Méthode non paramétrique
La méthode non paramétrique fait référence à un type de statistique qui n'exige pas que la population analysée respecte certaines hypothèses ou certains paramètres. Des méthodes statistiques bien connues telles que l'ANOVA, la corrélation de Pearson, le test t et d'autres fournissent des informations valides sur les données analysées uniquement si la population sous-jacente satisfait à certaines hypothèses. L'une des hypothèses les plus courantes est que les données sur la population ont une "distribution normale".
Les statistiques paramétriques peuvent également être appliquées à des populations ayant d'autres types de distribution connus. Les statistiques non paramétriques n'exigent pas que les données de population répondent aux hypothèses requises pour les statistiques paramétriques. Les statistiques non paramétriques entrent donc dans une catégorie de statistiques parfois qualifiées de non distributives. Les méthodes non paramétriques seront souvent utilisées lorsque les données de population ont une distribution inconnue ou lorsque la taille de l'échantillon est petite.
Méthode non paramétrique expliquée
Les méthodes paramétriques et non paramétriques sont souvent utilisées sur différents types de données. Les statistiques paramétriques nécessitent généralement des données d'intervalle ou de ratio. Un exemple de ce type de données est l’âge, le revenu, la taille et le poids, dans lequel les valeurs sont continues et les intervalles entre les valeurs ont une signification.
En revanche, les statistiques non paramétriques sont généralement utilisées pour des données nominales ou ordinales. Les variables nominales sont des variables pour lesquelles les valeurs n'ont pas de valeur quantitative. Les variables nominales communes dans la recherche en sciences sociales, par exemple, incluent le sexe, dont les valeurs possibles sont les catégories discrète «masculin» et «féminin». Les autres variables nominales courantes de la recherche en sciences sociales sont la race, l’état matrimonial, le niveau de formation et le statut d’emploi. (employés versus chômeurs).
Les variables ordinales sont celles dans lesquelles la valeur suggère un ordre. Un exemple de variable ordinale serait si un répondant à l’enquête demandait, "Sur une échelle de 1 à 5, 1 représentant extrêmement insatisfait et 5 étant extrêmement satisfait, comment évalueriez-vous votre expérience avec la société de câblodistribution?"
Bien que les statistiques non paramétriques présentent l'avantage de devoir répondre à peu d'hypothèses, elles sont moins puissantes que les statistiques paramétriques. Cela signifie qu’ils ne peuvent pas montrer de relation entre deux variables alors qu’il en existe une.
Les tests non paramétriques courants incluent le chi carré, le test somme-rang de Wilcoxon, le test de Kruskal-Wallis et la corrélation rang de rang de Spearman.
Comparaison des comptes d'investissement Nom du fournisseur Description Divulgation par l'annonceur × Les offres figurant dans ce tableau proviennent de partenariats avec lesquels Investopedia reçoit une rémunération.