Ikkeparametrisk

Ikkeparametrisk er en samlebetegnelse for statistiske metoder som ikke gjør sterke antakelser om den underliggende populasjonsfordelingen. I stedet er de ofte basert på rangering av data eller andre ikke-parametriske prinsipper, og de fungerer godt for nominale eller ordinale data og når fordelingen er uklar eller ikke kjenner sin form.

Sammenlignet med parametriske metoder som antar en spesifikk fordeleringsmodell og estimerer parametere som middelverdi og varians, er ikkeparametriske metoder mindre avhengige av slike antakelser og kan være mer robuste mot uteliggere og avvik i data. De kan være mer fleksible når dataene ikke passer enkle modeller.

Vanlige ikkeparametriske tester inkluderer Mann-Whitney U-test (og Wilcoxon rangsumtest), Wilcoxon tegningsrangtest og Kruskal-Wallis H-test, samt korrelasjonsmål som Spearman sin rho og Kendall’s tau. For ikkeparametrisk regresjon finnes metoder som kernel-regresjon og splinesbaserte tilnærminger. Ikkeparametrisk tetning omfatter kernel density-estimering, og resamplingsteknikker som bootstrap og permutationstester.

Fordeler ved ikkeparametriske metoder inkluderer robusthet og brukbarhet ved små prøver eller når data er ordinale. Begrensninger er ofte lavere statistisk effektkraft sammenlignet med riktige parametriske metoder når forutsetningene er oppfylt, samt at effektstørrelser kan være vanskeligere å tolke.

Anvendelse: Ikkeparametriske metoder brukes bredt i medisin, psykologi og samfunnsvitenskap, der fordelingene ofte ikke er kjent eller data er ordinal. De er også sentrale i ikkeparametrisk maskinlæring og i resamplingsteknikker som brukes i moderne analyse.