STA641 GDB No 2 Solution
Semester Fall 2021
Made By
DEEP GUIDER
Question
Why do we use
nonparametric test? Explain with examples.
Solution
What are
Non-parametric Tests?
In statistics, non-parametric tests are methods of
statistical analysis that do not require a distribution to meet the required
assumptions to be analyzed (especially if the data is not normally
distributed). Due to this reason, they are sometimes referred to as
distribution-free tests. Non-parametric tests serve as an alternative to
parametric tests such as T-test or ANOVA that can be employed only if the
underlying data satisfies certain criteria and assumptions.
اعدادوشمار میں ، نان پیرا میٹرک ٹیسٹ اعداد و
شمار کے تجزیہ کے وہ طریقے ہیں جن کا تجزیہ کرنے کے لئے مطلوبہ مفروضوں کو پورا
کرنے کے لئے تقسیم کی ضرورت نہیں ہوتی ہے (خاص طور پر اگر اعداد و شمار عام طور پر
تقسیم نہیں کیے جاتے ہیں)۔ اس وجہ سے ، انھیں بعض اوقات تقسیم سے پاک ٹیسٹ بھی کہا
جاتا ہے۔ نونپرمی میٹرک ٹیسٹ پیرامیٹرک ٹیسٹ جیسے ٹی ٹیسٹ یا اونووا کے متبادل کے
طور پر کام کرتے ہیں جن کو صرف اس صورت میں ملازمت میں لایا جاسکتا ہے جب بنیادی
اعداد و شمار کچھ پیمانوں اور مفروضوں پر پورا اترتا ہو۔
Reasons to Use
Non-parametric Tests:
In order to achieve the correct results from the statistical
analysis, we should know the situations in which the application of
non-parametric tests is appropriate. The main reasons to apply the non-parametric
test include the following:
اعدادوشمار کے تجزیے سے صحیح نتائج حاصل کرنے کے
ل we ، ہمیں ان حالات سے واقف ہونا چاہئے جہاں
نان پیرا میٹرک ٹیسٹوں کا اطلاق مناسب ہے۔ نانپرمی میٹرک ٹیسٹ کو لاگو کرنے کی اہم
وجوہات میں درج ذیل شامل ہیں:
1. The underlying
data do not meet the assumptions about the population sample:
Generally, the application of parametric tests requires
various assumptions to be satisfied. For example, the data follows a normal
distribution and the population variance is homogeneous. However, some data
samples may show skewed distributions.
The skewness makes the parametric tests less powerful because the mean is no longer the best measure of central tendency because it is strongly affected by the extreme values. At the same time, nonparametric tests work well with skewed distributions and distributions that are better represented by the median.
عام طور پر ، پیرامیٹرک ٹیسٹوں کے اطلاق کے ل various مختلف مفروضوں کو مطمئن کرنے کی ضرورت ہوتی ہے مثال کے طور پر ، اعداد و شمار ایک عام تقسیم کے بعد ہیں اور آبادی کا فرق مختلف ہے۔ تاہم ، کچھ اعداد و شمار کے نمونے اسککی تقسیم کو دکھا سکتے ہیں۔
اسکیچ پن پیرامیٹرک ٹیسٹ کو کم طاقتور بناتا ہے
کیونکہ وسطی رجحان کا اب کوئی خاص رجحان نہیں ہے کیونکہ یہ انتہائی قدروں سے سختی
سے متاثر ہوتا ہے۔ ایک ہی وقت میں ، نان پیرا میٹرک ٹیسٹ اسککی تقسیم اور تقسیم کے
ساتھ اچھ workے کام کرتے ہیں جن کی نمائندگی میڈین بہتر کرتی
ہے۔
2. The population
sample size is too small:
The sample size is an important assumption in selecting the
appropriate statistical method. If a sample size is reasonably large, the
applicable parametric test can be used. However, if a sample size is too small,
it is possible that you may not be able to validate the distribution of the
data. Thus, the application of nonparametric tests is the only suitable option.
مناسب شماریاتی طریقہ کار کو منتخب کرنے میں
نمونہ کا سائز ایک اہم مفروضہ ہے۔ اگر نمونہ کا سائز معقول حد سے بڑا ہے تو ، قابل
اطلاق پیرامیٹرک ٹیسٹ استعمال کیا جاسکتا ہے۔ تاہم ، اگر نمونہ کا سائز بہت چھوٹا
ہے تو ، یہ ممکن ہے کہ آپ ڈیٹا کی تقسیم کو درست ثابت نہ کرسکیں۔ اس طرح ، نانپرمی
میٹرک ٹیسٹوں کا اطلاق ہی ایک موزوں اختیار ہے۔
3. The analyzed data
is ordinal or nominal:
Unlike parametric tests that can work only with continuous data, nonparametric tests can be applied to other data types such as ordinal or nominal data. For such types of variables, the nonparametric tests are the only appropriate solution.
پیرامیٹرک ٹیسٹوں کے برخلاف جو صرف مستقل اعداد و
شمار کے ساتھ کام کر سکتے ہیں ، نون پیرا میٹرک ٹیسٹوں کو دیگر اعداد و شمار کی
قسموں پر لاگو کیا جاسکتا ہے جیسے عام اور برائے نام کے اعداد و شمار۔ اس قسم کے
متغیرات کے ل non ،
نونپرمی میٹرک ٹیسٹ ہی مناسب حل ہیں۔
Thanks For Watching
Solution
File is given in Description
Please Like and Subscribe
No comments:
Post a Comment