Statistik parametrik

Artikel ini menjelaskan apa itu statistik parametrik dan kegunaannya. Anda juga dapat melihat contoh penerapan statistik parametrik serta apa kelebihan dan kekurangannya dibandingkan dengan statistik non parametrik.

Apa itu statistik parametrik?

Statistik parametrik adalah cabang statistik inferensial yang mengasumsikan bahwa data dapat dimodelkan dengan distribusi probabilitas. Oleh karena itu, statistik parametrik menggunakan uji statistik yang sesuai dengan distribusi probabilitas yang diketahui.

Perlu dicatat bahwa sebagian besar metode statistik yang digunakan adalah parametrik, yaitu bagian dari statistik parametrik.

Terutama, statistik parametrik digunakan untuk memperkirakan suatu parameter, baik dengan estimasi titik atau interval, dan untuk melakukan pengujian hipotesis.

Contoh statistik parametrik

Setelah kita mengetahui apa itu statistik parametrik, mari kita lihat contoh penerapan statistik jenis ini untuk memahami konsepnya secara utuh.

Distribusi normal adalah distribusi probabilitas yang diparameterisasi dengan mean dan deviasi standar. Jadi, jika kita mengetahui nilai kedua parameter ini, kita dapat menentukan karakteristiknya dan kemudian menghitung probabilitas variabel yang sesuai dengan distribusi ini.

Misalnya, jika kita mempunyai sampel sebanyak 99 observasi yang mengikuti distribusi normal dengan mean 100 dan standar deviasi 1, dengan menggunakan statistik parametrik kita dapat menentukan bahwa terdapat 1% probabilitas bahwa jumlah observasi 100 lebih besar dari 102,33 (rata-rata ditambah 2,33 standar deviasi).

Uji statistik parametrik

Sesuai dengan namanya, uji parametrik merupakan uji statistik yang menggunakan statistik parametrik, yaitu uji parametrik adalah uji yang menggunakan distribusi probabilitas yang diketahui untuk membuat suatu perkiraan.

Uji statistik parametrik yang paling umum adalah:

• tes Z
• Tes-T Siswa
• tes ANOVA

Keuntungan dan kerugian statistik parametrik

Kelebihan dan kekurangan statistik parametrik dibandingkan statistik non parametrik adalah:

Keuntungan:

• Perkiraan yang dibuat menggunakan statistik parametrik lebih tepat.
• Kekuatan (atau kekuatan statistik) uji parametrik umumnya lebih besar.
• Uji parametrik lebih sederhana dan mudah untuk dihitung.

Kekurangan:

• Secara umum pengujian parametrik harus memenuhi asumsi tertentu, artinya jika asumsi tersebut tidak terpenuhi maka validitasnya akan hilang.
• Parameter distribusi probabilitas harus diketahui untuk melakukan perhitungan.

Statistik parametrik dan statistik non parametrik

Dua cabang utama statistik inferensial adalah statistik parametrik dan statistik nonparametrik. Oleh karena itu, di bawah ini kita akan melihat perbedaan kedua jenis statistik ini.

Statistik nonparametrik mencakup semua metode statistik yang mempelajari variabel yang tidak sesuai dengan model teoritis. Misalnya, distribusi chi-kuadrat tidak dapat ditentukan secara apriori, tetapi data itu sendiri yang menentukan distribusinya.

Oleh karena itu, perbedaan statistik parametrik dan statistik nonparametrik adalah statistik parametrik menggunakan distribusi probabilitas yang ditentukan oleh parameter, sedangkan statistik nonparametrik didasarkan pada distribusi probabilitas yang tidak sesuai dengan parameter. model teoritis.