1樓：萬俟鑫悅
引數檢驗和非引數檢驗的相同之處是計量資料一般都可以採用。但是對於能使用引數檢驗的，首選引數檢驗，對不能滿足條件的才選用非引數檢驗。
因為引數檢驗能充分利用提供的資訊，統計分析的效率較高。而非引數檢驗不直接分析原始測量值，從而有可能會降低它的檢驗效率。滿足引數檢驗要求的資料分析時應首選引數檢驗方法。
不滿足引數檢驗要求的資料應選非引數檢驗。
2樓：速斌切
答：非引數檢驗方法有如下特點：
1.它一般不需要嚴格的前提假設。這是它與引數檢驗相比的最大優點。
幾乎每種引數檢驗都有一些嚴格假設，若不滿足這些假設仍然用引數方法處理，很有可能得出錯誤結論，而進行非引數檢驗不必過多考慮那些假設條件，非常方便。
2.非引數檢驗特別適用於順序資料(等級變數)，在心理與教育等行為科學領域，很多變數屬於順序水平的，目前還達不到等距水平，處理這類諮料離不開非引數方法。
3.非引數檢驗很適用於小樣本，且方法簡單。心理學研究領域中，進行一。
些規模較大、設計較複雜的實驗時，常常在正式實驗之前需要做一些實驗，這時被試少且要求結果盡快處理，用非引數方法很方便。
4.非引數方法最大的不足是未能充分利用資料的全部資訊。在符號檢驗法中只考慮資料的符號，忽視其大小；在秩和法及其他求等級和的方法中，雖然考慮到資料的大小，但是在將原始資料轉換成等級時，丟失了許多資訊。
所以，對於符合引數檢驗的資料，非引數檢驗的檢驗效能較低如果某些資料既可以用引數方法也可以用非引數方法，則應使用引數方法；若所得資料不滿足引數法要求的前提條件，則寧可浪費一部分資訊而使用非引數方法，也不應該冒增大錯誤結論的風險去使用引數方法。
5.非引數方法目前還不能處理「互動作用」。
其中，對總體分布的假定要求不嚴格，條件很寬，這是非引數統計問題中的乙個最重要特點，因而使得針對這種問題而構造的非引數統計方法，不至於因為對總體分布的假定不當而導致重大錯誤，所以它往往有較好的穩健性。但正是因為非引數統計方法需要照顧範圍很廣的分布，在某些情況下其效率會降低。
非引數檢驗方法有哪些
3樓：信曼嵐
非引數檢驗主要用在不符合正態分佈的資料。
而且為啥叫非引數檢驗呢？因為沒有對具體的引數進行檢驗（貌似是一句廢話）。
因為引數檢驗一般是對兩組或者多組資料的引數（總體的一些特徵，如方差）進行檢驗。
而非引數檢驗就是直接用樣本資料推算總體情況，故而木得引數。
非引數檢驗主要有三種：wilcox秩和檢驗（兩組）, kruskal wallis秩和檢驗（多組）和friedman秩和檢驗（區組）。
1、wilcox秩和檢驗。
兩組資料的檢驗，可以在檢驗之前判斷一下是否符合正態分佈。
好了，既然都符合，那就可以選擇引數檢驗。
但是我們這裡講的是非引數檢驗，這裡需要說明如果資料分布很規整，其實引數和非引數的差別不大。所以，繼續非引數檢驗。
2、kruskal wallis秩和檢驗。
完全隨機設計多個樣本的kruskal wallis秩和檢驗。
3、friedman秩和檢驗。
針對隨機區組設計的friedman秩和檢驗 。
啥叫個隨機區組實驗？
這裡加一句，我個人最討厭名詞解釋，所謂名詞解釋就是用一段人類聽不懂的話翻譯乙個人類聽不同的詞。所以最好的解釋方法還是舉栗子說明，簡單直白。
這裡就舉個栗子，假如有三個（組）小鼠a、b和c。這三個小鼠的身體狀況差別很大，a非常強壯，稱得上是鼠界的金鍾國（們）；b一般，是普通的老鼠（們）；c就非常的弱，就是鼠界的王鼻子（們）。然後對每只老鼠都進行多個處理，例如：
缺氧處理、溺水處理、電擊處理等等（為啥要處理的這麼殘忍？？？檢視小鼠的血管擴張程度（即檢測值）。
這樣做有個什麼好處？可以消除（減弱）區組間誤差值。即避免金鍾國（們）和王鼻子（們）本身的差別。
想要知道，不同組在不同處理之後，是否存在顯著差異，就用。
y是檢測量（數值型向量）， a 代表處理組，b代表區組 。