パラメトリック検定とノンパラメトリック検定の特徴のまとめ

＜パラメトリック手法の特徴＞

母集団のデータが特定の分布に従うことを前提にしている。

例：t 検定…母集団のデータは近似的に正規分布

要約値がデータの分布状態を反映する→分布状態によって要約値の値が変化する。

例：平均値…全データの重心を表すため、飛び離れたデータも反映

結果の精度が高い。

結果の普遍化が容易。

標本集団のデータを特定の分布をする母集団から抽出されたものと仮定して計算するため、結果の外挿がある程度可能で普遍化しやすい。

＜ノンパラメトリック手法の特徴＞

母集団のデータがどんな分布をしていても良い。

例：順位検定…母集団のデータに順位さえ付けられれば適用可能

要約値がデータの分布状態を反映しにくい

分布状態によって要約値の値が変化しにくい。

例：中央値…全データの中央の値を表すため、分布の両端のデータは反映しない

結果の精度が低い。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

結果の普遍化は困難。

母集団について特定の仮定をせず、標本集団のデータに基づいて計算するため、結果の外挿が不可能で結果を普遍化しにくい。