Différence entre le test paramétrique et non paramétrique
- 3325
- 786
- Hugo Marie
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 repose sur la distribution de probabilité, pour parvenir à la conclusion concernant le caractère raisonnable de l'hypothèse. Ces tests hypothétiques liés aux différences sont classés comme tests paramétriques et non paramétriques.Le test paramétrique est celui qui a des informations sur le paramètre de la population.
D'un autre côté, le test non paramétrique est celui où le chercheur n'a aucune idée du paramètre de la population. Alors, prenez une lecture complète de cet article, pour connaître les différences significatives entre le test paramétrique et non paramétrique.
Contenu: test paramétrique vs test non paramétrique
- Tableau de comparaison
- Définition
- Différences clés
- Hypothèse teste la hiérarchie
- Tests équivalents
- Conclusion
Tableau de comparaison
| Base de comparaison | Test paramétrique | Test non paramétrique |
|---|---|---|
| Signification | Un test statistique, dans lequel des hypothèses spécifiques sont faites sur le paramètre de la population est connue sous le nom de test paramétrique. | Un test statistique utilisé dans le cas des variables indépendantes non métriques, est appelée test non paramétrique. |
| Base de statistiques de test | Distribution | Arbitraire |
| Niveau de mesure | Intervalle ou rapport | Nominal ou ordinal |
| Mesure de la tendance centrale | Moyenne | 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 mère. Un test t basé sur la statistique T de l'élève, qui est souvent utilisé à cet égard.
La statistique t repose sur l'hypothèse sous-jacente qu'il existe la distribution normale de la variable et la moyenne dans connue ou supposée être connue. La variance de la population est calculée pour l'échantillon. On suppose que les variables d'intérêt, dans la population, sont mesurées à une échelle d'intervalle.
Définition du test non paramétrique
Le test non paramétrique est défini comme le test d'hypothèse qui n'est pas basé sur des hypothèses sous-jacentes, i.e. Il ne nécessite pas que la distribution de la population soit indiquée par des paramètres spécifiques.
Le test est principalement basé sur les différences de médianes. Par conséquent, il est alternativement connu sous le nom de test sans distribution. Le test suppose que les variables sont mesurées à un niveau nominal ou ordinal. Il est utilisé lorsque les variables indépendantes ne sont pas métriques.
Différences clés entre les tests paramétriques et non paramétriques
Les différences fondamentales entre le test paramétrique et non paramétrique sont discutées dans les points suivants:
- Un test statistique, dans lequel des hypothèses spécifiques sont faites sur le paramètre de la population est connue sous le nom de test paramétrique. Un test statistique utilisé dans le cas des variables indépendantes non métriques est appelée test non paramétrique.
- Dans le test paramétrique, la statistique de test est basée sur la distribution. D'un autre côté, 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 rapport. Par opposition au test non paramétrique, dans lequel la variable d'intérêt est mesurée à l'échelle nominale ou ordinale.
- En général, la mesure de la tendance centrale dans le test paramétrique est moyenne, tandis que dans le cas du test non paramétrique est médian.
- Dans le test paramétrique, il existe des informations complètes sur la population. Inversement, dans le test non paramétrique, il n'y a aucune information sur la population.
- L'applicabilité du test paramétrique concerne uniquement les variables, tandis 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.
Hypothèse teste la hiérarchie
Tests équivalents
| Test paramétrique | Test non paramétrique |
|---|---|
| Test t indépendant de l'échantillon | Test de Mann-Whitney |
| Échantillons appariés T test | Test de rang signé Wilcoxon |
| Analyse d'une façon de variance (ANOVA) | Test de Kruskal Wallis |
| Analyse des mesures répétées d'une façon | ANOVA de Friedman |
Conclusion
Faire un choix entre le test paramétrique et le test non paramétrique n'est pas facile pour un chercheur effectuant une analyse statistique. Pour effectuer une hypothèse, si les informations sur la population sont complètement connues, à titre de paramètres, le test est censé être un test paramétrique alors qu'il n'y a aucune connaissance de la population et il est nécessaire de tester l'hypothèse sur la population, alors la Le test effectué est considéré comme le test non paramétrique.