D'autre part, le test non paramétrique est un test pour lequel le chercheur n'a aucune idée du paramètre population. Alors, prenez une lecture complète de cet article, pour connaître les différences significatives entre les tests paramétriques et non paramétriques.
Tableau de comparaison
| Base de comparaison | Test paramétrique | Test non paramétrique |
|---|---|---|
| Sens | Un test statistique, dans lequel des hypothèses spécifiques sont formulées à propos du paramètre de population, est appelé test paramétrique. | Un test statistique utilisé dans le cas de variables indépendantes non métriques, est appelé test non paramétrique. |
| Base de la statistique de test | Distribution | Arbitraire |
| Niveau de mesure | Intervalle ou ratio | Nominal ou ordinal |
| Mesure de tendance centrale | Signifier | Médian |
| Informations sur la population | Complètement connu | Indisponible |
| Applicabilité | Variables | Variables et attributs |
| Test de corrélation | Pearson | Lancier |
Définition du test paramétrique
Le test paramétrique est le test d'hypothèse qui fournit des généralisations pour faire des déclarations sur la moyenne de la population parente. Un test t basé sur la statistique t de Student, qui est souvent utilisée à cet égard.
La statistique t repose sur l'hypothèse sous-jacente qu'il existe la distribution normale de la variable et que la moyenne est connue ou supposée être connue. La variance de population est calculée pour l'échantillon. On suppose que les variables d'intérêt dans la population sont mesurées sur une échelle d'intervalle.
Définition du test non paramétrique
Le test non paramétrique est défini comme le test d’hypothèse qui ne repose pas sur des hypothèses sous-jacentes, c’est-à-dire qu’il n’exige pas que la distribution de la population soit définie par des paramètres spécifiques.
Le test repose principalement sur les différences de médianes. Par conséquent, il est également connu sous le nom de test sans distribution. Le test suppose que les variables sont mesurées au niveau nominal ou ordinal. Il est utilisé lorsque les variables indépendantes sont non métriques.
Principales différences entre les tests paramétriques et non paramétriques
Les différences fondamentales entre les tests paramétriques et non paramétriques sont discutées dans les points suivants:
- Un test statistique, dans lequel des hypothèses spécifiques sont formulées à propos du paramètre de population, est appelé test paramétrique. Un test statistique utilisé dans le cas de variables indépendantes non métriques est appelé test non paramétrique.
- Dans le test paramétrique, la statistique de test est basée sur la distribution. En revanche, la statistique de test est arbitraire dans le cas du test non paramétrique.
- Dans le test paramétrique, il est supposé que la mesure des variables d'intérêt est effectuée au niveau de l'intervalle ou du ratio. Contrairement au test non paramétrique, dans lequel les variables d'intérêt sont mesurées sur une échelle nominale ou ordinale.
- En général, la mesure de la tendance centrale dans le test paramétrique est moyenne, alors que dans le cas du test non paramétrique, elle est médiane.
- Le test paramétrique contient des informations complètes sur la population. À l'inverse, dans le test non paramétrique, il n'y a pas d'informations sur la population.
- L'applicabilité du test paramétrique concerne uniquement les variables, alors que le test non paramétrique s'applique aux variables et aux attributs.
- Pour mesurer le degré d'association entre deux variables quantitatives, le coefficient de corrélation de Pearson est utilisé dans le test paramétrique, tandis que la corrélation de rang de Spearman est utilisée dans le test non paramétrique.
Hiérarchie des tests d'hypothèses
Tests équivalents
| Test paramétrique | Test non paramétrique |
|---|---|
| Échantillon t indépendant | Test de Mann-Whitney |
| Échantillons appariés t test | Wilcoxon a signé le test de classement |
| Analyse de variance à sens unique (ANOVA) | Test de Kruskal Wallis |
| Mesures à sens unique répétées Analyse de la variance | ANOVA de Friedman |
Conclusion
Faire un choix entre le test paramétrique et le test non paramétrique n’est pas une tâche facile pour un chercheur effectuant une analyse statistique. Pour effectuer une hypothèse, si les informations sur la population sont complètement connues, sous forme de paramètres, le test est dit test paramétrique alors que, s'il n'y a pas de connaissance sur la population et qu'il est nécessaire de tester l'hypothèse sur la population, le test effectué est considéré comme le test non paramétrique.
