Paramétrico vs Não Paramétrico
Estatística é um ramo de estudos que nos permite entender a dinâmica populacional usando amostras extraídas de uma determinada população de interesse. É essencial que essas amostras sejam aleatórias. Muitas fórmulas são criadas com incorporação de matemática, para fazer inferências sobre parâmetros populacionais. Naturalmente qualquer população pode ter uma “distribuição normal” onde a dispersão dos dados/amostras tem a forma de um sino no gráfico de frequência. Em uma distribuição normal, a maioria das amostras concentra-se em torno da média e 68%, 95%, 99% dos dados são encontrados dentro de 1, 2 e 3 desvios padrão, respectivamente. Estatísticas paramétricas e não paramétricas dependem se a distribuição normal é ou não considerada.
O que é Estatística Paramétrica?
Estatística paramétrica é a estatística em que os dados/amostras são considerados como extraídos de uma distribuição normal. A definição de estatística paramétrica é “a estatística que assume que os dados provêm de um tipo de distribuição de probabilidade e faz inferências sobre os parâmetros da distribuição”. A maioria dos métodos estatísticos elementares conhecidos pertencem a este grupo. Na realidade, eles podem não ser normalmente distribuídos. Portanto, esse tipo de estatística é baseado em mais suposições. Se os dados/amostras tiverem distribuição normal ou distribuição quase normal, as fórmulas podem produzir resultados e inferências precisos. No entanto, se a suposição de distribuição normal estiver errada, as estatísticas paramétricas podem ser bastante enganosas.
O que é Estatística Não Paramétrica?
Estatísticas não paramétricas também são conhecidas como estatísticas sem distribuição. A vantagem desse tipo de estatística é que ele não precisa fazer uma suposição como feita anteriormente com paramétricos. Cálculos estatísticos não paramétricos levam em consideração as medianas do que as médias. Portanto, se um ou dois se desviam do valor médio, seu efeito é desprezado. Geralmente as estatísticas paramétricas são preferidas do que isso porque tem mais poder para rejeitar uma hipótese falsa do que o método não paramétrico. Um dos testes não paramétricos mais conhecidos é o teste do qui-quadrado. Existem análogos não paramétricos para alguns testes paramétricos, como teste t de Wilcoxon para teste t de amostra pareada, teste t de Mann-Whitney para teste t de amostras independentes, correlação de Spearman para correlação de Pearson etc. Para um teste t de amostra, não há teste não paramétrico comparável.
Qual é a diferença entre paramétrico e não paramétrico?
• As estatísticas paramétricas dependem da distribuição normal, mas as estatísticas não paramétricas não dependem da distribuição normal.
• Estatísticas paramétricas fazem mais suposições do que estatísticas não paramétricas.
• As estatísticas paramétricas usam fórmulas mais simples em comparação com as estatísticas não paramétricas.
• Quando se acredita que uma população tem distribuição normal ou próxima da distribuição normal, a estatística paramétrica é a melhor a ser utilizada. Caso contrário, é melhor usar um método não paramétrico.
• A maioria dos métodos estatísticos elementares comumente conhecidos pertence à estatística paramétrica. Estatísticas não paramétricas são usadas com moderação e aplicadas para casos especiais.
