Редко, если когда-либо параметрический тест и непараметрический тест на самом деле имеют один и тот же нуль. Параметрический тест проверяет среднее значение распределения, предполагая, что существуют первые два момента. Тест суммы рангов Уилкоксона не предполагает никаких моментов и вместо этого проверяет равенство распределений. Его подразумеваемый параметр - странный функционал распределений, вероятность того, что наблюдение из одной выборки ниже, чем наблюдение из другой. Вы можете говорить о сравнениях между двумя тестами в рамках полностью определенного нулевого идентичного распределения ... но вы должны признать, что эти два теста проверяют разные гипотезы.T
Информация, которую приносят параметрические тесты вместе с их допущением, помогает повысить эффективность тестов. Конечно, эта информация должна быть правильной, но в наши дни мало областей человеческих знаний, где такой предварительной информации не существует. Интересное исключение, которое прямо говорит: «Я не хочу ничего предполагать» - это зал судебных заседаний, где непараметрические методы продолжают пользоваться широкой популярностью, и это имеет смысл для приложения. Вероятно, есть веская причина, полагает каламбур, что Филлип Гуд написал хорошие книги как по непараметрической статистике, так и по статистике в зале суда .
Существуют также ситуации тестирования, когда у вас нет доступа к микроданным, необходимым для непараметрического теста. Предположим, вас попросили сравнить две группы людей, чтобы определить, является ли один из них более страдающим ожирением, чем другой. В идеальном мире у вас будут измерения роста и веса для всех, и вы можете сформировать тест перестановки, рассортирующий по росту. В менее чем идеальном (то есть в реальном) мире у вас может быть только средний рост и средний вес в каждой группе (или могут быть некоторые диапазоны или отклонения этих характеристик поверх выборочных средних). Тогда лучше всего рассчитать средний ИМТ для каждой группы и сравнить их, если у вас есть только средства; или предположить двумерное нормальное значение для роста и веса, если у вас есть средние значения и отклонения (вам, вероятно, придется взять корреляцию из некоторых внешних данных, если они не пришли с вашими образцами),