Ada beberapa divisi topik dalam statistik. Satu divisi yang cepat terlintas dalam pikiran adalah perbedaan antara deskriptif dan statistik inferensial. Ada cara lain yang bisa kita pisahkan dari disiplin statistik. Salah satu cara ini adalah untuk mengklasifikasikan metode statistik sebagai parametrik atau nonparametrik.
Metode diklasifikasikan berdasarkan apa yang kita ketahui tentang populasi yang kita pelajari. Metode parametrik biasanya metode pertama yang dipelajari dalam kursus statistik pengantar. Ide dasarnya adalah bahwa ada satu set parameter tetap yang menentukan model probabilitas.
Metode parametrik sering kali merupakan metode yang kita ketahui bahwa populasinya mendekati normal, atau kita dapat memperkirakan dengan menggunakan distribusi normal setelah kita memanggil teorema batas tengah. Ada dua parameter untuk distribusi normal: mean dan standar deviasi.
Berbeda dengan metode parametrik, kami akan mendefinisikan metode nonparametrik. Ini adalah teknik statistik yang kita tidak perlu membuat asumsi parameter untuk populasi yang kita pelajari. Memang, metode tidak memiliki ketergantungan pada populasi yang diminati. Set parameter tidak lagi diperbaiki, dan distribusi yang kami gunakan juga tidak. Karena alasan inilah metode nonparametrik juga disebut sebagai metode bebas distribusi.
Metode nonparametrik semakin populer dan berpengaruh karena sejumlah alasan. Alasan utamanya adalah bahwa kita tidak dibatasi sebanyak ketika kita menggunakan metode parametrik. Kita tidak perlu membuat banyak asumsi tentang populasi yang bekerja sama dengan kita dengan metode parametrik. Banyak dari metode nonparametrik ini mudah diterapkan dan dipahami.
Ada beberapa cara untuk menggunakan statistik untuk menemukan interval kepercayaan tentang rata-rata. Metode parametrik akan melibatkan perhitungan margin kesalahan dengan rumus, dan estimasi rata-rata populasi dengan sampel rata-rata. Metode nonparametrik untuk menghitung rata-rata kepercayaan akan melibatkan penggunaan bootstrap.
Mengapa kita membutuhkan metode parametrik dan nonparametrik untuk jenis masalah ini? Banyak kali metode parametrik lebih efisien daripada metode nonparametrik yang sesuai. Meskipun perbedaan dalam efisiensi ini biasanya tidak terlalu menjadi masalah, ada beberapa contoh di mana kita perlu mempertimbangkan metode mana yang lebih efisien.