参数检验就是已知数据的精确分布模型，根据数据来求出模型中的未知参数；而非参数检验就是无需对样本总体分布（比如满足正态分布）做出假设。

1.符号检验

转自：https://baike.baidu.com/item/%E9%9D%9E%E5%8F%82%E6%95%B0%E6%A3%80%E9%AA%8C/6910745

符号检验也是用来检验两配对样本所来自的总体的分布是否存在显著差异的非参数方法。其原假设是：两配对样本来自的两总体的分布无显著差异。

1)首先，分别用第二组样本的各个观察值减去第一组对应样本的观察值。差值为正则记为正号，差值为负则记为负号。

2)将正号的个数与负号的个数进行比较，容易理解：如果正号个数和负号个数大致相当，则可以认为第二组样本大于第一组样本变量值的个数，与第二组样本小于第一组样本的变量值个数是大致相当的，反之，差距越大。

缺点：配对样本的符号检验注重对变化方向的分析，只考虑数据变化的性质，即是变大了还是变小了，但没有考虑变化幅度，即大了多少，小了多少，因而对数据利用是不充分的。

2.Wilcoxon符号秩检验

原假设是：两配对样本来自的两总体的分布无显著差异。

1）首先，按照符号检验的方法，分布用第二组样本的各个观察值减去第一组对应样本的观察值。差值为正则记为正号，为负则记为负号，并同时保存差值数据；

2）将差值变量按升序排序，并求出差值变量的秩；最后，分步计算正号秩总和W+和负号秩和W-。

大体上明白了，但是细节还是有点问题，咋这么笨呢，这个文档不错，值得再看一遍：

https://wenku.baidu.com/view/77bcf7ef5ebfc77da26925c52cc58bd63186932b.html?rec_flag=default&sxts=1541319651512

//就是首先计算出两组差值，然后将其绝对值排序得出秩，

//还有什么双侧检验，原假设H0就是两者无显著性差异，当p<005时就拒绝原假设，说存在显著性差异；当p>0.05时，就拒绝原假设，接受备择假设。

2018-12-20更————

转自:https://wenku.baidu.com/view/a04558ac7375a417866f8ff0.html

http://www.docin.com/p-1684948748.html

1.目的

当两样本来自正态分布，并且有相同的方差时，可以使用T-test检验是否具有差异性。当不能确定这两个条件时，通常将t检验换为wilcoxon秩和检验。

2.例子

2.1确定原假设和备择假设

2.2计算检验统计量

2.3确定P值

//这里它计算得到的P值范围是不是错了，应该是0.005<P<0.01，拒绝H0.

3.基本思想

对于数据量较多的

豆丁文档里计算的内容比这个PPT详细一点。