มีการทดสอบสถิติใด ๆ ที่เป็นพารามิเตอร์และไม่ใช่พารามิเตอร์


20

มีการทดสอบสถิติใด ๆ ที่เป็นพารามิเตอร์และไม่ใช่พารามิเตอร์ คำถามนี้ถูกถามโดยคณะผู้สัมภาษณ์ เป็นคำถามที่ถูกต้องหรือไม่


1
การศึกษารายการวิกิพีเดียสำหรับสถิติที่ไม่ใช่พารามิเตอร์อาจเพียงพอที่จะเตรียมคุณให้พร้อมสำหรับผู้สัมภาษณ์ คุณสามารถตอบคำถามด้วยคำถามเช่นเดียวกับใน "คุณหมายถึงอะไรโดยไม่ใช้พารามิเตอร์? แบบจำลองการแจกฟรีหรือสถิติการเรียงลำดับอันดับ?"
jrhorn424

3
ในฐานะที่เป็นจุดเริ่มต้นของการเดินทางมันอาจช่วยคุณและผู้ตอบแบบสอบถามของคุณในการขอคำปรึกษาจากเจ้าหน้าที่ ( ไม่ใช่อินเทอร์เน็ต!) เกี่ยวกับคำจำกัดความ " กรณีพารามิเตอร์ ... คือทุกสิ่งที่คลาสของ [สถานะธรรมชาติ] ทั้งหมดสามารถแทนได้ในรูปของเวกเตอร์θซึ่งประกอบด้วยองค์ประกอบจำนวนจริงจำนวน จำกัด ในลักษณะที่เป็นธรรมชาติ (... การกระจายตัว และฟังก์ชั่นการสูญเสียขึ้นอยู่กับθในแบบที่สมเหตุสมผล) ปัญหาอื่น ๆ ทั้งหมดเรียกว่าnonparametric --JC Kiefer, การอนุมานทางสถิติเบื้องต้น,หน้า 23.
whuber

ศาสตราจารย์คนหนึ่งบอกฉันว่า 'การทดสอบ Chi-Square' มีทั้งพฤติกรรม (เช่นพารามิเตอร์และไม่ใช่พารามิเตอร์เช่นกัน) ฉันไม่เข้าใจเลยทำไม 'การทดสอบไคสแควร์' จึงมีทั้งพฤติกรรม
Biostat

3
มันไม่ใช่แบบทดสอบที่วัดพารามิเตอร์มันเป็นแบบจำลองนั่นคือ การแจกแจงแบบไค - สแควร์เกิดขึ้นในทั้งสองสถานการณ์ (ในลักษณะที่เป็นธรรมชาติในโมเดลเชิงเส้นทั่วไปที่มีการแจกแจงแบบปกติและเป็นการประมาณสำหรับความแตกต่างของความน่าจะเป็นของบันทึกการใช้งาน - ทั้งสองแบบ การแจกแจงที่เกิดขึ้นในแอพพลิเคชั่นที่ไม่ใช่พารามิเตอร์หลายตัว) ดังนั้นจึงมีการทดสอบหลายแบบที่ใช้ชื่อ "ไคสแควร์" นี่อาจเป็นสิ่งที่แนะนำความคิดเห็นของอาจารย์ของคุณ
whuber

@whuber: ความคิดเห็นสุดท้ายของคุณหมายความว่าการทดสอบไคสแควร์สำหรับความดีของพอดีนั้นไม่ใช่พารามิเตอร์หรือไม่
ทิม

คำตอบ:


6

เป็นการยากที่จะบอกได้ว่าอะไรคือความหมายของ "การทดสอบพารามิเตอร์" และ "การทดสอบที่ไม่ใช่พารามิเตอร์" แม้ว่าจะมีตัวอย่างที่เป็นรูปธรรมจำนวนมากที่ส่วนใหญ่จะเห็นด้วยว่าการทดสอบนั้นเป็นพารามิเตอร์หรือไม่ใช่พารามิเตอร์ . การค้นหาอย่างรวดเร็วทำให้ตารางนี้ซึ่งฉันจินตนาการถึงความแตกต่างในทางปฏิบัติทั่วไปในบางพื้นที่ระหว่างการทดสอบแบบพารามิเตอร์และแบบไม่อิงพารามิเตอร์

เหนือตารางที่อ้างถึงมีข้อสังเกต:

"... ข้อมูลพารามิเตอร์มีการแจกแจงแบบปกติพื้นฐาน .... สิ่งอื่นใดที่ไม่ใช่พารามิเตอร์"

มันอาจเป็นเกณฑ์ที่ยอมรับได้ในบางพื้นที่ที่เราถือว่าปกติและใช้ ANOVA และนี่คือตัวแปรหรือเราไม่ถือว่าปกติและใช้ทางเลือกที่ไม่ใช่พารามิเตอร์

มันอาจจะไม่ใช่คำจำกัดความที่ดีมากและมันก็ไม่ถูกต้องในความคิดของฉัน แต่มันอาจเป็นกฎง่ายๆ ส่วนใหญ่เป็นเพราะเป้าหมายสุดท้ายในสังคมศาสตร์พูดคือการวิเคราะห์ข้อมูลและสิ่งที่ดีที่จะสามารถสร้างแบบจำลองพารามิเตอร์ตามการกระจายที่ไม่ปกติและจากนั้นไม่สามารถวิเคราะห์ข้อมูลได้?

คำจำกัดความทางเลือกคือการนิยาม "การทดสอบแบบไม่อิงพารามิเตอร์" เป็นการทดสอบที่ไม่ต้องอาศัยสมมติฐานการกระจายและการทดสอบแบบพารามิเตอร์ใด ๆ

คำจำกัดความเดิมและคำนิยามหลังนำเสนอกำหนดการทดสอบหนึ่งชั้นแล้วกำหนดอีกชั้นหนึ่งว่าเป็นส่วนประกอบ (อย่างอื่น) ตามคำนิยามกฎนี้ออกมาว่าการทดสอบสามารถเป็นตัวแปรเช่นเดียวกับที่ไม่ใช่พารามิเตอร์

ความจริงก็คือว่าคำจำกัดความหลังเป็นปัญหา จะเกิดอะไรขึ้นถ้ามีสมมติฐาน "ไม่ใช่พารามิเตอร์" ทางธรรมชาติเช่นสมมาตรที่สามารถกำหนดได้? จะเปลี่ยนสถิติการทดสอบที่ไม่ได้อาศัยสมมติฐานการกระจายตัวเป็นแบบทดสอบพารามิเตอร์หรือไม่? ส่วนใหญ่จะบอกว่าไม่!

ดังนั้นจึงมีการทดสอบในชั้นเรียนของการทดสอบแบบไม่อิงพารามิเตอร์ที่ได้รับอนุญาตให้ทำการตั้งสมมติฐานบางอย่างตราบใดที่มันไม่ได้เป็น เส้นแบ่งระหว่างการทดสอบแบบ "พารามิเตอร์" และ "ไม่ใช่พารามิเตอร์" นั้นเบลอ แต่ฉันเชื่อว่าส่วนใหญ่จะสนับสนุนว่าการทดสอบนั้นเป็นแบบพารามิเตอร์หรือไม่ใช่แบบพารามิเตอร์บางทีมันอาจจะไม่ใช่ แต่บอกว่ามันเป็นทั้ง ทำให้รู้สึกเล็กน้อย

จากมุมมองที่แตกต่างการทดสอบหลายแบบคือการทดสอบอัตราส่วนความน่าจะเป็น (เทียบเท่า) สิ่งนี้ทำให้ทฤษฎีทั่วไปเป็นไปได้และเรามีความเข้าใจแบบรวมของคุณสมบัติการกระจายตัวของการทดสอบอัตราส่วนความน่าจะเป็นภายใต้เงื่อนไขความสม่ำเสมอที่เหมาะสม ในทางตรงกันข้ามการทดสอบแบบไม่อิงพารามิเตอร์นั้นไม่เทียบเท่ากับการทดสอบอัตราส่วนความน่าจะเป็นต่อ ไม่มีความเป็นไปได้-และไม่มีวิธีการรวมที่เป็นไปตามความเป็นไปได้ที่เราต้องได้รับผลการกระจายในแต่ละกรณี ทฤษฎีความน่าจะเป็นเชิงประจักษ์พัฒนาโดย Art Owen ที่ Stanford เป็นหลักอย่างไรก็ตามการประนีประนอมที่น่าสนใจมาก มันมีวิธีการที่น่าจะเป็นไปตามสถิติ (จุดสำคัญกับฉันในขณะที่ฉันถือว่าความน่าจะเป็นวัตถุที่สำคัญกว่าพูด) โดยไม่จำเป็นต้องมีสมมติฐานการกระจายแบบพารามิเตอร์แบบทั่วไป แนวคิดพื้นฐานคือการใช้การกระจายแบบพหุนามอย่างชาญฉลาดในข้อมูลเชิงประจักษ์วิธีการนี้เป็น "พารามิเตอร์" มาก แต่ก็ใช้ได้โดยไม่ จำกัด สมมติฐานของพารามิเตอร์p

การทดสอบบนพื้นฐานของความเป็นไปได้เชิงประจักษ์ IMHO ข้อดีของการทดสอบแบบพาราเมตริกและการทดสอบทั่วไปแบบไม่อิงพารามิเตอร์ดังนั้นในการทดสอบที่ฉันสามารถนึกได้พวกเขาเข้ามาใกล้เคียงกับการมีคุณสมบัติเป็นพารามิเตอร์และไม่ใช่พารามิเตอร์ ไม่ใช้คำศัพท์นี้


+1 ความคิดเห็นที่น่าสนใจมาก เท่าที่เส้นเขตแดนกลายเป็น "พร่ามัว" ฉันถือว่ามันเป็นคำที่ถูกต้องเกี่ยวกับการรับรู้แต่ไม่มีความพร่ามัวในคำจำกัดความตัวเอง: ความแตกต่างระหว่างพารามิเตอร์และไม่ใช่พารามิเตอร์มีความชัดเจนและคมชัดเท่าที่ระหว่างพูด จำกัด และไม่มีที่สิ้นสุด
whuber

@whuber เกี่ยวกับสิ่งที่ "เบลอ" ฉันหมายถึงเฉพาะความจริงที่ว่าสามารถมีสมมติฐานการกระจายสำหรับการทดสอบที่ไม่ใช่พารามิเตอร์ด้วยดังนั้นคำจำกัดความที่สองของฉันก็ไม่ทำงานเช่นกัน หากฉันควรลองนิยามที่คมชัดการทดสอบพาราเมตริกนั้นใช้โมเดลที่สามารถ parametrized ด้วยเซตย่อยของปริภูมิแบบยุคลิดมิติ สิ่งที่ฉันคิดว่า "เบลอ" ที่สุดคือว่ามันไม่ชัดเจนสำหรับฉันแค่ไกลจาก "ไม่มีสมมติฐานการกระจาย" คุณสามารถไปก่อนที่สมมติฐานที่ไม่ใช่พารามิเตอร์จะกลายเป็นปัญหามากที่สุดเท่าที่สมมติฐานเชิงพารามิเตอร์
NRH

@whuber ตอนนี้ฉันอ่านความคิดเห็นของคุณกับคำถามที่อ้างอิงถึง Kiefer และใช่มันเป็นความคิดที่ดีที่จะปรึกษาผู้มีอำนาจสำหรับคำนิยามที่เป็นทางการ! จริง ๆ แล้วฉันเป็นห่วงมากขึ้นกับสิ่งที่คนทั่วไปหมายถึงเมื่อพวกเขาพูดว่า "ไม่ใช่พารามิเตอร์" และฉันเดาว่ามีเพียงไม่กี่คนที่มีนิยาม Kiefer ในใจของพวกเขา
NRH

ดูใบเสนอราคาของฉันจาก Kiefer ในความคิดเห็นกับคำถามเดิม โดยเฉพาะอย่างยิ่ง "ไม่ใช่พารามิเตอร์" ไม่ได้หมายความว่า "ไม่มีสมมติฐานการกระจาย" ในทางตรงกันข้ามการทดสอบที่ไม่ใช่พารามิเตอร์ที่เป็นที่รู้จักกันดีที่สุดล้วนสร้างสมมุติฐานการกระจาย ฉันคิดว่าฉันเข้าใจความรู้สึกของคุณที่ "เบลอ": ฉันเลือกการเปรียบเทียบแบบ จำกัด / ไม่สิ้นสุดเนื่องจากในทางปฏิบัติจำนวนพารามิเตอร์ที่มีขนาดใหญ่มาก (แต่ จำกัด ) อาจพิจารณาว่าไม่มีที่สิ้นสุด
whuber

2

ใช้พารามิเตอร์ใน (อย่างน้อย) สองความหมาย: A - เพื่อประกาศว่าคุณกำลังสมมติว่าครอบครัวของการกระจายเสียงดังขึ้นเป็นพารามิเตอร์ B - เพื่อประกาศคุณกำลังสมมติความสัมพันธ์การทำงานเฉพาะระหว่างตัวแปรอธิบายและผลลัพธ์

ตัวอย่างบางส่วน:

  • การถดถอยเชิงปริมาณด้วยการเชื่อมโยงเชิงเส้นจะมีคุณสมบัติเป็น B-parametric และ A-non-parametric
  • การปรับให้เรียบของอนุกรมเวลาด้วยเสียงเกาส์เซียนสามารถทำให้เกิดคุณภาพ A-non-parametric และ B-parametric

คำว่า "กึ่งพารามิเตอร์" มักจะหมายถึงกรณี B และหมายความว่าคุณไม่ได้สมมติความสัมพันธ์การทำงานทั้งหมด แต่คุณมีสมมติฐานที่รุนแรงเช่น "สารเติมแต่งในการเปลี่ยนแปลงที่ราบรื่นของตัวทำนาย"

คุณอาจมีสมมติฐานที่รุนแรงกว่าในเรื่องการกระจายเสียง - เช่น "ทุกช่วงเวลามี จำกัด " โดยไม่ได้ระบุรูปร่างของการกระจายโดยเฉพาะ เพื่อความรู้ที่ดีที่สุดของฉันไม่มีเงื่อนไขสำหรับการสันนิษฐานประเภทนี้

โปรดทราบว่าคำตอบนั้นเกี่ยวข้องกับสมมติฐานที่อยู่เบื้องหลังกระบวนการสร้างข้อมูล เมื่อพูดว่า "a-parametric test" มักจะอ้างถึง non-parametric ในความหมาย A. ในนี่คือสิ่งที่คุณหมายถึงแล้วฉันจะตอบว่า "ไม่" มันจะเป็นไปไม่ได้ที่จะเป็นพารามิเตอร์และไม่ใช่พารามิเตอร์ในความหมายเดียวกันในเวลาเดียวกัน


ความหมายทั้งสองในย่อหน้าแรกมักมีการปฏิบัติที่เป็นเอกภาพในวรรณกรรมนั่นคือดูเหมือนจะไม่มีความแตกต่างพื้นฐานหรือสำคัญระหว่างพวกเขา BTW คดี "ทุกช่วงเวลามี จำกัด " แน่นอนว่าไม่ใช่ปัญหาแบบพารามิเตอร์
whuber

@whuber: คำจำกัดความใน Keifer ดูเหมือนว่าจะครอบคลุมทั้งสองกรณี (ฉันยอมรับ - ฉันไม่เคยอ่านและฉันยังคงมองหาข้อยกเว้น) ในทางกลับกันคำศัพท์จะเปลี่ยนความหมายของพวกเขา "Empirical-Bayes" ไม่ได้หมายความว่า Robbins ใช้มันในปี 2498 อีกต่อไปคุณไม่สามารถเพิกเฉยต่อความจริงที่ว่ามีการตีความมากกว่าหนึ่งครั้ง
JohnRos

ตกลง แต่เราควรเลือกเล็กน้อย: มันชัดเจนมากการตีความและคำจำกัดความพยายามของ "parametric" และ "non-parametric" เป็นการแสดงออกของความไม่รู้ไม่ใช่ความเข้าใจ คุณสามารถอ้างถึงคำนิยามทางเลือกที่ชัดเจนชัดเจนและมีอำนาจในเวลาเดียวกัน (เพื่อความแม่นยำเชื่อถือได้ในแง่ที่ว่ามันจะได้รับการยอมรับโดยไม่มีคำถามจากวารสารที่ผ่านการตรวจสอบโดยเพื่อนที่น่าเชื่อถือ)?
whuber

1
@whuber: ฉันยอมรับความท้าทาย! :-) ถึงแม้ว่าจะเป็นข้อสังเกตเนื่องจากนักวิจัยทุกคนเริ่มทำการค้นหาใน Wikipedia มันเป็นเรื่องของเวลาจนกว่าวารสารที่ได้รับการตรวจสอบโดยเพื่อนที่น่าเชื่อถือจะต้องสอดคล้องกับคำนิยามของ Wiki ("ถ้าคุณเอาชนะพวกมันไม่ได้ ... ")
JohnRos

1
บทความวิกิพีเดียพูด Wolfowitz จากปี 1940 ที่ไม่เพียง แต่เป็นครั้งแรกที่จะใช้ "ไม่ใช่ตัวแปร" แต่ยังเป็นหนึ่งในบรรพบุรุษทางปัญญาของ Kiefer โดยตรง ฉันไม่คิดว่าเราจะพบความแตกต่างที่แท้จริงที่นั่น (Kiefer เพิ่มข้อกำหนดทางเทคนิคเฉพาะเกี่ยวกับฟังก์ชั่นการสูญเสีย) อย่างไรก็ตามฉันสงสัยว่ามีนักวิจัยของแท้จำนวนน้อยมาก (ถ้ามี) ที่ใช้ Wikipedia เป็นจุดเริ่มต้นโดยเฉพาะอย่างยิ่งไม่ใช่ในสาขาที่มีรากฐานทางคณิตศาสตร์!
whuber

1

ฉันคิดว่าขึ้นอยู่กับสิ่งที่พวกเขาหมายถึงโดย "พารามิเตอร์และไม่ใช่พารามิเตอร์"? ในเวลาเดียวกันทั้งสองอย่างแน่นอนหรือการผสมผสานของทั้งสอง?

หลายคนคิดว่าโมเดลอันตรายของ Cox นั้นเป็นแบบกึ่งพารามิเตอร์เนื่องจากมันไม่ได้ประเมินความเป็นอันตรายพื้นฐาน

หรือคุณอาจเลือกที่จะดูสถิติที่ไม่ใช่พารามิเตอร์จำนวนมากเช่นเดียวกับพารามิเตอร์ที่หนาแน่น


7
ดูเหมือนว่านี่จะเป็นการหลบ คำถามคือการตรวจสอบว่ามีใครชื่นชมความแตกต่างระหว่าง "พารามิเตอร์" และ "ไม่ใช่พารามิเตอร์" หรือไม่ว่ามันชัดเจนหรือไม่ คำตอบที่ดีจะส่องสว่างความแตกต่างนั้นไม่สับสน
whuber

1
@whuber "คำถาม" ไหน? แผงหรือ OP? เพราะในใจของฉัน OP ไม่ได้พิสูจน์ความแตกต่างของอะไรเลย ซึ่งหมายความว่ามันขึ้นอยู่กับว่าคนวาดเส้นตรงไหน ฉันไม่คิดว่าจะให้ทั้งตัวอย่างทั่วไปและปรัชญาสำหรับ "ดีขึ้นอยู่กับมัน" คือหลบ ฉันคิดว่ามันเป็นคำตอบ ชอบหรือไม่ว่าใครต้องการที่จะพิจารณา "พารามิเตอร์" ให้เป็นพารามิเตอร์ทั้งหมดหรือเพียงแค่มีพารามิเตอร์
Fomite

ประเด็นเกี่ยวกับ "คำถามที่" ดี ฉันคิดว่าที่ฉันเริ่มมีปัญหากับคำตอบของคุณก็คือมันทำให้ความแตกต่างที่ตามทรัพยากรของฉันทำให้รู้สึกไม่ ("ผสมผสาน" เป็นไร้สาระเช่นเดียวกับความคิดที่ว่า "สถิติ" สามารถพารามิเตอร์) ซึ่งแนะนำ คุณกำลังใช้คำจำกัดความที่แตกต่างของ "พารามิเตอร์" และ "ไม่ใช่พารามิเตอร์" มากกว่าที่ฉันเป็น แม้ว่าคุณจะทำสิ่งที่ยอดเยี่ยมที่คำตอบต้องขึ้นอยู่กับความหมายของคำเหล่านี้ แต่คุณไม่ได้ให้คำจำกัดความเพื่อทำให้ความเห็นที่ตามมาของคุณชัดเจนหรือเข้าใจได้
whuber

@whuber ยุติธรรมเพียงพอ ฉันพบว่าคำถามต้นฉบับค่อนข้างไร้สาระดังนั้นจึงทำในสิ่งที่ฉันทำได้ คำถามตอนนี้มีคำตอบที่ดีกว่าที่ทำให้สมมติฐานบางอย่างเกี่ยวกับความหมายของ OP
Fomite

0

แบรดลีย์ในการทดสอบสถิติแจกฟรีแบบคลาสสิกของเขา(1968, หน้า 15–16 - ดูคำถามนี้เพื่อขอใบเสนอราคา) ชี้แจงความแตกต่างระหว่างการทดสอบแบบกระจายแบบอิสระและแบบไม่มีพารามิเตอร์ซึ่งเขาบอกว่ามักจะพูดคุยกัน ตัวอย่างของการทดสอบแบบกระจายพารามิเตอร์ที่ปราศจากการแจกแจงเป็นการทดสอบเครื่องหมายสำหรับค่ามัธยฐาน การทดสอบนี้จะทำให้สมมติฐานเกี่ยวกับการกระจายพื้นฐานของประชากรตัวอย่างของค่าตัวแปรไม่มีดังนั้นจึงเป็นกระจายฟรี อย่างไรก็ตามหากค่ามัธยฐานที่เลือกถูกต้องค่าด้านบนและด้านล่างควรเลือกด้วยความน่าจะเป็นที่เท่ากันการทดสอบตัวอย่างแบบสุ่มจากp=0.5

ปรับปรุง

(A¬A)


1
ฉันชอบจุดเริ่มต้นของคำตอบนี้เพราะมันสร้างความแตกต่างที่น่าสนใจและสนับสนุนด้วยการอ้างอิงที่ดี อย่างไรก็ตามสำหรับฉันแล้วคำตอบที่เหลือนั้นสร้างความสับสนให้กับสมมติฐานเกี่ยวกับข้อมูลที่มีคุณสมบัติของสถิติการทดสอบ สมมติฐานของการทดสอบเครื่องหมายแน่นอนว่า "แจกฟรี" อย่างไรก็ตามความจริงที่ว่าการกระจายตัวตัวอย่างของสถิติการทดสอบเป็นทวินามเป็นปัญหาที่แยกจากกันอย่างสมบูรณ์และไม่ได้ทำให้ขั้นตอนพารามิเตอร์!
whuber

แบรดลีย์เองเรียกว่าการแจกการทดสอบแบบไม่มีเครื่องหมาย แต่ไม่มีพารามิเตอร์ในหน้า 15 กล่องแสดงความคิดเห็นนั้นเล็กเกินไปที่จะนำทั้งสองประโยคมาใช้อย่างครบถ้วน โปรดอ่านคำตอบอื่น ๆ โดยเฉพาะอย่างยิ่งประโยคที่เริ่มต้น "พูดอย่างหยาบ ๆ ... " และ "เพื่อให้ชัดเจนทั้งหมด ... " ขอขอบคุณ.
Avraham

หากเป็นกรณีของแบรดลีย์ความหมายของคำเหล่านี้จะเปลี่ยนไปตั้งแต่นั้นมาหรือ (ฉันเกลียดที่จะพูด) คุณตีความสิ่งที่เขาเขียนผิดไป (ฉันไม่สามารถเข้าถึงสำเนาที่ฉันสามารถตรวจสอบได้) ตอนนี้ไม่ใช่กรณีอย่างแน่นอน - และไม่เคยมีมาอย่างน้อย 30 ปีที่ผ่านมา - "parametric" อ้างถึงการกระจายตัวของสถิติทดสอบ ดูใบเสนอราคา Wolfowitz ในบทความวิกิพีเดีย
whuber

2
FΩθ

2
สำหรับสิ่งที่คุ้มค่าฉันมองไปที่ข้อความทางสถิติอีกสองฉบับความน่าจะเป็นและความเป็นไปได้ของ DeGroot (2nd ed, pp 520-521) และ Larson Introduction to Probability Theory และ Inference Statistics (รุ่นที่ 3, pp.508-509) และทั้งคู่ใช้พารามิเตอร์คำศัพท์หมายถึงสิ่งที่แบรดลี่เรียกว่าการกระจายสินค้าฟรีซึ่งก็เหมือนกับ Kiefer ฉันคิดว่า ดังนั้นเพื่อตอบ OP มันขึ้นอยู่กับว่าคุณนิยาม "parametric"
Avraham
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.