1. Diga qual é a diferença entre testes paramétricos e não – paramétricos. (2.5 val)

Os testes paramétricos e não paramétricos são duas abordagens diferentes para a análise de dados estatísticos. Os testes paramétricos são baseados em suposições sobre a distribuição dos dados, como a normalidade e a homogeneidade das variâncias. Esses testes são mais poderosos quando as suposições são atendidas e podem fornecer estimativas mais precisas dos parâmetros populacionais. Alguns exemplos de testes paramétricos são o teste t de Student, a análise de variância (ANOVA) e a regressão linear. Por outro lado, os testes não paramétricos não fazem suposições específicas sobre a distribuição dos dados. Eles são mais adequados para dados que não seguem uma distribuição específica ou quando as suposições dos testes paramétricos não são atendidas. Esses testes são menos poderosos, mas são mais robustos em relação às suposições. Alguns exemplos de testes não paramétricos são o teste de Mann-Whitney, o teste de Wilcoxon e o teste de Kruskal-Wallis. Em resumo, a diferença entre testes paramétricos e não paramétricos está nas suposições feitas sobre a distribuição dos dados. Os testes paramétricos são mais poderosos quando as suposições são atendidas, enquanto os testes não paramétricos são mais adequados quando as suposições não são atendidas ou quando não há uma distribuição específica dos dados.