非参数检验和卡方检验

显著性水平

假设检验是围绕对原假设内容的审定而展开的。如果原假设正确我们接受了（同时也就拒绝了备择假设），或原假设错误我们拒绝了（同时也就接受了备择假设），这表明我们作出了正确的决定。但是，由于假设检验是根据样本提供的信息进行推断的，也就有犯错误的可能。有这样一种情况，原假设正确，而我们却把它当成错误的加以拒绝。犯这种错误的概率用α表示，统计上把α称为假设检验中的显著性水平，，也就是决策中所面临的风险。

　　显著性水平是假设检验中的一个概念，是指当原假设为正确时人们却把它拒绝了的概率或风险。它是公认的小概率事件的概率值，必须在每一次统计检验之前确定，通常取α＝0.05或α＝0.01。这表明，当作出接受原假设的决定时，其正确的可能性（概率）为95％或99％。

　　显著性水平代表的意义是在一次试验中小概率事物发生的可能性大小。

非参数方法

主要用于哪些总体分布不能用有限个是参数来刻画，或者不考虑被研究的对象为何种分布是否已知的情形，它对总体分布几乎没有什么假定，只是有时对分布的形状做一些诸如连续、对称的简单假设。他们进行的并非是参数间的比较，而是分布位置、分布形状之间的比较，研究目标总体与理论总体分布之间的比较，或者各样本所在的总体的分布位置之间的比较等，因此不受总体分布的限定，适用范围广，因此称之为非参数检验。

秩及秩统计量：对于一个样本，从小到大的顺序排成一列，若其中一个在这一列中占据第R1位，称其的秩为Ri

结及结的统计量：在许多情况下，数据会有许多的相同值出现，此时如果出现同秩的现象，就像考试排名的并列第5，并列第7，这种情况称为数据的结。结中数值的秩为他们按大小顺序排列后所处位置的平均值。

符号检验

关于配对样本数据的论断

关于名词性数据的论断

关于一个总体的中位数的论断

条件：样本是简单随机样本，对总体分布形式不作任何要求

符号检验法是通过两个相关样本的每对数据之差的符号进行检验，从而比较两个样本的显著性。具体地讲，若两个样本差异不显著，正差值与负差值的个数应大致各占一半。

符号检验与参数检验中相关样本显著性t检验相对应，当资料不满足参数检验条件时，可采用此法来检验两相关样本的差异显著性。

单侧符号检验统计判断规则