تحليل عامل التفسير في الفوركس ستاتا

مساعدة ستاتا يحسب الأمر إستات فيف عوامل تضخم التباين للمتغيرات المستقلة. عامل تضخم التباين هو وسيلة مفيدة للبحث عن متعدد الأوجه بين المتغيرات المستقلة. لقراءة المزيد عن عوامل التضخم التباين، انظر صفحة ويكيبيديا (وتحديدا قسم الموارد). بقدر ما يذهب بناء الجملة، إستات فيف لا يأخذ أي حجج. لديها خيار واحد. أونسنتيرد الذي يحسب عوامل التضخم التباين غير المتدخلة. قسم ستستاس الانحدار بوستستيوماتيون من R يقترح هذا الخيار للكشف عن علاقة خطية متداخلة من ريجريسورس مع ثابت (Q-Z ص 108). اتصل بنا ريد كوليج 3203 سوثيست وودستوك بوليفارد بورتلاند، أوريغون 97202-8199 الهاتف: 503 / 771-1112 فاكس: 503 / 777-7769 أساسيات الانحدار لتحليل الأعمال إذا كنت تتساءل يوما عن كيفية ربط أمرين أو أكثر ببعضهما البعض، أو إذا كان لديك أي وقت مضى رئيسك يطلب منك إنشاء توقعات أو تحليل العلاقات بين المتغيرات، ثم تعلم الانحدار سيكون يستحق وقتك. في هذه المقالة، سوف تعلم أساسيات الانحدار الخطي البسيط - أداة تستخدم عادة في التنبؤ والتحليل المالي. سوف نبدأ بتعلم المبادئ الأساسية للانحدار، أولا التعلم عن التباين والارتباط، ومن ثم الانتقال إلى بناء وتفسير الناتج الانحدار. وهناك الكثير من البرامج مثل ميكروسوفت إكسيل يمكن أن تفعل كل الحسابات الانحدار والمخرجات بالنسبة لك، ولكن لا يزال من المهم معرفة الميكانيكا الكامنة. في مركز الانحدار هو العلاقة بين متغيرين يطلق عليهما المتغير التابع والمستقل. على سبيل المثال، لنفترض أنك ترغب في توقع المبيعات لشركتك وكنت قد خلصت إلى أن مبيعات شركتك تذهب صعودا وهبوطا اعتمادا على التغيرات في الناتج المحلي الإجمالي. والمبيعات التي تتنبأ بها ستكون المتغير التابع لأن قيمتها تعتمد على قيمة الناتج المحلي الإجمالي وسيكون الناتج المحلي الإجمالي هو المتغير المستقل. ستحتاج بعد ذلك إلى تحديد قوة العلاقة بين هذين المتغيرين من أجل التنبؤ بالمبيعات. إذا زاد / ينخفض ​​الناتج المحلي الإجمالي بمقدار 1، كم سيزيد أو ينقص مبيعاتك التباين المشترك يسمى صيغة حساب العلاقة بين متغيرين التباين المشترك. هذا الحساب يظهر لك اتجاه العلاقة وكذلك قوتها النسبية. إذا زاد متغير واحد ويميل المتغير الآخر أيضا إلى زيادة، فإن التباين سيكون إيجابيا. إذا ارتفع متغير واحد والآخر يميل إلى النزول، ثم التباين سيكون سلبيا. العدد الفعلي الذي تحصل عليه من حساب هذا يمكن أن يكون من الصعب تفسير لأنه غير موحدة. التباين من خمسة، على سبيل المثال، يمكن أن تفسر على أنها علاقة إيجابية، ولكن قوة العلاقة يمكن أن يقال إلا أن تكون أقوى مما لو كان عدد أربعة أو أضعف مما لو كان الرقم ستة. معامل الارتباط نحن بحاجة إلى توحيد التباين من أجل السماح لنا بتفسير أفضل واستخدامها في التنبؤ، والنتيجة هي حساب الارتباط. حساب الترابط يأخذ ببساطة التباين ويقسمه بمنتج الانحراف المعياري للمتغيرين. وسيؤدي ذلك إلى ربط العلاقة بين قيمة -1 و 1. ويمكن تفسير ارتباط 1 على أنه يشير إلى أن كلا المتغيرين يتحركان بشكل إيجابي تماما مع بعضهما البعض و -1 يعنيان أنهما مرتبطان سلبا تماما. في المثال السابق، إذا كان الترابط هو 1 والناتج المحلي الإجمالي يزداد بمقدار 1، فإن المبيعات سوف تزداد بمقدار 1. إذا كان الترابط -1، فإن زيادة 1 في الناتج المحلي الإجمالي سوف تؤدي إلى انخفاض واحد في المبيعات - العكس تماما. معادلة الانحدار الآن بعد أن علمنا كيف يتم حساب العلاقة النسبية بين المتغيرين، يمكننا تطوير معادلة الانحدار للتنبؤ أو التنبؤ بالمتغير الذي نرغب فيه. وفيما يلي صيغة لانحدار خطي بسيط. و y هي القيمة التي نحاول التنبؤ بها، b هي منحدر الانحدار، x هي قيمة قيمتنا المستقلة، و a تمثل اعتراض y. وتصف معادلة الانحدار ببساطة العلاقة بين المتغير التابع (y) والمتغير المستقل (x). المعترض، أو a، هو قيمة y (المتغير التابع) إذا كانت قيمة x (المتغير المستقل) صفرا. حتى إذا لم يكن هناك أي تغيير في الناتج المحلي الإجمالي، فإن شركتك لا تزال تبذل بعض المبيعات - هذه القيمة، عندما يكون التغيير في الناتج المحلي الإجمالي هو صفر، هو اعتراض. ألق نظرة على الرسم البياني أدناه لرؤية رسم بياني لمعادلة الانحدار. في هذا الرسم البياني، هناك خمس نقاط بيانات فقط تمثلها النقاط الخمس على الرسم البياني. محاولات الانحدار الخطي لتقدير الخط الذي يناسب البيانات بشكل أفضل، ومعادلة ذلك الخط ينتج في معادلة الانحدار. الشكل 1: خط أفضل ملاءمة التفسير المخرجات الرئيسية تحتاج إلى أن تكون قلقة بشأن الانحدار الخطي بسيط هي R - التربيع. المعترض ومعامل الناتج المحلي الإجمالي. الرقم R-سكارد في هذا المثال هو 68.7 - وهذا يدل على مدى توقع نموذجنا أو التنبؤ بالمبيعات المستقبلية. بعد ذلك لدينا اعتراض 34.58، الذي يخبرنا أنه إذا كان من المتوقع أن يكون التغير في الناتج المحلي الإجمالي صفرا، مبيعاتنا سيكون حوالي 35 وحدة. وأخيرا، فإن معامل ارتباط الناتج المحلي الإجمالي 88.15 يخبرنا أنه إذا زاد الناتج المحلي الإجمالي بمقدار 1، فمن المرجح أن ترتفع المبيعات بنحو 88 وحدة. الخط السفلي فكيف يمكنك استخدام هذا النموذج البسيط في عملك حسنا إذا كان بحثك يقودك إلى الاعتقاد بأن تغيير الناتج المحلي الإجمالي المقبل سيكون نسبة معينة، يمكنك سد تلك النسبة المئوية في نموذج وتوليد توقعات المبيعات. هذا يمكن أن تساعدك على وضع خطة أكثر موضوعية والميزانية للعام المقبل. وبطبيعة الحال هذا هو مجرد انحدار بسيط وهناك نماذج التي يمكنك بناء التي تستخدم عدة متغيرات مستقلة تسمى الانحدارات الخطية متعددة. ولكن الانحدارات الخطية المتعددة هي أكثر تعقيدا ولها العديد من القضايا التي تحتاج إلى مقال آخر للمناقشة. سعر الفائدة الذي تقدم به مؤسسة الإيداع الأموال المحتفظ بها لدى مجلس الاحتياطي الاتحادي إلى مؤسسة إيداع أخرى. محفظة من الأوراق المالية ذات الدخل الثابت يكون فيها لكل ضمان تاريخ استحقاق مختلف. الغرض من. تاريخ انتهاء مختلف العقود الآجلة مؤشر الأسهم، وخيارات مؤشر الأسهم، وخيارات الأسهم وعقود الأسهم الآجلة واحدة. جميع الأسهم. نوع من بوليصة التأمين حيث يدفع المؤمن عليه مبلغا محددا من المصروفات الشخصية مقابل خدمات الرعاية الصحية. الإجراءات والسياسات الحكومية التي تقيد التجارة الدولية أو تقيدها، وغالبا ما يتم ذلك بقصد حماية المجتمعات المحلية. والائتمان هو الشخص الذي يعمل نيابة عن شخص آخر، أو الأشخاص لإدارة الأصول. تفسير نتائج النتائج الإحصائية حيث يتم توزيع البيانات عادة والتباين هو معروف أو غير معروف 13 كلما كان التباين بين السكان (2) معروفا، واختبار z هو البديل المفضل لاختبار فرضية متوسط ​​السكان (). لحساب إحصائية الاختبار، الخطأ القياسي يساوي الانحراف المعياري للسكان / الجذر التربيعي لحجم العينة. على سبيل المثال، مع تباين السكان من 64 وحجم العينة من 25، خطأ قياسي يساوي (64) 1/2 / (25) 1/2. أو 1.6. 13 مثال: اختبار إحصائي 13 افترض أننا في هذه الحالة نفسها قمنا ببناء اختبار فرضية أن متوسط ​​العائد السنوي يساوي 12 وهذا هو، لدينا اختبار ثنائي الذيل، حيث الفرضية الفارغة هي أن عدد السكان يعني 12، و البديل هو أنه لا يساوي 12. باستخدام 0.05 مستوى حرج (0.025 لكل ذيل)، حكمنا هو رفض فارغة عندما تكون إحصائية الاختبار إما -1.96 أو أعلى 1.96 (في p .025، z 1.96 ). افترض أن متوسط ​​العينة 10.6. 13 الإجابة: إحصائية الاختبار (10.6 - 12) /1.6 -1.4 / 1.6 -0.875. هذه القيمة لا تندرج تحت نقطة الرفض، لذلك لا يمكننا رفض الفرضية الصفرية مع اليقين الإحصائي. 13 عندما نقوم بإجراء اختبارات فرضية على متوسط ​​السكان، من المحتمل نسبيا أن يكون التباين السكاني غير معروف. في هذه الحالات، نستخدم نموذج الانحراف المعياري عند حساب الخطأ القياسي، والإحصاء t لقاعدة القرار (أي كمصدر لمستوى الرفض). وبالمقارنة مع z أو المعياري العادي، فإن الإحصاء t أكثر تحفظا (أي نقاط رفض أعلى لرفض الفرضية الصفرية). وفي الحالات التي تكون فيها أحجام العينات الكبيرة (30 على الأقل)، يمكن الاستعاضة عن الإحصاء z. 13 مثال: خذ حالة حيث حجم العينة هو 16. في هذه الحالة، فإن t-ستات هو الخيار المناسب الوحيد. بالنسبة للتوزيع t، يتم حساب درجات الحرية على النحو التالي (حجم العينة - 1)، دف 15 في هذا المثال. في هذه الحالة، نفترض أننا نختبر فرضية أن متوسط ​​السكان أكبر من 8، لذلك سيكون هذا اختبار ذيل واحد (الذيل الأيمن): فرضية فارغة هي لوت 8، والبديل هو أن غ 8. لدينا أهمية المطلوبة المستوى 0.05. باستخدام الجدول لتوزيع الطلاب t ل دف 15 و p 0.05، القيمة الحرجة (نقطة الرفض) هي 1.753. وبعبارة أخرى، إذا كانت إحصائية الاختبار المحسوبة أكبر من 1.753، فإننا نرفض فرضية نول. 13 الجواب: الانتقال إلى الخطوة 5 من عملية اختبار الفرضية، ونأخذ عينة حيث يكون المتوسط ​​8.3 والانحراف المعياري هو 6.1. لهذه العينة، خطأ قياسي s / n 1/2 6.1 / (16) 1/2 6.1 / 4 1.53. إحصائية الاختبار هي (8.3 - 8.0) /1.53 0.3 / 1.53، أو 0.196. بمقارنة 0.196 إلى نقطة الرفض 1.753، ونحن غير قادرين على رفض فرضية نول. 13 لاحظ أنه في هذه الحالة، كان متوسط ​​عينا 8.3 هو في الواقع أكبر من 8 ومع ذلك، فقد تم إعداد اختبار الفرضية ليتطلب دلالة إحصائية، وليس مجرد مقارنة متوسط ​​عينة للفرضية. وبعبارة أخرى، فإن القرارات التي اتخذت في اختبار الفرضية هي أيضا وظيفة من حجم العينة (التي في 16 منخفضة)، والانحراف المعياري، والمستوى المطلوب من الأهمية والتوزيع تي. تفسيرنا في هذا المثال هو أن 8.3 من متوسط ​​العينة، في حين أن أعلى من اسميا من 8، ببساطة ليست أعلى بكثير من 8، على الأقل إلى النقطة حيث أننا سوف تكون قادرة على التوصل إلى استنتاج نهائي فيما يتعلق بمتوسط ​​السكان كونها أكبر من 8 (13) المساواة النسبية للوسائل السكانية لسكان موزعين عادة، حيث افترضت العينة العشوائية المستقلة أن الفروق متساوية أو غير متكافئة بالنسبة للحالة التي يمكن فيها افتراض تباين السكان لمجموعتين منفصلتين، فإن تقنية تجميع تقدير التباين السكاني (s 2) من بيانات العينة بالمعادلة التالية (يفترض عينتين عشوائيتين مستقلتين): 13 حيث: n 1. n 2 هي أحجام العينات، و s 1 2. s 2 2 هي فروق العينة. 13 درجة الحرية n 1 n 2 - 2 13 لاختبار المساواة بين اثنين من الوسائل السكانية (أي 1 2)، وتحسب إحصائية الاختبار الفرق في وسائل العينة (X 1 - X 2)، مقسوما على الخطأ القياسي: الجذر التربيعي من (s 2 / n 1 s 2 / n 2). مثال: الوسائل السكانية افترض أن التقدير المجمع للتباين (s 2) كان 40 وكان حجم العينة لكل مجموعة 20. الخطأ القياسي (40/20 40/20) 1/2 (80/20) 2. الإجابة: إذا كانت العينة كانت 8.6 و 8.9، t (8.6 - 8.9) / 2 -0.3 / 2 -0.15. اختبارات المساواة / عدم المساواة هي اختبارات من جانبين. مع دف 38 (مجموع أحجام العينات - 2) وإذا افترضنا 0.05 دلالة (p 0.025)، فإن مستوى الرفض هو t لوت -2.024، أو t غ 2.024. وبما أن إحصائية الاختبار المحسوبة كانت -0.15، لا يمكننا رفض الفرضية القائلة بأن هذه الساكنة تعني متساوية. 1. بالنسبة لاختبارات الفرضية للمساواة في عدد السكان، حيث لا يمكن افتراض أن التباينات متساوية، فإن إحصائية الاختبار المناسبة للفرضية هي التعداد الإحصائي، ولكننا لم نعد قادرين على تجميع تقدير للانحراف المعياري، ويصبح الخطأ المعياري مربع جذر (ق 1 2 / ن 1) (ق 2 2 / ن 2). تبقى الفرضية الصفرية 1 2. ويتم حساب إحصائية الاختبار على غرار المثال السابق (أي الفرق في وسائل العينة / الخطأ القياسي). الحوسبة درجات الحرية تقارب هذه الصيغة 13 لوك أوت 13 ملاحظة: لا تنفق الوقت في حفظ هذه الصيغة أنها لن تكون مطلوبة للامتحان. التركيز بدلا من ذلك على خطوات اختبار الفرضية وتفسير النتائج. (13) اختبار المقارنة المقارنه اختبر المثال السابق المساواة أو عدم المساواة بين اثنين من الوسائل السكانية، مع افتراض أساسي بأن المجموعتين مستقلتان عن بعضهما البعض. في اختبار المقارنات المقترنة، يكون لدى المجموعتين درجة من الارتباط أو المشاركة في الحركة، ويحسب حساب إحصائية الاختبار هذا الارتباط. نأخذ حالة حيث نقارن بين صندوقين استثماريين يتم تصنيفهما على أنهما نمو كبير، حيث نختبر ما إذا كانت عوائد أحدهما أعلى بكثير من الأخرى (ذات دلالة إحصائية). اختبار المقارنات المقارن مناسب لأننا نفترض وجود درجة من الارتباط، حيث أن عوائد كل منها ستعتمد على السوق. لحساب t - الإحصائية، نجد أولا عينة الفرق الفرق. (d / d) 1 (n) (d 1 d 2 d 3 دن)، حيث n هو عدد الملاحظات المقترنة (في مثالنا، عدد الأرباع التي لدينا عوائد ربع سنوية)، وكل d هو الفرق بين كل ملاحظة في العينة. بعد ذلك، تباين العينة. أو (مجموع كل الانحرافات عن د) 2 / (n - 1)، مع الانحراف المعياري (s) الجذر التربيعي الموجب للتباين. خطأ قياسي d / (n) 1/2. على سبيل المثال المتبادل، إذا كانت عوائدنا المتوسطة لمدة 10 سنوات (40 أرباع البيانات)، يكون متوسط ​​فرق العينة 2.58، ونموذج الانحراف المعياري 5.32، يتم حساب إحصائية الاختبار لدينا على النحو التالي: (2.58) / ((5.32) / (40) 1/2)، أو 3.067. في 49 درجة من الحرية مع مستوى دلالة 0.05، ونقطة الرفض هي 2.01. وبالتالي فإننا نرفض الفرضية الباطلة ونقول أن هناك فرقا إحصائيا كبيرا في العائدات بين هذه الأموال. الفرضية الفحوصات على تباين اختبارات الفرضية الموزعة عادة الموزعة فيما يتعلق بقيمة التباين (2) تبدأ بصياغة الفرضيات الفارغة والبدائية. 13 في اختبارات الفرضية للتباين على مجتمع واحد موزعة بشكل طبيعي، تعرف إحصائية الاختبار المناسبة باسم مربع تشي، الذي يشار إليه ب 2. على عكس التوزيعات التي استخدمناها سابقا، فإن مربع تشي غير متماثل كما هو مرتبط اليسار بصفر. (هذا يجب أن يكون صحيحا لأن التباين هو دائما رقم إيجابي). مربع تشي هو في الواقع عائلة من التوزيعات مماثلة للتوزيعات t، مع درجات مختلفة من الحرية مما أدى إلى توزيع مختلفة تشي مربع. 13 حيث: n حجم العينة، s 2 تباين العينة، 0 2 تباين السكان من الفرضية يتم حساب التباين العينة s 2 كمجموع الانحرافات بين القيم الملاحظة ومتوسط ​​العينة 2. درجات الحرية أو n - 1 مثال: اختبار الفرضية ث / تشي سكارد إحصائي لتوضيح اختبار الفرضية باستخدام إحصائية تشي مربع، نأخذ مثالا على صندوق نعتقد أنه كان متقلبا جدا بالنسبة للسوق، ونود أن نثبت هذا المستوى من المخاطر (كما هو مقيس بمعيار ربع سنوي الانحراف) أكبر من متوسط ​​الأسواق. لاختبارنا، نفترض أن الأسواق الانحراف المعياري الفصلي هو 10. سوف اختبارنا فحص العائدات الفصلية على مدى السنوات الخمس الماضية، لذلك ن 20، ودرجات الحرية 19. لدينا اختبار هو أكبر من الاختبار مع فرضية نول من 2 لوت (10) 2. أو 100، وفرضية بديلة قدرها 2 غ 100. باستخدام مستوى 0.05 من الأهمية، نقطة الرفض لدينا، من الجداول تشي مربع مع دف 19 و p 0.05 في الذيل الأيمن، هو 30.144. وبالتالي إذا كانت إحصائية الاختبار المحسوبة أكبر من 30.144، فإننا نرفض الفرضية الصفرية عند مستوى 5 أهمية. الجواب: فحص الفصول الفصلية لهذه الفترة، نجد تباين العينة (s 2) هو 135. مع n 20 و 0 2 100، لدينا كل البيانات المطلوبة لحساب إحصائية الاختبار. 2 ((n - 1) s 2) / 0 2 ((20 - 1) 135) / 100 2565/100 أو 25.65. منذ 25.65 هو أقل من قيمتنا الحرجة من 30.144، ليس لدينا ما يكفي من الأدلة لرفض فرضية نول. وفي حين أن هذا الصندوق قد يكون بالفعل متقلبا جدا، فإن تقلباته ليست ذات دلالة إحصائية أكثر من متوسط ​​السوق للفترة. اختبارات الفرضية المتعلقة بالمساواة بين الفروق بين اثنين من السكان الموزعين عادة، حيث يكون كل من العينات عشوائية ومستقلة لفرضيات الاختبارات المتعلقة القيم النسبية للتباين من مجموعتين من السكان - سواء 1 2 (تباين السكان الأولى) و 2 2 (التباين من الثانية) متساوية / لا يساوي / أكبر من / أقل من - يمكننا بناء الفرضيات في واحدة من ثلاث طرق. (13) عندما يقارن اختبار الفرضية الفروق بين مجموعتين من السكان ويمكننا أن نفترض أن العينات العشوائية من السكان مستقلة (غير مترابطة)، فإن الاختبار المناسب هو الاختبار F، الذي يمثل نسبة تباين العينات. كما هو الحال مع تشي مربع، وتوزيع F هو عائلة من التوزيعات غير متناظرة (ملزمة على اليسار بصفر). يتم تعريف عائلة F من التوزيعات من قبل قيمتين من درجات الحرية: البسط (دف 1) والمقام (دف 2). يتم أخذ كل درجة من درجات الحرية من أحجام العينة (كل حجم العينة - 1). ويمكن أن يكون الاختبار F المأخوذ من بيانات العينة إما s 2 2 / s 2 2. أو s 2 2 / s 1 2 - مع استخدام الاتفاقية لأي نسبة تنتج العدد الأكبر. وبهذه الطريقة، فإن اختبار F يجب أن يكون معنيا فقط بقيم أكبر من 1، حيث أن أحد النسبتين سيكون دائما رقما فوق 1. مثال: الفرضية اختبار ث / نسبة التباين في العينة لتوضيح، وهما صندوقان استثماران. وقد حظي الصندوق (أ) بعوائد أداء أكبر من الصندوق ب (الذي نملكه للأسف). إن فرضيتنا هي أن مستوى المخاطر بين هذين النوعين هو في الواقع متشابه تماما، بمعنى أن الصندوق أ لديه نتائج متفوقة على المخاطر. نحن اختبار فرضية على مدى السنوات الخمس الماضية من البيانات الفصلية (دف هو 19 لكلا البسط والمقام). باستخدام 0.05 دلالة، قيمتنا الحرجة من الجداول F هو 2.51. افترض من عينة الخمس سنوات أن الانحرافات المعيارية ربع السنوية كانت 8.5 بالنسبة للصندوق A، و 6.3 بالنسبة للصندوق B. الإجابة: لدينا F - الإحصائية هي (8.5) 2 /( 6.3) 2 72.25 / 39.69 1.82. منذ 1.82 لا تصل إلى مستوى الرفض من 2.51، لا يمكننا رفض فرضية نول، ونذكر أن المخاطر بين هذه الأموال لا تختلف اختلافا كبيرا. مفاهيم من قسم اختبار الفرضية من غير المرجح أن يتم اختبارها من خلال تمارين صارمة في عدد طحن ولكن بدلا من ذلك في تحديد سمات فريدة من إحصائية معينة. على سبيل المثال، قد يسأل سؤال نموذجي، في اختبار الفرضية، الذي اختبار إحصائية يتم تعريفها من قبل درجتين من الحرية، البسط والمقام، مما يتيح لك هذه الخيارات: A. تي اختبار، B. ز اختبار، C. تشي - square، أو D. F - اختبار. وبطبيعة الحال، فإن الإجابة ستكون D. سؤال آخر قد تسأل، أي توزيع غير متناظرة، ومن ثم تعطيك هذه الخيارات: A. ر، B. ض، C. تشي مربع، D. عادي. هنا سيكون الجواب C. التركيز على الخصائص المحددة، لأنها هي المصدر الأكثر احتمالا للأسئلة الامتحان. الاختبارات البارامترية وغير اللامركزية صممت جميع اختبارات الفرضيات الموصوفة حتى الآن، بطريقة أو بأخرى، لاختبار القيمة المتوقعة لمعلمة واحدة أو أكثر - متغيرات غير معروفة مثل المتوسط ​​والتباين الذي يميز السكان والتي توزع قيمها الملحوظة بطريقة مفترضة معينة. والواقع أن هذه الافتراضات المحددة إلزامية وهي أيضا مهمة جدا: فمعظم الاختبارات المطبقة عادة ما تكون مبنية على بيانات تفترض أن السكان الأساسيين موزعون عادة، وإن لم يكن صحيحا، فإنه يلغي الاستنتاجات التي تم التوصل إليها. وكلما قل عدد السكان العاديين (بمعنى أنه كلما كانت البيانات أكثر ميلا)، كلما قل استخدام هذه الاختبارات أو الإجراءات المعيارية للغرض المقصود. تم تصميم اختبارات الفرضية غير الحسابية للحالات التي يكون فيها (أ) افتراضات أقل أو مختلفة عن البيانات السكانية مناسبة، أو (ب) حيث لا يكون اختبار الفرضية معنيا بمعلمة سكانية. في كثير من الحالات، نحن غريبة عن مجموعة من البيانات ولكن نعتقد أن الافتراضات المطلوبة (على سبيل المثال، البيانات الموزعة عادة) لا تنطبق على هذا المثال، وإلا حجم العينة صغير جدا لجعل مريح مثل هذا الافتراض. وقد تم تطوير عدد من البدائل غير القياسية لاستخدامها في مثل هذه الحالات. ويوضح الجدول أدناه بعض الأمثلة المشابهة للاختبارات المعيارية المشتركة. 13 قلق الفرضية