Au sens littéral des termes, un test statistique paramétrique est celui qui fait des hypothèses sur les paramètres (propriétés de définition) de la distribution de la population (s) dont les données sont tirées, tandis qu’un test non paramétrique est celui qui ne fait pas de telles hypothèses. Dans ce sens strict, « non paramétrique » est essentiellement une catégorie nulle, puisque pratiquement tous les tests statistiques supposent une chose ou une autre sur les propriétés de la ou des population (s) source.
Pour des raisons pratiques, vous pouvez considérer le terme « paramétrique » comme faisant référence à des tests, tels que les tests t et l’analyse de la variance, qui supposent la population source sous-jacente ( s) être normalement distribués; ils supposent généralement aussi que les mesures d’une personne dérivent d’une échelle à intervalles égaux. Et vous pouvez penser à «non paramétrique» comme faisant référence à des tests qui ne reposent pas sur ces hypothèses particulières. Des exemples de tests non paramétriques incluent

Les tests non paramétriques sont parfois considérés comme des tests «sans distribution», bien que ce soit aussi un abus de langage.