Параметрический критерий

Параметрический критерий — это статистический критерий, используемый для проверки гипотез о параметрах распределения генеральной совокупности (например, о среднем значении, дисперсии, коэффициенте корреляции) при условии, что распределение данных подчиняется определённому закону, чаще всего нормальному. Параметрические критерии основаны на предположении о том, что выборка взята из популяции с известным типом распределения, и их применение требует проверки соответствия данных этому распределению. В отличие от непараметрических критериев, которые не зависят от формы распределения, параметрические обладают большей статистической мощностью (способностью обнаруживать эффект, если он существует) при выполнении предпосылок.

История

Развитие параметрических критериев связано с работами британского статистика Рональда Фишера в 1920-х годах, который заложил основы дисперсионного анализа (ANOVA) и t-критерия. Фишер предложил методы оценки параметров распределения и проверки гипотез на основе отношения правдоподобия. В 1908 году Уильям Госсет (псевдоним «Стьюдент») опубликовал t-критерий, предназначенный для малых выборок. В 1930-х годах Ежи Нейман и Эгон Пирсон разработали теорию проверки гипотез, формализовав понятия ошибок первого и второго рода. С середины XX века параметрические критерии стали основой математической статистики в естественных, технических и социальных науках.

Основные предпосылки применения

Для корректного использования параметрических критериев необходимо выполнение следующих условий:

• Нормальность распределения: данные в каждой сравниваемой группе должны быть взяты из нормально распределённой генеральной совокупности. Нарушение этого условия может привести к искажению вероятности ошибки первого рода.
• Гомогенность дисперсий: дисперсии сравниваемых групп должны быть равны (гомоскедастичность). Для проверки этого условия используются критерии Левена или Бартлетта.
• Независимость наблюдений: значения в выборке не должны быть связаны между собой (например, повторные измерения на одном объекте требуют специальных методов).
• Шкала измерения: данные должны быть измерены в интервальной или относительной шкале, то есть иметь количественный характер.

При нарушении этих предпосылок (например, при сильной асимметрии распределения или наличии выбросов) рекомендуется применять непараметрические аналоги или преобразования данных (например, логарифмирование).

Классификация параметрических критериев

Параметрические критерии делятся на несколько групп в зависимости от решаемой задачи.

Критерии для проверки гипотез о средних значениях

• t-критерий Стьюдента: используется для сравнения средних двух выборок. Различают:
• Одновыборочный t-критерий — проверка гипотезы о равенстве среднего выборки известному значению.
• Двухвыборочный t-критерий для независимых выборок — сравнение средних двух групп.
• Парный t-критерий — сравнение средних в связанных выборках (например, «до» и «после»).
• Дисперсионный анализ (ANOVA): позволяет сравнивать средние трёх и более групп. Однофакторный ANOVA проверяет влияние одной категориальной переменной, многофакторный — нескольких.
• Критерий Фишера (F-тест): используется для сравнения дисперсий двух выборок и в составе ANOVA.

Критерии для проверки гипотез о дисперсиях

• Критерий Бартлетта: проверяет равенство дисперсий нескольких групп. Чувствителен к отклонениям от нормальности.
• Критерий Левена: менее чувствителен к нормальности, поэтому часто используется как альтернатива Бартлетту.

Критерии для проверки гипотез о корреляции и регрессии

• Критерий Пирсона (r): проверяет значимость линейной корреляции между двумя количественными переменными. Предполагает двумерное нормальное распределение.
• F-тест для регрессии: оценивает значимость регрессионной модели в целом.
• t-критерий для коэффициентов регрессии: проверяет, отличается ли каждый коэффициент регрессии от нуля.

Критерии для проверки гипотез о пропорциях

• z-критерий для пропорций: используется для сравнения долей в двух выборках при больших объёмах выборок (n > 30). Предполагает нормальное приближение биномиального распределения.

Примеры применения

В медицине

Параметрические критерии широко используются в клинических исследованиях для сравнения эффективности лечения. Например, с помощью t-критерия можно проверить, отличается ли среднее артериальное давление после приёма препарата от контрольной группы. ANOVA применяется для анализа влияния различных дозировок лекарства на уровень холестерина.

В психологии и социологии

При обработке результатов тестов и опросов (например, шкала интеллекта Векслера) параметрические критерии позволяют выявить различия в средних баллах между группами испытуемых. Однако в психологии часто нарушается нормальность распределения, что требует предварительной проверки.

В технике и промышленности

Параметрические критерии используются для контроля качества продукции. Например, t-критерий проверяет, соответствует ли средний диаметр детали заданному допуску. ANOVA помогает оценить влияние различных режимов обработки на прочность материала.

В экономике и финансах

При анализе доходности активов или эффективности инвестиционных стратегий применяются t-критерии для сравнения средних доходностей. F-тест используется для оценки значимости регрессионных моделей, прогнозирующих цены акций.

Ограничения и критика

Основным ограничением параметрических критериев является их чувствительность к нарушению предпосылок. В реальных данных нормальность распределения часто не достигается, особенно при малых выборках (n < 30). В таких случаях мощность критерия снижается, а вероятность ошибки первого рода возрастает. Кроме того, параметрические критерии не подходят для порядковых данных (например, рангов или оценок по шкале Ликерта), где требуется использование непараметрических методов.

Критика параметрического подхода связана с тем, что в прикладных исследованиях исследователи часто игнорируют проверку предпосылок, что приводит к некорректным выводам. В ответ на это в статистике развиваются робастные методы (например, t-критерий Уэлча, не требующий равенства дисперсий) и методы с использованием бутстрепа.

Сравнение с непараметрическими критериями

Непараметрические критерии (например, критерий Манна-Уитни, критерий Краскела-Уоллиса) не требуют нормальности распределения и работают с рангами. Они менее мощны при выполнении предпосылок параметрических критериев, но более устойчивы к выбросам и асимметрии. Выбор между параметрическим и непараметрическим критерием зависит от:

• объёма выборки (при n > 30 параметрические критерии часто робастны к нарушениям нормальности);
• типа данных (количественные или порядковые);
• наличия выбросов;
• необходимости высокой статистической мощности.

Источники

• Гмурман В. Е. Теория вероятностей и математическая статистика. — М.: Высшая школа, 2003.
• Кобзарь А. И. Прикладная математическая статистика. — М.: Физматлит, 2006.
• Лагутин М. Б. Наглядная математическая статистика. — М.: Бином. Лаборатория знаний, 2009.
• Орлов А. И. Прикладная статистика. — М.: Экзамен, 2006.
• Хартман К., Лецкий Э., Шефер В. Планирование эксперимента в исследовании технологических процессов. — М.: Мир, 1977.