非参数统计（Nonparametric statistics）
目录 |
非参数统计是统计学的一个重要分支，它在实践中有着广泛的应用。所谓统计推断，就是由样本观察值去了解总体，它是统计学的基本任务之一。若根据经验或某种理论我们能在推断之前就对总体作一些假设，则这些假设无疑有助于提高统计推断的效率。这种情况下的统计方法称为“参数统计”。如果我们所知很少，以致于在推断之前不能对总体作任何假设，或仅能作一些非常一般性(例如连续分布、对称分布等)的假设，这时如果仍然使用参数统计方法，其统计推断的结果显然是不可信的，甚至有可能是错的。在对总体的分布不作假设或仅作非常一般性假设条件下的统计方法称为“非参数统计”。
由于非参数统计方法与总体究竟是什么分布几乎没有什么关系，所以它的应用范围很广，它在社会学、医学、生物学、心理学、教育学等领域都有着广泛的应用。由于有关于总体的假设，所以参数统计的推断方法是针对这个假设的。相对而言，非参数统计的推断方法是很一般的，它仅应用样本观察值中一些非常直观(例如次序)的信息。所以非参数统计分析含有丰富的统计思想。
非参数统计最常用于具备下述特征的情况：
1、待分析数据不满足参数检验所要求的假定，因而无法应用参数检验。例如，我们曾遇到过的非正态总体小样本，在t-检验法也不适用时，作为替代方法，就可以采用非参数检验。
2、仅由一些等级构成的数据，不能应用参数检验。例如，消费者可能被问及对几种不同商标的饮料的喜欢程度，虽然，他们不能对每种商标都指定一个数字来表示他们对该商标的喜欢程度，却能将几种商标按喜欢的顺序分成等级。这种情形也宜采用非参数检验。
3、所提的问题中并不包含参数，也不能用参数检验。例如，我们想判断一个样本是否为随机样本，采用非参数检验法就是适当的。
4、当我们需要迅速得出结果时，也可以不用参数统计方法而用非参数统计方法来达到目的。一般说来，非参数统计方法所要求的计算与参数统计方法相比，完成起来既快且易。有些非参数统计方法的计算，就算对统计学知识不熟练的人，也能在收集数据时及时予以完成。
非参数统计问题中对总体分布的假定要求的条件很宽，因而针对这种问题而构造的非参数统计方法，不致因为对总体分布的假定不当而导致重大错误，所以它往往有较好的稳健性(见稳健统计)，这是一个重要特点。但因为非参数统计方法需要照顾范围很广的分布，在某些情况下会导致其效率的降低。不过，近代理论证明了：一些重要的非参数统计方法，当与相应的参数方法比较时，即使在最有利于后者的情况下，效率上的损失也很小。
由于非参数统计中对分布假定要求的条件宽，因而大样本理论（见大样本统计）占据了主导地位。第二次世界大战前，非参数统计的大样本理论已有了一些结果，从20世纪50年代直到现代，更有了显著的进展，尤其是关于秩统计量与U统计量的大样本理论，及基于这种理论的大样本非参数方法，研究成果很多。
非参数统计与传统的参数统计相比，有以下优点：
1、非参数统计方法要求的假定条件比较少，因而它的适用范围比较广泛。
2、多数非参数统计方法要求的运算比较简单，可以迅速完成计算取得结果，因而比较节约时间。
3、大多数非参数统计方法在直观上比较容易理解，不需要太多的数学基础知识和统计学知识。
4、大多数非参数统计方法可用来分析如象由等级构成的数据资料，而对计量水准较低的数据资料，参数统计方法却不适用。
5、当推论多达3个以上时，非参数统计方法尤具优越性。
但非参数统计方法也有以下缺点：
1、由于方法简单，用的计量水准较低，因此，如果能与参数统计方法同时使用时，就不如参数统计方法敏感。若为追求简单而使用非参数统计方法，其检验功效就要差些。这就是说，在给定的显著性水平下进行检验时，非参数统计方法与参数统计方法相比，第Ⅱ类错误的概率β要大些。
2、对于大样本，如不采用适当的近似，计算可能变得十分复杂。