آزمون پارامتری (Parametric tests) یکی از روش‌های آماری است که برای تحلیل داده‌ها و آزمون فرضیات استفاده می‌شود. این آزمون‌ها به فرضیات خاصی در مورد توزیع داده‌ها وابسته هستند و معمولاً فرض می‌شود که داده‌ها از توزیعی مشخص (مانند توزیع نرمال) پیروی می‌کنند.
آزمون پارامتری یکی از روش‌های تحلیل آماری است که برای ارزیابی فرضیات آماری در داده‌ها استفاده می‌شود. این آزمون‌ها به فرضیات مشخصی درباره توزیع داده‌ها، مانند نرمال بودن، وابسته هستند و معمولاً برای داده‌های کمی یا پیوسته به کار می‌روند. در آزمون‌های پارامتری، از پارامترهای اصلی جمعیت مانند میانگین، واریانس و انحراف معیار برای مقایسه یا تحلیل استفاده می‌شود.
ویژگی اصلی این آزمون‌ها، حساسیت آن‌ها به فرضیات است؛ به‌ویژه فرض نرمال بودن داده‌ها و برابری واریانس گروه‌ها. ازاین‌رو، در مواردی که این فرضیات برقرار باشند، آزمون‌های پارامتری قدرت و دقت بالاتری در تحلیل دارند.
فرض نرمال بودن داده‌ها: بسیاری از آزمون‌های پارامتری فرض می‌کنند که داده‌ها از توزیع نرمال یا تقریباً نرمال پیروی می‌کنند.
استفاده از پارامترهای آمار توصیفی: این آزمون‌ها بر اساس ویژگی‌هایی مانند میانگین، واریانس و انحراف معیار انجام می‌شوند.
کاربرد برای داده‌های کمی: داده‌های کمی (اعداد واقعی) معمولاً در این آزمون‌ها استفاده می‌شوند.
حساسیت به ناهنجاری‌ها: اگر داده‌ها نرمال نباشند یا دارای ناهنجاری‌های شدید باشند، نتایج آزمون ممکن است معتبر نباشند.
آزمون t استیودنت:
برای مقایسه میانگین‌ها (تک نمونه‌ای، جفتی مستقل یا وابسته) استفاده می‌شود.
تحلیل واریانس (ANOVA):
برای مقایسه میانگین بیش از دو گروه استفاده می‌شود.
آزمون F
برای بررسی برابری واریانس‌ها استفاده می‌شود.
آزمون همبستگی پیرسون:
برای بررسی رابطه خطی بین دو متغیر استفاده می‌شود.
رگرسیون خطی:
برای مدل‌سازی رابطه بین یک متغیر وابسته و یک یا چند متغیر مستقل استفاده می‌شود.
توان آماری بالا.
مناسب برای داده‌های پیوسته و نرمال.
فرمول‌های واضح و کاربردی.
نیاز به برآورده شدن فرضیات خاص (مانند نرمال بودن داده‌ها و برابری واریانس‌ها).
حساسیت به داده‌های پرت و ناهنجاری‌ها.
