Ikke-parametriske statistiske tester
Ikke-parametriske (fordelingsfrie) tester er statistiske metoder for hypotesetesting som ikke antar at data følger en spesifikk sannsynlighetsfordeling (f.eks. normalfordeling), noe som gjør dem robuste mot avvik fra normalitet, uteliggere og ordinale data. Mann-Whitney U-testen (1947) og Kruskal-Wallis-testen (1952) utvider hypotesetesting utover begrensningene av parametriske antakelser. Ikke-parametriske tester er essensielle innen biologi, medisin, psykologi og ethvert felt der data er ikke-normale, sterkt skjevfordelte, eller målt på ordinale skalaer (rangeringer, vurderinger), og gir gyldig slutning når parametriske antakelser svikter.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 4). Distribution-Free Hypothesis Testing. ScholarGate. https://scholargate.app/no/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)Forskningsstatistikk↔ compare
- Bayesiansk statistisk inferensForskningsstatistikk↔ compare
- Multippel regresjonsanalyseForskningsstatistikk↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →