Непараметрические критерии.

Впервые непараметрические критерии применили в 30-х годах ХХ века. В последние 40-50 лет непараметрическая статистика быстро развивалась и находила все большее широкое применение в медицинских и биологических исследованиях. Они отличаются простотой проведения, для них не требуется вычислять какие-либо параметры распределения (средние значения, стандартные отклонения и др.).

Определение: Критерии различия называют непараметрическими, если он не базируется на предположении о типе распределения генеральной совокупности и не использует параметры этой совокупности.

Непараметрические критерии оценки - это совокупность статистических методов, которые позволяют оценить результаты исследований без вычисления общепринятых параметров ( и т. д.).

Достоинства непараметрических методов (критериев) заключаются в том, что они не требуют знания характера распределения, могут применяться при любых распределениях, могут быть использованы при любом, даже небольшом числе наблюдений, применимы для признаков, имеющих количественное выражение, и признаков полуколичественного характера (например, степень тяжести и заболевания, результаты лечения и др.), относительно просты и не требуют проведения сложных расчетов, соответственно, экономят время при вычислении. Кроме того, непараметрические критерии обладают достаточной мощностью (чувствительностью).

В основе расчета непараметрических критериев лежит упорядочивание (ранжирование) имеющихся значений по отношению друг к другу, типа «больше-меньше» или «лучше-хуже». Это разграничение значений не предполагает точных количественных соотношений, а, следовательно, и ограничений на параметры и вид распределения. Поэтому для использования непараметрических критериев нужно меньше информации, нежели для критериев параметрических. В качестве оценок при непараметрических методах используются относительные характеристики - ранги, серии, знаки и др. Если в ситуации возможно применение параметрических критериев (нормальное распределение признака и незначительно различающееся разнообразие признака в совокупности), то им, как учитывающим большее количество информации, следует отдать предпочтение, так как они оказываются более мощными, чем непараметрические критерии, хотя и более трудоемкими.

Но это не означает, что повсеместно необходимо применять непраметрические методы анализа. Так как при нормальном распределении признака параметрические критерии обладают большей мощностью. При больших отличиях изучаемого распределения от нормального следует использовать непараметрические критерии.