O que significa o método não paramétrico?
O método não paramétrico refere-se a um tipo de estatística que não exige que a população analisada atenda a certas suposições ou parâmetros. Métodos estatísticos conhecidos, como ANOVA, correlação de Pearson, teste t e outros, fornecem informações válidas sobre os dados que estão sendo analisados apenas se a população subjacente atender a certas suposições. Uma das suposições mais comuns é que os dados da população têm uma "distribuição normal".
Estatísticas paramétricas também podem ser aplicadas a populações com outros tipos de distribuição conhecidos, no entanto. As estatísticas não paramétricas não exigem que os dados da população atendam às suposições necessárias para as estatísticas paramétricas. As estatísticas não paramétricas, portanto, se enquadram em uma categoria de estatísticas às vezes chamada de livre de distribuição. Frequentemente, métodos não paramétricos serão usados quando os dados da população tiverem uma distribuição desconhecida ou quando o tamanho da amostra for pequeno.
Método não paramétrico explicado
Métodos paramétricos e não paramétricos são frequentemente usados em diferentes tipos de dados. As estatísticas paramétricas geralmente requerem dados de intervalo ou razão. Um exemplo desse tipo de dado é idade, renda, altura e peso, nos quais os valores são contínuos e os intervalos entre os valores têm significado.
Por outro lado, estatísticas não paramétricas são normalmente usadas em dados nominais ou ordinais. Variáveis nominais são variáveis para as quais os valores não têm valor quantitativo. Variáveis nominais comuns na pesquisa em ciências sociais, por exemplo, incluem sexo, cujos valores possíveis são categorias discretas, "masculino" e "feminino". Outras variáveis nominais comuns na pesquisa em ciências sociais são: raça, estado civil, nível educacional e status de emprego. (empregado versus desempregado).
Variáveis ordinais são aquelas em que o valor sugere alguma ordem. Um exemplo de variável ordinal seria se um respondente da pesquisa perguntasse: "Em uma escala de 1 a 5, sendo 1 extremamente insatisfeito e 5 extremamente satisfeito, como você classificaria sua experiência com a empresa de TV a cabo?"
Embora as estatísticas não paramétricas tenham a vantagem de atender a algumas suposições, elas são menos poderosas que as estatísticas paramétricas. Isso significa que eles podem não mostrar um relacionamento entre duas variáveis quando de fato uma existe.
Os testes não paramétricos comuns incluem o quadrado de Chi, o teste de soma de Wilcoxon, o teste de Kruskal-Wallis e a correlação de ordem de Spearman.
