Für statistische Tests wird häufig eine Unterteilung in einerseits parametrische und andererseits nichtparametrische Tests vorgenommen. Die Unterschiede zwischen diesen beiden Arten von Test lassen sich folgendermaßen Zusammenfassen.

Parametrische Tests:

• Parametrische Tests haben bestimmte Voraussetzungen. Wenn diese Voraussetzungen erfüllt sind, haben parametrische Tests eine höhere Teststärke als nichtparametrische Tests.
• Falls die Voraussetzung eines parametrischen Tests nicht erfüllt ist, dann kann dieser Test falsche oder unzuverlässige Ergebnisse liefern.
• Parametrische Tests sollten also immer dann verwendet werden, wenn ihre jeweiligen Voraussetzungen erfüllt sind.

Nichtparametrische Tests:

• Nichtparametrische Tests haben im Vergleich zu parametrischen Tests nur wenige oder sogar keine Voraussetzungen. 
• In einer Situation, in der die Voraussetzung eines parametrischen Tests nicht erfüllt sind, wird ein nichtparametrischer Test also dennoch korrekte Ergebnisse liefern.
• Ist die Voraussetzung des parametrischen Tests erfüllt, so hat der parametrische Test jedoch im Allgemeinen eine höhere Teststärke als der nichtparametrische Test.
• Nichtparametrische Tests sollten also immer dann verwendet werden, wenn die Voraussetzung der parametrischen Tests nicht erfüllt sind.

Zusammenfassend haben nichtparametrische Tests als eine höhere Teststärke, wobei dieser Vorteil dadurch erkauft wird, dass sie nur bei erfüllten Voraussetzungen verwendet werden können. Nichtparametrische Tests haben eine niedrigere Teststärke, wobei dieser Nachteil dadurch ausgeglichen wird dass sie immer verwendet werden können.

Beispiel für die Anwendung parametrischer & nichtparametrischer Methoden finden Sie z.B. in diesen Artikeln: Mann-Whitney-U-Test,

Parametrische & nichtparametrische Korrelation

Sie haben ungeklärte Fragen zum Thema nichtparametrische Statistik? Vereinbaren Sie einen Termin zur statistischen Beratung und stellen Sie uns Ihre Fragen!