参数统计
本文解释什么是参数统计以及它们的用途。您还将能够看到参数统计应用的示例以及与非参数统计相比的优点和缺点。
什么是参数统计?
参数统计是推论统计的一个分支,它假设数据可以通过概率分布进行建模。因此,参数统计使用与已知概率分布相对应的统计检验。
需要注意的是,所使用的绝大多数统计方法都是参数化的,即它们是参数统计的一部分。
参数统计主要用于通过点估计或区间估计来估计参数,并执行假设检验。
参数统计示例
现在我们知道参数统计的定义是什么,让我们看一个应用此类统计的示例,以充分理解这个概念。
正态分布是由均值和标准差参数化的概率分布。因此,如果我们知道这两个参数的值,我们就可以确定它们的特征,从而计算与该分布相对应的变量的概率。
例如,如果我们有一个包含 99 个观测值的样本,服从平均值为 100、标准差为 1 的正态分布,则使用参数统计我们可以确定观测值 100 的数量大于 102.33(平均值为 102.33)的概率为 1%。加上 2.33 个标准差)。
➤请参阅:正态概率分布
参数统计检验
顾名思义,参数检验是使用参数统计的统计检验,即参数检验是使用已知的概率分布进行估计的检验。
最常见的参数统计检验是:
参数统计的优点和缺点
参数统计与非参数统计相比的优点和缺点是:
优势:
- 使用参数统计进行的估计更加精确。
- 参数检验的功效(或统计功效)通常更大。
- 参数测试更简单且更容易计算。
缺点:
- 一般来说,参数检验必须满足某些假设,这意味着如果不满足这些假设,它们就会失去有效性。
- 为了执行计算,必须知道概率分布的参数。
➤请参阅:概率分布的类型
参数统计和非参数统计
推论统计的两个主要分支是参数统计和非参数统计。因此,我们将在下面看到这两种类型的统计数据有何不同。
非参数统计包括所有研究不符合理论模型的变量的统计方法。例如,卡方分布无法先验定义,但数据本身决定了分布。
因此,参数统计与非参数统计的区别在于,参数统计使用由参数定义的概率分布,而非参数统计则基于与参数不对应的概率分布。理论模型。
➤请参阅:非参数统计