Forskjellen mellom parametrisk og ikke-parametrisk statistikk er basert på kunnskapen eller uvitenheten om sannsynlighetsfordelingen til variabelen som skal studeres.
Parametrisk statistikk bruker beregninger og prosedyrer forutsatt at du vet hvordan den tilfeldige variabelen som skal studeres er fordelt. Tvert imot, ikke-parametrisk statistikk bruker metoder for å finne ut hvordan et fenomen distribueres og senere bruke parametrisk statistikk.
Definisjonene av begge begrepene er illustrert nedenfor:
- Parametrisk statistikk: Det refererer til en del av statistisk slutning som bruker statistikk og oppløsningskriterier basert på kjente distribusjoner.
- Ikke-parametrisk statistikk: Det er en gren av statistisk slutning hvis beregninger og prosedyrer er basert på ukjente fordelinger.
Parametrisk og ikke-parametrisk statistikk er komplementær
De bruker forskjellige metoder fordi målene deres er forskjellige. Imidlertid er de to komplementære grener. Vi vet ikke alltid med sikkerhet - faktisk sjelden - hvordan en tilfeldig variabel fordeles. Dermed er det nødvendig å bruke teknikker for å finne ut hvilken type distribusjon den ligner mest på.
Når vi har funnet ut hvordan den fordeles, kan vi utføre spesifikke beregninger og teknikker for denne typen distribusjon. Siden for eksempel ikke middelverdien i en Poisson-fordeling blir beregnet på samme måte som i en Normal.
Likevel er det viktig å merke seg at parametrisk statistikk er mye mer kjent og populær. I stedet for å bruke ikke-parametrisk statistikk antas det mange ganger at en variabel fordeles på en måte. Det vil si at det starter fra en starthypotese som antas å være den riktige. Men hvis du ikke er sikker, må du bruke ikke-parametrisk statistikk når du vil gjøre en jobb grundig.
Ellers vil resultatene være upresise, uansett hvor vel anvendte teknikkene for parametrisk statistikk kan være.
Beskrivende statistikk
