Différence entre paramétrique et non paramétrique

Les chercheurs en sciences sociales construisent souvent une hypothèse dans laquelle ils supposent qu'une certaine règle généralisée peut être appliquée à une population. Ils vérifient cette hypothèse en utilisant des tests paramétriques ou non paramétriques. Les tests paramétriques sont généralement plus courants et sont étudiés beaucoup plus tôt que les tests standard utilisés pour effectuer des recherches..

Le processus de recherche est relativement simple: vous construisez une hypothèse et supposez qu’une certaine «loi» peut être appliquée à une population. Vous effectuez ensuite un test et collectez des données que vous analysez ensuite de manière statistique. Les données collectées peuvent généralement être représentées sous forme de graphique et la loi supposée, en tant que valeur moyenne de ces données. Si la loi supposée et la loi de valeur moyenne correspondent, l'hypothèse est confirmée.

Cependant, dans certains cas, trouver la valeur moyenne n'est pas le moyen le plus approprié de rechercher la loi. Un bon exemple est la distribution du revenu total. Si vous ne correspondez pas à la valeur moyenne, c'est probablement parce qu'un ou deux milliardaires perturbent vos valeurs moyennes. Cependant, une médiane donnera un résultat beaucoup plus précis sur le revenu moyen qui est plus susceptible de correspondre à vos données.

En d’autres termes, un test paramétrique sera utilisé lorsque les hypothèses retenues au sujet de la population seront claires et qu’il y aura beaucoup d’informations disponibles à ce sujet. Les questions seront conçues pour mesurer ces paramètres spécifiques afin que les données puissent ensuite être analysées comme décrit ci-dessus. Un test non paramétrique est utilisé lorsque la population testée n'est pas entièrement connue et que, par conséquent, les paramètres examinés sont également inconnus. De plus, alors que le test paramétrique utilise des valeurs moyennes comme résultats, le test non paramétrique prend la médiane et est donc généralement utilisé lorsque l'hypothèse initiale ne correspond pas aux données..

Qu'est-ce qu'un test paramétrique?

Un test paramétrique est un test conçu pour fournir les données qui seront ensuite analysées par le biais d'une branche de la science appelée statistique paramétrique. Les statistiques paramétriques supposent que certaines informations sur la population sont déjà connues, à savoir la distribution de probabilité. À titre d'exemple, la distribution de la hauteur du corps sur le monde entier est décrite par un modèle de distribution normal. De même, tout modèle de distribution connu peut être appliqué à un ensemble de données. Cependant, supposer qu'un certain modèle de distribution correspond à un jeu de données signifie que vous supposez de manière inhérente que des informations supplémentaires sont connues sur la population, comme je l'ai mentionné. La distribution de probabilité contient différents paramètres décrivant la forme exacte de la distribution. Ces paramètres sont ce que les tests paramétriques fournissent - chaque question est conçue pour donner une valeur exacte d'un paramètre donné pour chaque individu interrogé. Combinée, la valeur moyenne de ce paramètre est utilisée pour la distribution de probabilité. Cela signifie que les tests paramétriques supposent également quelque chose à propos de la population. Si les hypothèses sont correctes, les statistiques paramétriques appliquées aux données fournies par un test paramétrique donneront des résultats beaucoup plus précis et précis que ceux d'un test non paramétrique et de statistiques..

Qu'est-ce qu'un test non paramétrique??

De manière similaire au test paramétrique et aux statistiques, il existe un test non paramétrique et des statistiques. Ils sont utilisés lorsque les données obtenues ne correspondent pas à une courbe de distribution normale ou à des données ordinales. Un bon exemple de données ordinales est la révision que vous laissez lorsque vous évaluez un produit ou un service donné sur une échelle de 1 à 5. Les données ordinales sont généralement obtenues à partir de tests qui utilisent différents classements ou ordres. Par conséquent, il ne repose pas sur des nombres ou des valeurs exactes pour les paramètres sur lesquels les tests paramétriques ont été fondés. En fait, il n’utilise aucun paramètre, car il n’assume pas une certaine distribution. En général, une analyse paramétrique est préférable à une analyse non paramétrique, mais si le test paramétrique ne peut pas être effectué en raison d'une population inconnue, il est nécessaire de recourir à des tests non paramétriques..

Différence entre les tests paramétriques et non paramétriques

1) Faire des hypothèses

Comme je l'ai mentionné, le test paramétrique suppose des hypothèses sur la population. Il a besoin des paramètres liés à la distribution normale utilisée dans l'analyse, et le seul moyen de connaître ces paramètres consiste à avoir une connaissance de la population. D'autre part, un test non paramétrique, comme son nom l'indique, ne repose sur aucun paramètre et ne suppose donc rien sur la population..

2) Probabilité de paramétrique et non paramétrique

L'analyse statistique qui sera réalisée sur les données, dans le cas de tests paramétriques, repose sur la distribution probabiliste. D'autre part, la base des tests non paramétriques n'existe pas - c'est complètement arbitraire. Cela se traduit par plus de flexibilité et facilite l'ajustement de l'hypothèse aux données collectées.

3) Mesure de la tendance centrale

La mesure de la tendance centrale est une valeur centrale dans une distribution de probabilité. Et bien que la distribution de probabilité dans le cas de statistiques non paramétriques soit arbitraire, elle existe toujours, de même que la mesure de la tendance centrale. Cependant, ces mesures sont différentes. Dans le cas des tests paramétriques, il est considéré comme la valeur moyenne, tandis que dans le cas des tests non paramétriques, il est considéré comme la valeur médiane.

4) Connaissance des paramètres de population

Comme je l'ai mentionné dans la première différence, les informations sur la population varient entre les tests paramétriques et non paramétriques et les statistiques. Certaines connaissances sur la population sont indispensables pour une analyse paramétrique, car elles nécessitent des paramètres liés à la population afin de donner des résultats précis. Par ailleurs, une approche non paramétrique peut être adoptée sans aucune connaissance préalable de la population.

Tests paramétriques et non paramétriques: Tableau comparatif

Résumé des paramètres paramétriques et non paramétriques

• Un test paramétrique est un test qui suppose certains paramètres et dont on connaît les distributions relatives à une population, contrairement à la méthode non paramétrique.
• Le test paramétrique utilise une valeur moyenne, tandis que le test non paramétrique utilise une valeur médiane
• L'approche paramétrique nécessite des connaissances préalables sur la population, contrairement à l'approche non paramétrique