参数和非参数检验都可用于评估假设，选择使用哪种程序取决于所分析变量的类型及其特征。 通常，参数检验适用于定量数据，例如在单因素方差分析中比较肥胖、正常体重和瘦患者之间放置周围神经阻滞 (PNB) 的时间。 另一方面，非参数检验可以应用于定量、排名或定性数据，例如比较 1 x 6 卡方中的 ASA 身体状况和性别。
调查人员通常认为参数测试是“更好”的测试。 如果定量变量具有正态曲线的钟形并且被比较的组具有相似的可变性，则参数检验在检测组差异方面确实比其非参数对应物更有效。
然而，数据分析师不会仅仅根据他们的能力来选择测试。 在第一个示例中，不会使用卡方分析，除非放置 PNB 的时间分布具有非正态形状，需要将其拆分为四分位数，然后再以 4（时间四分位数）进行比较x 3（重量类别）卡方。 在第二个示例中，不会使用学生 t 检验来比较男性和女性之间的 ASA 身体状况，因为 ASA 身体状况是一个非连续排名变量。
总之，测试的选择应由所分析的变量类型及其分布特征决定。 由于研究可能包含所有类型的数据，因此通常会报告来自这些方法的混合结果。 下个月，小剂量统计数据将讨论通过参数和非参数检验解决的无效假设和替代假设。
