Tanto os testes paramétricos quanto os não paramétricos podem ser utilizados para avaliar hipóteses, e a escolha de qual procedimento utilizar depende do tipo de variável analisada e de suas características . Em geral, os testes paramétricos são aplicados a dados quantitativos, como comparar o tempo para colocar um bloqueio de nervo periférico (BNP) entre pacientes obesos, eutróficos e magros em uma análise de variância de 1 via. Por outro lado, os testes não paramétricos podem ser aplicados a dados quantitativos, ranqueados ou qualitativos, como comparar estado físico ASA e sexo em um qui-quadrado 6 x 2.
Os investigadores geralmente assumem que os testes paramétricos são os “melhores”. Se uma variável quantitativa tem a forma de sino da curva normal e os grupos que estão sendo comparados têm variabilidade semelhante, os testes paramétricos são de fato mais poderosos na detecção de diferenças de grupo do que seus equivalentes não paramétricos.
No entanto, os analistas de dados não escolhem testes apenas por seu poder. No primeiro exemplo, uma análise de qui-quadrado não seria usada a menos que a distribuição de tempo para colocar um PNB tivesse uma forma não normal exigindo que ele fosse dividido, digamos, em quartis, antes de ser comparado em 4 (quartis de tempo) x 3 (categorias de peso) qui-quadrado. No segundo exemplo, um teste t de Student não seria usado para comparar o estado físico ASA entre homens e mulheres porque o estado físico ASA é uma variável classificada não contínua.
Em resumo, a escolha do teste deve ser orientada pelo tipo de variáveis que estão sendo analisadas e suas características de distribuição. Como os estudos provavelmente contêm todos os tipos de dados, os resultados de uma combinação desses métodos geralmente são relatados. No próximo mês, a estatística em pequenas doses discutirá as hipóteses nulas e alternativas que são abordadas pelos testes paramétricos e não paramétricos.
