Skirtumas tarp parametrinės ir neparametrinės statistikos yra pagrįstas tiriamojo kintamojo tikimybių skirstinio žinojimu arba nežinojimu.
Parametrinėje statistikoje naudojami skaičiavimai ir procedūros, darant prielaidą, kad žinote, kaip pasiskirsto tiriamasis atsitiktinis kintamasis. Priešingai, neparametrinė statistika naudoja metodus, kad išsiaiškintų, kaip reiškinys pasiskirsto, o vėliau – parametrinės statistikos metodus.
Abiejų sąvokų apibrėžimai pateikiami toliau:
- Parametrinė statistika: nurodo statistinės išvados dalį, kuri naudoja statistiką ir skiriamosios gebos kriterijus, pagrįstus žinomais skirstiniais.
- Neparametrinė statistika: tai statistinių išvadų šaka, kurios skaičiavimai ir procedūros yra pagrįsti nežinomais skirstiniais.
Parametrinė ir neparametrinė statistika papildo viena kitą
Jie naudoja skirtingus metodus, nes jų tikslai yra skirtingi. Tačiau tai yra dvi viena kitą papildančios šakos. Mes ne visada tiksliai žinome – tiesą sakant, retai – kaip pasiskirsto atsitiktinis kintamasis. Taigi, norint išsiaiškinti, į kokį paskirstymo tipą jis labiausiai panašus, reikia naudoti metodus.
Kai išsiaiškinsime, kaip jis paskirstomas, galime atlikti konkrečius tokio platinimo tipo skaičiavimus ir metodus. Kadangi, pavyzdžiui, Puasono skirstinio vidutinė reikšmė apskaičiuojama ne taip, kaip įprastame.
Nepaisant to, svarbu pažymėti, kad parametrinė statistika yra daug geriau žinoma ir populiaresnė. Daug kartų, užuot naudojus neparametrinę statistiką, tiesiogiai daroma prielaida, kad kintamasis yra paskirstytas vienu būdu. Tai reiškia, kad jis prasideda nuo pradinės hipotezės, kuri, kaip manoma, yra teisinga. Tačiau kai norime atlikti darbą griežtai, jei nesame tikri, turime naudoti neparametrinę statistiką.
Priešingu atveju, kad ir kaip gerai būtų taikomi parametrinės statistikos metodai, rezultatai bus netikslūs.