Ao contrário dos métodos paramétricos, as estatísticas não paramétricas são ideais para dados nominais e ordinais, exigindo menos suposições sobre a natureza ou distribuição da população. Isso torna os métodos não paramétricos mais fáceis de aplicar e interpretar, pois não dependem de parâmetros como média ou desvio padrão. Uma abordagem comum na análise não paramétrica é classificar os dados de acordo com um critério específico. Por exemplo, podemos organizar os dados meteorológicos dos dias mais quentes aos mais frios de um mês ou classificar as cidades da menor para a maior população.
Depois que os dados são ordenados, cada item recebe uma classificação com base em sua posição. Por exemplo, poderíamos classificar os atores pelo número de vitórias no Oscar, com o ator com mais vitórias recebendo a classificação um, o próximo maior classificação dois e assim por diante. Se dois atores tiverem o mesmo número de vitórias, o empate é resolvido calculando a média de suas classificações e atribuindo a classificação média a cada ator empatado. Classificações como essas são comumente usadas em testes estatísticos, como correlação de classificação e testes de classificação assinada, para avaliar relacionamentos ou diferenças sem depender de dados de intervalo ou escala de proporção.
A classificação é um método de avaliação não paramétrico que organiza os dados de acordo com critérios específicos, por exemplo, do melhor para o pior ou do mais pesado para o mais leve.
Esse processo atribui um número ou classificação distinta a cada ponto de dados com base em sua posição na lista classificada.
Considere uma corrida de ciclismo, onde os participantes são classificados por seus tempos de chegada.
O primeiro a cruzar a linha de chegada recebe a primeira posição, o próximo ciclista, a segunda posição e assim por diante.
Nos casos em que dois ou mais ciclistas terminam simultaneamente, ocorre um empate.
Este empate é resolvido calculando a média das classificações envolvidas e atribuindo essa classificação média a cada ciclista no empate.
As classificações são cruciais em vários métodos estatísticos não paramétricos, incluindo o teste de postos sinalizados de Wilcoxon, o teste de soma de postos de Wilcoxon, o teste de Kruskal-Wallis e o teste de correlação de postos de Spearman.
Related Videos
Nonparametric Statistics
683 Visualizações
Nonparametric Statistics
231 Visualizações
Nonparametric Statistics
761 Visualizações
Nonparametric Statistics
119 Visualizações
Nonparametric Statistics
80 Visualizações
Nonparametric Statistics
109 Visualizações
Nonparametric Statistics
109 Visualizações
Nonparametric Statistics
112 Visualizações
Nonparametric Statistics
167 Visualizações
Nonparametric Statistics
593 Visualizações
Nonparametric Statistics
695 Visualizações
Nonparametric Statistics
742 Visualizações
Nonparametric Statistics
641 Visualizações
Nonparametric Statistics
629 Visualizações
Nonparametric Statistics
634 Visualizações
Nonparametric Statistics
210 Visualizações
Nonparametric Statistics
72 Visualizações
Nonparametric Statistics
425 Visualizações
Nonparametric Statistics
172 Visualizações
Nonparametric Statistics
276 Visualizações
Nonparametric Statistics
194 Visualizações
Nonparametric Statistics
296 Visualizações