Paramétrico x Não Paramétrico: Diferença e Comparação

O campo das estatísticas contém dois tipos de variáveis: dependentes e independentes. Da mesma forma, os estatísticos usam vários tipos de testes, paramétricos e não paramétricos.

Principais lições

1. Os testes paramétricos são baseados em suposições sobre a distribuição subjacente da população, enquanto os testes não paramétricos não exigem tais suposições.
2. Os testes não paramétricos são mais robustos para valores discrepantes e dados não normais do que os testes paramétricos.
3. Os testes paramétricos tendem a ter maior poder estatístico, mas os testes não paramétricos são preferíveis quando os pressupostos dos testes paramétricos não são atendidos.

Paramétrico x Não Paramétrico

A principal diferença entre esses dois testes é que um é dependente e o outro é independente até certo ponto de parâmetros como média, desvio padrão, variação e Teorema do Limite Central. Todos estes são parâmetros diferentes calculados sobre os dados disponíveis. No entanto, todo teste paramétrico tem uma contraparte não paramétrica ou equivalente.

Os procedimentos estatísticos paramétricos são descritos como aqueles cujos resultados dependem da suposição da forma da distribuição de dados (Exemplo: Distribuição Normal) e dos parâmetros da distribuição assumida.

Procedimentos estatísticos não paramétricos são descritos como aqueles cujos resultados dependem de nenhuma ou poucas suposições sobre a forma da distribuição de dados ou sobre os parâmetros da distribuição assumida. Sua aplicação é mais flexível e robusta, pois não depende de nenhuma suposição ou condição pré-definida para os dados.

Tabela de comparação

Parâmetros de comparação	Paramétrico	Não paramétrico
Definição	O teste cujos resultados dependem da distribuição é chamado de teste paramétrico.	O teste cujos resultados não dependem da distribuição é chamado de teste não paramétrico.
Poder estatístico	Os testes paramétricos têm maior poder estatístico.	Os testes não paramétricos têm menor poder estatístico.
Versatilidade	Os testes paramétricos não se aplicam a todas as situações.	Os testes não paramétricos são mais robustos e podem ser aplicados em diversas situações.
Valor de tendência central	O valor médio é o valor de tendência central para este teste.	O valor mediano é o valor de tendência central para este teste.
Tipo de distribuição	É usado em dados que seguem uma distribuição normal.	É usado em dados que seguem qualquer distribuição arbitrária.

O que é Teste Paramétrico?

Um teste estatístico paramétrico assume os parâmetros da população e as distribuições dos dados de onde veio. O teste paramétrico é usado para dados quantitativos com variáveis.

Os testes paramétricos mais amplamente usados ​​são o teste t (para tamanho de amostra inferior a 30), Teste Z (para tamanho de amostra maior que 30), ANOVA e correlação de classificação de Pearson. O valor de tendência central considerado é a média da distribuição e é mais aplicável à distribuição normal de dados.

Distribuições contínuas como os dados sobre várias alturas ou pesos de um espécies ao longo do tempo e dados sobre temperaturas são exemplos onde testes paramétricos são usados. Embora, devido às suposições sobre os dados, sua aplicação seja um pouco menos versátil na vida real.

O que é Teste Não Paramétrico?

Testes não paramétricos são testes que não dependem de quaisquer suposições ou parâmetros de distribuição de dados para analisá-los. Às vezes, eles também são chamados de “testes sem distribuição”.

Usamos testes não paramétricos porque se os dados não atendem às suposições para a amostra da população ou quando os dados são distorcidos, o tamanho da amostra da população é muito pequeno ou se os dados que estão sendo analisados ​​são nominais ou ordinais.

É mais flexível em aplicações da vida real, pois os dados encontrados na vida real não são necessariamente distribuídos normalmente e são principalmente agrupados ou não lineares. Devido à sua simplicidade e natureza robusta, os testes não paramétricos são vistos como menos propensos a uso indevido e mal-entendidos.

Principais diferenças entre testes paramétricos e não paramétricos

A principal diferença entre os testes paramétricos e não paramétricos é que os testes paramétricos dependem dos dados seguindo certas suposições ou condições. Em contraste, testes não paramétricos não precisam seguir tais suposições. Algumas das outras diferenças entre os dois testes são as seguintes:

1. Os dados paramétricos seguem uma distribuição normal, enquanto a distribuição normal segue qualquer distribuição arbitrária.
2. Os testes paramétricos se aplicam apenas a variáveis, enquanto os testes não paramétricos podem ser aplicados a atributos e variáveis.
3. O valor de tendência central para o teste paramétrico é a média e para o teste não paramétrico é a mediana.
4. Em situações da vida real, os testes não paramétricos são alternativas de melhor ajuste do que os testes paramétricos.
5. Nos casos em que o tamanho da amostra é grande, os testes paramétricos apresentam maior poder estatístico do que os testes não paramétricos.

Referências

1. http://people.umass.edu/~biep640w/pdf/HOSKIN%20Tonya%20Intro%20to%20Nonparametrics.pdf
2. https://onlinelibrary.wiley.com/doi/abs/10.1002/j.1556-6676.1988.tb02007.x

Última atualização: 11 de junho de 2023