Ikke-parametriske statistiske tests
Ikke-parametriske (fordelingsfrie) tests er statistiske metoder til hypoteseprøvning, der ikke antager, at data følger en specifik sandsynlighedsfordeling (f.eks. normalfordeling), hvilket gør dem robuste over for afvigelser fra normalitet, outliers og ordinale data. Mann-Whitney U-testen (1947) og Kruskal-Wallis-testen (1952) udvider hypoteseprøvning ud over begrænsningerne af parametriske antagelser. Ikke-parametriske tests er essentielle inden for biologi, medicin, psykologi og ethvert felt, hvor data er ikke-normale, stærkt skæve eller målt på ordinale skalaer (rangordninger, vurderinger), og de giver gyldig inferens, når parametriske antagelser svigter.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. Annals of Mathematical Statistics, 18(1), 50–60. DOI: 10.1214/aoms/1177730491 ↗
- Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621. DOI: 10.1080/01621459.1952.10483441 ↗
- Conover, W. J. (1999). Practical Nonparametric Statistics (3rd ed.). John Wiley & Sons. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 4). Distribution-Free Hypothesis Testing. ScholarGate. https://scholargate.app/da/research-statistics/nonparametric-tests
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Variansanalyse (ANOVA)Forskningsstatistik↔ compare
- Bayesiansk statistisk inferensForskningsstatistik↔ compare
- Multipel regressionsanalyseForskningsstatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →