Pour garantir la validité de vos résultats, prenez en compte les indications suivantes lorsque vous collectez des données, effectuez une analyse et interprétez vos résultats.
Les données doivent être continues
Les données continues sont des mesures pouvant correspondre à toutes les valeurs numériques d'une étendue de valeurs le long d'une échelle continue, y compris des valeurs fractionnaires ou décimales. Par exemple, il peut s'agir de mesures de longueur, de poids ou de température.
Les données doivent suivre une loi de distribution normale pour que vous puissiez utiliser les résultats de la méthode normale
Si vos données suivent une loi normale, la méthode normale est plus précise et économique que la méthode non paramétrique. La méthode normale vous permet d'atteindre des marges d'erreur plus petites, même lorsque vous disposez de moins d'observations.
La méthode normale n'est pas adaptée en cas d'écart important par rapport à la normalité. Utilisez uniquement la méthode normale si vous savez que la population est distribuée normalement. Si vous n'êtes pas sûr que la population suive une loi de distribution normale ou si vous savez qu'elle ne suit pas une loi de distribution normale, utilisez plutôt la méthode non paramétrique.
Collectez suffisamment de données pour la méthode non paramétrique
La méthode non paramétrique exige habituellement des effectifs d'échantillon supérieurs à ceux de la méthode normale. Vous devez utiliser un effectif d'échantillon relativement grand, environ 90 ou plus pour que l'intervalle de tolérance soit précis. Pour un intervalle de tolérance précis, le niveau de confiance obtenu doit être proche du niveau de confiance cible. Si l'effectif de votre échantillon n'est pas suffisamment important, le niveau de confiance obtenu pour votre intervalle de tolérance peut être très inférieur au niveau de confiance cible, ce qui peut engendrer des résultats inexacts.