Valider une hypothèse dans le domaine de la recherche ou bien, dans un panel de décisions

possibles et choisir la meilleure sont les préoccupations essentielles des chercheurs

et autres praticiens de haut niveau. Lorsqu'ils disposent d'un grand nombre de données

statistiques, les risques d'erreur de jugement sont faibles. Il en va tout autrement quand

l'échantillon est de petite taille car des hypothèses sous-jacentes telles que la nature de

la distribution, préalables à l'utilisation des tests usuels, ne peuvent être justifiées. Cette

lacune peut conduire à une conclusion non validée ou tout au moins contestable et rend

l'utilisation des tests non paramétriques incontournable.

Un des intérêts et non des moindres de certains tests non paramétriques, est de mettre en

évidence l'existence de liens de concordance ou de discordance entre facteurs lorsque

l'on ne peut dégager, aux aléas près, des relations fonctionnelles entre ces dits facteurs.

Dans la première partie de ce livre, sont présentées, pour chaque type d'analyse, la ou

les méthodes qui peuvent être utilisées ainsi que des applications dont les supports thématiques

sont extraits de travaux de recherche publiés. Le champ très varié de ces applications

permet aux lecteurs (étudiants d'Ecole de commerce, étudiants en Master d'économie,

de Finance, de Marketing, de Psychologie, ...) de raisonner de façon inductive

afin de résoudre rapidement les problèmes auxquels ils sont confrontés.

La seconde partie de l'ouvrage concerne un public plus restreint de statisticiens issus de

filières mathématiques (chercheurs, économètres). Y sont présentées les justifications

référencées des procédures exposées dans la première partie. Des extensions de tests

fondamentaux tels que ceux de MacNemar ou Bloomqvist sont également présentées.

En fin d'ouvrage sont rappelés les concepts fondamentaux et les théorèmes essentiels qui

y sont rattachés.