La estadstica inferencial paramtrica hace suposiciones especficas acerca de
la poblacin o poblaciones que se muestrean. De all la importancia del Teorema del Lmite Central para esta clase de inferencias (el supuesto de normalidad es parte fundamental de las pruebas paramtricas). Los mtodos descritos con anterioridad (estimacin puntual, estimacin de intervalo y pruebas de hiptesis) en su forma paramtrica se derivan principalmente de trabajos realizados por Neyman y Pearson como proyecto conjunto. De hecho, su trabajo se dirigi al problema principal de las pruebas de hiptesis: Construir una teora matemtica de pruebas que se utilicen para reducir la frecuencia de conclusiones errneas respecto a las hiptesis consideradas. Como resultado se definieron una serie de estadsticos de prueba que, siendo fijo el Error Tipo I, dejan libre la probabilidad de Error Tipo II. De all que la teora de Neyman y Pearson haya dejado a un lado la dependencia entre probabilidades de Errores Tipo I y Tipo II para centrarse en restringir el tamao de la regin crtica.
Prueba estadstica no paramtrica:
Si volvemos al ejemplo de la prueba t veremos que existen supuestos sobre las
distribuciones poblacionales de la media muestral y del valor de la media poblacional. En el caso de que uno de sus supuestos no se cumpla, las tcnicas paramtricas (si no son robustas) generarn resultados errneos y por ende las conclusiones de sus hiptesis sern invlidas. Las tcnicas estadsticas no paramtricas ofrecen menor rigidez con respecto a sus condiciones que las tcnicas paramtricas, aunque sacrificando para ello su potencia de explicacin. Son procedimientos estadsticos que poseen ciertas propiedades bajo supuestos generales y sin importar la poblacin de la cual los datos han sido obtenidos. La mayora de las veces estos supuestos se refieren, por ejemplo, a la simetra o continuidad de la distribucin poblacional. La inferencia no paramtrica constituye un campo muy amplio que va desde las equivalencias no paramtricas de las pruebas paramtricas existentes hasta llegar a las estimaciones de punto e intervalo de constantes poblacionales que no pueden ser llevadas a modelos paramtricos por su complejidad (percentiles, deciles, etc.) El rpido desarrollo de las tcnicas no paramtricas ha sido en parte por las siguientes razones:
Las tcnicas no paramtricas hacen supuestos muy generales respecto
a la distribucin de probabilidad que siguen los datos. En particular, dejan de lado el supuesto de normalidad en una poblacin. Son aplicables cuando la teora de normalidad no puede ser utilizada, por ejemplo cuando no se trabaja con magnitudes de observaciones sino con sus rangos.