パラメトリック検定は、母集団が特定の分布に従うなどの仮定を置き、その分布のパラメータに関する差や効果を検証する統計的検定です。平均や分散の差を前提に比較しやすく、t検定や分散分析（ANOVA）、回帰の係数に対する検定が代表例になります。仮定が概ね成り立つ状況では、同じサンプル数でも検出力を高めやすい点が強みです。
実務では、比較したい指標が連続値で、独立性・正規性・等分散性などの前提をどこまで満たすかを確認したうえで採用するのが筋でしょう。前提が怪しい場合は、変換（対数など）やロバスト手法の検討に加え、ノンパラメトリック検定へ切り替える判断も現実的です。
p値だけで結論を決める運用は誤解を生みやすいため、平均差や回帰係数の推定値、信頼区間、効果量をセットで示すことが欠かせません。検定の設計では、サンプルの取り方と比較群の定義がぶれると結論も揺れるので、前処理と除外条件を明文化しておくと安定します。
パラメトリック検定は、前提条件が崩れたときに結論が過度に楽観的になったり、逆に効果を見逃したりするリスクがあります。A/Bテストや施策検証では、外れ値対応や期間の切り方が検定結果に影響しやすい点も押さえるべきです。再現性を担保するには、検定の選択理由、前提確認の結果、推定と解釈の流れを一緒に記録する運用が安全です。
