Tilastossa on muutama aihejako. Yksi mieleen nopeasti jakautuva jako on erottelu kuvaavan ja päättelytilastot. On myös muita tapoja erottaa tilastotiede toisistaan. Yksi näistä tavoista on luokitella tilastolliset menetelmät joko parametrisiksi tai ei-parametrisiksi.
Menetelmät luokitellaan sen perusteella, mitä tiedämme tutkimasta väestöstä. Parametriset menetelmät ovat tyypillisesti ensimmäisiä menetelmiä, joita tutkitaan johdanto-tilastokurssilla. Perusajatuksena on, että on olemassa joukko kiinteitä parametreja, jotka määrittävät todennäköisyysmallin.
Parametriset menetelmät ovat usein sellaisia, joiden osalta tiedämme, että populaatio on suunnilleen normaali, tai voimme lähestyä normaalia jakaumaa, kun olemme vedonneet keskimmäinen rajalause. Normaalijakaumalle on kaksi parametria: keskiarvo ja keskihajonta.
Parametristen menetelmien vastaisesti määrittelemme ei-parametriset menetelmät. Nämä ovat tilastollisia tekniikoita, joita varten meidän ei tarvitse tehdä mitään oletuksia parametreistä tutkittavalle väestölle. Itse asiassa menetelmillä ei ole mitään riippuvuutta kiinnostuksen kohteena olevasta väestöstä. Parametrit eivät ole enää kiinteitä, eikä myöskään käyttämämme jakelu. Tästä syystä epäparametrisiin menetelmiin viitataan myös jakautumattomina menetelmin.
Ei-parametristen menetelmien suosio ja vaikutus kasvaa monista syistä. Pääsyy on, että meitä ei rajoiteta niin paljon kuin parametrista menetelmää käytettäessä. Meidän ei tarvitse tehdä niin paljon oletuksia työskentelevästä väestöstä kuin mitä meidän on tehtävä parametrisella menetelmällä. Monia näistä ei-parametrisista menetelmistä on helppo soveltaa ja ymmärtää.
Tilastotietojen avulla saadaan luottamusväli keskiarvosta on useita tapoja. Parametriseen menetelmään sisältyy virhemarginaalin laskeminen kaavalla ja populaation keskiarvon estimointi näytteen keskiarvon avulla. Ei-parametrinen menetelmä luotettavuuden keskiarvon laskemiseksi edellyttäisi käynnistymisen käyttöä.
Miksi tarvitsemme sekä parametrisia että ei-parametrisia menetelmiä tämän tyyppisiin ongelmiin? Monta kertaa parametriset menetelmät ovat tehokkaampia kuin vastaavat epäparametriset menetelmät. Vaikka tämä tehokkuusero ei yleensä ole niin suuri ongelma, on tapauksia, joissa meidän on harkittava, mikä menetelmä on tehokkaampi.