用于假设检验的统计方法有两大类:参数统计方法和非参数统计方法。

抽样中的观测值是随机变量,它服从一定的概率分布,如离散型变量主要服从二项分布、泊松分布等,连续型变量主要服从正态分布、戚布尔分布等。它们都可以用分布函数表达随机变量的概率性质。在统计推断中,有些问题,如总体均数的区间估计、两个或多个均数的比较、相关系数和回归系数的假设检验等,大都是假定样本所来自的总体分布为已知的函数形式;但其中有的参数为未知,如总体均数或百分数或相关系数等为未知。统计推断的目的就是通过样本对这些未知参数进行估计或检验,诸如t 检验、对检验、F 检验等。
这类统计推断方法称为参数统计方法。

然而对于那些总体分布的函数形式我们并不知道, 或者知道得很少(例如只知道总体分布是连续型的或离散型的) ,这时参数统计方法就不适用,而需要借助于另一种不依赖总体分布的具体形式的统计方法。也就是说它不拘于总体分布,这类方法称为非参数统计方法或分布自由统计方法,例如秩和检验、Ridit 分析、Cpd 分析等。
众所周知,参数统计如t 检验方法族要求原始数据具备正态性和等方差两项条件,如不满足这两项条件,势必影响分析效果。从理论上讲,在满足上述两项条件下,非参数统计方法的精密度只有参数统计方法的959毛;但实际上随着原始数据背离两项条件的程度,非参数方法的分析效果便等于甚至超过参数统计方法。这就是为什么把非参数统计方法称为稳健统计的缘故,因此不能轻视非参数统计。