Minitab | 数据不服从正态？尝试做非参数假设检验

数据不服从正态？尝试做非参数假设检验

数据如果不满足正态分布，那么很多统计工具将不能直接使用。

别紧张。让你的数据是什么就是什么，去Minitab统计软件的统计菜单，并选择“非参数”。

如果你阻碍了正态性数据的缺乏，非参数统计可能会帮助你找到答案。如果这个词“非参数”看起来像五个音节那么的麻烦，不要害怕它只是一个大词，通常是指“测试，不承担你的数据遵循一个正常的分布。”

事实上，非参数统计不假设你的数据遵循任何分布。下表列出了常见的参数测试，它们的等效非参数检验，以及每个参数的主要特征。

非参数自由分析你的数据从假定的束缚。所以，选择一个非参数分析像从墨守成规令人窒息的环境删除你的数据，并把它变成一个无评判，Groovy的田园诗，在你的数据集可以只是它是什么，没有麻烦的形状是否独特而美观。那个人多酷啊？你搞明白了吗？

当然，这不是很无忧无虑。就像上世纪60年代既包括Woodstock和Altamont，所以非参数检验提供令人信服的优势和严重的缺陷。

非参数检验的优点

这两个参数和非参数检验得出关于样本的人口的推论，但参数检验的样本参数，如平均值和标准偏差，并对你的数据的各种假设，例如，它遵循一个正态分布，样本包括一个最小数量的数据点。

与之相反的是，非参数测试不受数据分布的影响。非参数检验也适应了许多条件，参数检验不处理，包括小样本量，有序的结果和异常值。

因此，比传统的参数检验它们可以被用于在更广泛的情况下和更多类型的数据。许多人也认为，非参数分析更直观。

非参数检验的缺点

但是，非参数检验并不是完全没有假设他们所要求的数据是一个独立的随机样本，例如。

非参数检验不是万能。对于初学者来说，他们通常有较少的统计功率比参数等值。功效是你在错误的时候会正确拒绝虚无假设的可能性。这意味着你有机会增加这些检验进行的II型误差。

在实际中，这意味着非参数检验是不太可能检测到一个效果或关联时是真的存在。

因此，如果在相同的置信水平你想得出结论，你会得到使用一个等效的参数检验你将需要更大的样本量。

对于非正态的数据，非参数测试不是一个大小适合所有的解决方案，但他们可以产生良好的答案的情况下，参数统计只是行不通。

参数或非参数为你正确选择？

我简要地概述了参数和非参数假设检验之间的差异，看哪一测试是等价的，并考虑了它们的一些优点和缺点。如果你在等我告诉你你应该选择哪个方向……嗯，我可以说的是，“这取决于…”，但我可以给你一些既定的经验规则来考虑当你在看你的情况的细节。

记住，非正态数据不会立即取消您的数据参数检验。你的样本量是多少？只要有一定的最小样本量满足，大多数参数检验将是强大的正态性假设。例如，在MINITAB辅助（使用Welch的t检验）指出，虽然两样本t检验是基于假设数据是正态分布的假设，这并不重要，当样本量至少15。Bonnett的样本标准差检验进行非正态数据即使当样本小于20。

此外，虽然他们可能不需要正态的数据，许多非参数检验有其他假设，你不能无视。例如，假设您的Kruskal Wallis检验的样本来自总体，具有相似的形状和方差相等。和单样本Wilcoxon检验结果不承担特定的人口分布，但它承担的分布是对称的。

在大多数情况下，你的参数和非参数检验之间的选择最终归结为样本大小，以及你的数据的中心是否是更好地反映的平均值或中位数。

如果平均准确地代表你的分布的中心，你的样本量足够大，一个参数检验为您提供更好的准确性和更大的功效。

如果你的样本量很小，你可能需要进行非参数检验。但是如果中位数更好地代表你的分布的中心，一个非参数检验可能是一个更好的选择，即使是一个大样本。