آمار پارامتریک و ناپارامتریک

آمار پارامتریک که در خلال جنگ جهانی دوم شکل گرفت در برابر آمار ناپارامتریک قرار می گیرد.از تقسیم بندی­های رایج آمار، تقسیم بندی آن به آمار پارامتریک و ناپارامتریک است.

به ساده‌ترین بيان بايد گفت كه براي سنجش فرضيه­ هايي كه متغير آن كمي­ اند، از آمار پارامتريك استفاده مي‌شود. متغيرهاي كمي به علت كمي بودن و واحد پذير بودن از اين ويژگي برخوردارند كه آنها را ميانگين‌پذير و انحراف معيار­پذير مي‌­كنند و به دليل همين ويژگي معمولا براي استفاده از آزمون هاي پارامتريك، پيش فرض هايي لازم است كه از جمله،‌ نرمال بودن توزيع جامعه است زيرا در حالتي كه توزيع جامعه نرمال نباشد، ميانگين و انحراف معيار، نمايي واقعي از داده ها را به تصوير نمي‌كشانند.

براي آزمون متغيرهاي كيفي و رتبه ای از آمار ناپارامتريك استفاده مي‌شود. اين آزمونها كه از آنها با عنوان آزمونهاي بدون پيش فرض نيز ياد مي‌شود به هيچ پيش فرض خاصي نياز ندارد.آزمون های ناپارامتریک مشروط به مفروضات آمار کلاسیک نیستند و کاربرد اصلی آنها در بررسی جوامع آماری غیر نرمال ، جوامع با داده های کیفی و نمونه های کوچک آماری می باشد

درخصوص تبديل متغيرها بايد يادآور شد كه مي‌توان متغيرهاي كمي را به متغيرهاي كيفي تبديل كرد و آنها را با آزمون­هاي ناپارامتريك مورد ارزيابي قرار داد ولي عكس اين عمل امكانپذير نيست.

شايان ذكر است كه سطح دقت درآزمونهاي آماري پارامتريك از آزمونهاي آماري ناپارامتريك بيشتر است و معمولا پيشنهاد مي­شود كه در صورتي كه استفاده از آزمونهاي پارامتريك امكان پذير باشد از آزمونهاي ناپارامتريك استفاده نشود، بايد توجه داشت كه بيشتر متغيرهاي علوم رفتاري به كمك آزمونهاي ناپارامتريك مورد قضاوت قرار مي‌‌گيرند.

همانطوركه مي­دانيد متغير تصادفي ممكن است به يكي از چهار مقياس اندازه­ گيري از قبيل : اسمي، ترتيبي، فاصله­اي و نسبتي تعلق گيرد. يك روش آماري را وقتي ناپارامتري گويند كه حداقل يكي از شرايط زير را وجود داشته باشد:

1-   مناسب داده ­هايي باشد كه داراي مقياس اسمي هستند.

2-   مناسب داده­ هايي باشد كه داراي مقياس ترتيبي هستند.

3-   مناسب داده­ هايي است كه داراي مقياس فاصله­اي نسبتي هستند، اما تابع توزيع جمعيت متغير تصادفي كه از آن داده­ها بدست آمده­اند مشخص نباشد.

مزاياي استفاده از روش­هاي ناپارامتري:

1-   محاسبه روشهاي غير پارامتري معمولا آسان است.

2-   روشهاي ناپارامتري را مي­توان در مورد داده ­هايي بكار برد كه روشهاي پارامتري را نمي توان درباره آنها اعمال كرد. اين وضعيت در مواردي است كه مقياس اندازه­ گيري داده ­ها اسمي يا ترتيبي باشد.

3-   در روشهاي ناپارامتري لازم نيست كه فرض كنيم متغير تصادفي جمعيت  داراي توزيع احتمال خاصي است. اين روشها بر مبناي توزيع نمونه­ گيري هستند، امادر شكل توزيع نمونه­ گيري لازم نيست كه شكل خاصي  را براي توزيع احتمال جمعيت فرض كنيم.

4-   اگر يك روش غير پارامتري را بتوان در مورد يك مقياس اندازه ­گيري ضعيف بكار برد در آن صورت مي­توان آن را در مورد مقياسهاي قويتر نيز بكار برد.