నాన్‌పారామెట్రిక్ స్టాటిస్టిక్స్ అంటే ఏమిటి?
నాన్‌పారామెట్రిక్ గణాంకాలు ఒక గణాంక పద్ధతిని సూచిస్తాయి, దీనిలో డేటా సాధారణ పంపిణీకి సరిపోయే అవసరం లేదు. నాన్‌పారామెట్రిక్ గణాంకాలు తరచూ ఆర్డినల్‌గా ఉండే డేటాను ఉపయోగిస్తాయి, అంటే ఇది సంఖ్యలపై ఆధారపడదు, కానీ ర్యాంకింగ్ లేదా రకాల క్రమం మీద ఆధారపడి ఉంటుంది. ఉదాహరణకు, ఇష్టపడటం నుండి ఇష్టపడటం వరకు వినియోగదారు ప్రాధాన్యతలను తెలియజేసే ఒక సర్వే ఆర్డినల్ డేటాగా పరిగణించబడుతుంది.
నాన్‌పారామెట్రిక్ గణాంకాలలో నాన్‌పారామెట్రిక్ వివరణాత్మక గణాంకాలు, గణాంక నమూనాలు, అనుమితి మరియు గణాంక పరీక్షలు ఉన్నాయి. నాన్‌పారామెట్రిక్ మోడళ్ల యొక్క మోడల్ నిర్మాణం ఒక ప్రియోరిని పేర్కొనలేదు కాని బదులుగా డేటా నుండి నిర్ణయించబడుతుంది. నాన్‌పారామెట్రిక్ అనే పదం అటువంటి నమూనాలు పూర్తిగా పారామితులను కలిగి ఉండవని సూచించడానికి కాదు, కానీ పారామితుల సంఖ్య మరియు స్వభావం సరళమైనవి మరియు ముందుగానే నిర్ణయించబడవు. హిస్టోగ్రాం సంభావ్యత పంపిణీ యొక్క అసమాన అంచనాకు ఉదాహరణ.
నాన్‌పారామెట్రిక్ స్టాటిస్టిక్స్ అర్థం చేసుకోవడం
గణాంకాలలో, పారామెట్రిక్ గణాంకాలలో సగటు, మధ్యస్థ, ప్రామాణిక విచలనం, వ్యత్యాసం మొదలైన పారామితులు ఉంటాయి. ఈ గణాంకాలు పంపిణీ యొక్క పారామితులను అంచనా వేయడానికి గమనించిన డేటాను ఉపయోగిస్తాయి. పారామెట్రిక్ గణాంకాల ప్రకారం, డేటా తెలియని పారామితులు μ (జనాభా సగటు) మరియు σ 2 (జనాభా వ్యత్యాసం) తో సాధారణ పంపిణీకి సరిపోతుందని భావించబడుతుంది, ఇవి నమూనా సగటు మరియు నమూనా వ్యత్యాసాన్ని ఉపయోగించి అంచనా వేయబడతాయి.
నాన్‌పారామెట్రిక్ గణాంకాలు నమూనా పరిమాణం గురించి లేదా గమనించిన డేటా పరిమాణాత్మకంగా ఉందా అనే దానిపై ఎటువంటి umption హను ఇవ్వదు.
నాన్‌పారామెట్రిక్ గణాంకాలు డేటా సాధారణ పంపిణీ నుండి తీసుకోబడిందని అనుకోదు. బదులుగా, పంపిణీ యొక్క ఆకారం గణాంక కొలత యొక్క ఈ రూపంలో అంచనా వేయబడింది. సాధారణ పంపిణీని can హించే అనేక పరిస్థితులు ఉన్నప్పటికీ, డేటా సాధారణంగా పంపిణీ చేయబడుతుందో లేదో నిర్ణయించడం సాధ్యం కాని కొన్ని దృశ్యాలు కూడా ఉన్నాయి.
నాన్‌పారామెట్రిక్ స్టాటిస్టిక్స్ యొక్క ఉదాహరణలు
మొదటి ఉదాహరణలో, గోధుమ కళ్ళతో జన్మించిన ఉత్తర అమెరికాలో శిశువుల సంఖ్యను అంచనా వేయాలని కోరుకునే పరిశోధకుడిని పరిగణించండి, 150, 000 మంది శిశువుల నమూనాను తీసుకొని డేటా సమితిలో విశ్లేషణను అమలు చేయాలని నిర్ణయించుకోవచ్చు. వారు పొందిన కొలత తరువాతి సంవత్సరం జన్మించిన గోధుమ కళ్ళతో ఉన్న పిల్లల మొత్తం జనాభా యొక్క అంచనాగా ఉపయోగించబడుతుంది.
రెండవ ఉదాహరణ కోసం, వేరొక పరిశోధకుడిని ముందుగానే లేదా ఆలస్యంగా పడుకోవడం ఎంత తరచుగా అనారోగ్యానికి గురవుతుందో తెలుసుకోవాలనుకుంటుంది. జనాభా నుండి యాదృచ్ఛికంగా నమూనా ఎంచుకోబడిందని uming హిస్తే, అనారోగ్య పౌన frequency పున్యం యొక్క నమూనా పరిమాణం పంపిణీ సాధారణమైనదిగా భావించవచ్చు. ఏదేమైనా, బ్యాక్టీరియా యొక్క ఒత్తిడికి మానవ శరీరం యొక్క ప్రతిఘటనను కొలిచే ఒక ప్రయోగం సాధారణ పంపిణీని కలిగి ఉండదని cannot హించలేము.
యాదృచ్ఛికంగా ఎంచుకున్న నమూనా డేటా జాతికి నిరోధకత కావచ్చు. మరోవైపు, పరిశోధకుడు జన్యు అలంకరణ మరియు జాతి వంటి అంశాలను పరిగణనలోకి తీసుకుంటే, ఈ లక్షణాలను ఉపయోగించి ఎంచుకున్న నమూనా పరిమాణం ఒత్తిడికి నిరోధకతను కలిగి ఉండకపోవచ్చు. అందువల్ల, సాధారణ పంపిణీని cannot హించలేము.
డేటాకు స్పష్టమైన సంఖ్యా వివరణ లేనప్పుడు ఈ పద్ధతి ఉపయోగపడుతుంది మరియు రకాల ర్యాంకింగ్ ఉన్న డేటాతో ఉపయోగించడం ఉత్తమం. ఉదాహరణకు, వ్యక్తిత్వ అంచనా పరీక్ష దాని కొలమానాల ర్యాంకింగ్‌ను గట్టిగా అంగీకరించలేదు, అంగీకరించలేదు, ఉదాసీనంగా ఉంటుంది, అంగీకరిస్తుంది మరియు గట్టిగా అంగీకరిస్తుంది. ఈ సందర్భంలో, నాన్‌పారామెట్రిక్ పద్ధతులను ఉపయోగించాలి.
ప్రత్యేక పరిశీలనలు
నాన్‌పారామెట్రిక్ గణాంకాలు వాడుకలో సౌలభ్యం కారణంగా ప్రశంసలు పొందాయి. పారామితుల అవసరం నుండి ఉపశమనం పొందినందున, డేటా అనేక రకాల పరీక్షలకు మరింత వర్తిస్తుంది. ఈ రకమైన గణాంకాలు సగటు, నమూనా పరిమాణం, ప్రామాణిక విచలనం లేదా ఆ సమాచారం ఏదీ అందుబాటులో లేనప్పుడు ఇతర సంబంధిత పారామితుల అంచనా లేకుండా ఉపయోగించవచ్చు.
నాన్‌పారామెట్రిక్ గణాంకాలు నమూనా డేటా గురించి తక్కువ make హలను కలిగిస్తాయి కాబట్టి, దాని అనువర్తనం పారామెట్రిక్ గణాంకాల కంటే విస్తృతంగా ఉంటుంది. పారామెట్రిక్ పరీక్ష మరింత సముచితమైన సందర్భాల్లో, నాన్‌పారామెట్రిక్ పద్ధతులు తక్కువ సామర్థ్యం కలిగి ఉంటాయి. పారామెట్రిక్ గణాంకాలను ఉపయోగించి ఫలితాలను పొందినదానికంటే నాన్‌పారామెట్రిక్ గణాంకాల నుండి పొందిన ఫలితాలు తక్కువ విశ్వాసాన్ని కలిగి ఉంటాయి.
కీ టేకావేస్
- నాన్‌పారామెట్రిక్ గణాంకాలు ఉపయోగించడానికి సులభమైనవి కాని ఇతర గణాంక నమూనాల యొక్క ఖచ్చితమైన ఖచ్చితత్వాన్ని అందించవు. ఏదో ఒక క్రమాన్ని పరిగణనలోకి తీసుకునేటప్పుడు ఈ రకమైన విశ్లేషణ ఉత్తమంగా సరిపోతుంది, ఇక్కడ సంఖ్యా డేటా మారినప్పటికీ, ఫలితాలు ఒకే విధంగా ఉంటాయి.
