本节书摘来自华章计算机《R语言数据挖掘：实用项目解析》一书中的第2章，第2.9节，作者［印度］普拉迪帕塔·米什拉（Pradeepta Mishra），译 黄芸，更多章节内容可以访问云栖社区“华章计算机”公众号查看。
2.9 无参数方法
当一个训练数据集不满足任何假定的某种概率分布时，唯一的选择就是通过无参数方法分析数据集。无参数方法不服从概率分布假设。使用无参数方法，我们可以不基于概率分布的前提假设来实施推断和假设检验。现在我们来看当一个数据集不满足任何概率分布前提假设时，可使用的一系列无参数检验。
2.9.1 Wilcoxon符号秩检验
如果正态性假设不成立，就需要利用无参数方法来回答这个问题——自动挡和手动挡汽车的市内平均行车里程数是否有差别？
若两个样本恰好成对而又不满足正态性假设，则可使用参数paired：
2.9.2 Mann-Whitney-Wilcoxon检验
若两个样本不匹配、独立且不服从正态分布，则需要使用Mann-Whitney-Wilcoxon检验来判断两个样本的平均差有显著差异的假设。
2.9.3 Kruskal-Wallis检验
要比较两组以上数据的平均值，也即无参方法的方差分析，可以使用Kruskal-Wallis检验。这也被称作无分布的统计检验：
