排队比大小--基于秩次的检验方法
前面咱们说了那么多检验方法，其实前面说的可以分为两大类：参数检验和非参数检验。
我们最前面说的关于定量资料（计量资料）基本都是参数检验，而定性资料大多是非参数检验，比如卡方检验就是非参数检验。
咦，问题来了！为啥有的叫参数检验，有的叫非参数检验，到底啥才是参数检验，啥又是非参数检验呢？
嗯，这里我给你举个例子你立马明白~
比如俩人比个子，有两种办法：
1、找把尺子，分别测量俩人的身高，然后研究数字的具体情况，这就是参数检验。
2、俩人站一起，直接比高低，这就是非参数检验。
简单吧。当然简单理解起来可以从这个方向去理解，实际情况要复杂很多。
先看看定义：
参数检验：在总体分布类型已知的条件下，对未知参数检验。
非参数检验：不是对参数进行检验，而是检验总体分布位置是否相同。
看完定义，说说非参数检验的适用条件：
1、总体分布类型不明
2、总体分布呈偏态分布
3、数据一端或两端有不确定的资料
4、总体方差分布不齐
5、有序分类变量资料
这个有序分类变量资料是不是眼熟？对啊，昨天刚说过，是卡方检验处理不了的情况之一啊。
好啦，接下来进入正题，说说今天的主人公--秩和检验（rank sum test）.
秩和检验是首先将数据从小到大，或等级从弱到强转换成秩后，再求秩和，计算检验统计量--秩和统计量，做出统计推断。
插句闲话，也是咱们以前说过的，就是弄懂某些知识的时候，先对里面名词的概念深入理解，就很容易理解知识的本质。比如秩和检验，“秩”是什么意思呢？其实这个字的本意就是“次序”，秩和就是次序的和啦。理解到这个，就简单了，就是次序的和的比较嘛！次序的和小了，就是总体偏小，次序的和大了，就是总体偏大，就这么简单。
要是按照书上学的方法用秩和检验，那就复杂了，又是编秩了，又是求秩和啦，其实，统统不用，知道这个方法干什么用就行了，然后到医研云（1rcloud.net）直接把数据放进去，系统就替你处理好了。
秩和检验包括：
配对设计资料的Wilcoxon符号秩和检验
单样本资料的Wilcoxon符号秩和检验
完全随机设计两独立样本Wilcoxon符号秩和检验
完全随机设计多个样本的Kruskal-Wallis秩和检验
随机化区组设计资料的Friedman秩和检验