参考网友的资料进行总结：
参数检验与非参数检验的区别。
1）参数检验：以已知分布（如正态分布）为假定条件，对总体参数进行估计或检验。
2）非参数检验：不依赖总体分布的具体形式和检验分布（如位置）是否相同。
参数检验与非参数检验的优缺点。
1）参数检验：优点是符合条件时，检验效率高；其缺点是对资料要求严格，如等级数据、非确定数据（＞50mg）不能使用参数检验，而且要求资料的分布型已知和总体方差相等。
2）非参数检验：优点是应用范围广、简便、易掌握；缺点是若对符合参数检验条件的资料用非参数检验，则检验效率低于参数检验。如无效假设是正确的，非参数法与参数法一样好，但如果无效假设是错误的，则非参数检验效果较差，如需检验出同样大小的差异的差异往往需要较多的资料。另一点是非参数检验统计量是近似服从某一部分，检验的界值表也是有近似的（如配对秩和检验）因此其结果有一定近似性。
非参数检验适用那些情况？
（1）等级顺序资料。
（2）偏态资料。当观察资料呈偏态或极度偏态分布而有未经变量变换，或虽经变量变换但仍未达到正态或近似正态分布时，宜用非参数检验。
（3）未知分布型资料
（4）要比较的各组资料变异度相差较大，方差不齐，且不能变换达到齐性。
（5）初步分析。有些医学资料由于统计工作量过大，可采用非参数统计方法进行初步分析，挑选其中有意义者再进一步分析（包括参数统计内容）
（6）对于一些特殊情况，如从几个总体所获得的数据，往往难以对其原有总体分布作出估计，在这种情况下可用非参数统计方法。
常用参数检验方法：
1.正态总体均值的假设检验（t检验）
检验1组数据样本的均值是否等于，大于或小于某个值，或者检验两组数据样本的均值的大小情况。其中的统计量Z一般服从t分布。
2.正态总体方差的假设检验
检验1组数据样本的方差是否等于，大于或小于某个值，或者检验两组数据样本的方差的大小情况。其中单样本检验的统计量X2一般服从卡方分布。双样本检测的统计量F一般服从F分布。
3.二项分布总体的假设检验（非正态总体的假设检验）
非正态总体的假设检验有很多，二项分布总体的假设检验相对较为常用。常用于随机抽样实验的成功概率的检验。
常用的非参数检验方法：
1.Neyman-Pearson χ2 拟合优度检验
检验样本数据是否符合某种分布，Neyman-Pearson 拟合优度检验是非常重要的非参数检验方法， 既可以用于检验数据的分布特性，又可以检验不同组数据之间的分布关系（是否是同一分布）。
2.Kolmogorov-Smirnov检验
也是一个相当重要的检验方法，和Pearson方法一样属于拟合优度检验方法。但是Kolmogorov-Smirnov方法无需对要检验的数据分组，且使用经验累积分布函数（ECDF）来定义统计量，可以用于任何分布的检验。但Kolmogorov-Smirnov只适用于一元分布的情况。因此适用面与Pearson方法相比稍小。
3.独立性检验
很重要的检验方法，具体有Pearson卡方检验，Fisher精确独立性检验。这些检验方法通常用于检验数据的分布和假设影响因素的关系。
4.符号检验和秩和检验
检验样本与总体的情况，或样本总体间的差异。