I test non parametrici sono quelli che analizzano dati che non hanno una particolare distribuzione e si basano su un’ipotesi, ma i dati non sono organizzati in modo normale. Sebbene presentino alcune limitazioni, hanno risultati statistici ordinati che li rendono più facili da comprendere.
I test parametrici Si basano invece sulle leggi della distribuzione normale per analizzare gli elementi di un campione. In genere, vengono applicati solo a variabili numeriche e per la loro analisi è necessario mantenere una popolazione numerosa, in quanto ciò consente di effettuare calcoli più accurati.
Differenze tra test non parametrici e test parametrici
Prima di applicare i test non parametrici o parametrici, è importante conoscere aspetti come l’obiettivo della ricerca, le dimensioni della popolazione e la scala che verrà utilizzata per misurare i dati.
È probabile che i dati non soddisfino i requisiti per un test parametrico e che si debba optare per un test non parametrico, ovvero che la dimensione del campione sia piccola o che la distribuzione non sia normale.
Un altro fattore da considerare è che i test parametrici possono utilizzare una distribuzione anomala, ma un test non parametrico ha presupposti molto rigidi che non possono essere ignorati.
Infine, se le dimensioni del campione sono ridotte, molto probabilmente i risultati non saranno raggiunti se si utilizza un test non parametrico. Quando la popolazione non è molto numerosa, le possibilità di identificare un effetto significativo sono minori.
