Compreendendo os métodos não paramétricos

Um teste não paramétrico é um teste de hipótese de que não requer que a distribuição da população seja caracterizada por certos parâmetros. Por exemplo, muitos testes de hipóteses contam com o pressuposto de que a população segue uma distribuição normal com parâmetros μ e σ. Os testes não paramétricos não têm essa suposição, de forma que eles são úteis quando os dados são fortemente não normais e resistentes à transformação.

Nas estatísticas paramétricas, assumimos que as amostras são coletadas a partir de distribuições totalmente especificadas caracterizadas por um ou mais parâmetros desconhecidos sobre o qual queremos fazer inferência. Em um método não paramétrico, assumimos que a distribuição de origem da amostra é indeterminado e que muitas vezes estamos interessados em fazer inferência sobre o centro da distribuição. Por exemplo, muitos testes em estatística paramétrica como o teste t para 1 amostra são derivados da suposição de que os dados vêm de população normal com média desconhecida. Em um estudo não paramétrico, o pressuposto de normalidade é eliminado.

Os métodos não paramétricos são úteis quando a suposição de normalidade não se sustenta e seu tamanho da amostra é pequeno. Entretanto, testes não paramétricos não são totalmente livres de pressuposições sobre os dados: por exemplo. Por exemplo, é essencial assumir que as observações nas amostras são independentes e provenientes da mesma distribuição. Além disso, em experimentos de duas amostras, é necessária a suposição de igual forma e dispersão.

Quando existe uma escolha entre usar um teste paramétrico ou um teste não paramétrico e você está relativamente certo de que as pressuposições para o procedimento paramétrico são satisfeitas, use o procedimento paramétrico. Também é possível utilizar o procedimento paramétrico quando a população não é normalmente distribuída se o tamanho da amostra for suficientemente grande.

Testes não paramétricos e suas alternativas paramétricas.