The use of parametric statistical t

The use of parametric statistical techniques is preferred where all of the assumptions
of the above tests are met as better use is made of the information available from
interval level data. Parametric techniques take advantage of interval level data to
measure precise numerical proportions of total variability, making them more
powerful (Greene and D’Oliveira, 1999). Nonparametric tests calculate probabilities
on the basis of rank ordering scores; therefore much of the numerical information is
lost. However, Siegel (1956) and Conover (1980) cite several advantages of
nonparametric statistical tests, including the fact that they are easier and quicker to
apply and require less mathematical knowledge. The most important of these
advantages for the data set in question is that exact probabilities can be obtained
irrespective of the shape of the population (Siegel, 1956).

Αποτελέσματα (Ελληνικά) 1:

Προτιμάται η χρήση παραμετρικές στατιστικές τεχνικές όπου όλες οι υποθέσειςαπό τις παραπάνω δοκιμασίες πληρούνται όπως καλύτερα γίνεται χρήση των πληροφοριών που διατίθενται απόδιάστημα δεδομένα σε επίπεδο. Τεχνικών παραμετρικές να επωφεληθούν από δεδομένα σε επίπεδο διάστημα ναμέτρο ακριβής αριθμητική αναλογία της συνολικής μεταβλητότητας, που τους καθιστά περισσότεροισχυρό (Greene και D'Oliveira, 1999). Απαραμετρική δοκιμές υπολογίσετε τις πιθανότητεςμε βάση την κατάταξη παραγγελία βαθμολογίες? ως εκ τούτου, είναι πολλές από τις αριθμητικές πληροφορίεςέχασε. Ωστόσο, Siegel (1956) και Conover (1980) επικαλούνται διάφορα πλεονεκτήματα τηςΑπαραμετρική Στατιστική δοκιμές, συμπεριλαμβανομένου του γεγονότος ότι είναι ευκολότερη και ταχύτερη γιαΕφαρμόστε και απαιτούν λιγότερο μαθηματική γνώση. Το πιο σημαντικό από αυτάπλεονεκτήματα για το εν λόγω σύνολο δεδομένων είναι ότι μπορεί να επιτευχθεί ακριβής πιθανότητεςανεξάρτητα από το σχήμα του πληθυσμού (Siegel, 1956).

Αποτελέσματα (Ελληνικά) 2:

Η χρήση των παραμετρικών στατιστικών τεχνικών προτιμάται όπου όλες οι υποθέσεις
ικανοποιούνται από τις παραπάνω εξετάσεις, όπως γίνεται καλύτερη χρήση των διαθέσιμων πληροφοριών από
τα δεδομένα του διαστήματος επίπεδο. Παραμετρικές τεχνικές επωφεληθείτε από τα δεδομένα του διαστήματος επίπεδο για
τη μέτρηση της ακριβούς αριθμητικής αναλογίες του συνολικού μεταβλητότητας, καθιστώντας τα πιο
ισχυρά (Greene και D'Oliveira, 1999). Μη παραμετρικές δοκιμές υπολογισμό των πιθανοτήτων
με βάση τα αποτελέσματα ιεράρχηση? Ως εκ τούτου, ένα μεγάλο μέρος της αριθμητικής πληροφοριών
χαθεί. Ωστόσο, Siegel (1956) και Conover (1980) αναφέρουν αρκετά πλεονεκτήματα της
μη παραμετρικές στατιστικές δοκιμές, συμπεριλαμβανομένου του γεγονότος ότι είναι ευκολότερο και ταχύτερο να
εφαρμόσει και απαιτούν λιγότερο μαθηματική γνώση. Η πιο σημαντική από αυτές τις
πλεονεκτήματα για τα στοιχεία που εν είναι ότι ακριβής πιθανότητες μπορεί να ληφθεί
ανεξάρτητα από το σχήμα του πληθυσμού (Siegel, 1956).

Αποτελέσματα (Ελληνικά) 3:

Η χρήση στατιστικών παραμέτρων της τεχνολογίας, όπου όλες οι υποθέσειςΣτο ανωτέρω δοκιμές είναι από την καλύτερη χρήση των διαθέσιμων πληροφοριώνΤα στοιχεία για το επίπεδο του διαστήματος.παράμετρος της χρήσης της τεχνολογίας διαστήματα στοιχεία σε επίπεδοΜέτρηση ακριβές αριθμητικό ποσοστό του συνολικού αλλαγές, ώστε να είναι πιοισχυρή (Γκριν και αυστριακή Vera, 1999).Μη παράμετροι ελέγχου τον υπολογισμό πιθανοτήτων.Στο σκορ βάση, και ως εκ τούτου, τα αριθμητικά στοιχεία είναιχάθηκε.Ωστόσο, σίγκελ (1956) και (1980) ανέφερε ορισμένα πλεονεκτήματαΜη παραμετρικές στατιστικές δοκιμές, καθώς και το γεγονός ότι είναι ευκολότερη και ταχύτερηεφαρμογή και απαιτούν λιγότερες γνώσεις μαθηματικών.Τα πιο σημαντικάΤο πρόβλημα των συνόλων δεδομένων έχει το πλεονέκτημα ότι μπορεί να λάβει την οριστική της πιθανότηταςΑνεξάρτητα από το σχήμα του πληθυσμού (σίγκελ, 1956).