Introdução à Estatística Não Paramétrica

A maioria dos métodos estatísticos inferenciais são paramétricos, exigindo populações normalmente distribuídas com parâmetros específicos, como média, desvio padrão ou proporção populacional.

Em contraste, os testes não paramétricos não dependem de nenhum parâmetro, permitindo que amostras sejam retiradas de populações sem distribuições específicas. Portanto, eles também são conhecidos como testes sem distribuição.

Ao contrário dos testes paramétricos, eles podem ser aplicados a dados categóricos, como o sexo dos bebês nascidos em um determinado hospital.

No entanto, esses testes têm a desvantagem de reduzir os dados quantitativos a dados qualitativos, como os sinais, perdendo assim as informações como a magnitude.

Sua eficácia também é limitada em comparação com suas contrapartes paramétricas. Essa limitação geralmente é compensada pelo uso de amostras maiores ou por ter uma diferença significativa entre a estatística de teste e os valores críticos.

A tabela compara a eficiência dos testes não paramétricos com seus equivalentes paramétricos.

Quando todos os outros fatores são iguais e as condições estritas para estatísticas paramétricas são atendidas, uma classificação de eficiência de 0,63 indica que o teste não paramétrico requer 100 observações para obter os mesmos resultados que 63 observações do teste paramétrico correspondente.