2) асимметричного
3) нормального (верно)
4) биноминального
Объяснение:
Непараметрические критерии – это статистические методы, которые не требуют определенных предположений относительно распределения данных. Они используются тогда, когда данные не распределены нормально или когда неизвестны параметры распределения.
Когда применяют непараметрические критерии?
Непараметрические критерии используются в следующих случаях:
- Когда данные не распределены нормально
- Когда известны только порядковые значения данных
- Когда выборка мала и нет возможности проверить нормальность распределения
- Когда данные содержат выбросы, которые мешают использовать параметрические методы
- Когда нужно сравнить две или более выборок на предмет значимых различий в средних значениях, медианах или других параметрах распределения
Примеры непараметрических критериев
Критерий знаковых рангов Уилкоксона – используется для сравнения двух выборок на предмет того, имеют ли они одинаковые средние значения. Он основывается на ранжировании значений в каждой выборке и на вычислении разностей между рангами двух соответствующих значений. Если эти разности положительны, то будут подсчитаны только положительные разности, если отрицательны – только отрицательные.
Критерий Манна-Уитни – также используется для сравнения двух выборок на предмет того, имеют ли они одинаковые средние значения. Он основывается на ранжировании значений в каждой выборке и на вычислении суммы рангов для каждой из них. Затем вычисляется статистика U, которая является мерой различий между этими суммами.
Критерий Краскела-Уоллиса – используется для сравнения трех или более выборок на предмет того, есть ли значимые различия в медианах этих выборок. Он основывается на расчете рангов для всех значений из всех выборок, суммировании рангов для каждой выборки и вычислении статистики H.
Таким образом, непараметрические критерии являются важным инструментом в статистическом анализе данных, особенно когда данные не имеют нормального распределения или когда выборка мала. Использование правильного критерия в зависимости от задачи поможет получить более точные и интерпретируемые результаты.