Obstaja nekaj delitev tem v statistiki. Ena od delitev, ki hitro pride na misel, je razlikovanje med opisnim in infekcijske statistike. Obstajajo tudi drugi načini, kako lahko ločimo disciplino statistike. Eden od teh načinov je razvrstitev statističnih metod med parametrične ali neparametrične.
Metode so razvrščene po tem, kar vemo o populaciji, ki jo preučujemo. Parametrične metode so običajno prve metode, ki so jih preučevali v uvodnem tečaju statistike. Osnovna ideja je, da obstaja niz fiksnih parametrov, ki določajo verjetnostni model.
Parametrične metode so pogosto tiste, za katere vemo, da je populacija približno normalna, ali pa jih lahko približamo z normalno porazdelitvijo, potem ko prikličemo izrek o osrednji meji. Za normalno porazdelitev obstajata dva parametra: srednja vrednost in standardni odklon.
V nasprotju s parametričnimi metodami bomo definirali neparametrične metode. To so statistične tehnike, za katere ni treba predvidevati parametrov za populacijo, ki jo preučujemo. Dejansko metode nimajo nobene odvisnosti od populacije, ki vas zanima. Nabor parametrov ni več določen in tudi distribucija, ki jo uporabljamo, ni. Zaradi tega se neparametrične metode imenujejo tudi metode brez distribucije.
Neparametrične metode iz več razlogov naraščajo v priljubljenosti in vplivu. Glavni razlog je, da nismo omejeni toliko, kot če uporabljamo parametrično metodo. O populaciji, s katero delamo, nam ni treba ustvarjati toliko predpostavk, kot je tisto, kar moramo narediti s parametrično metodo. Mnoge od teh neparametričnih metod je enostavno uporabiti in razumeti.
Obstaja več načinov uporabe statistike za iskanje intervala zaupanja o povprečju. Parametrična metoda bi vključevala izračun mejne napake s formulo, ocena populacije pa z vzorčno srednjo vrednostjo. Neparametrična metoda za izračun povprečne vrednosti zaupanja bi vključevala uporabo zagonskega zagona.
Zakaj potrebujemo tako parametrične kot tudi neparametrične metode za tovrstno težavo? Velikokrat so parametrične metode učinkovitejše od ustreznih neparametričnih metod. Čeprav ta razlika v učinkovitosti običajno ni tako velika težava, obstajajo primeri, ko moramo razmisliti, katera metoda je učinkovitejša.