非参数方法是什么意思？
非参数方法是指一种统计类型，它不需要被分析的总体满足某些假设或参数。 仅当基本总体满足某些假设时，方差分析（ANOVA），皮尔逊相关性，t检验等著名的统计方法才能提供有关所分析数据的有效信息。 最普遍的假设之一是人口数据具有“正态分布”。
但是，参数统计也可以应用于具有其他已知分布类型的总体。 非参数统计不要求总体数据符合参数统计所需的假设。 因此，非参数统计属于有时称为无分布的统计类别。 当总体数据的分布未知或样本量较小时，通常会使用非参数方法。
非参数方法解释
参数方法和非参数方法通常用于不同类型的数据。 参数统计通常需要间隔或比率数据。 此类数据的示例是年龄，收入，身高和体重，其中的值是连续的，并且值之间的间隔具有含义。
相反，非参数统计通常用于标称或有序的数据。 标称变量是其值不具有定量值的变量。 例如，社会科学研究中的常见名义变量包括性别，其可能的值是离散的类别：“男性”和“女性”。社会科学研究中的其他常见名义变量是种族，婚姻状况，教育程度和就业状况。 （就业与失业）。
有序变量是指值表示某些顺序的变量。 一个序数变量的例子是，如果调查的被调查者问：“以1到5的等级，其中1个非常不满意，5个非常满意，您如何评价有线电视公司的工作经验？”
尽管非参数统计具有必须满足几个假设的优点，但是它们却不如参数统计强大。 这意味着实际上它们存在时，它们可能不会显示两个变量之间的关系。
常见的非参数检验包括卡方检验，Wilcoxon秩和检验，Kruskal-Wallis检验和Spearman的秩相关。
