क्या कोई सांख्यिकीय परीक्षण है जो पैरामीट्रिक और गैर पैरामीट्रिक है? यह सवाल एक इंटरव्यू पैनल ने पूछा था। क्या यह वैध प्रश्न है?
क्या कोई सांख्यिकीय परीक्षण है जो पैरामीट्रिक और गैर पैरामीट्रिक है? यह सवाल एक इंटरव्यू पैनल ने पूछा था। क्या यह वैध प्रश्न है?
जवाबों:
"पैरामीट्रिक परीक्षण" और "गैर-पैरामीट्रिक परीक्षण" द्वारा वास्तव में क्या मतलब है, यह बताना मुश्किल है, हालांकि कई ठोस उदाहरण हैं जहां अधिकांश इस बात पर सहमत होंगे कि क्या परीक्षण पैरामीट्रिक या गैर पैरामीट्रिक है (लेकिन दोनों कभी नहीं) । एक त्वरित खोज ने यह तालिका दी , जो मुझे लगता है कि पैरामीट्रिक और गैर-पैरामीट्रिक परीक्षणों के बीच कुछ क्षेत्रों में एक सामान्य व्यावहारिक अंतर का प्रतिनिधित्व करता है।
तालिका के ठीक ऊपर एक टिप्पणी है:
"... पैरामीट्रिक डेटा में एक अंतर्निहित सामान्य वितरण है .... और कुछ भी गैर पैरामीट्रिक है।"
यह कुछ क्षेत्रों में एक स्वीकृत मानदंड हो सकता है जो या तो हम सामान्यता मान लेते हैं और एनोवा का उपयोग करते हैं, और यह पैरामीट्रिक है, या हम सामान्यता नहीं मानते हैं और गैर-पैरामीट्रिक विकल्प का उपयोग करते हैं।
यह शायद बहुत अच्छी परिभाषा नहीं है, और यह वास्तव में मेरी राय में सही नहीं है, लेकिन यह अंगूठे का एक व्यावहारिक नियम हो सकता है। ज्यादातर इसलिए कि सामाजिक विज्ञानों में अंतिम लक्ष्य, डेटा का विश्लेषण करना है, और गैर-सामान्य वितरण के आधार पर एक पैरामीट्रिक मॉडल तैयार करने में सक्षम होना अच्छा है और फिर डेटा का विश्लेषण करने में सक्षम नहीं है?
एक वैकल्पिक परिभाषा, "गैर-पैरामीट्रिक परीक्षण" को उन परीक्षणों के रूप में परिभाषित करना है जो वितरण योग्य मान्यताओं और पैरामीट्रिक परीक्षणों पर निर्भर नहीं करते हैं।
पूर्व के साथ-साथ बाद की परिभाषा प्रस्तुत परीक्षणों के एक वर्ग को परिभाषित करती है और फिर अन्य वर्ग को पूरक (कुछ भी) के रूप में परिभाषित करती है। परिभाषा के अनुसार, यह नियम बताता है कि एक परीक्षण पैरामीट्रिक के साथ-साथ गैर पैरामीट्रिक भी हो सकता है।
सच्चाई यह है कि बाद की परिभाषा भी समस्याग्रस्त है। क्या होगा अगर कुछ प्राकृतिक "गैर-पैरामीट्रिक" धारणाएं हैं, जैसे कि समरूपता, जिसे लगाया जा सकता है? क्या यह एक परीक्षण आँकड़ा बदल देगा जो अन्यथा किसी पैरामीट्रिक परीक्षण में किसी भी वितरण संबंधी मान्यताओं पर भरोसा नहीं करता है? ज्यादातर कहेंगे ना!
इसलिए गैर-पैरामीट्रिक परीक्षणों के वर्ग में परीक्षण होते हैं जिन्हें कुछ वितरण संबंधी धारणाएं बनाने की अनुमति होती है जब तक कि वे "बहुत पैरामीट्रिक" न हों। "पैरामीट्रिक" और "नॉन-पैरामीट्रिक" परीक्षणों के बीच की सीमा धुंधली हो गई है, लेकिन मेरा मानना है कि अधिकांश इस बात को बनाए रखेंगे कि या तो एक परीक्षण पैरा-मैट्रिक है या गैर-पैरामीट्रिक है, शायद यह न तो हो सकता है, बल्कि यह कह सकता है कि यह दोनों है थोड़ा समझ में आता है।
एक अलग दृष्टिकोण लेते हुए, कई पैरामीट्रिक परीक्षण (समतुल्य) संभावना अनुपात परीक्षण हैं। यह एक सामान्य सिद्धांत को संभव बनाता है, और हमारे पास उपयुक्त नियमितता परिस्थितियों में संभावना अनुपात परीक्षणों के वितरण गुणों की एक एकीकृत समझ है। गैर-पैरामीट्रिक परीक्षण, इसके विपरीत, प्रति से तुलना अनुपात अनुपात परीक्षण के बराबर नहीं हैं कोई संभावना नहीं है - और संभावना के आधार पर एकीकृत पद्धति के बिना हमें केस-बाय-केस आधार पर वितरण परिणाम प्राप्त करना होगा। अनुभवजन्य संभावना का सिद्धांतस्टैनफोर्ड में मुख्य रूप से आर्ट ओवेन द्वारा विकसित किया गया है, हालांकि, एक बहुत ही दिलचस्प समझौता है। (के रूप में मैं एक की तुलना में अधिक महत्वपूर्ण वस्तु के रूप में संभावना के संबंध में, मेरे लिए एक महत्वपूर्ण बिंदु यह आंकड़े की प्रबल संभावना है आधारित दृष्टिकोण प्रदान करता है ठेठ पैरामीट्रिक वितरणात्मक मान्यताओं के आवश्यकता के बिना -value, कहते हैं)। मौलिक विचार अनुभवजन्य डेटा पर बहुराष्ट्रीय वितरण का एक चतुर उपयोग है, तरीके बहुत "पैरामीट्रिक" हैं फिर भी पैरामीट्रिक मान्यताओं को प्रतिबंधित किए बिना मान्य हैं।
अनुभवजन्य संभावना के आधार पर परीक्षण, IMHO, पैरामीट्रिक परीक्षणों के गुण और गैर-पैरामीट्रिक परीक्षणों की व्यापकता है, इसलिए जिन परीक्षणों के बारे में मैं सोच सकता हूं, वे पैरामीट्रिक होने के साथ-साथ गैर पैरामीट्रिक होने के लिए योग्य हैं, हालांकि मैं इस शब्दावली का उपयोग न करें।
पैरामीट्रिक का उपयोग (कम से कम) दो अर्थों में किया जाता है: ए - घोषित करने के लिए आप मानदंड के परिवार को मानदंड तक मान रहे हैं। बी - घोषित करने के लिए आप व्याख्यात्मक चर और परिणाम के बीच विशिष्ट कार्यात्मक संबंध मान रहे हैं।
कुछ उदाहरण:
शब्द "अर्ध-पैरामीट्रिक" आमतौर पर केस बी को संदर्भित करता है और इसका मतलब है कि आप पूरे कार्यात्मक संबंध नहीं मान रहे हैं, लेकिन इसके बजाय आपके पास "पूर्ववर्ती के कुछ सुचारू परिवर्तन में योगात्मक" जैसी सैन्य धारणाएं हैं।
आप शोर के वितरण पर भी दूधिया धारणा हो सकते हैं- जैसे "सभी क्षण परिमित हैं", विशेष रूप से वितरण के आकार को निर्दिष्ट किए बिना। मेरे ज्ञान का सबसे अच्छा करने के लिए, इस प्रकार की धारणा के लिए कोई शब्द नहीं है।
ध्यान दें कि उत्तर डेटा निर्माण प्रक्रिया के पीछे अंतर्निहित धारणाओं से संबंधित है। जब "ए-पैरामीट्रिक टेस्ट" कहा जाता है, तो एक आमतौर पर गैर-पैरामीट्रिक को समझ में आता है। ए। इसका मतलब है कि आप इसका मतलब है, तो मैं "नहीं" का जवाब दूंगा। एक ही समय में एक ही अर्थ में पैरामीट्रिक और गैर पैरामीट्रिक होना असंभव होगा।
मुझे लगता है कि "पैरामीट्रिक और गैर पैरामीट्रिक" से उनका क्या अर्थ है यह निर्भर करता है? एक ही समय में बिल्कुल दोनों, या दो का मिश्रण?
कई कॉक्स आनुपातिक खतरों के मॉडल को अर्ध-पैरामीट्रिक मानते हैं, क्योंकि यह आधारभूत खतरे का अनुमान नहीं लगाता है।
या आप वास्तव में बड़े पैमाने पर पैरामीट्रिक के रूप में कई गैर-पैरामीट्रिक आँकड़े देखने का विकल्प चुन सकते हैं।
ब्रैडली ने अपने क्लासिक डिस्ट्रीब्यूशन-फ्री स्टेटिस्टिकल टेस्ट्स (1968, पृष्ठ 15-16 - एक उद्धरण के लिए इस प्रश्न को देखें ) में वितरण-मुक्त और गैर - समरूप परीक्षणों के बीच अंतर को स्पष्ट किया गया है , जो कहता है कि वे अक्सर एक-दूसरे के साथ भ्रमित होते हैं, और देते हैं मध्यिका के लिए साइन परीक्षण के रूप में एक पैरामीट्रिक वितरण-मुक्त परीक्षण का उदाहरण । यह परीक्षण विभिन्न मूल्यों के नमूने की अंतर्निहित वितरण के बारे में कोई धारणा नहीं बनाता है, इसलिए यह वितरण-मुक्त है । हालांकि, यदि चयनित माध्य सही है, तो इसके ऊपर और नीचे के मान समान संभावनाओं पर चुने जाने चाहिए, जिसमें से यादृच्छिक नमूने का परीक्षण किया गया है
अपडेट करें