Estatistica não Parámetrica

Professora: Samira Domingos

Componentes:
Álvaro Duarte
André Bragança
Anderson Willian
Douglas Alves
Julia Santana
Yuri

Coronel Fabriciano, 2018

1
 Sumário

1. Introdução ………………………………………………………………… 3
2. Desenvolvimento..………………………………………………………… 4
3. Limitaçoes ………………………………………………………………… 5
4. Conclusão….………………………………………………………………. 6

2
1. Introdução

Distintamente da estatística paramétrica, que trata de testes para variáveis razão e

intervalares, a estatística não paramétrica aborda os testes para variáveis nominais e
ordinais.

Estatísticas não paramétricas (no sentido de estatística de dados, que é definido como
uma função de uma amostra que não tem dependência de parâmetros), cuja
interpretação não depende da população, cabendo assim qualquer distribuição
parametrizada. Estatísticas de ordem, que são baseadas no em ranking de observações,
são um exemplo desse tipo de estatística e desempenham um papel muito importante em
muitas abordagens não paramétricas.

Os métodos não-paramétricos podem ser aplicados numa grande variedade de situações

pois não exigem premissas rígidas, tal como acontece com os métodos paramétricos.
Em particular, os métodos não-paramétricos não exigem que as populações tenham
distribuição normal. Ao contrário do que acontece com os métodos paramétricos, os
métodos não-paramétricos podem ser aplicados a dados qualitativos. Habitualmente, os
métodos não-paramétricos envolvem cálculos mais simples do que os correspondentes.

3
 1. Desenvolvimento

Um teste não paramétrico é um teste de hipótese de que não requer que a distribuição da
população seja caracterizada por certos parâmetros. Por exemplo, muitos testes de
hipóteses contam com o pressuposto de que a população segue uma distribuição normal
com parâmetros μ e σ. Os testes não paramétricos não têm essa suposição, de forma que
eles são úteis quando os dados são fortemente não normais e resistentes à
transformação.

Os métodos não paramétricos são úteis quando a suposição de normalidade não se

sustenta e seu tamanho da amostra é pequeno. Entretanto, testes não paramétricos não
são totalmente livres de pressuposições sobre os dados: por exemplo. Por exemplo, é
essencial assumir que as observações nas amostras são independentes e provenientes da
mesma distribuição. Além disso, em experimentos de duas amostras, é necessária a
suposição de igual forma e dispersão.

Por exemplo, dados salariais são fortemente assimétricos para a direita, com muitas
pessoas recebendo salários modestos e menos pessoas recebendo salários mais altos.
Você pode usar testes não para métricos nesses dados para responder a perguntas como
as seguintes:

 O salário mediano em sua empresa é igual a um certo valor? Use o teste de sinal para 1
amostra.

 O salário mediano em uma agência urbana do banco é maior que o salário mediano de
uma agência rural do banco? Use o teste Mann-Whitney ou o teste de Kruskal-Wallis.

 Os salários medianos são diferentes em agências rurais, urbanas e suburbanas do banco?

Use o teste de mediana de Mood.

 Como o nível de escolaridade afeta os salários em agências rurais e urbanas? Use o teste
de Friedman.

4
 2. Limitações dos testes não paramétricos

Testes não paramétricos têm as seguintes limitações:

 Os testes não paramétricos geralmente são menos poderosos do que os testes

paramétricos correspondentes quando vigora a suposição de normalidade. Assim, é
menos provável que você rejeite a hipótese nula quando ela é falsa se os dados vierem
da distribuição normal.

 Muitas vezes, os testes não paramétricos exigem que você modifique as hipóteses. Por
exemplo, a maioria dos testes não paramétricos sobre o centro da população são testes
sobre a mediana em vez da média. O teste não responde à mesma pergunta que o
procedimento paramétrico correspondente se a população não for simétrica.

5
Conclusão

Podemos concluir que, para todos os testes estatísticos que estudamos até este ponto,
assumimos que as populações tinham distribuição normal ou aproximadamente normal.
Essa propriedade era necessária para que os testes fossem válidos.

Caso os dados não satisfazem as suposições feitas pelas técnicas tradicionais, métodos
não paramétricos de inferência estatística devem ser usados as técnicas não
paramétricas.

Nos testes de hipóteses não paramétricos seguem o mesmo procedimento geral que os
testes paramétricos: Formulamos as hipóteses a serem testadas; calculamos o valor da
estatística do teste usando os dados contidos em uma amostra aleatória de observações
Dependendo da grandeza dessa estatística, ou rejeitamos ou não a hipótese nula.

Com isso podemos concluir que, os testes estatísticos são fundamentalmente utilizados
em pesquisas que tem como objetivo comparar condições experimentais. Existe uma
série de testes estatísticos que podem auxiliar as pesquisas. Os testes estatísticos
fornecem um respaldo científico às pesquisas para que estas tenham validade e tenham
aceitabilidade no meio científico. Os testes podem ser divididos em paramétricos e não-
paramétricos.