Ci sono alcune divisioni di argomenti nelle statistiche. Una divisione che viene subito in mente è la differenziazione tra descrittivo e statistica inferenziale. Esistono altri modi per separare la disciplina delle statistiche. Uno di questi modi è classificare i metodi statistici come parametrici o non parametrici.
I metodi sono classificati in base a ciò che sappiamo della popolazione che stiamo studiando. I metodi parametrici sono in genere i primi metodi studiati in un corso di statistica introduttiva. L'idea di base è che esiste un insieme di parametri fissi che determinano un modello di probabilità.
I metodi parametrici sono spesso quelli per i quali sappiamo che la popolazione è approssimativamente normale, oppure possiamo approssimarci usando una distribuzione normale dopo aver invocato il teorema del limite centrale. Esistono due parametri per una distribuzione normale: la media e la deviazione standard.
In contrasto con i metodi parametrici, definiremo metodi non parametrici. Queste sono tecniche statistiche per le quali non dobbiamo assumere alcun parametro per la popolazione che stiamo studiando. In effetti, i metodi non hanno alcuna dipendenza dalla popolazione di interesse. L'insieme di parametri non è più fisso e nemmeno la distribuzione che utilizziamo. È per questo motivo che i metodi non parametrici vengono anche definiti metodi senza distribuzione.
I metodi non parametrici stanno crescendo in popolarità e influenza per una serie di ragioni. Il motivo principale è che non siamo vincolati tanto quanto quando usiamo un metodo parametrico. Non abbiamo bisogno di fare tante ipotesi sulla popolazione con cui stiamo lavorando come ciò che dobbiamo fare con un metodo parametrico. Molti di questi metodi non parametrici sono facili da applicare e da capire.
Esistono diversi modi per utilizzare le statistiche per trovare un intervallo di confidenza su una media. Un metodo parametrico implicherebbe il calcolo di un margine di errore con una formula e la stima della media della popolazione con una media campionaria. Un metodo non parametrico per calcolare una media di confidenza implicherebbe l'uso del bootstrap.
Perché abbiamo bisogno di metodi sia parametrici che non parametrici per questo tipo di problema? Molte volte i metodi parametrici sono più efficienti dei corrispondenti metodi non parametrici. Sebbene questa differenza di efficienza non sia in genere un grosso problema, ci sono casi in cui dobbiamo considerare quale metodo è più efficiente.