Les tests paramétriques et non paramétriques sont des tests statistiques appliqués a des

bases de données pour essayer de connaitre l’impact d’un événement ou un élément sur un
échantillon généralement dans ces tests on a 2 hypothèses, dans la recherche une
hypothèse est une suggestion d'explication à un phénomène, l’hypothèse nulle (H0) qui est
la première est présente quand un chercheur tente de réfuter l'hypothèse. Normalement,
l'hypothèse nulle représente la perspective d'un aspect du monde que le chercheur veut
contester.

En méthodologie de recherche le chercheur doit fournir une hypothèse suppléante,

une hypothèse de recherche, comme solution alternative à l'explication du phénomène et
vers la fin les résultats démontrent laquelle sera rejetée et laquelle sera gardée, pour savoir
si le test paramétrique qui sera utilisé l’échantillon sur lequel l’étude portera doit obéir à une
loi normale c’est-à-dire un échantillon supérieur ou égal à 30 sujets et une distribution
normale pour utiliser un test paramétrique dans le cas inverse c’est le test non-paramétrique
qui est utilisé.
La distribution est l’association des classes de valeur dans un test et leurs fréquences
d’apparition.
Chaque test paramétrique à son équivalent non paramétrique, qui entre en jeu si les
conditions d’utilisation du premier ne sont pas réalisées.
Le test paramétrique le plus utilisé est le test t de student mais ce test se divise en 3
catégories :

Test paramétrique Test non paramétrique

Test t de student pour échantillon unique Test du signe
Test t de student pour 2 écha indépendant Test de Mann-whitney
Test t de student pour 2 écha appariés Test de wilcoxon

Échantillons indépendants :
Échantillons appariés : c’est-à-dire liés c’est le même échantillon dans 2 états différents.
Pour aboutir au rejet de H0 et H1 2 valeurs sont utilisées : la valeur-t et la valeur-p qui
peuvent être calculées manuellement, mais les logiciels sont préférables vu la complexité de
la tâche
Les tests paramétriques sont, eux, plus puissants en général que leurs équivalents non-
paramétriques. En d’autres termes, un test paramétrique sera plus apte à aboutir à un rejet
de H0, si ce rejet est justifié. La plupart du temps, la p-value calculée par un test
paramétrique sera inférieure à la p-value calculée par un équivalent non-paramétrique
exécuté sur les mêmes données.
Les erreurs dans la recherche sont possibles soit on accepte l'hypothèse de recherche alors
que l'hypothèse nulle est en fait correcte soit on rejette l'hypothèse de recherche même si
l'hypothèse nulle est fausse.