2.9: 가설 검정에서의 통계적 추론 기술: 매개변수 대 비매개변수 자료

가설 검정에 가장 중요한 통계적 추론 기술은 모수적 통계와 비모수적 통계라는 두 가지 큰 범주로 구분됩니다.

이름에서 알 수 있듯이 모수 통계는 자료가 특정 분포, 종종 정규 분포를 따른다고 가정합니다. 이 가정은 견고한 가설 검정 및 추정을 가능하게 합니다. 학생 t 검정 또는 적합도 검정과 같은 모수 방법은 견고성 때문에 생물 통계학에서 자주 사용됩니다. 예를 들어, 서로 다른 치료를 받는 환자 간의 평균 혈당 수치를 비교하는 것은 모수 통계 방법을 사용하면 통계적으로 신뢰할 수 있습니다.

반면, 비모수 통계는 자료의 기본 분포에 대해 어떠한 가정도 하지 않습니다. 자료가 모수 검정의 전제 조건을 충족하지 못하거나 순서형 또는 범주형 자료를 처리할 때 비모수 통계가 작용합니다. 이러한 방법은 이상치에 대한 견고성과 특정 분포 가정이 없다는 것을 포함하여 여러 가지 장점을 제공합니다. 그러나 모든 모수 가정이 충족될 때 일반적으로 모수 검정보다 덜 강력합니다.

비모수적 통계적 방법은 다양한 생물통계적 응용 분야에서 사용됩니다. 두 그룹의 실험실 동물 간의 중간 생존 시간을 비교하는 윌콕슨 순위 합계 검정이 한 예입니다. 또 다른 예는 여러 그룹의 중간값을 비교하기 위한 ANOVA의 비모수적 대안인 크러스칼-월리스 검정입니다.

모수적 통계학과 비모수적 통계학은 생물통계학에서 고유한 의미와 응용 분야를 가지고 있으며, 그 사용은 자료의 특성과 내릴 수 있는 통계적 가정에 따라 결정됩니다.

학생 t-검정 또는 적합도 검정과 같은 모수 통계 방법은 데이터가 특정 분포를 따른다고 가정하여 강력한 가설 검정 및 추정을 가능하게 합니다.

생물 통계학에서 파라메트릭 통계는 예를 들어 서로 다른 치료를 받은 환자의 평균 혈당 수치를 비교할 때 자주 사용됩니다.

반대로, 비모수 통계량은 데이터 분포에 대해 어떠한 가정도 하지 않습니다.

데이터가 파라메트릭 테스트 요구 사항을 충족하지 못하거나 순서형 또는 범주형인 경우에 유용합니다.

이러한 방법은 이상치에 대한 견고성과 더 넓은 데이터 응용 프로그램을 포함하여 많은 이점을 제공합니다.

그러나 파라메트릭 가정에서 파라메트릭 테스트보다 덜 유용한 경향이 있습니다.

예를 들어, Wilcoxon 순위합 검정은 비모수 통계량을 사용하여 두 그룹의 실험실 동물 간의 평균 생존 시간을 비교합니다.

분산 분석의 또 다른 비모수 대안인 Kruskal-Wallis 검정은 3개 이상의 모집단에서 무작위 표본의 순위를 매겨 중위수가 유사한지 여부를 확인합니다.

• Parametric statistics - Assumed data follows a specific distribution for hypothesis testing or estimation.
• Nonparametric statistics - Methods used when data fails to meet prerequisites of parametric tests.
• Hypothesis testing - Statistical method to test an assumption regarding a population parameter.
• Inference methods in statistics - Techniques to make predictions or decisions about a population based on sample data.
• Parametric data vs nonparametric data - Comparison between the data types dictating the use of parametric or nonparametric tests.

• Define parametric and nonparametric statistics – Explain what they are (e.g., parametric statistics).
• Contrast parametric statistics vs. nonparametric statistics – Highlight the key differences (e.g., assumptions of data distribution).
• Explore Examples – Discuss their application in real-life scenarios (e.g., inference tests in biostatistics).
• Explain hypothesis Testing – Describe its importance in the statistical inference process.
• Apply in context – Discuss the implications of using parametric vs. nonparametric methods in statistical analysis.

• What is the difference between parametric and nonparametric statistics and how to choose between them?
• What are the implications of the assumptions made in parametric statistical methods?
• What makes nonparametric statistics more robust against outliers and less powerful?

• Students – Helps in comprehending the key differences between parametric and nonparametric statistics.
• Educators – Provides a clear framework of statistical inference techniques for teaching.
• Researchers – Offers insights into the correct application of parametric or nonparametric tests in research.
• Data Analysts – Aids in making informed decisions on the selection and usage of parametric or nonparametric methods based on data characteristics.