参数检验和非参数检验的区别

参数检验和非参数检验的区别：

1、定义不同：

参数检验：假定数据服从某分布（一般为正态分布），通过样本参数的估计量（x±s）对总体参数（μ）进行检验，比如t检验、u检验、方差分析。

非参数检验：不需要假定总体分布形式，直接对数据的分布进行检验。由于不涉及总体分布的参数，故名「非参数」检验。比如，卡方检验。

2、参数检验的集中趋势的衡量为均值，而非参数检验为中位数。

3、参数检验需要关于总体分布的信息；非参数检验不需要关于总体的信息。

4、参数检验只适用于变量，而非参数检验同时适用于变量和属性。

5、测量两个定量变量之间的相关程度，参数检验用Pearson相关系数，非参数检验用Spearman秩相关。

简而言之，若可以假定样本数据来自具有特定分布的总体，则使用参数检验。如果不能对数据集作出必要的假设，则使用非参数检验。

扩展资料：

非参数检验的常见方法：

1、Wilcoxon Signed Ranks test：也称配对符号秩检验，适用于连续型资料，用来检验配对资料的差值是否来自于中位数为0的总体，也可推断总体中位数是否等于某个指定值，该方法利用配对资料差值大小的信息，检验效率高于符号检验。

2、Sign test：也称差数秩检验，根据配对资料差值正负号检验其效果有无差异，由于检验效能较低，当配对设计资料不满足非参数检验时可考虑使用。

3、McNemar test：在卡方检验时学习过，该方法适用于计数资料，指标变量为二分类，可用来检验配对设计资料处理前后的结果是否存在差异或者配对组之间的频率有无差异。

4、Marginal Homogeneity test：McNemar检验的扩展，适用于指标变量为多分类的有序或无序资料，即平方表格资料(R×R列联表资料)。

参考资料来源：百度百科-参数检验

参考资料来源：百度百科-非参数检验

参数检验与非参数检验的区别有：

1、参数检验的集中趋势的衡量为均值，而非参数检验为中位数。

2、参数检验需要关于总体分布的信息；非参数检验不需要关于总体的信息。

3、参数检验只适用于变量，而非参数检验同时适用于变量和属性。

4、测量两个定量变量之间的相关程度，参数检验用Pearson相关系数，非参数检验用Spearman秩相关。

扩展资料：

需要使用非参数检验：

1、数据分布的集中趋势更适合用中位数来表示。比如收入，偏态分布的中心可以通过中位数更好地衡量，其中50%在中位数之上，50%在中位数之下。如果在样本中加入几个亿万富翁，即使一般人的收入没有变化，平均值也会大幅度增加，但中位数没有显著差异。

2、样本量很小：当样本量非常小时，不足以确定数据是否正态分布，则应使用非参数检验。

3、存在等级顺序数据或异常值：典型的参数检验只能对连续数据进行评估，异常值对结果的影响较大。相反，一些非参数检验可以处理等级顺序数据，不受异常值的严重影响。

总之，使用参数或非参数检验主要取决于平均值还是中位数可以更准确地表示数据分布的中心。如果是平均值，且样本量足够大，那么考虑参数检验。如果是中位数，即使样本很大，也要考虑非参数检验。

参考资料来源：百度百科-参数检验

参考资料来源：百度百科-非参数检验

1正态总体均值的假设检验（t检验）

检验1组数据样本的均值是否等于，大于或小于某个值，或者检验两组数据样本的均值的大小情况。其中的统计量Z一般服从t分布。

2正态总体方差的假设检验

检验1组数据样本的方差是否等于，大于或小于某个值，或者检验两组数据样本的方差的大小情况。其中单样本检验的统计量X2一般服从卡方分布。双样本检测的统计量F一般服从F分布。

3二项分布总体的假设检验（非正态总体的假设检验）

非正态总体的假设检验有很多，二项分布总体的假设检验相对较为常用。常用于随机抽样实验的成功概率的检验。

1Neyman-Pearson χ2 拟合优度检验

检验样本数据是否符合某种分布，Neyman-Pearson拟合优度检验是非常重要的非参数检验方法，既可以用于检验数据的分布特性，又可以检验不同组数据之间的分布关系（是否是同一分布）。

2Kolmogorov-Smirnov检验

也是一个相当重要的检验方法，和Pearson方法一样属于拟合优度检验方法。但是Kolmogorov-Smirnov方法无需对要检验的数据分组，且使用经验累积分布函数（ECDF）来定义统计量，可以用于任何分布的检验。但Kolmogorov-Smirnov只适用于一元分布的情况。因此适用面与Pearson方法相比稍小。

3独立性检验

很重要的检验方法，具体有Pearson卡方检验，Fisher精确独立性检验。这些检验方法通常用于检验数据的分布和假设影响因素的关系。

4符号检验和秩和检验

检验样本与总体的情况，或样本总体间的差异。

非参数检验指对总体分布形式所知甚少，需要对未知分布函数的形式及其他特征进行假设检验。常见的非参数检验有符号检验、秩和检验、中数检验等。
非参数检验相对参数检验不需要严格的前提假没，特别是关于分布正态性假设，所以也称为自由分布检验；特别适用于等级/名义型资料，对这类数据参数方法无法直接检验；特别适用于小样本的探索性/预备研究；其优点是计算简便，直观，易于掌握，检验速度较快；缺点是对资料的信息利用少，方法的效能和完善性都不及参数检验。

---