Tanto las pruebas paramétricas como las no paramétricas se pueden utilizar para evaluar hipótesis, y la elección del procedimiento a utilizar depende del tipo de variable analizada y sus características. En general, las pruebas paramétricas se aplican a datos cuantitativos, como comparar el tiempo para colocar un bloqueo nervioso periférico (BNP) entre pacientes obesos, de peso normal y delgados en un análisis de varianza de 1 vía. Por otro lado, las pruebas no paramétricas se pueden aplicar a datos cuantitativos, clasificados o cualitativos, como comparar el estado físico ASA y el género en un chi-cuadrado de 6 x 2.
Los investigadores a menudo asumen que las pruebas paramétricas son las "mejores". Si una variable cuantitativa tiene la forma de campana de la curva normal y los grupos que se comparan tienen una variabilidad similar, las pruebas paramétricas son de hecho más poderosas para detectar diferencias de grupo que sus contrapartes no paramétricas.
Sin embargo, los analistas de datos no eligen las pruebas únicamente por su poder. En el primer ejemplo, no se usaría un análisis de chi-cuadrado a menos que la distribución del tiempo para colocar un PNB tenga una forma no normal que requiera que se divida, digamos, en cuartiles, antes de compararlos en 4 (cuartiles de tiempo) x 3 (categorías de peso) chi-cuadrado. En el segundo ejemplo, no se usaría una prueba t de Student para comparar el estado físico ASA entre hombres y mujeres porque el estado físico ASA es una variable clasificada no continua.
En resumen, la elección de la prueba debe estar impulsada por el tipo de variables que se analizan y sus características de distribución. Como es probable que los estudios contengan todo tipo de datos, por lo general se informan los resultados de una combinación de estos métodos. El próximo mes, la estadística en pequeñas dosis discutirá las hipótesis nulas y alternativas que abordan las pruebas paramétricas y no paramétricas.
