常見的非參數檢驗方法有以下幾種：
一、單樣本非參數檢驗
符號檢驗（Sign test）：
用途：用于檢驗樣本中位數是否等于某個特定值，或者檢驗兩個相關樣本是否來自相同的總體分布。
原理：將每個數據點與特定值進行比較，記錄大于、小于或等于該值的情況，然后根據符號的分布進行統計推斷。
Wilcoxon 符號秩檢驗（Wilcoxon signed-rank test）：
用途：主要用于檢驗配對樣本數據的中位數是否有差異，也可用于檢驗單個樣本是否來自某個特定分布。
原理：先計算配對數據的差值，對差值的絕對值進行排序并賦予秩次，然后考慮差值的符號進行統計分析。
二、兩獨立樣本非參數檢驗
Mann-Whitney U 檢驗（Mann-Whitney U test）：
用途：也稱為 Wilcoxon 秩和檢驗，用于檢驗兩個獨立樣本是否來自相同的總體分布。
原理：將兩個樣本合并后進行排序，計算每個樣本中數據的秩和，根據秩和的大小進行統計推斷。
Kolmogorov-Smirnov 檢驗（Kolmogorov-Smirnov test）：
用途：檢驗兩個樣本是否來自同一分布，或者檢驗一個樣本是否與某個已知分布相符。
原理：比較兩個經驗分布函數或一個經驗分布函數與一個理論分布函數之間的最大差異。
三、多個獨立樣本非參數檢驗
Kruskal-Wallis H 檢驗（Kruskal-Wallis H test）：
用途：用于檢驗多個獨立樣本是否來自相同的總體分布，是單因素方差分析的非參數替代方法。
原理：將多個樣本合并后進行排序，計算每個樣本的秩和，通過比較秩和的差異來判斷總體分布是否相同。
中位數檢驗（Median test）：
用途：檢驗多個獨立樣本的中位數是否相等。
原理：將數據按照不同的樣本分組，計算每組的中位數，然后通過比較不同組的中位數分布情況進行推斷。
四、多個相關樣本非參數檢驗
Friedman 檢驗（Friedman test）：
用途：用于檢驗多個相關樣本是否來自相同的總體分布，是重復測量方差分析的非參數替代方法。
原理：對每個個體在不同處理條件下的數據進行排序，計算每個處理條件的秩和，通過比較秩和的差異來判斷總體分布是否相同。