الإحصاء المَغْلَمي أو الإحصاء غير المَعْلَمي، هو فرع من الإحصاء يُستعمل عندما لا يفترض المَنُول (البيانات) توزيعا معيّنا، بخلاف الإحصاء المعلمي الذي يعتمد على فرضيات تتعلّق بتوزيع المنول، مثل التوزيع الطبيعي (الاعتدالي). تعتمد العديد من الاختبارات الإحصائية في العلوم الاجتماعية على ترتيب أساسي للمنول، حيث يتم التعامل مع القيّم على أساس توزيعات محدّدة. فعلى سبيل المثال، عند تحليل أوزان 200 شخص بالغ تم اختيارهم عشوائيا، يمكن التعامل مع المَنول على أنّه معلمي (بارامتري)، لأنّ معرفة المتوسّط الحسابي والانحراف المعياري تسمح بوصف التوزيع الكامل للمَنُول، تماما كما يمكن تحديد جميع النقاط على محيط دائرة إذا عُرف مركزها وقابها أي نصف قطرها. لكن في حالات أخرى، يكون المنول مغلميا أي غير معلميا، كما هو الحال عند التعامل مع منول تصنيفي categorical (اسمي)، مثل قوائم الأحزاب السياسية التي صُوِّت لها. في مثل هذه الحالات، يتعيّن استعمال اختبارات إحصائية مناسبة لا تفترض توزيعا معيّنا، مثل اختبار مان-ويتني يو Mann-Whitney U test، الذي يُستعمل لقياس الفروق بين مجموعتين مستقلّتين من دون الحاجة إلى افتراض أنّ المنول يتبع توزيعا طبيعيا. يوفّر الإحصاء المغلمي أدوات مرنة وفعّالة لتحليل المَنولات عندما تكون الافتراضات التقليدية للإحصاء المعلمي غير قابلة للتطبيق.

الإحصاء المعلمي مأخوذ من المَعْلَمة parameter، أي المعلمة الإحصائية التي تحدّد خصائص التوزيع. وهذه التسمية أدقّ لغويا من الإحصاء البارامتري أو الوسيط، إذ تعكس طبيعة هذا النوع من التحليل الإحصائي الذي يعتمد على افتراضات حول معلمات التوزيع، مثل المتوسط والانحراف المعياري. وبالمقابل، يمكن تسمية non-parametric statistics بالإحصاء المَغْلَمي، من غير ومعلمي، حيث عوّض حرف العين من الجذر «علم» بحرف الغين من «غير» ليصبح الجذر «غلم» أي «غير علم»، ثمّ صيغ على وزن مَفْعَلة فأصبح «مَغلمة»، لأنّه لا يفترض وجود معلمات محدّدة لتوزيع المنول.

الإحصاء المَعْلَمي والإحصاء المَغْلَمي.

يشمل الإحصاء المعلمي جميع الأساليب الإحصائية التي تعتمد على معرفة خصائص المجتمع الإحصائي الذي أُخذت منه العيّنة، مثل التوزيع الطبيعي (التوزيع الاعتدالي) normal distribution ويُشترط في الطرق المعلمية أن يكون الاعتيان عشوائيا، وأن تتوفّر معلومات كافية عن توزيع المجتمع الإحصائي وَفْق المتغيّرات قيد الدراسة. وتُستعمل هذه الطرق مع العيّنات الكبيرة، كما أنّها تناسب المَنُول الفئوي interval data والمنول النسبي ratio data، ومن أمثلة الأساليب الإحصائية المعلمية نذكر: معامل الارتباط الثنائي الأصيل، ومعامل ارتباط بيرسون Pearson correlation coefficient، إضافة إلى الاختبارات الإحصائية التي تعتمد على الوسط الحسابي للقيم الأصلية، مثل اختبار تي T-Test وتحليل التغاير ANOVA - Analysis of Variance؛

الإحصاء المَغْلمي أو غير المعلمي، لا يتطلّب معرفة مسبقة بخصائص المجتمع الإحصائي، كما أنّه لا يفترض أن يكون توزيع الظاهرة طبيعيا (اعتداليا)، ولا يشترط الاعتيان العشوائي. تُستعمل الطرق المغلمية عادةً مع العيّنات الصغيرة، على الرغم من إمكانية تطبيقها أحيانا على العيّنات الكبيرة. وتُعدّ هذه الأساليب أكثر ملاءمة للمنول الاسمي nominal data والمَنُول الرُّتْبِي ordinal data، كما قد تُستعمل أحيانا مع المَنولات الفئوية والنسبية. من بين الأساليب الإحصائية المغلمية المستعملة لاختبار الارتباط بين المتغيّرات نجد معامل ارتباط سبيرمان Spearman's rank correlation coefficient، ومعامل ارتباط كندال Kendall's Tau، ومعامل التوافق contingency coefficient، ومعامل فاي phi coefficient، ومعامل غاما gamma coefficient، ومعامل لامدا lambda coefficient، أمّا لاختبار الفروق بين المجموعات، والتي تعتمد على ترتيب القيم بدلا من القيم الأصلية، فتُستعمل اختبارات مثل اختبار كولموغروف-سميرنوف Kolmogorov-Smirnov test، واختبار مان-ويتني يو Mann-Whitney U test، واختبار كروسكال-واليس Kruskal-Wallis test ، واختبار فيشر Fisher's Exact test، واختبار الوسيط median test، واختبار كاكنمار Cochran's Q test، وغيرها.