Det er noen få inndelinger av emner i statistikk. En inndeling som raskt kommer til tankene er differensieringen mellom beskrivende og inferensiell statistikk. Det er andre måter vi kan skille ut statistikken. En av disse måtene er å klassifisere statistiske metoder som enten parametriske eller ikke-parametriske.
Metoder er klassifisert etter hva vi vet om befolkningen vi studerer. Parametriske metoder er vanligvis de første metodene som er studert i et introduksjonsstatistikkurs. Den grunnleggende ideen er at det er et sett med faste parametere som bestemmer en sannsynlighetsmodell.
Parametriske metoder er ofte de som vi vet at bestanden er tilnærmet normal, eller vi kan omtrentlig bruke en normalfordeling etter at vi påkaller sentral grense teorem. Det er to parametere for en normalfordeling: middelverdien og standardavviket.
For å kontrast til parametriske metoder, vil vi definere ikke-parametriske metoder. Dette er statistiske teknikker som vi ikke trenger å legge til grunn noen parametere for befolkningen vi studerer. Metodene er ikke avhengige av populasjonen av interesse. Parametersettet er ikke lenger fast, og heller ikke distribusjonen vi bruker. Det er av denne grunn at ikke-parametriske metoder også blir referert til som distribusjonsfrie metoder.
Ikke-parametriske metoder øker i popularitet og innflytelse av flere årsaker. Hovedårsaken er at vi ikke blir begrenset så mye som når vi bruker en parametrisk metode. Vi trenger ikke gjøre så mange antagelser om befolkningen som vi jobber med som det vi må gjøre med en parametrisk metode. Mange av disse ikke-parametriske metodene er enkle å bruke og forstå.
Det er flere måter å bruke statistikk på for å finne et konfidensintervall om et middel. En parametrisk metode vil innebære beregning av en feilmargin med en formel, og estimering av populasjonsgjennomsnittet med et utvalgsmiddel. En ikke-parametrisk metode for å beregne et konfidensmiddel ville innebære bruk av bootstrapping.
Hvorfor trenger vi både parametriske og ikke-parametriske metoder for denne typen problemer? Mange ganger er parametriske metoder mer effektive enn de tilsvarende ikke-parametriske metodene. Selv om denne forskjellen i effektivitet vanligvis ikke er så mye av et problem, er det tilfeller hvor vi trenger å vurdere hvilken metode som er mer effektiv.