{"id":1027386,"date":"2019-01-09T02:00:15","date_gmt":"2019-01-09T09:00:15","guid":{"rendered":"https:\/\/www.questionpro.com\/blog\/differenze-tra-test-non-parametrici-e-test-parametrici\/"},"modified":"2025-06-18T10:08:38","modified_gmt":"2025-06-18T17:08:38","slug":"differenze-tra-test-non-parametrici-e-test-parametrici","status":"publish","type":"post","link":"https:\/\/www.questionpro.com\/blog\/it\/differenze-tra-test-non-parametrici-e-test-parametrici\/","title":{"rendered":"Differenze tra test non parametrici e test parametrici"},"content":{"rendered":"\n

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 pi\u00f9 facili da comprendere. <\/span><\/p>\n\n\n\n

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 \u00e8 necessario mantenere una popolazione numerosa, in quanto ci\u00f2 consente di effettuare calcoli pi\u00f9 accurati. <\/span><\/p>\n\n\n\n\n\n

Differenze tra test non parametrici e test parametrici<\/span><\/h2>\n\n\n\n
\n<\/colgroup>\n\n\n\n\n\n\n\n\n\n\n\n\n\n
Test non parametrici<\/th>\nTest parametrici<\/th>\n<\/tr>\n
Maggiore potenza statistica.<\/td>\nPotenza statistica inferiore.<\/td>\n<\/tr>\n
Si applicano a variabili categoriche.<\/td>\nSi applicano a variabili normali o ad intervallo.<\/td>\n<\/tr>\n
Utilizzato per campioni piccoli.<\/td>\nUtilizzato per campioni di grandi dimensioni.<\/td>\n<\/tr>\n
La forma della distribuzione dei dati non \u00e8 nota.<\/td>\nLa distribuzione dei dati \u00e8 normale.<\/td>\n<\/tr>\n
Non fanno molte ipotesi.<\/td>\nFanno molte ipotesi.<\/td>\n<\/tr>\n
Richiedono una condizione di validit\u00e0 inferiore.<\/td>\nRichiedono una condizione di validit\u00e0 superiore.<\/td>\n<\/tr>\n
Maggiore probabilit\u00e0 di errori.<\/td>\nProbabilit\u00e0 di errori pi\u00f9 bassa.<\/td>\n<\/tr>\n
Il calcolo \u00e8 meno complicato da fare.<\/td>\nIl calcolo \u00e8 complicato da fare.<\/td>\n<\/tr>\n
Le ipotesi si basano su intervalli, mediane e frequenze dei dati.<\/td>\nLe ipotesi si basano su dati numerici.<\/td>\n<\/tr>\n
I calcoli non sono accurati.<\/td>\nI calcoli sono troppo accurati.<\/td>\n<\/tr>\n
Considera i valori mancanti per ottenere informazioni.<\/td>\nNon tiene conto dei valori mancanti per ottenere informazioni.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n\n\n\n

Prima di applicare i test non parametrici o parametrici, \u00e8 importante conoscere aspetti come l’obiettivo della ricerca, le dimensioni della popolazione e la scala che verr\u00e0 utilizzata per misurare i dati.<\/span><\/p>\n\n\n\n

\u00c8 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.<\/span><\/p>\n\n\n\n

Un altro fattore da considerare \u00e8 che i test parametrici possono utilizzare una distribuzione anomala, ma un test non parametrico ha presupposti molto rigidi che non possono essere ignorati. <\/span><\/p>\n\n\n\n

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 \u00e8 molto numerosa, le possibilit\u00e0 di identificare un effetto significativo sono minori. <\/span><\/p>\n\n\n\n

<\/p>