Estadística Paramétrica y No Paramétrica

Las principales diferencias entre la Estadística Paramétrica y No paramétrica, se presenta en el siguiente cuadro:

Estadística Paramétrica	Estadística No Paramétrica
Se supone que los datos se distribuyen normalmente.	No se hace suposiciones sobre la distribución de los datos.
Se supone que los datos se miden en una escala de intervalo o razón.	No hacen suposiciones acerca de la escala de los datos. Se aplica a datos categóricos.
Las pruebas paramétricas emplean parámetros que se estima en un conjunto de datos que se distribuyen normalmente.	Las pruebas no paramétricas no hacen uso de estos parámetros estadísticos.
Existe mayor poder estadístico en la inferencia estadística.	En general, el poder estadístico es menor en las pruebas no paramétricas.

Según las condiciones se tiene la posibilidad de aplicar la pruebas paramétricas o  no paramétricas, como por ejemplo:

Condiciones	Estadística Paramétrica	Estadística No Paramétrica
Para 1 muestra	Prueba Z  o prueba t	Prueba de los signos
Para 1 muestra	Prueba Z  o prueba t	Prueba de Wilcoxon
Para 2 muestras	Prueba t de 2 muestras	Prueba de Mann-Whitney
Un solo factor	ANOVA de un solo factor	Prueba de Kruskal-Wallis
Un solo factor	ANOVA de un solo factor	Prueba de la mediana de Mood
Dos factores	ANOVA de dos factores	Prueba de Friedman

Por la característica que tienen las variables categóricas (escala ordinal y nominal) es más frecuente el uso de las pruebas no paramétricas cuando se relacionan dos variables ordinales o dos variables nominales; o una variable categórica con una variable de escala de razón o intervalo.