A paraméteres és a nem parametrikus statisztikák közötti különbség a vizsgálandó változó valószínűség-eloszlásának ismeretén vagy tudatlanságán alapul.
A paraméteres statisztikák számításokat és eljárásokat használnak, feltételezve, hogy tudják, hogyan oszlik el a vizsgálandó véletlen változó. Éppen ellenkezőleg, a nem parametrikus statisztikák módszereket alkalmaznak a jelenség eloszlásának megismerésére, később pedig paraméteres statisztikai technikákat alkalmaznak.
Mindkét fogalom meghatározását az alábbiakban szemléltetjük:
- Paraméteres statisztikák: A statisztikai következtetések egy részére utal, amely statisztikákat és ismert eloszlásokon alapuló felbontási kritériumokat használ.
- Nem paraméteres statisztikák: Ez egy olyan statisztikai következtetési ág, amelynek számításai és eljárásai ismeretlen eloszlásokon alapulnak.
A paraméteres és a nem paraméteres statisztikák kiegészítik egymást
Különböző módszereket alkalmaznak, mert eltérőek a céljaik. Mindazonáltal két egymást kiegészítő ágról van szó. Nem mindig tudjuk pontosan - valójában csak ritkán -, hogyan oszlik el egy véletlen változó. Ezért technikákat kell használni annak kiderítésére, hogy milyen típusú eloszláshoz hasonlít a legjobban.
Miután megtudtuk, hogyan oszlik meg, elvégezhetünk specifikus számításokat és technikákat az ilyen típusú terjesztésre. Mivel például a Poisson-eloszlás átlagértékét nem ugyanúgy számolják, mint egy Normálban.
Ennek ellenére fontos megjegyezni, hogy a parametrikus statisztikák sokkal ismertebbek és népszerűbbek. Sokszor a nem paraméteres statisztikák helyett közvetlenül feltételezzük, hogy egy változó eloszlása egyféleképpen történik. Vagyis egy kiinduló hipotézisből indul ki, amelyet a helyesnek vélnek. Ha azonban szigorúan szeretne munkát végezni, akkor ha nem biztos benne, akkor nem parametrikus statisztikákat kell használnia.
Ellenkező esetben, bármennyire is jól alkalmazhatók a paraméteres statisztikák technikái, az eredmények pontatlanok lesznek.
Leíró statisztika