Hypothesis testing using nonparametric tests

Lai pārbaudītu statistiskas hipotēzes, ir izstrādāti daudzi statistiskie testi. Piemēram, hipotēžu pārbaudei par izlašu vidējo vērtību vienādību izplatītākie ir t-tests un vienfaktora dispersiju analīze (ANOVA), taču, tā kā tie ir parametriski testi, tad ir jāizpildās konkrētiem pieņēmumiem, lai šos testus varētu pielietot, turklāt diskrētā veidā uzdotiem datiem šie testi nemaz neder. Šajā darbā aplūkoti vairāki neparametriski testi, kas ir labas alternatīvas parametriskajiem testiem, kā arī paskaidrota atšķirība starp parametriskajiem un neparametriskajiem testiem. Katrā nodaļā aplūkotas atšķirīgas situācijas pēc izlašu skaita un to savstarpējās atkarības, savukārt apakšnodaļās aplūkoti piemērotākie testi atbilstošajam datu formātam. Darba noslēgumā iekļauti piemēri dažiem no aplūkotajiem testiem.There have been developed several statistical tests for testing statistical hypothesis. For example, for testing hypothesis about the equality of sample means, the most common tests are t-test and one-way analysis of variance (ANOVA), but, as they are parametric tests, there are certain assumptions about the data that have to be met before the test can be properly used, plus for discrete data, the parametric tests are invalid. In this paper several nonparametric tests are discussed, and the difference between [arametric and nonparametric tests is reviewed. Each chapter is devoted for different situation based in the number of samples and their dependence, whereas each sub-chapter describes the most appropriate test for the type of data. At the end a few examples are included for some of the tests