Таблица 8.14 Пример двухфакторного дисперсионного анализа

Рассмотренные направления проверки статистических гипотез охватывают лишь важнейшие из них. Процедура испытания статистических гипотез применяется для определения того, случайно или нет полученное значение коэффициента корреляции, коэффициента вариации и т.д., случайны или нет различия в значениях показателей (медиан, коэффициентов корреляции, регрессии и т.д.) в разных совокупностях. Во всех случаях результатом является вероятностное суждение, которое составляет сущность анализа данных в разнообразных сферах: в медицине, биологии, технике, политике, спорте, экономике, психологии и социологии.

8.6. Некоторые непараметрические критерии

В предыдущих подразделах рассмотрено применение основных статистико-математических критериев: хи-квадрата (непараметрический критерий) и f-критерия (параметрический критерий). В этом подразделе рассмотрим дополнительно ряд непараметрических критериев, актуальность использования которых непрерывно возрастает.

305

Непараметрическое тестирование не нуждается в каких-либо предположениях относительно характера распределения генеральной совокупности, из которой взята изучаемая выборка. Это наиболее неприятный момент для параметрических тестов, которые выведены в предположении о нормальности генеральной совокупности. При сравнении двух и более генеральных совокупностей предполагается, что генеральные дисперсии равны. Большинство параметрических тестов требуют, чтобы данные были представлены в интервальной шкале или шкале отношений, в то время как многие непараметрические тесты не включают таких требований к данным.

Непараметрические тесты используются вместо параметрических, когда данные измерены на номинальной или порядковой шкале; когда данные измерены на интервальной или порядковой шкале, но предположение о нормальности не может быть сделано.

По сравнению с параметрическими тестами непараметрическое тестирование имеет следующие преимущества и недостатки.

Преимущества

1.Меньше предположений о генеральной совокупности. Наиболее важное из них то, что совокупность не должна быть нормально распределенной или приблизительно нормальной. Непараметрические тесты не включают никаких предположений о каком-либо типе распределения.

2.Методы непараметрического тестирования могут быть применены даже тогда, когда выборка очень мала.

3.Могут использоваться данные, представленные в любых шкалах измерения (номинальные, порядковые).

4.Простота вычислений, которые могут проводиться на микрокалькуляторе. Это прежде всего связано с малым числом наблюдений, к которым применяются непараметрические тесты.

Недостатки

1. По сравнению с параметрическими тестами информация, имеющаяся в данных, используется менее эффективно, и мощность тестов ниже, чем параметрических. По этой причине параметрические тесты предпочтительнее, когда требуемые предположения относительно генеральной совокупности могут быть сделаны.

306