況下，還建議使用非引數檢驗。

3.提出的問題不包含引數，也不能通過引數進行檢驗。 例如，如果我們想確定樣本是否隨機，則非引數檢驗是合適的。

4.當我們需要快速得到結果時，我們也可以使用非引數統計方法代替引數統計方法來達到目標。 一般來說，非引數統計方法所需的計算比引數統計方法更快、更容易完成。 一些非引數統計方法，即使對於不熟悉統計學的人來說，也可以及時計算出來。

在統計檢驗中，重要的是要考慮是否使用非引數統計方法（ ）。

a.應根據研究目的和資料特徵做出決定。

b.在計算了幾個統計資料並得出初步結論後，可以做出選擇。

c.這取決於哪個統計結論符合專業理論。

d.這取決於哪個值更小。

e.由於非引數統計對資料沒有嚴格的要求，因此在任何情況下都可以直接使用。

答案分析一應根據研究目的和資料特徵做出決定。

統計檢驗（根據抽樣結果拒絕或不拒絕乙個或多個總體分布的原假設的過程）通常稱為假設檢驗。

假設檢驗又稱統計假設檢驗，是一種統計推斷方法，用於確定樣本與樣本和總體之間的差異是由抽樣誤差還是本質差異引起的。

顯著性檢驗是假設檢驗最常用的方法之一，也是統計推斷最基本的形式，它的基本原理是對總體的特徵做出某種假設，然後通過抽樣研究的統計推理來推斷假設是應該被拒絕還是接受。 常用的假設檢驗方法包括z檢驗、t檢驗、卡方檢驗、f檢驗等。

假設檢驗的基本思想是“小概率事件”原理，其統計推斷方法是一種具有一定概率性質的反證方法。 低概率的概念是，在單個試驗中不會發生小概率事件。 反證法的思想是先提出乙個檢驗假設，然後利用小概率原理，用適當的統計方法判斷這個假設是否成立。

也就是說，為了檢驗假設 h0 是否正確，首先假設假設 h0 是正確的，然後根據樣本做出接受或拒絕假設 h0 的決定。 如果樣本觀測導致發生“小概率事件”，則應拒絕假設 h0，否則應接受假設 h0。

假設檢驗中所謂的“小概率事件”在邏輯上並不是絕對矛盾，而是基於實踐中廣泛採用的原理，即小概率事件在實驗中幾乎從不發生;

顯然，“小概率事件”的概率越小，否定原假設h0就越有說服力，這個概率值通常被記住為（0< <1），稱為檢驗的顯著性水平。

對於不同的問題，檢驗的顯著性水平不一定相同，並且普遍認為事件發生的概率小於05 左右，即“小概率事件”。