了解非参数方法

非参数检验是不要求总体的分布以特定参数为特征的假设检验。例如，许多假设检验都依赖于总体服从参数为 μ 和 σ 的正态分布的假定。非参数检验没有这一假设，因此当您的数据显著呈非正态分布并且不能进行变换时，这类检验就非常有用。

在参数统计量中，我们假定样本是从完全指定的分布提取的，这些分布以一个或多个要根据其做出推断的未知参数为特征。在非参数方法中，我们假定未指定样本的父分布，而且通常会对分布的中心做出推断。例如，参数统计量中的许多检验（如单样本 t 检验）是在数据来自具有未知均值的正态总体的假设下推导的。在非参数研究中，去除了正态假设。

当正态假设不成立且样本数量很小时，非参数方法非常有用。但是，非参数检验并不是完全不对数据做任何假定。例如，假定样本中的观测值是独立的且来自同一个分布至关重要。同时，在双样本设计中，需要假定分布形状和散步相同。

如果可以在使用参数过程或非参数过程之间选择，并且您相对确定满足参数过程的假设，则可以使用参数过程。如果样本数量足够大，则当总体不是正态分布时，也可以使用参数过程。

下面是非参数检验及其参数选择方案的列表。