在總體分布已知的前提下對參數進行的檢驗，即參數檢驗方法(parametric test)。 然而，在實際中有些資料總體分布類型未知，或者不符合參數檢驗的適用條件，這時可以使用不以特定的總體分布為前提，也不針對總體參數做統計推斷的方法，即非參數檢驗方法(nonparametric test)。
非參數檢驗的方法有很多，這里介紹通過樣本數據排序編秩后，基於秩次比較的非參數檢驗。 這種方法通常適用於：總體分布類型未知或非正態分布數據；有序或半定量資料；數據兩端無確定的數值。
非參數檢驗方法的優點是適用范圍廣，但由於這種方法只是利用了數據的秩次信息，因此當數據滿足參數檢驗的條件時，應首選參數檢驗，否則檢驗效能降低；當數據不滿足參數檢驗的條件時，才應選擇非參數檢驗方法。
配對設計資料的符號秩和檢驗
Wilcoxon符號秩檢驗(Wilcoxon signed-rank test), 由Wilcoxon在1945年提出，屬於配對設計的非參數檢驗，用於推斷配對資料的差值是否來自中位數為零的總體。其基本思想：假定兩種處理效應相同，則差值的總體分布對稱，總體中位數為0，也就是說樣本的正負秩和絕對值應相近；反之，若兩種處理效應不同，則差值總體中位數不為0，中位數偏離0越明顯，樣本的正負秩和絕對值就會相差越大，原假設H0成立的可能性越小。
兩獨立樣本比較的秩和檢驗
對於計量資料，如果兩個樣本分別來自方差相等的正態分布總體的假設成立，則可以使用t檢驗比較兩樣本均數的差別是否具有統計學意義；否則采用非參數秩和檢驗更為合適。Wilcoxon秩和檢驗(Wilcoxon rank sum test)，其目的是比較兩樣本分別代表的總體分布位置有無差異。
多個獨立樣本比較的秩和檢驗
多組計量資料比較時，若數據不滿足方差分析的條件時，可以使用Kruskal-Wallis檢驗(Kruskal-Wallis test)，又稱為K-W檢驗或H檢驗，這種方法主要用於推斷多個計量資料或多組有序資料的總體分布位置有無差別。