Razlika između parametarske i neparametarske statistike temelji se na poznavanju ili neznanju distribucije vjerojatnosti varijable koja se proučava.
Parametrijska statistika koristi izračune i postupke pod pretpostavkom da znate kako je slučajna varijabla koju treba proučavati distribuirana. Naprotiv, neparametrijska statistika koristi metode kako bi saznala kako je fenomen distribuiran, a kasnije koristi tehnike parametarske statistike.
Definicije oba koncepta ilustrirane su u nastavku:
- Parametrijska statistika: Odnosi se na dio statističkog zaključivanja koji koristi statistiku i kriterije razlučivanja na temelju poznatih distribucija.
- Neparametrijska statistika: To je grana statističkog zaključivanja čiji se izračuni i postupci temelje na nepoznatim distribucijama.
Parametrijska i neparametarska statistika su komplementarne
Koriste različite metode jer su im ciljevi različiti. Međutim, to su dvije komplementarne grane. Ne znamo uvijek sa sigurnošću – zapravo rijetko znamo – kako je slučajna varijabla raspoređena. Stoga je potrebno tehnikama otkriti na koji tip distribucije najviše podsjeća.
Nakon što saznamo kako se distribuira, možemo izvesti specifične izračune i tehnike za ovu vrstu distribucije. Budući da se, na primjer, srednja vrijednost u Poissonovoj distribuciji ne izračunava na isti način kao u normalnoj.
Ipak, važno je napomenuti da je parametarska statistika mnogo poznatija i popularnija. Mnogo puta, umjesto korištenja neparametarske statistike, izravno se pretpostavlja da je varijabla distribuirana na jedan način. Odnosno, polazi od početne hipoteze za koju se vjeruje da je točna. Međutim, kada želimo raditi rigorozno, ako nismo sigurni, moramo koristiti neparametarsku statistiku.
Inače, koliko god se tehnike parametarske statistike dobro primjenjivale, rezultati će biti neprecizni.