Разница между параметрическими и непараметрическими тестами значимости различий заключается в предположениях о распределении данных. 2

Параметрические тесты предполагают, что данные распределяются по определённому шаблону. 2 Часто это нормальное (или Гауссово) распределение — в виде колокола. 2 Большинство значений сосредоточено вокруг среднего, а крайние значения встречаются редко. 2 Примеры параметрических тестов: критерий Стьюдента, критерий Фишера. 1

Непараметрические тесты не основаны на предположениях о распределении данных. 2 То есть нет среднего значения, на основе которого можно анализировать результаты статистических тестирований. 2 Это бывает, например, когда объём выборки слишком мал, когда данные неоднородны или в них есть «выбросы» — значения, которые сильно отклоняются от общего распределения. 2 Примеры непараметрических тестов: критерий Манна-Уитни, критерий Уилкоксона. 1

Таким образом, параметрические тесты используют, когда есть уверенность в нормальном распределении данных, а непараметрические — когда такого предположения нет. 4