Parametric and nonparametric methods Statistics students meet families of

probability distribution early in their courses. One of thebest known is the normal
and Gaussian family, where individual members are specified by assigning constant
values to two quantities called parameters. These are usually denoted by and
and represent the mean and variance. The notation N (, ) denotes
a normal distribution with these parameters. Normal distributions are often
associated with continuous data such as measurements. Given a set of independent
observations (a concept explained more fully in section 1.2) froma normal
distribution, we often want to infer something about the unknown parameters. The
sample mean provides a point (i.e. single value) estimate of the parameter
(sometimes called, in statistical jargon, the population mean). Here the wellknown t-test is used tomeasure the strength of the evidence provided
by a sample to support an a priorihypothesized value for the population
mean. More usefully, we may determine what is called a confidence interval for the
true population mean. This is an interval for which wehave, in a sense we describe
in section 1.4.1, reasonable confidence that it contains the truebut unknown mean
. These are examples of parametric inferences. The normal distribution is strictly
relevant only to some types of continuous scale data suchas measurements, but it
often works quite well if the measurement scale is coarse (e.g. forexamination
marks recorded to the nearest integer). More importantly, it is useful
forapproximations in a wide range of circumstances when applied to other types of
data. The binomial distribution is relevant to some types of counts. The family
also has twoparameters n, p, where n is the total number of observations and p is
the probability that aparticular one from two possible events occurs at
any observation. Subject to certainconditions, the number of occurrences, r,
where 0 < r < n, of that event in the n observationshas a binomial distribution,
which we refer to as B (n, p) distribution.

Parametrik dan nonparametrik siswa metode Statistik bertemu keluarga dari

distribusi probabilitas awal program mereka. Salah satu terbaik dikenal adalah
keluarga normal dan Gaussian, di mana masing-masing anggota yang ditentukan
dengan menetapkan nilai-nilai konstan untuk dua kuantitas yang disebut
parameter. Ini biasanya dilambangkan dengan dan O dan mewakili mean dan
varians. Notasi N (, o) menunjukkan distribusi normal dengan parameter ini.
distribusi normal sering dikaitkan dengan data kontinu seperti pengukuran.
Mengingat satu set pengamatan independen (konsep dijelaskan lebih lengkap di
bagian 1.2) froma distribusi normal, kita sering ingin menyimpulkan sesuatu
tentang parameter yang tidak diketahui. Sampel berarti menyediakan titik (yaitu
satu nilai) perkiraan parameter (kadang-kadang disebut, dalam jargon statistik,
rata-rata populasi). Berikut terkenal t-test digunakan tomeasure kekuatan bukti
yang diberikan oleh sampel untuk mendukung nilai priorihypothesized untuk
mean populasi. Lebih berguna, kita dapat menentukan apa yang disebut interval
kepercayaan untuk mean populasi 'benar'. Ini adalah interval yang wehave, dalam
arti kami jelaskan dalam bagian 1.4.1, keyakinan yang wajar bahwa itu berisi
truebut diketahui rata-rata . Ini adalah contoh dari kesimpulan parametrik.
Distribusi normal secara ketat hanya relevan untuk beberapa jenis skala kontinu
pengukuran data yang suchas, tetapi sering bekerja cukup baik jika skala
pengukuran adalah kasar (mis forexamination tanda direkam ke bilangan bulat
terdekat). Lebih penting lagi, itu adalah forapproximations berguna dalam berbagai
situasi ketika diterapkan jenis data. Distribusi binomial relevan dengan beberapa
jenis penting. Keluarga juga memiliki twoparameters n, p, di mana n adalah jumlah
total pengamatan dan p adalah probabilitas bahwa aparticular satu dari dua
peristiwa yang mungkin terjadi pada pengamatan apapun. Tunduk
certainconditions, jumlah kejadian, r, di mana 0 <r <n, dari peristiwa di n
observationshas distribusi binomial, yang kita sebut sebagai B (n, p) distribusi.