La estadística paramétrica se basa en distribuciones conocidas determinadas por un número finito de parámetros, mientras que la estadística no paramétrica no requiere suposiciones sobre la distribución de la población y usa estadísticos cuya distribución se determina independientemente de la distribución de la población. Ambos enfoques tienen ventajas y desventajas como su poder estadístico, sensibilidad a los datos y probabilidad de errores.

1. Estadística paramétrica. Estadística no paramétrica.Puntos a tratar.
Es una rama de la estadística inferencial que
comprende los procedimientos estadísticos y de
decisión que están basados en distribuciones
conocidas. Estas son determinadas usando un
número finito de parámetros. La media y la desviación
típica de la distribución normal son los dos
parámetros que queremos estimar.
*Son la única alternativa cuando el tamaño de
muestra es pequeño.
*Son útiles a un nivel de significancia
previamente especificado.
Se conoce el modelo de distribución de la
población objeto de estudio y se desconoce un
número finito de parámetros de dicha distribución
que hay que estimar con los datos de la muestra
La no paramétricas engloban una serie de
pruebas estadísticas que tienen como
denominador común la ausencia de asunciones
acerca de la ley de probabilidad que sigue la
población de la que ha sido extraída la muestra.
Por esta razón es común referirse a ellas como
pruebas de distribución libre.
*Son más fáciles de aplicar.
*Son aplicables a los datos jerarquizados.
*Se pueden usar cuando dos series de
observaciones provienen de distintas
poblaciones.
Son métodos de distribución libre. No requieren
conocer l a distribución de la muestra. Se utilizan
estadísticos cuya distribución se determina con
independencia de cuál sea la distribución de la
población.

2. Estadística paramétrica. Estadísticas no paramétricas.Puntos a tratar
Se conoce el modelo de distribución de la
población objeto de estudio y se desconoce un
número finito de parámetros de dicha distribución
que hay que estimar con los datos de la muestra.
*Mas poder de eficiencia.
*Mas sensibles a los rasgos de datos
recolectados.
*Menos probabilidad de errores.
*Mas complicadas de calcular.
*Limitaciones en los tipos de datos que se
pueden evaluar.
*No son sistemáticas.
*No son sistemáticas.
*Se les relaciona con la conveniencia, esto se
debe a que no se tiene una distribución fija para
este tipo de estadística por lo que en ocasiones
puede ser un problema el elegir la adecuada.
*Mas poder de eficiencia.
*Mas sensibles a los rasgos de datos
recolectados.
*Menos probabilidad de errores.
Normalidad: Las observaciones se extraen de
poblaciones distribuidas según la Normal para
cada grupo.
Homocedasticidad: Las varianzas de los
diferentes grupos tienen que ser iguales.
Homogeneidad de varianzas.