Si quiere decir "Calculo mi estadística de prueba en una muestra extraída de una distribución discreta y luego busco las tablas estándar", obtendrá una verdadera tasa de error tipo I menor que la que eligió (posiblemente mucho menor).
Cuánto depende de "cuán discreta" sea la distribución. Si la probabilidad de cualquier resultado es bastante baja (por lo que se espera que la proporción de valores vinculados en los datos sea baja), entonces no importará mucho: muchas personas no tendrían problemas para ejecutar un 5 % de prueba en 4.5% decir. Entonces, por ejemplo, si está probando un uniforme discreto en [1,1000], probablemente no tenga que preocuparse.
Pero si hay una alta probabilidad de que un valor esté vinculado, entonces el efecto en la tasa de error tipo I se puede marcar. Si obtiene un nivel de significancia de 0.005 cuando quería 0.05, puede ser un problema, ya que afectará el poder correspondientemente.
Si, en cambio, quiere decir "Calculo mi estadística de prueba en una muestra extraída de una distribución discreta y luego uso un valor crítico adecuado / calculo un valor p adecuado para mi situación" (por ejemplo, mediante una prueba de permutación), entonces la prueba es ciertamente válido en el sentido de que obtendrá la tasa de error tipo I correcta, hasta la discreción de la estadística de prueba en sí, por supuesto. (Aunque puede haber mejores pruebas para su propósito particular, tal como suele haber en el caso continuo).
Tenga en cuenta que la distribución de la estadística de prueba en sí ya no está libre de distribución, pero una prueba de permutación evita ese problema.