Hay algunas divisiones de temas en estadística. Una división que rápidamente viene a la mente es la diferenciación entre descriptivo y Estadística inferencial. Hay otras formas en que podemos separar la disciplina de las estadísticas. Una de estas formas es clasificar los métodos estadísticos como paramétricos o no paramétricos.
Los métodos se clasifican según lo que sabemos sobre la población que estamos estudiando. Los métodos paramétricos son típicamente los primeros métodos estudiados en un curso introductorio de estadística. La idea básica es que hay un conjunto de parámetros fijos que determinan un modelo de probabilidad.
Los métodos paramétricos son a menudo aquellos para los que sabemos que la población es aproximadamente normal, o podemos aproximarnos usando una distribución normal después de invocar teorema del límite central. Hay dos parámetros para una distribución normal: la media y la desviación estándar.
Para contrastar con los métodos paramétricos, definiremos métodos no paramétricos. Estas son técnicas estadísticas para las cuales no tenemos que suponer ningún parámetro para la población que estamos estudiando. De hecho, los métodos no dependen de la población de interés. El conjunto de parámetros ya no es fijo, y tampoco lo es la distribución que usamos. Es por esta razón que los métodos no paramétricos también se denominan métodos sin distribución.
Los métodos no paramétricos están creciendo en popularidad e influencia por varias razones. La razón principal es que no estamos tan limitados como cuando usamos un método paramétrico. No necesitamos hacer tantas suposiciones sobre la población con la que estamos trabajando como lo que tenemos que hacer con un método paramétrico. Muchos de estos métodos no paramétricos son fáciles de aplicar y comprender.
Hay varias formas de usar estadísticas para encontrar un intervalo de confianza sobre una media. Un método paramétrico implicaría el cálculo de un margen de error con una fórmula y la estimación de la media poblacional con una media muestral. Un método no paramétrico para calcular una media de confianza implicaría el uso de bootstrapping.
¿Por qué necesitamos métodos paramétricos y no paramétricos para este tipo de problema? Muchas veces los métodos paramétricos son más eficientes que los métodos no paramétricos correspondientes. Aunque esta diferencia en la eficiencia generalmente no es un gran problema, hay casos en los que necesitamos considerar qué método es más eficiente.