Non-Parametric Test

آزمون هائی می باشند که برای داده‌هایی که توزیع غیر نرمال داشته و در مقایسه با آزمون های پارامتری از توان تشخیصی کمتری برخوردارند، استفاده می‌شود. این آزمون ها به مفروضات کمتری درباره ویژگی جامعه آماری نیاز دارند به طور مثال برای استفاده از این آزمون‌ها نیازی به دانستن میانگین، انحراف معیار و یا کلیت جامعه آماری وجود نیست.

همچنین  برای سنجش فرضیه ها با متغیرهای کیفی، از آزمون ناپارامتریک استفاده می‌شود. این آزمون ها که از آن‌ها با عنوان «آزمون‌های بدون پیش فرض» نیز یاد می شود،‌ به هیچ پیش فرض خاصی نیاز ندارند. جهت تبدیل متغیرها می‌توان متغیرهای کمی را به کیفی تبدیل نمود و آنها را با آزمون‌های ناپارامتریک مورد ارزیابی قرار داد ولی عکس این عمل امکان‌پذیر نیست. ضمناً سطوح دقت در آزمون های پارامتریک از آزمون های ناپارامتریک بیشتر است.

• آزمون ویلکاکسون: (Mann-Whitney U Test) این آزمون برای مقایسه دو گروه مستقل از داده‌های غیرپارامتریک مانند امتیازهای مشتریان به دو محصول یا خدمات مختلف استفاده می‌شود. به عنوان مثال، اگر شما بخواهید میزان رضایت مشتریان از دو رقیب در صنعت خود را مقایسه کنید و داده‌ها توزیع نرمال نداشته باشند، می‌توانید از آزمون ویلکاکسون استفاده کنید.
• آزمون کراسکال-والیس: (Kruskal-Wallis Test) این آزمون برای مقایسه سه یا چند گروه مستقل از داده‌های غیرپارامتریک استفاده می‌شود. به عنوان مثال، اگر شما می‌خواهید تأثیر تغییرات در قیمت بر فروش محصولات در سه منطقه مختلف را بررسی کنید و داده‌ها توزیع نرمال نداشته باشند، می‌توانید از آزمون کراسکال-والیس استفاده کنید.

در هر دو مثال، از آزمون‌های غیرپارامتریک به عنوان جایگزینی موثر برای آزمون‌های پارامتریک که فرضیات خاصی را در مورد توزیع داده‌ها ارائه می‌کنند، استفاده می‌شود تا به تحلیل دقیق‌تری از داده‌ها رسید.