eiparametrisille

Ei-parametriset menetelmät, lyhennettynä eiparametrisille, ovat tilastotieteen menetelmiä, jotka eivät perustu tietyn populaation jakauman parametrien ennalta asettamiseen. Niiden tarkoitus on analysoida dataa ilman tarkkoja oletuksia esimerkiksi normaalijakaumasta tai muusta tietyn muodon mukaisesta jakaumasta. Tämä tekee menetelmistä joustavia, erityisesti pienissä otoksissa, vinoissa tai epäjohdonmukaisissa jakaumissa sekä kun mittausaste on ordinaali.

Useimmat eiparametritiset menetelmät hyödyntävät vain järjestystä tai rank-tietoja. Esimerkkejä ovat Mann–Whitney U -testi ja Wilcoxonin signed-rank -testi kahden riippumattoman tai kahden liittyvän ryhmän vertailuun, Kruskal–Wallis -testi useiden ryhmien vertailuun ja Friedmaan testi toistettujen mittauksien tapauksessa. Korrelaatioon käytetään Spearmanin rho ja Kendallin tau -arvoja. Permutaatio- ja bootstrap-menetelmät sekä muut resampling-tekniikat ovat myös yleisiä ei-parametrisia lähestymistapoja.

Edut include: ei ole tarvetta normaalijakauma- tai varianssaoletuksille, soveltuvat ordinalille datalle ja ovat usein kestäviä poikkeaville arvoille. Rajoitteita ovat yleensä pienempi tilastinen teho suurilla otoksilla, tulosten tulkinnan epäsuoruus ja suurempi laskennallinen kuorma joissakin tapauksissa.

Eiparametriset menetelmät täydentävät parametrisilla menetelmillä tehtävää analyysiä, erityisesti kun data eivät täytä jakautuman oletuksia. Ne ovat keskeinen osa tilastoanalyysien repertuaria.