Statistik Parametrik vs Bukan Parametrik: Memahami Perbezaan

Dalam statistik, parameter ialah nilai yang menerangkan ciri populasi, seperti min atau bahagian individu dengan sifat tertentu. Kaedah parametrik menggunakan model matematik untuk menganalisis data dan membuat inferens tentang populasi berdasarkan parameter. Kaedah ini selalunya lebih berkuasa dan tepat berbanding kaedah bukan parametrik, tetapi ia memerlukan data memenuhi andaian tertentu tentang taburan data, seperti normaliti atau varians yang sama.

Sebaliknya, kaedah bukan parametrik tidak bergantung pada andaian tertentu tentang pengedaran data, dan boleh digunakan dengan sebarang jenis data. Kaedah ini selalunya kurang berkuasa dan kurang tepat berbanding kaedah parametrik, tetapi ia lebih fleksibel dan boleh digunakan dalam julat situasi yang lebih luas.

Beberapa contoh biasa ujian parametrik termasuk:

* Ujian-T untuk membandingkan cara dua kumpulan
* ANOVA untuk membandingkan min bagi tiga atau lebih kumpulan
* Analisis regresi untuk memodelkan hubungan antara pembolehubah bersandar dan satu atau lebih pembolehubah tidak bersandar
* Ujian khi kuasa dua untuk membandingkan taburan data kategori

Beberapa contoh biasa ujian bukan parametrik termasuk:

* Ujian jumlah pangkat Wilcoxon untuk membandingkan median dua kumpulan
* Ujian Kruskal-Wallis H untuk membandingkan median tiga atau lebih kumpulan
* Ujian Mann-Whitney U untuk membandingkan taburan data kategori
* Pekali korelasi pangkat Spearman untuk mengukur kekuatan dan arah hubungan antara dua pembolehubah selanjar.