1、参数检验和非参数检验的区别：定义不同：参数检验：假定数据服从某分布（一般为正态分布），通过样本参数的估计量（x±s）对总体参数（μ）进行检验，比如t检验、u检验、方差分析。

(资料图)

2、非参数检验：不需要假定总体分布形式，直接对数据的分布进行检验。

3、由于不涉及总体分布的参数，故名「非参数」检验。

4、比如，卡方检验。

5、2、参数检验的集中趋势的衡量为均值，而非参数检验为中位数。

6、3、参数检验需要关于总体分布的信息；非参数检验不需要关于总体的信息。

7、4、参数检验只适用于变量，而非参数检验同时适用于变量和属性。

8、5、测量两个定量变量之间的相关程度，参数检验用Pearson相关系数，非参数检验用Spearman秩相关。

9、简而言之，若可以假定样本数据来自具有特定分布的总体，则使用参数检验。

10、如果不能对数据集作出必要的假设，则使用非参数检验。

11、扩展资料：非参数检验的常见方法：Wilcoxon Signed Ranks test：也称配对符号秩检验，适用于连续型资料，用来检验配对资料的差值是否来自于中位数为0的总体，也可推断总体中位数是否等于某个指定值，该方法利用配对资料差值大小的信息，检验效率高于符号检验。

12、2、Sign test：也称差数秩检验，根据配对资料差值正负号检验其效果有无差异，由于检验效能较低，当配对设计资料不满足非参数检验时可考虑使用。

13、3、McNemar test：在卡方检验时学习过，该方法适用于计数资料，指标变量为二分类，可用来检验配对设计资料处理前后的结果是否存在差异或者配对组之间的频率有无差异。

14、4、Marginal Homogeneity test：McNemar检验的扩展，适用于指标变量为多分类的有序或无序资料，即平方表格资料(R×R列联表资料)。

15、参考资料来源：百度百科-参数检验 参考资料来源：百度百科-非参数检验【参数检验】当总体分布已知（如总体为正态分布），根据样本数据对总体分布的统计参数进行推断。

16、【非参数检验】当总体分布未知，或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。

17、【二者联系】参数检验和非参数检验都是统计分析方法的重要组成部分，共同构成统计推断的基本内容。

18、【二者区别】参数检验是在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法。

19、但是，在数据分析过程中，由于种种原因，人们往往无法对总体分布形态作简单假定，此时参数检验的方法就不再适用了。

20、2、非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。

21、由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数”检验。

22、所谓的这种参数检验和非参数检验，最主要的区别就是这一个行列式或者是矩阵，它的特征方程存不存在。

本文到此分享完毕，希望对大家有所帮助。

关键词：