Tests paramétriques et non paramétriques
Si vous voulez calculer un test d'hypothèse, vous devez d'abord vérifier les conditions préalables du test d'hypothèse. Une condition très courante est que les données utilisées doivent être soumises à une certaine distribution, généralement la distribution normale. Si vos données sont normalement distribuées, les tests paramétriques peuvent généralement être utilisés, si elles ne sont pas normalement distribuées, les tests non paramétriques sont généralement utilisés.
Tests paramétriques
Si les données sont normalement distribuées, on utilise des tests paramétriques tels que le test t, l'ANOVA ou la corrélation de Pearson.
Tests non paramétriques
Si les données ne sont pas normalement distribuées, les tests non paramétriques sont utilisés. Il s'agit par exemple du test U de Mann-Whitney ou du test de Wilcoxon.
Les tests non paramétriques sont donc utilisés lorsque le niveau d'échelle n'est pas métrique, que la distribution réelle des variables aléatoires n'est pas connue ou que l'échantillon est simplement trop petit pour supposer une distribution normale. Pour supposer une distribution normale, l'échantillon doit au moins être supérieur à 30 cas.
Ainsi, les tests non paramétriques sont plus robustes que les tests paramétriques et peuvent être calculés dans beaucoup plus de situations. Les tests paramétriques ont toutefois une plus grande puissance statistique que les tests non paramétriques. Par conséquent, si les hypothèses d'un test paramétrique sont réunies, il faut toujours l'utiliser.
Le tableau suivant énumère les tests paramétriques et non paramétriques les plus courants. Selon le nombre d'échantillons et selon qu'ils sont dépendants ou indépendants, il existe un test paramétrique et un test non paramétrique.
| Tests paramétriques | Tests non paramétriques | |
|---|---|---|
| Un seul échantillon | Test t simple | Test de Wilcoxon pour un échantillon |
| Deux échantillons dépendants | Test t pour échantillon apparié | Test de Wilcoxon |
| Deux échantillons indépendants | Test t pour échantillons indépendant | Test U de Mann-Whitney |
| Plus de deux échantillons indépendants | ANOVA à un facteur | Test de Kruskal-Wallis |
| Plus de deux échantillons dépendants | ANOVA à mesures répétées | Test de Friedman |
| Corrélation entre deux variables | Corrélation de Pearson | Corrélation de Spearman |
Si vous utilisez DATAtab, vous pouvez faire vérifier les conditions préalables de votre test d'hypothèse. Si les conditions préalables ne sont pas remplies, décochez simplement "Test paramétrique", et la contrepartie non paramétrique sera calculée automatiquement.
Vous apprendrez ici comment vérifier la distribution normale de vos données.
Calculer les procédures de tests paramétriques et non-paramétriques
Les tests paramétriques et non-paramétriques peuvent être calculés directement en ligne ici sur DATAtab, il suffit de visiter la Calculatrice de tests d'hypothèseset de sélectionner les variables que vous voulez étudier. Ensuite, vous pouvez choisir si vous voulez calculer un test paramétrique ou un test non-paramétrique.
