nietparametrische

Nietparametrische statistiek, ook wel nietparametrische methoden genoemd, verwijst naar procedures die geen specifieke parametervoorstelling van de populatie aannemen. In parametische analyses gaat men uit van een bekend familie van verdelingen (bijvoorbeeld normaliteit) met een beperkt aantal parameters, terwijl nietparametrische methoden de verdeling vaak onbekend laten of zich richten op rang- of orde-informatie. Deze benadering verhoogt de robuustheid en toepasbaarheid.

Veelgebruikte nietparametrische toetsen en schatters omvatten onder meer de Wilcoxon-rangtoets, Mann-Whitney U, Kruskal-Wallis, Spearman's rangcorrelatie en Kendall's tau; Kolmogorov-Smirnov en andere verdelingstesten; kerneldichtheids- en kernelregressies als nietparametrische schattingen; bootstrapping en permutation tests als resampling-benaderingen.

Voordelen: minder aannames, geschikt voor ordinale data, robuust tegen outliers en scheve verdelingen, vaak effectief bij kleine steekproeven. Nadelen: meestal minder statistische kracht dan goede parametric modellen als de veronderstellingen kloppen, resultaten kunnen minder direct interpreteerbaar zijn, en sommige methoden vereisen grote steekproeven voor nauwkeurige ranganalyses.

Toepassingen omvatten sociale wetenschappen, biomedische studies met onbekende verdelingen, data met ordinaal bereik, en analyses waar de verdeling niet bekend is.

Nietparametrische methoden staan ook centraal in semiparametrische modellen (zoals Cox-model) en in bootstrap- en permutatietesten, die geen grote parametervoorstel veronderstellen.