非参数检验是一种统计方法，它不依赖于总体分布的假设，适用于数据不服从正态分布或样本量较小的情况。非参数检验主要应用于以下场景：
总体分布未知或不明确 ：当数据无法通过变换满足正态分布，或者样本量较小时，非参数检验是更好的选择。偏态分布的数据：
非参数检验对于偏态分布的数据更为适用，因为它不要求数据服从特定的分布形态。
等级资料：
对于等级数据，如满意度评分或分类数据，非参数检验能够提供有效的分析。
方差不齐：
参数检验通常要求不同组数据的方差相等，而非参数检验对此没有要求，因此适用于方差不齐的数据。
存在异常值：
异常值可能对参数检验影响较大，而非参数检验对异常值不敏感。
数据类型灵活：
非参数检验适用于分类数据、等级数据以及原始数据，无需数据是连续型变量或具有等间距特性。
需要分析秩次信息：
当数据测量单位不统一或尺度较粗时，如排名数据，非参数检验更为适用。
常见的非参数检验方法包括：
单样本非参数检验
Kolmogorov-Smirnov检验：用于检验数据是否来自特定的分布。
单样本符号检验：检验数据的中位数是否等于某个特定值。
Wilcoxon符号秩检验：考虑数据的秩次信息，更精确地检验中位数。
两独立样本非参数检验
Mann-Whitney U检验（Wilcoxon秩和检验）：比较两组独立样本的中位数是否相等。
Kolmogorov-Smirnov检验：比较两组独立样本的分布是否相同。
两配对样本非参数检验
Wilcoxon符号秩检验：用于比较两组配对样本的中位数差异。
配对样本符号检验：更简单的配对样本中位数差异检验。
多组独立样本非参数检验
Kruskal-Wallis H检验：比较三组或更多独立样本的中位数是否相等。
Jonckheere-Terpstra检验：检验多组样本是否存在有序趋势。
非参数检验的主要优点在于它的灵活性和稳健性，适用于多种数据类型和场景。然而，它也有一些局限性，例如在样本量足够大时检验效能可能较低，且无法直接对总体参数进行推断。因此，在选择非参数检验时，需要根据具体的数据特点和分析需求进行权衡。