Den normala fördelningsfamiljen har alla samma allmänna form och parametreras med medelvärdet och standardavvikelsen. Det betyder att om medelvärdet och standardavvikelsen är kända och om fördelningen är normal, är sannolikheten för eventuell framtida observation känd inom ett givet intervall.
Antag att vi har ett prov på 99 testpoäng med ett medelvärde på 100 och en standardavvikelse på 1. Om vi antar att alla 99 testpoäng är slumpmässiga observationer från en normalfördelning, förutsäger vi att det finns en 1% chans att den 100: e testpoängen blir högre än 102,33 (det vill säga medelvärdet plus 2,33 standardavvikelser), förutsatt att den 100: e testpoängen kommer från samma fördelning som de andra. Parametriska statistiska metoder används för att beräkna 2,33-värdet ovan, givet 99 oberoende observationer från samma normalfördelning.
En icke-parametrisk uppskattning av samma sak är maximalt för de första 99 poängen. Vi behöver inte anta någonting om fördelningen av testresultat för att ange att innan vi gav testet var det lika troligt att den högsta poängen skulle vara någon av de första 100. Det finns alltså en 1% chans att den 100: e poängen är högre än någon av de 99 som föregick den.