Parametristen ja ei-parametristen tilastojen ero perustuu tutkittavan muuttujan todennäköisyysjakauman tuntemiseen tai tietämättömyyteen.
Parametriset tilastot käyttävät laskelmia ja toimenpiteitä olettaen, että tiedät kuinka tutkittava satunnaismuuttuja jakautuu. Päinvastoin, ei-parametriset tilastot käyttävät menetelmiä tietääkseen, kuinka ilmiö jakautuu, ja myöhemmin parametristen tilastojen tekniikoita.
Molempien käsitteiden määritelmät on kuvattu alla:
- Parametriset tilastot: Viittaa tilastollisen päättelyn osaan, joka käyttää tunnettuihin jakaumiin perustuvia tilastoja ja resoluutiokriteerejä.
- Ei-parametriset tilastot: Se on tilastollisen päättelyn haara, jonka laskelmat ja menettelyt perustuvat tuntemattomiin jakaumiin.
Parametriset ja ei-parametriset tilastot täydentävät toisiaan
He käyttävät erilaisia menetelmiä, koska heidän tavoitteensa ovat erilaiset. Ne ovat kuitenkin kaksi toisiaan täydentävää haaraa. Emme aina tiedä varmuudella – itse asiassa tiedämme harvoin – kuinka satunnaismuuttuja jakautuu. Siksi on tarpeen käyttää tekniikoita selvittääkseen, minkä tyyppistä jakelua se eniten muistuttaa.
Kun olemme selvittäneet, kuinka se jakautuu, voimme suorittaa erityisiä laskelmia ja tekniikoita tämäntyyppiselle jakelulle. Koska esimerkiksi Poisson-jakauman keskiarvoa ei lasketa samalla tavalla kuin normaalissa.
Siitä huolimatta on tärkeää huomata, että parametriset tilastot ovat paljon tunnetumpia ja suositumpia. Usein ei-parametristen tilastojen sijaan oletetaan suoraan, että muuttuja on jakautunut yhdellä tavalla. Eli se alkaa lähtöhypoteesista, jonka uskotaan olevan oikea. Kuitenkin, kun haluamme suorittaa työn tiukasti, jos emme ole varmoja, meidän on käytettävä ei-parametrisia tilastoja.
Muuten tulokset ovat epätarkkoja, olivatpa parametristen tilastojen tekniikat kuinka hyvin sovellettuja tahansa.