noparametric test概念

非参数检验（Non-parametric test）是一种统计分析方法，它不需要假设数据满足特定的概率分布。

与参数检验不同，非参数检验不需要对数据的均值、方差等统计量进行假设。

非参数检验主要应用于计量数据，当数据分布未知或不适宜采用参数检验时，可以考虑使用非参数检验来评估数据之间的差异。

非参数检验的主要优点是不依赖于数据的分布假设，因此对数据的适应性较强。

然而，它的缺点是有些非参数检验的效力较低，即在拒绝原假设时，可能存在较高的Type I 错误概率。

常见的非参数检验方法包括：
1. 符号检验（Signed rank test）：用于两个样本的顺序数据，检验两个样本的均值是否存在显著差异。

2. 曼- 惠特尼U 检验（Mann-Whitney U test）：用于两个样本的顺序数据，检验两个样本的均值是否存在显著差异。

3. 肯德尔和谐系数检验（Kendall's tau test）：用于评估两组评级数据之间的相关性。

4. 莫里斯符号检验（Morris test）：用于多个样本的顺序数据，检验各组之间是否存在显著差异。

5. 克鲁斯卡尔- 沃尔斯检验（Kruskal-Wallis test）：用于多组数据的顺序变量，检验各组之间的均值是否存在显著差异。

6. 费希尔精确检验（Fisher's exact test）：用于两组分类数据，检验两个分类变量之间的关联性。

在实际应用中，根据数据类型、研究目的和假设检验条件，可以选择合适的非参数检验方法。

在使用非参数检验时，需要注意其对样本量、数据类型和数据分布的要求，以确保检验结果的准确性和可靠性。