非参数检验

非参数检验条件没有参数，因此就没有分布，利用数据等级之间的差距，依次赋值之后再用参数方法测试。将连续型变量转化为离散型变量，即顺序变量。与参数检验相比，正态分布较弱（ p 值有可能不显著，浪费信息，比如最大值不管是多大都设定为 10 ，所以很好的抵消 outlier 影响），非正态分布用参数检验就是错误的，但是可以使用非参数检验。 Sign test ：符号检验假定分布是二项分布，用中位数替代均值。 得到中位数，然后按照二项分布计算概率值，此时已经脱离原有数据。 注意： 符号秩检验（Wilcoxon signed rank test ）针对两个有依赖的样本，使用条件是 1. 独立样本 2. 连续型变量。在相同 rank 的情况下均值作为最后的 rank 值： Sign 和 rank 比较下， Rank 的赋值情况更多，比如 1,2,3,4,5,6 ，而 Sign 只有“ +/- ”，相当于“ 0,1 ”，所以 rank 更有 power 。 秩和检验（Wilcoxon rank sum test），针对两组都是相互独立的数据，数据长度也可能不一样。 比如： 例如： 都在接受区域内，所以接受 H0 。 两组以上的情况： 可重复的： 关于相关性检验： 非参数比参数相关系数更向 1 走。 Bootstrapping ：将 6 个数再随机取样，比如取 1000 次，就自然成为一个 1000

1、参数检验是针对参数做的假设； 非参数检验是针对总体分布情况做的假设，这是区分的一个重要特征； 2、根本区别在于，参数检验要利用到总体的信息（总体的分布、总体的一些参数特征，如方差），以总体分布和样本信息对总体参数做出推断； 非参数检验不需要利用总体信息，以样本信息对总体分布做出推断； 3、正态分布用参数检验，非正态分布用非参数检验。 来源： CSDN 作者： zjlamp 链接： https://blog.csdn.net/zjlamp/article/details/83014797