Der er et par opdelinger af emner i statistik. En opdeling, der hurtigt kommer til at tænke på, er differentieringen mellem beskrivende og Inferential statistik. Der er andre måder, hvorpå vi kan adskille statistikkens disciplin. En af disse måder er at klassificere statistiske metoder som enten parametriske eller ikke-parametriske.
Metoder klassificeres efter hvad vi ved om den befolkning, vi studerer. Parametriske metoder er typisk de første metoder, der studeres i et indledende statistikforløb. Den grundlæggende idé er, at der er et sæt faste parametre, der bestemmer en sandsynlighedsmodel.
Parametriske metoder er ofte dem, som vi ved, at populationen er tilnærmelsesvis normal, eller vi kan tilnærme os ved hjælp af en normal fordeling, efter at vi påberåber os centrale grænse sætning. Der er to parametre for en normal fordeling: middelværdien og standardafvigelsen.
Som kontrast til parametriske metoder definerer vi ikke-parametriske metoder. Dette er statistiske teknikker, som vi ikke behøver at antage parametre for den befolkning, vi studerer. Metoderne er faktisk ikke afhængige af befolkningen af interesse. Sættet af parametre er ikke længere fast, og heller ikke den distribution, vi bruger. Det er af denne grund, at ikke-parametriske metoder også benævnes distributionsfri metoder.
Ikke-parametriske metoder vokser i popularitet og indflydelse af flere årsager. Hovedårsagen er, at vi ikke bliver begrænset så meget, som når vi bruger en parametrisk metode. Vi behøver ikke gøre så mange antagelser om befolkningen, som vi arbejder med, som hvad vi skal gøre med en parametrisk metode. Mange af disse ikke-parametriske metoder er lette at anvende og forstå.
Der er flere måder at bruge statistikker til at finde et tillidsinterval om et middelværdi. En parametrisk metode involverer beregning af en fejlmargin med en formel og estimering af populationens gennemsnit med et eksempelmiddel. En ikke-parametrisk metode til beregning af et konfidensmiddel ville involvere brugen af bootstrapping.
Hvorfor har vi brug for både parametriske og ikke-parametriske metoder til denne type problemer? Mange gange er parametriske metoder mere effektive end de tilsvarende ikke-parametriske metoder. Selvom denne forskel i effektivitet typisk ikke er så meget af et problem, er der tilfælde, hvor vi har brug for at overveje, hvilken metode der er mere effektiv.