טכניקות הסקת מסקנות סטטיסטיות בבדיקת השערות: נתונים פרמטריים מול נתונים א-פרמטריים - Concept | Pharmacokinetics and Pharmacodynamics | JoVe

Parametric statistical methods, like the Student t-test or goodness-of-fit test, assume that data follows a specific distribution, enabling robust hypothesis testing and estimation.

In biostatistics, parametric statistics are frequently used, for instance, when comparing mean blood sugar levels among patients on different treatments.

Conversely, nonparametric statistics do not make any assumptions about the data's distribution.

They are useful when data fails to meet parametric test requirements or is ordinal or categorical.

These methods offer numerous advantages, including robustness to outliers and wider data applications.

However, they tend to be less useful than parametric tests under parametric assumptions.

For instance, using nonparametric statistics, the Wilcoxon rank-sum test compares median survival times between two groups of lab animals.

The Kruskal-Wallis test, another nonparametric alternative to ANOVA, ranks random samples from three or more populations to determine whether their medians are similar.

טכניקות הסקת המסקנות הסטטיסטיות, שהן בעלות חשיבות רבה בבדיקת השערות, מתחלקות לשתי קטגוריות רחבות: סטטיסטיקה פרמטרית וסטטיסטיקה א-פרמטרית.

סטטיסטיקה פרמטרית, כפי ששמה מרמז, מניחה כי הנתונים פועלים לפי התפלגות מסוימת, לעיתים קרובות התפלגות נורמלית. הנחה זו מאפשרת בדיקות השערות והערכות אמינות. שיטות פרמטריות, כמו מבחן t של סטודנט או מבחן התאמה, בשימוש נפוץ בביומטריה בשל החוסן שלהן. לדוגמה, השוואת רמות סוכר בדם ממוצעות בין חולים המקבלים טיפולים שונים הופכת להיות אמינה סטטיסטית באמצעות שיטות סטטיסטיות פרמטריות.

מצד שני, סטטיסטיקה א-פרמטרית אינה עושה הנחות לגבי ההתפלגות הבסיסית של הנתונים. היא נכנסת לפעולה כאשר הנתונים אינם עומדים בדרישות המוקדמות של מבחנים פרמטריים או כאשר עובדים עם נתונים סדרתיים או קטגוריאליים. שיטות אלו מציעות מספר יתרונות, כולל חוסן בפני ערכים קיצוניים ואין צורך בהנחות לגבי התפלגות מסוימת. עם זאת, הן בדרך כלל פחות עוצמתיות מהמבחנים הפרמטריים כאשר כל ההנחות הפרמטריות מתקיימות.

שיטות סטטיסטיות א-פרמטריות נמצאות בשימוש במגוון יישומים בביוסטטיסטיקה. מבחן סכום הדירוג של ווילקוקסון, המשווה בין זמני הישרדות ממוצעים בין שתי קבוצות של בעלי חיים במעבדה, הוא דוגמה אחת. דוגמה נוספת היא מבחן קרוסקל-וואליס, שהוא חלופה א-פרמטרית ל-ANOVA עבור השוואת ממוצעים של מספר קבוצות.

לסטטיסטיקה פרמטרית וא-פרמטרית יש משמעות ייחודית ויישומים שונים בביומטריה, כאשר השימוש בהן נקבע לפי אופי הנתונים וההנחות הסטטיסטיות שניתן לעשות.

Tags

Statistical Inference Hypothesis Testing Parametric Statistics Nonparametric Statistics Normal Distribution Student s T test Goodness of fit Test Biostatistics Wilcoxon Rank sum Test Kruskal Wallis Test Ordinal Data Categorical Data Statistical Assumptions

From Chapter 2:

article

Now Playing

2.9 : טכניקות הסקת מסקנות סטטיסטיות בבדיקת השערות: נתונים פרמטריים מול נתונים א-פרמטריים

Biostatistics: Introduction

100 Views

article

2.1 : ביומטריה: סקירה כללית

Biostatistics: Introduction

203 Views

article

2.2 : נתונים: סוגים והתפלגות

Biostatistics: Introduction

647 Views

article

2.3 : מיקום מרכזי: ניתוח

Biostatistics: Introduction

127 Views

article

2.4 : נתונים: שונות: ניתוח

Biostatistics: Introduction

115 Views

article

2.5 : בדיקות השערות סטטיסטיות

Biostatistics: Introduction

1.8K Views

article

2.6 : דיוק ושגיאות בבדיקת השערות

Biostatistics: Introduction

156 Views

article

2.7 : שיטות סטטיסטיות לניתוח נתונים פרמטריים: ANOVA

Biostatistics: Introduction

248 Views

article

2.8 : שיטות סטטיסטיות לניתוח נתונים פרמטריים: ANOVA

Biostatistics: Introduction

1.5K Views

article

2.10 : מחקר ביו-פרמצבטי: יסודות המחקר הקליני

Biostatistics: Introduction

106 Views

Copyright © 2025 MyJoVE Corporation. All rights reserved