Verdelingsvrije statistiek: verschil tussen versies
Verwijderde inhoud Toegevoegde inhoud
Cat. statistische toets zit al binnen cat. statistiek; aparte vermelding statistiek dus niet nodig. |
Geen bewerkingssamenvatting |
||
Regel 1:
Een '''verdelingsvrije toets''' is een [[statistische toets]] waarbij geen
Een verdelingsvrije toets wordt ook wel een '''parametervrije toets''' genoemd, maar die naam is eigenlijk slecht gekozen. Het is namelijk een methode waar best parameters in mogen voorkomen. De term 'niet-parametrische methode' is een slechte vertaling uit voornamelijk Engelstalige literatuur ('non parametric method'). In het Nederlands is de officiële aanduiding beduidend accurater:
==Voor- en nadelen==
Het voordeel van verdelingsvrije methoden is, dat ze breder toepasbaar zijn dan parametrische methoden. Parametrische methoden zijn alleen toepasbaar als aan twee voorwaarden is voldaan:
* men kent op een of meer parameters na de verdeling van de waargenomen grootheid.
* men kent de verdelingsfunctie van de grootheid. Om de verdelingsfunctie van een grootheid te bepalen heeft men echter een vrij grote hoeveelheid data nodig. Vaak is het gewoon te duur of niet mogelijk om zo veel te meten. ▼
* men beschikt over een statistische toets voor die verdeling.
▲
Nu is het in de natuurwetenschap inderdaad vrij vaak zo dat herhaaldelijk gemeten grootheden een normale verdeling bezitten. Dit is een direct gevolg van de [[centrale limiet stelling]]. Omdat een meting al gauw ergens een gemiddelde over voorstelt (bijvoorbeeld een gemiddelde over alle moleculen in het monster of alle fotonen in de straal) is er een drijvende kracht die normaliteit bevordert. In die gevallen kan een parametrische methode toegepast worden. ▼
▲Nu is het in de natuurwetenschap
Een nadeel van verdelingsvrije methoden is dat deze minder efficiënt zijn omdat ze een deel van de informatie verwaarlozen. ▼
▲Een nadeel van verdelingsvrije methoden is dat deze minder efficiënt zijn, omdat ze
Bij twijfel over het normaalgedrag zou het dus bijzonder wenselijk zijn om methoden te hebben die goed blijven functioneren ook als de data niet normaal zijn. Dit zijn de verdelingsvrije methoden.▼
▲Bij twijfel
==Kenmerk van verdelingsvrije methoden==
Kenmerkend voor verdelingsvrije methoden is dat niet de meetwaarden zelf worden gebruikt maar
==Voorbeelden==
Voorbeelden van verdelingsvrije toetsen zijn:
* De
* De [[Kolmogorov-Smirnov]]
* De [[Wilcoxon|toets van Wilcoxon]], oftewel de [[Mann-Whitney|Mann-Whitney toets]]
* De "runs" toets van [[Runstoets|Wald-Wolfowitz]]
* De [[tekentoets]] (En: sign test)
* De [[symmetrietoets van Wilcoxon]]
* De [[Kruskall-Wallis]]
* De [[Chi-kwadraattoets]]
|