Un paramètre dans les statistiques fait référence à un aspect d'une population, par opposition à une statistique, qui fait référence à un aspect d'un échantillon. Par exemple, la moyenne de la population est un paramètre, tandis que la moyenne de l'échantillon est une statistique. Un test statistique paramétrique fait une hypothèse sur les paramètres de la population et les distributions d'où proviennent les données. Ces types de tests incluent les tests T de Student et les tests ANOVA, qui supposent que les données proviennent d'une distribution normale.
Le contraire est un test non paramétrique, qui ne suppose rien sur les
paramètres de la population. Les tests non paramétriques incluent le chi
carré, le test exact de Fisher et le test de Mann-Whitney.
Chaque test paramétrique a un équivalent non paramétrique. Par exemple, si
vous disposez de données paramétriques de deux groupes indépendants, vous
pouvez exécuter un test t d'échantillons indépendants pour comparer les
moyennes. Si vous disposez de données non paramétriques, vous pouvez exécuter
un test de Mann Whitney à la place.
Les statistiques paramétriques sont basées sur des hypothèses concernant la
répartition de la population à partir de laquelle l'échantillon a été prélevé.
Les statistiques non paramétriques ne sont pas basées sur des hypothèses,
c'est-à-dire que les données peuvent être collectées à partir d'un échantillon
qui ne suit pas une distribution spécifique.
Les statistiques paramétriques courantes sont, par exemple, les tests t
de Student. Les statistiques non paramétriques courantes sont, par exemple,
le test de Mann-Whitney-Wilcoxon (MWW) ou le test de Wilcoxon.
Contexte des statistiques paramétriques et non
paramétriques
Dans les statistiques paramétriques, les informations sur la répartition de
la population sont connues et sont basées sur un ensemble fixe de paramètres.
Dans les statistiques non paramétriques, les informations sur la distribution
d'une population sont inconnues, et les paramètres ne sont pas fixes, ce qui
rend nécessaire de tester l'hypothèse pour la population.
Utilisation de statistiques paramétriques et non
paramétriques
Pour décider d'utiliser des statistiques paramétriques ou non
paramétriques, vous devez prendre en compte plusieurs critères concernant les
données d'échantillon et les hypothèses, et évaluer soigneusement la validité
de ces hypothèses.
