Icke-parametriska statistiska tester
Icke-parametriska (fördelningsfria) tester är statistiska metoder för hypotesprövning som inte antar att data följer en specifik sannolikhetsfördelning (t.ex. normalfördelning), vilket gör dem robusta mot avvikelser från normalitet, extremvärden och ordinaldata. Mann-Whitney U-testet (1947) och Kruskal-Wallis-testet (1952) utvidgar hypotesprövning bortom begränsningarna hos parametriska antaganden. Viktiga inom biologi, medicin, psykologi och alla fält där data är icke-normala, mycket skeva eller mätta på ordinalskalor (rangordningar, betyg), ger icke-parametriska tester giltig inferens när parametriska antaganden brister.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 4). Distribution-Free Hypothesis Testing. ScholarGate. https://scholargate.app/sv/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.
- Variansanalys (ANOVA)Forskningsstatistik↔ compare
- Bayesiansk statistisk inferensForskningsstatistik↔ compare
- Multipel regressionsanalysForskningsstatistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →