Rozdiel medzi parametrickou a neparametrickou štatistikou je založený na znalosti alebo neznalosti rozdelenia pravdepodobnosti skúmanej premennej.
Parametrická štatistika využíva výpočty a postupy za predpokladu, že viete, ako je rozdelená náhodná premenná, ktorá sa má študovať. Naopak, neparametrická štatistika využíva metódy na zistenie, ako je fenomén distribuovaný, a neskôr využíva techniky parametrickej štatistiky.
Definície oboch pojmov sú uvedené nižšie:
- Parametrická štatistika: Týka sa časti štatistickej inferencie, ktorá používa štatistiku a rozlišovacie kritériá založené na známych rozdeleniach.
- Neparametrická štatistika: Ide o odvetvie štatistickej inferencie, ktorej výpočty a postupy sú založené na neznámych rozdeleniach.
Parametrické a neparametrické štatistiky sa dopĺňajú
Používajú rôzne metódy, pretože ich ciele sú odlišné. Sú to však dve komplementárne vetvy. Nie vždy s istotou vieme – v skutočnosti to vieme len zriedka – ako je distribuovaná náhodná premenná. Preto je potrebné pomocou techník zistiť, na aký typ distribúcie sa najviac podobá.
Keď sme zistili, ako je distribuovaný, môžeme vykonať špecifické výpočty a techniky pre tento typ distribúcie. Pretože napríklad stredná hodnota v Poissonovom rozdelení nie je vypočítaná rovnakým spôsobom ako v normálnom.
Napriek tomu je dôležité poznamenať, že parametrická štatistika je oveľa známejšia a populárnejšia. Mnohokrát sa namiesto použitia neparametrickej štatistiky priamo predpokladá, že premenná je distribuovaná jedným spôsobom. To znamená, že vychádza z východiskovej hypotézy, ktorá sa považuje za správnu. Keď však chceme vykonať prácu dôsledne, ak si nie sme istí, musíme použiť neparametrické štatistiky.
V opačnom prípade, akokoľvek dobre sa použijú techniky parametrickej štatistiky, výsledky budú nepresné.