1. Tests permettant de comparer les moyennes de variables quantitatives dans deux ou plusieurs groupes, utilisables lorsque les variables observées ont une distribution gaussienne dans les groupes comparés et que leurs variances sont les mêmes. [Dictionnaire médical de l'Académie de Médecine]
2. Le test considère que les variables étudiées sont mesurées sur une échelle ordinale (c'est-à-dire avec des rangs). L'hypothèse nulle stipule que les différents échantillons sont issus de la même population, ou plus précisément de populations avec des médianes identiques. Par conséquent, l'interprétation des résultats de cette procédure est similaire à celle d'une ANOVA avec mesures répétées.
3. La corrélation de Spearman est étudiée lorsque deux variables statistiques semblent corrélées sans que la relation entre les deux variables soit de type affine. Elle consiste à trouver un coefficient de corrélation, non pas entre les valeurs prises par les deux variables mais entre les rangs de ces valeurs. Elle estime à quel point la relation entre deux variables peut être décrite par une fonction monotone. S'il n'y a pas de données répétées, une corrélation de Spearman parfaite de +1 ou -1 est obtenue quand l'une des variables est une fonction monotone parfaite de l'autre.
4. Le test d'Anderson-Darling est un test de normalité de l'échantillon statistique. Permet de détecter l'écart par rapport à la normalité des valeurs maximales et minimales d'une distribution.
5. Myles Hollander, Douglas A. Wolfe, Eric Chicken, Nonparametric Statistical Methods
6. L'intervalle de la concordance de Kendall s'étend de 0 à 1. Les valeurs proches de 0 traduisent une discordance entre les rangs des variables selon les observations, tandis que les valeurs proches de 1 représentent une concordance parfaite entre les rangs des variables selon les observations.
7. Ex: Le test Q de Cochran peut être utilisé lorsque l'on souhaite comparer la difficulté des questions dans un questionnaire dichotomique où il n'est possible de répondre que par 'vrai' ou 'faux'. Chaque question représente une variable aléatoire pouvant prendre deux valeurs : 0 (faux) et 1 (vrai). Si le test Q est significatif, cela permettrait de conclure que certaines questions sont plus difficiles, puisque le pourcentage de réponses correctes est plus faible.
8. Pour des échantillons de petite taille (n<20) il est recommandé d'utilisées les valeurs tabulées de Siegel et Castellan pour évaluer la significativité statistique.
9. À partir des considérations ci-dessus, nous pouvons proposer une classification des principaux tests utilisés en statistique inférentielle. Nous laissons de côté des tests relatifs à des techniques statistiques spécifiques. Ils dépassent largement le cadre de ce sujet, il paraît plus intéressant de les approfondir dans leur cadre naturel (ex. test de nullité de coefficients de la régression linéaire multiple ; évaluation d'un bloc de coefficients dans la régression logistique, etc.).
