Parameetrilise ja mitteparameetrilise statistika erinevus põhineb teadmisel või teadmatusel uuritava muutuja tõenäosusjaotusest.
Parameetriline statistika kasutab arvutusi ja protseduure, eeldades, et teate, kuidas uuritav juhuslik suurus jaotub. Vastupidi, mitteparameetriline statistika kasutab meetodeid, et teada saada, kuidas nähtus jaotub, ja hiljem parameetrilise statistika tehnikaid.
Mõlema mõiste määratlused on illustreeritud allpool:
- Parameetriline statistika: viitab statistilise järelduse osale, mis kasutab teadaolevatel jaotustel põhinevat statistikat ja eraldusvõime kriteeriume.
- Mitteparameetriline statistika: see on statistiliste järelduste haru, mille arvutused ja protseduurid põhinevad tundmatutel jaotustel.
Parameetriline ja mitteparameetriline statistika täiendavad üksteist
Nad kasutavad erinevaid meetodeid, sest nende eesmärgid on erinevad. Need on aga kaks üksteist täiendavat haru. Me ei tea alati kindlalt – tegelikult teame seda harva –, kuidas juhuslik muutuja jaotub. Seega on vaja kasutada tehnikaid, et välja selgitada, millist tüüpi jaotust see kõige rohkem meenutab.
Kui oleme välja selgitanud, kuidas see jaotatakse, saame seda tüüpi jaotuse jaoks teha konkreetseid arvutusi ja tehnikaid. Kuna näiteks Poissoni jaotuse keskmist väärtust ei arvutata samamoodi kui normaaljaotuse korral.
Sellegipoolest on oluline märkida, et parameetriline statistika on palju tuntum ja populaarsem. Mitteparameetrilise statistika kasutamise asemel eeldatakse sageli, et muutuja on jaotatud ühel viisil. See tähendab, et see algab lähtehüpoteesist, mida peetakse õigeks. Kui aga tahame tööd teha rangelt, kui me pole kindlad, peame kasutama mitteparameetrilist statistikat.
Vastasel juhul on tulemused ebatäpsed, ükskõik kui hästi ka parameetrilise statistika tehnikaid rakendatakse.