Que sont les tests non paramétriques?

En statistique, les tests non paramétriques sont des méthodes d'analyse statistique qui ne nécessitent pas de distribution pour répondre aux hypothèses requises pour être analysées (surtout si les données ne sont pas normalement distribuées). Pour cette raison, ils sont parfois appelés tests sans distribution. Les tests non paramétriques servent d'alternative aux tests paramétriques tels que le test T ou l'ANOVA qui ne peuvent être utilisés que si les données sous-jacentes satisfont à certains critères et hypothèses.

Tests non paramétriques

Notez que les tests non paramétriques sont utilisés comme une méthode alternative aux tests paramétriques, et non comme leurs substituts. En d'autres termes, si les données satisfont aux hypothèses requises pour effectuer les tests paramétriques, le test paramétrique pertinent doit être appliqué.

De plus, dans certains cas, même si les données ne répondent pas aux hypothèses nécessaires mais que la taille de l'échantillon des données est suffisamment grande, nous pouvons toujours appliquer les tests paramétriques au lieu des tests non paramétriques.

Raisons d'utiliser des tests non paramétriques

Afin d'obtenir les bons résultats de l'analyse statistique Analyse quantitative L'analyse quantitative est le processus de collecte et d'évaluation de données mesurables et vérifiables telles que les revenus, la part de marché et les salaires afin de comprendre le comportement et les performances d'une entreprise. À l'ère de la technologie des données, l'analyse quantitative est considérée comme l'approche privilégiée pour prendre des décisions éclairées. , nous devons connaître les situations dans lesquelles l'application de tests non paramétriques est appropriée. Les principales raisons d'appliquer le test non paramétrique sont les suivantes:

1. Les données sous-jacentes ne répondent pas aux hypothèses concernant l'échantillon de population

Généralement, l'application de tests paramétriques nécessite la satisfaction de diverses hypothèses. Par exemple, les données suivent une distribution normale et la variance de la population est homogène. Cependant, certains échantillons de données peuvent présenter des distributions asymétriques Distribution asymétrique positive Dans les statistiques, une distribution asymétrique positive (ou asymétrique droite) est un type de distribution dans laquelle la plupart des valeurs sont regroupées autour de la queue gauche du.

L'asymétrie rend les tests paramétriques moins puissants parce que la moyenne n'est plus la meilleure mesure de la tendance centrale. Avec la variabilité car elle est fortement affectée par les valeurs extrêmes. Dans le même temps, les tests non paramétriques fonctionnent bien avec des distributions asymétriques et des distributions mieux représentées par la médiane.

2. La taille de l'échantillon de population est trop petite

La taille de l'échantillon est une hypothèse importante dans le choix de la méthode statistique appropriée Concepts statistiques de base pour la finance Une solide compréhension des statistiques est d'une importance cruciale pour nous aider à mieux comprendre la finance. De plus, les concepts de statistiques peuvent aider les investisseurs à surveiller. Si la taille d'un échantillon est raisonnablement grande, le test paramétrique applicable peut être utilisé. Cependant, si la taille d'un échantillon est trop petite, il est possible que vous ne puissiez pas valider la distribution des données. Ainsi, l'application de tests non paramétriques est la seule option appropriée.

3. Les données analysées sont ordinales ou nominales

Contrairement aux tests paramétriques qui ne peuvent fonctionner qu'avec des données continues, les tests non paramétriques peuvent être appliqués à d'autres types de données tels que les données ordinales ou nominales. Pour de tels types de variables, les tests non paramétriques sont la seule solution appropriée.

Types de tests

Les tests non paramétriques incluent de nombreuses méthodes et modèles. Voici les tests les plus courants et leurs équivalents paramétriques correspondants:

1. Test U de Mann-Whitney

Le test U de Mann-Whitney est une version non paramétrique du test t pour échantillons indépendants. Le test porte principalement sur deux échantillons indépendants contenant des données ordinales.

2. Test de classement signé Wilcoxon

Le test de classement signé de Wilcoxon est un équivalent non paramétrique du test t d'échantillons appariés. Le test compare deux échantillons dépendants avec des données ordinales.

3. Le test de Kruskal-Wallis

Le test de Kruskal-Wallis est une alternative non paramétrique à l'ANOVA unidirectionnelle. Le test de Kruskal-Wallis est utilisé pour comparer plus de deux groupes indépendants avec des données ordinales.

Ressources supplémentaires

Finance est le fournisseur officiel du programme de certification FMVA® Global Financial Modeling & Valuation Analyst (FMVA) ™. . Pour continuer à apprendre et faire progresser votre carrière, les ressources financières supplémentaires ci-dessous vous seront utiles:

  • Combinaison Combinaison Une combinaison est une technique mathématique qui détermine le nombre d'arrangements possibles dans une collection d'éléments où l'ordre de la sélection
  • Distribution de fréquence cumulative Distribution de fréquence cumulative La distribution de fréquence cumulative est une forme de distribution de fréquence qui représente la somme d'une classe et de toutes les classes en dessous. Souviens-toi de cette fréquence
  • Distribution négativement asymétrique Distribution négativement biaisée Dans les statistiques, une distribution négativement asymétrique (également appelée asymétrique à gauche) est un type de distribution dans lequel plus de valeurs sont concentrées à droite
  • Biais de sélection d'échantillon Biais de sélection d'échantillon Le biais de sélection d'échantillon est le biais qui résulte de l'incapacité à garantir la randomisation appropriée d'un échantillon de population. Les défauts de la sélection des échantillons

Recommandé

Crackstreams a-t-il été fermé ?
2022
Le centre de commande MC est-il sûr ?
2022
Taliesin quitte-t-il un rôle critique?
2022