Penyelidik sosial sering membina hipotesis, di mana mereka mengandaikan bahawa peraturan umum tertentu boleh digunakan untuk penduduk. Mereka menguji hipotesis ini dengan menggunakan ujian yang boleh sama ada parametrik atau nonparametrik. Ujian parametrik biasanya lebih biasa dan dikaji lebih awal seperti ujian standard yang digunakan semasa menjalankan penyelidikan.
Proses melakukan penyelidikan agak mudah - anda membina hipotesis dan mengandaikan bahawa "undang-undang" tertentu boleh digunakan untuk penduduk. Anda kemudian melakukan ujian dan mengumpulkan data yang kemudian anda analisa secara statistik. Data yang dikumpulkan biasanya boleh diwakili sebagai graf, dan undang-undang hipotesis sebagai nilai min data tersebut. Jika undang-undang hipotesis dan pertandingan undang-undang nilai min, hipotesis disahkan.
Walau bagaimanapun, dalam beberapa kes, mencari nilai min tidak cara yang paling sesuai untuk mencari undang-undang. Contoh yang baik ialah pengagihan jumlah pendapatan. Jika anda tidak menyesuaikan nilai min, itu mungkin kerana satu atau dua bilionair mengganggu nilai min anda. Walau bagaimanapun, median akan memberikan hasil yang lebih tepat pada pendapatan purata yang lebih cenderung untuk memadankan data anda.
Dalam erti kata lain, ujian parametrik akan digunakan apabila andaian yang dibuat mengenai populasi adalah jelas dan terdapat banyak maklumat yang tersedia mengenainya. Soalan-soalan akan direka untuk mengukur parameter tertentu supaya data dapat dianalisis seperti yang dijelaskan di atas. Ujian nonparametrik digunakan apabila populasi yang diuji tidak diketahui sepenuhnya dan oleh itu parameter yang diperiksa juga tidak diketahui. Di samping itu, sementara ujian parametrik menggunakan nilai min sebagai hasilnya, ujian nonparametrik mengambil median, dan oleh itu biasanya digunakan apabila hipotesis asal tidak sesuai dengan data.
Ujian parametrik adalah ujian yang direka untuk menyediakan data yang kemudiannya akan dianalisis melalui cabang sains yang dikenali sebagai statistik parametrik. Perangkaan parametrik mengandaikan beberapa maklumat tentang populasi sudah diketahui, iaitu taburan kebarangkalian. Sebagai contoh, pengedaran ketinggian badan di seluruh dunia diterangkan oleh model pengedaran biasa. Sama seperti itu, setiap model pengedaran yang diketahui boleh digunakan pada satu set data. Walau bagaimanapun, dengan mengandaikan bahawa model pengedaran tertentu sesuai dengan dataset bermakna anda secara inheren mengambil sedikit maklumat tambahan tentang populasi, seperti yang telah saya sebutkan. Taburan kebarangkalian mengandungi parameter yang berbeza yang menggambarkan bentuk tepat taburan. Parameter-parameter ini adalah ujian parametrik yang menyediakan - setiap soalan disesuaikan untuk memberikan nilai tepat dari parameter tertentu untuk setiap individu yang ditemubual. Digabungkan, nilai min bagi parameter tersebut digunakan untuk taburan kebarangkalian. Ini bermakna bahawa ujian parametrik juga mengambil kira sesuatu tentang populasi. Sekiranya andaian adalah betul, statistik parametrik yang digunakan untuk data yang disediakan oleh ujian parametrik akan memberi hasil yang jauh lebih tepat dan tepat daripada ujian dan statistik bukan parametrik.
Dengan cara yang sama dengan ujian dan statistik parametrik, ujian dan statistik tidak berparameter. Mereka digunakan apabila data yang diperoleh tidak dijangka sesuai dengan lengkung pengedaran biasa, atau data ordinal. Contoh besar data ordinal adalah kajian semula yang anda tinggalkan apabila anda menilai produk atau perkhidmatan tertentu pada skala dari 1 hingga 5. Data Ordinal pada umumnya diperolehi daripada ujian yang menggunakan kedudukan atau pesanan yang berlainan. Oleh itu, ia tidak bergantung pada nombor atau nilai yang tepat bagi parameter yang ujian parametrik bergantung. Malah, ia tidak menggunakan parameter dalam apa cara sekalipun, kerana ia tidak menganggap sebaran tertentu. Biasanya, analisis parametrik lebih disukai daripada yang bukan parametrik, tetapi jika ujian parametrik tidak dapat dilakukan disebabkan oleh populasi yang tidak diketahui, ujian kepada ujian bukan parametrik diperlukan.
Seperti yang telah saya sebutkan, ujian parametrik membuat andaian mengenai penduduk. Ia memerlukan parameter yang disambungkan ke taburan normal yang digunakan dalam analisis, dan satu-satunya cara untuk mengetahui parameter ini adalah untuk mempunyai pengetahuan tentang populasi. Sebaliknya, ujian nonparametrik, seperti namanya menunjukkan, tidak bergantung pada apa-apa parameter dan oleh itu tidak menganggap apa-apa mengenai populasi.
Asas untuk analisis statistik yang akan dilakukan pada data, dalam kes ujian parametrik, adalah taburan probabilistik. Sebaliknya, asas untuk ujian nonparametrik tidak wujud - ia sepenuhnya sewenang-wenangnya. Ini menghasilkan lebih banyak kelenturan dan menjadikannya lebih mudah untuk menyesuaikan hipotesis dengan data yang dikumpulkan.
Ukuran kecenderungan pusat adalah nilai pusat dalam taburan kebarangkalian. Dan walaupun pengagihan kebarangkalian dalam statistik statistik non parametrik adalah sewenang-wenang, ia masih wujud, dan oleh itu begitu juga ukuran kecenderungan pusat. Walau bagaimanapun, langkah-langkah tersebut berbeza. Dalam kes ujian parametrik, ia diambil untuk menjadi nilai min, sedangkan, dalam kes ujian nonparametrik, ia dianggap nilai median.
Seperti yang telah saya nyatakan pada perbezaan pertama, maklumat tentang populasi berbeza antara ujian dan statistik parametrik dan bukan parametrik. Iaitu, pengetahuan tertentu mengenai penduduk adalah sangat diperlukan untuk analisis parametrik, kerana ia memerlukan parameter berkaitan dengan populasi untuk memberikan hasil yang tepat. Sebaliknya, pendekatan non parametrik boleh diambil tanpa pengetahuan sebelumnya tentang populasi.