Le terme paramétrique implique qu'une supposition est faite quant à la distribution de la population. Lorsqu'un test d'hypothèse est effectué, il est souvent supposé que les données constituent un échantillon provenant d'une certaine distribution (en général, la loi normale). Le terme non paramétrique implique qu'aucune supposition n'est faite quant à la distribution de la population.
L'intérêt d'un test paramétrique est le suivant : si les suppositions sont exactes, la puissance, c'est-à-dire la probabilité de rejet de H0 (hypothèse nulle) si elle est fausse, est supérieure à la puissance d'un test non paramétrique équivalent impliquant des échantillons de même effectif. Les résultats des tests non paramétriques sont moins sensibles à la non-normalité des données. De ce fait, si des suppositions sont violées pour un test basé sur un modèle paramétrique, les conclusions basées sur les valeurs de p d'un test paramétrique risquent d'être plus trompeuses que celles basées sur les valeurs de p d'un test non paramétrique.
Minitab propose les différents types de procédures non paramétriques suivants :
Références bibliographiques
Reportez-vous aux ouvrages listés ci-dessous pour comparer les puissances respectives de certains de ces tests non paramétriques et des tests paramétriques équivalents.