Ключова відмінність між параметричним і непараметричним тестом полягає в тому, що параметричний тест спирається на статистичні розподіли в даних, тоді як непараметричні не залежать від жодного розподілу.17 грудня 2020 р
Параметричні тести – це ті статистичні тести, які припускають, що дані приблизно відповідають нормальному розподілу, серед інших припущень (приклади включають z-тест, t-тест, ANOVA).
Непараметричні статистичні процедури є менш потужними, оскільки вони використовують менше інформації для своїх розрахунків. Наприклад, параметрична кореляція використовує інформацію про середнє значення та відхилення від середнього, тоді як непараметрична кореляція використовуватиме лише порядкову позицію пар балів.
Для параметричних моделей потрібна фіксована кількість параметрів, а для непараметричних — ні. Перше краще для моделей із чітко визначеними та передбачуваними вхідними даними. Непараметричні моделі можна навчити з більшою кількістю даних. Однак недоліками параметричної моделі є більший час навчання.
Непараметричні тести можуть добре працювати з незвичайними безперервними даними, якщо у вас є достатньо великий розмір вибірки (зазвичай 15-20 предметів у кожній групі).
Це, наприклад, U-тест Манна-Уітні або тест Вілкоксона. Тому непараметричні тести використовуються, коли рівень шкали не є метричним, справжній розподіл випадкових змінних невідомий або вибірка просто занадто мала, щоб припустити нормальний розподіл.