Différence entre test paramétrique et non paramétrique

Pour faire la généralisation de la population à partir de l'échantillon, des tests statistiques sont utilisés. Un test statistique est une technique formelle qui s'appuie sur la distribution de probabilité pour tirer la conclusion concernant le caractère raisonnable de l'hypothèse. Ces tests hypothétiques liés aux différences sont classés en tests paramétriques et non paramétriques. test paramétrique est celui qui a des informations sur le paramètre de population.

D'autre part, le test non paramétrique le chercheur n’a aucune idée du paramètre population. Alors, prenez une lecture complète de cet article, pour connaître les différences significatives entre test paramétrique et non paramétrique.

Contenu: Test paramétrique vs test non paramétrique

  1. Tableau de comparaison
  2. Définition
  3. Différences Clés
  4. Hiérarchie des tests d'hypothèses
  5. Tests équivalents
  6. Conclusion

Tableau de comparaison

Base de comparaisonTest paramétriqueTest non paramétrique
SensUn test statistique, dans lequel des hypothèses spécifiques sont faites sur le 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 testDistributionArbitraire
Niveau de mesureIntervalle ou ratioNominal ou ordinal
Mesure de tendance centraleSignifierMédian
Informations sur la populationComplètement connuIndisponible
ApplicabilitéVariablesVariables et attributs
Test de corrélationPearsonLancier

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 une 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 indiquée 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:

  1. 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.
  2. Dans le test paramétrique, la statistique de test est basée sur la distribution. Par contre, la statistique de test est arbitraire dans le cas du test non paramétrique.
  3. Dans le test paramétrique, il est supposé que la mesure des variables d'intérêt est effectuée au niveau de l'intervalle ou du rapport. Contrairement au test non paramétrique, dans lequel les variables d'intérêt sont mesurées sur une échelle nominale ou ordinale.
  4. En général, la mesure de la tendance centrale dans le test paramétrique est moyenne, tandis que dans le cas du test non paramétrique, elle est médiane..
  5. Le test paramétrique contient des informations complètes sur la population. Inversement, dans le test non paramétrique, il n’existe aucune information sur la population..
  6. L’applicabilité du test paramétrique s’applique uniquement aux variables, alors que le test non paramétrique s’applique à la fois aux variables et aux attributs.
  7. 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 paramétriqueTest non paramétrique
Échantillon t indépendantTest de Mann-Whitney
Échantillons appariés t testWilcoxon 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 varianceANOVA 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 tandis que, si on ne dispose pas de connaissances sur la population et qu'il est nécessaire de tester l'hypothèse sur le test effectué est considéré comme le test non paramétrique.