mitteparameetriline

Mitteparameetriline statistika ehk mitteparameetrilised meetodid on statistika haru, mis ei eelda kindlate jaotuste ega seoste vormi kindlaid parameetreid. Need mudelid on sageli paindlikud ja kohanduvad andmete struktuurile, tuginedes enamasti järjestusele või muudele andmete omadustele, mitte konkreetsetele jaotusvormidele.

Peamised mitteparameetrilised meetodid hõlmavad näiteks Mann–Whitney U testi, Wilcoxoni järjekorratesti, Kruskal–Wallisi testi ja Friedmani testi. Seoste hindamiseks kasutatakse Spearmani ja Kendall’i tau korrelatsioone. Mitteparameetriline regressioon hõlmab kernelregressiooni (nt Nadaraya–Watson) ja mitmesuguseid spline-lähendusi. Jaotuslike tiheduste hindamiseks kasutatakse kerneltiheduse hindamist.

Eelised on see, et eeldused jaotuse vormi kohta on vähesed või puuduvad, meetodid on robustsed ning toimivad hästi ebaühtlaste või väikeste andmete korral. Puudusteks võivad olla suurem andmepõhja vajadus, madalam efektiivsus võrreldes korralikult valideeritud parametrisatsiooniga mudelitega ning tulemuste tõlgendamise keerukus.

Rakendused mitteres puudutavad mitmesuguseid valdkondi, sealhulgas meditsiin, sotsioloogia, ökoloogia, majandus ja masinõpe. Mitteparameetrilised lähenemised on olulised nii tiheduste kui ka seoste mudeldamisel ning nende baasil arendatakse sageli paindlikke ja adaptiivseid analüüsi- ja modelleerimislahendusi. Bayesian mitteparameetrilised mudelid, nagu Gaussian protsessid, on eraldi tähtsad tiheduste ja funktsioonide hindamisel.