Jednym z podziałów testów statystycznych jest podział na testy parametryczne oraz nieparametryczne.

Testy parametryczne cechuje:

większa ilość założeń do spełnienia

większa moc testów

dokładniejszy pomiar

lepsza interpretowalność uzyskiwanych wyników

Testy nieparametryczne natomiast cechuje:

mniejsza ilość założeń do spełnienia

mniejsza moc testów

mniej dokładny pomiar

gorsza interpretowalność uzyskiwanych wyników

Z reguły jest tak, że mniej wymogów muszą spełniać zebrane dane, aby przeprowadzić testy nieparametryczne, ale za to dają one mniejszą liczbę informacji, mniej są one "warte" w porónwaniu do testów nieparametrycznych. Testy parametryczne - najbardziej ulubione testy statystyków, wymagają spełnienia założeń (choć pod pewnymi warunkami można niektóre z nich pominąć) ale za to wyniki są bardziej dokładne i na ich podstawie można dokonać lepszych interpretacji.

Jednymi z najbardziej charakterystycznych cech testów parametrycznych jest rozkład normalny mierzonych zmiennych oraz to, że zmienne muszą być mierzone na skali ilościowej.

Testami parametrycznymi są np.:

testy t-Studenta

analiza wariancji

korelacja r-Pearsona

analiza regresji

Testami nieparametrycznymi są np.:

test U Manna-Whitneya

test niezależności chi-kwadrat

korelacja tau-b Kendalla

Masz problem z analizą statystyczną - przejdź TU



Tematy pokrewne:

Testy t-Studenta

Test U Manna-Whitneya

Korelacja r-Pearsona

Jednoczynnikowa analiza wariancji