Jeśli dokładnie wiesz, jaka jest podstawowa dystrybucja, nie musisz tego studiować. Czasami w naukach przyrodniczych znasz dokładnie rozkład.
JEŻELI znasz typ rozkładu, musisz tylko oszacować jego parametry i przestudiować go w zamierzonym znaczeniu. Na przykład, czasami wiesz, że rozkład podstawowy jest normalny. W niektórych przypadkach nawet wiesz, co to znaczy. Tak więc dla normalnej jedyne, co pozostaje do odkrycia, to odchylenie standardowe. Otrzymujesz odchylenie standardowe próbki i voila, otrzymujesz rozkład do badania.
Jeśli nie wiesz, co to jest dystrybucja, ale pomyśl, że jest to jedna z kilku na liście, możesz spróbować dopasować tę dystrybucję do danych i wybrać tę, która najlepiej pasuje. Następnie studiujesz tę dystrybucję.
WRESZCIE często nie znasz rodzaju dystrybucji, z którą masz do czynienia. I nie masz powodu, by sądzić, że należy on do jednej z 20 dystrybucji, do których R może dopasować twoje dane. Co zamierzasz zrobić? Ok, patrzysz na średnie i standardowe odchylenia, miło. Ale co jeśli jest bardzo przekrzywiony? Co jeśli jego kurtoza jest bardzo duża? i tak dalej. Naprawdę musisz znać wszystkie momenty dystrybucji, aby wiedzieć i studiować. Tak więc w tym przypadku przydatne jest nieparametryczne ładowanie. Nie zakładasz dużo i prostej próbki, a następnie studiujesz jego momenty i inne właściwości.
Chociaż ładowanie nieparametryczne nie jest magicznym narzędziem, ma pewne problemy. Na przykład może być stronniczy. Myślę, że parametryczne ładowanie jest obiektywne