Apa itu Tes Nonparametrik?

Dalam statistik, uji nonparametrik merupakan metode analisis statistik yang tidak memerlukan suatu distribusi untuk memenuhi asumsi yang diperlukan untuk dianalisis (apalagi jika data tidak berdistribusi normal). Karena alasan ini, terkadang disebut sebagai pengujian bebas distribusi. Tes nonparametrik berfungsi sebagai alternatif untuk tes parametrik seperti T-test atau ANOVA yang dapat digunakan hanya jika data yang mendasari memenuhi kriteria dan asumsi tertentu.

Tes Nonparametrik

Perhatikan bahwa tes nonparametrik digunakan sebagai metode alternatif untuk tes parametrik, bukan sebagai penggantinya. Dengan kata lain, jika data memenuhi asumsi yang diperlukan untuk melakukan uji parametrik, uji parametrik yang relevan harus diterapkan.

Selain itu, dalam beberapa kasus, meskipun datanya tidak memenuhi asumsi yang diperlukan tetapi ukuran sampel datanya cukup besar, kita masih dapat menerapkan uji parametrik daripada uji nonparametrik.

Alasan Menggunakan Tes Nonparametrik

Untuk mencapai hasil yang benar dari analisis statistik Analisis Kuantitatif Analisis kuantitatif adalah proses mengumpulkan dan mengevaluasi data terukur dan dapat diverifikasi seperti pendapatan, pangsa pasar, dan upah untuk memahami perilaku dan kinerja bisnis. Di era teknologi data, analisis kuantitatif dianggap sebagai pendekatan yang disukai untuk membuat keputusan berdasarkan informasi. , kita harus mengetahui situasi di mana penerapan tes nonparametrik sesuai. Alasan utama untuk menerapkan tes nonparametrik adalah sebagai berikut:

1. Data yang mendasari tidak memenuhi asumsi tentang sampel populasi

Secara umum, penerapan uji parametrik membutuhkan berbagai asumsi yang harus dipenuhi. Misalnya, data mengikuti distribusi normal dan varians populasi homogen. Namun, beberapa sampel data mungkin menunjukkan distribusi miring Distribusi Kecondongan Positif Dalam statistik, distribusi miring positif (atau miring kanan) adalah jenis distribusi di mana sebagian besar nilai dikelompokkan di sekitar ekor kiri.

Skewness membuat pengujian parametrik menjadi kurang efektif karena mean tidak lagi menjadi ukuran terbaik dari tendensi sentral Tendensi sentral Tendensi sentral adalah ringkasan deskriptif dari kumpulan data melalui nilai tunggal yang mencerminkan pusat distribusi data. Seiring dengan variabilitas karena sangat dipengaruhi oleh nilai ekstrim. Pada saat yang sama, tes nonparametrik bekerja dengan baik dengan distribusi miring dan distribusi yang lebih baik diwakili oleh median.

2. Ukuran sampel populasi terlalu kecil

Ukuran sampel adalah asumsi penting dalam memilih metode statistik yang sesuai Konsep Statistik Dasar untuk Keuangan Pemahaman yang kuat tentang statistik sangat penting dalam membantu kita lebih memahami keuangan. Selain itu, konsep statistik dapat membantu memonitor investor. Jika ukuran sampel cukup besar, uji parametrik yang berlaku dapat digunakan. Namun, jika ukuran sampel terlalu kecil, Anda mungkin tidak dapat memvalidasi distribusi data. Dengan demikian, penerapan uji nonparametrik adalah satu-satunya pilihan yang sesuai.

3. Data yang dianalisis bersifat ordinal atau nominal

Tidak seperti pengujian parametrik yang hanya dapat bekerja dengan data kontinu, pengujian nonparametrik dapat diterapkan pada tipe data lain seperti data ordinal atau nominal. Untuk jenis variabel seperti itu, pengujian nonparametrik adalah satu-satunya solusi yang tepat.

Jenis Tes

Tes nonparametrik mencakup berbagai metode dan model. Di bawah ini adalah tes yang paling umum dan parameter parametrik yang sesuai:

1. Uji U Mann-Whitney

Uji U Mann-Whitney adalah versi nonparametrik dari uji-t sampel independen. Tes ini terutama berhubungan dengan dua sampel independen yang berisi data ordinal.

2. Tes Peringkat yang Ditandatangani Wilcoxon

Wilcoxon Signed Rank Test adalah pasangan nonparametrik dari uji-t sampel berpasangan. Tes tersebut membandingkan dua sampel dependen dengan data ordinal.

3. Tes Kruskal-Wallis

Tes Kruskal-Wallis adalah alternatif nonparametrik untuk ANOVA satu arah. Uji Kruskal-Wallis digunakan untuk membandingkan lebih dari dua kelompok independen dengan data ordinal.

Sumber daya tambahan

Finance adalah penyedia resmi Financial Modeling & Valuation Analyst (FMVA) ™ FMVA® Certification. Bergabunglah dengan 350.600+ siswa yang bekerja untuk perusahaan seperti Amazon, JP Morgan, dan program sertifikasi Ferrari, yang dirancang untuk membantu siapa saja menjadi analis keuangan kelas dunia . Untuk terus belajar dan memajukan karier Anda, sumber daya Keuangan tambahan di bawah ini akan berguna:

  • Kombinasi Kombinasi Kombinasi adalah teknik matematika yang menentukan jumlah kemungkinan pengaturan dalam kumpulan item di mana urutan pemilihan dilakukan.
  • Distribusi Frekuensi Kumulatif Distribusi Frekuensi Kumulatif Distribusi frekuensi kumulatif adalah bentuk distribusi frekuensi yang merepresentasikan penjumlahan suatu kelas dan semua kelas di bawahnya. Ingat frekuensi itu
  • Distribusi Kemiringan Negatif Distribusi Kemiringan Negatif Dalam statistik, distribusi miring negatif (juga dikenal sebagai kemiringan kiri) adalah jenis distribusi di mana lebih banyak nilai terkonsentrasi di sebelah kanan.
  • Bias Pemilihan Sampel Bias Pemilihan Sampel Bias pemilihan sampel adalah bias yang dihasilkan dari kegagalan untuk memastikan pengacakan yang tepat dari sampel populasi. Kelemahan pemilihan sampel

Direkomendasikan

Apakah Crackstreams dimatikan?
2022
Apakah pusat komando MC aman?
2022
Apakah Taliesin meninggalkan peran penting?
2022