Las estadísticas no paramétricas son una rama de las estadísticas referidas a los modelos estadísticos no paramétrico y a la inferencia no paramétrica, incluyendo las pruebas estadísticas no paramétrico. Los métodos no paramétricos se refieren a menudo mientras que los métodos independientes del tipo de distribución del pues no confían en las asunciones que los datos están extraídos de una distribución de probabilidad dada .

La estadística no paramétrica término puede también referir a una estadística (una función en una muestra) cuya interpretación no dependa de la población que cabe ninguna distribuciones parametrized. Las estadísticas ordinales son un ejemplo de tal estadística que desempeñe un papel fundamental muchos acercamientos no paramétricos.

Usos y propósito

Los métodos no paramétricos son ampliamente utilizados para estudiar a las poblaciones que adquieren una orden alineada (tal como reseñas de película que reciben una a cuatro estrellas). El uso de métodos no paramétricos puede ser necesario cuando los datos tienen una graduación pero ninguna interpretación numérica claro, por ejemplo al determinar las preferencias .

Pues los métodos no paramétricos hacen pocas asunciones, su aplicabilidad es mucho más ancha que los métodos paramétricos correspondientes. Particularmente, pueden ser aplicados en las situaciones donde menos se sabe sobre el uso en la pregunta. También debido a la confianza en pocas asunciones, los métodos no paramétricos son más robusto.

Otra justificación para el uso de métodos no paramétricos es simplicidad. En ciertos casos, incluso cuando el uso de métodos paramétricos se justifica, los métodos no paramétricos pueden ser más fáciles de utilizar. La deuda a esta simplicidad y a su mayor robustez, los métodos no paramétricos es considerada por algunos estadísticos como salir de menos sitio para el uso incorrecto y malentendido.

Modelos no paramétricos

Los modelos no paramétricos del diferencian de modelos paramétricos en que la estructura modelo no es el especificado a priori pero en lugar de otro se determinan de datos. El no paramétrico del término no se significa para implicar que tales modelos carecen totalmente parámetros pero que el número y la naturaleza de los parámetros son flexibles y no fijados por adelantado.
El histograma A es una estimación no paramétrica simple de una distribución de probabilidad
La valoración de la densidad del núcleo proporciona mejores estimaciones de la densidad que histogramas.
Se han desarrollado la regresión no paramétrica y los métodos de la regresión de Semiparametric basaron en las tiras de los núcleos, y las olitas

Métodos

Los métodos estadísticos deductivos (o el independiente del tipo de distribución) del no paramétrico del son los procedimientos matemáticos para la prueba de la hipótesis estadística que, desemejante de las estadísticas paramétricas, no hacen ninguna asunción sobre las distribuciones de probabilidad de las variables que son determinadas. Lo más frecuentemente las pruebas usadas incluyen style=" del
Prueba binomial
Prueba del Anderson-Querido
prueba del Ji-cuadrado
Q de Cochran
Kappa de Cohen
Prueba de Efron-Petrosian
Prueba exacta de Fisher
Análisis de dos vías de Friedman de variación de las filas
Tau de Kendall
W de Kendall
Prueba de Kolmogorov-Smirnov
Análisis unidireccional de Kruskal-Wallis de variación de las filas
Prueba de Kuiper
Mann-Whitney U o prueba de suma espesa de Wilcoxon
Parsimonia máxima para el desarrollo de las relaciones de la especie usar el phylogenetics de cómputo
Prueba (un caso especial de McNemar de la prueba de Chi)
Prueba mediana
Prueba de la permutación del aserrador de foso
Productos espesos * prueba de Siegel-Tukey
Coeficiente de correlación espeso del lancero
Prueba (SNK) de Estudiante-Newman-Keuls
El Wald-Wolfowitz funciona con la prueba
El Wilcoxon firmar-alinea la prueba .