모수적 통계는 모집단의 정규분포성, 등분산성, 측정치의 연속성과 등간격을 가정
또는 조건으로 하는 통계이다. 그리고 샘플이 얻어진 모집단의 분포에 대해 가정하지 않는
통계방법을 비모수적 통계라고도 한다.

여기서, 비모수적 검정 (Nonparametric Tests)을 사용하는 이유 세가지를 소개한다.

■ 분석하려는 분야가 중앙값(Median)에 의해 보다 잘 표현할 수 있다.

이것은 비모수적 검정을 사용하는 가장 마음에 드는 이유이라고 생각한다.
정규분포하지 않는 데이터로 모수적 검정을 실행할 수 있다는 사실은 분석중인 변수들의
값이 평균값에 가까워지는 경향이 있을 때 측정방법으로 평균이 최적이라는 것을 의미하는 것은 아니다.

예를 들면, 개인의 수입금액과 같이 기울기가 한쪽으로 치우친 정규분포하지 않지 않는 데이터의
대표값의 표현은 중앙값(Median)이 나을 수 있다.  만일, 샘플에 약간의 억남장자를 포함시키면
산술 평균은 전형적인 일반사람들의 수입은 변하지 않았는 데도 크게 상승한다.

분석하려는 데이터가 줌심에서 많이 한쪽으로 치우쳐서 기울어져 있으면 중앙값(Median)은
이런 분포의 대표값을 근사하게 표현하는데 반해 산술평균은 분포의 꼬리에 해당하는 값의
변화에 대해 아주 크게 영향을 받게 된다.

 
그림으로 나타낸 샘플 5000개로 부터 구한 두 분포의 경우 산술평균은 크게 다르지만 중앙값(Median)은
크게 다르지 않다.

■ 샘플 개수가 너무 적을 때 비모수적 검정이 적합하다.

만일, 모수적 분석을 위해 필요한 샘플 개수의 가이드라인에 미치지 못하는 경우 그리고 정규분포한다고
확신을 갖지 못하는 데이터를 분석하려는 경우, 비모수적 검정을 사용해야 한다.

정말 적은 개수의 샘플을 통해 분석을 하려고 할 때, 통계적으로 의미있는 결과를 얻기에 샘플 개수가
충분하지 않기 때문에 분포의 형태를 알아내지도 뫃할 수도 있다.

이런 경우는 적절한 대안도 없는 상황이다. 이런 경우에 비모수적 검정도 큰 역할을 하지 못한다.

■ 서수형 데이터, 순위형 데이터, 그리고 제거할 수 없는 이상값이 있는 경우

전형적으로 모수적 검정은 연속형 데이터에 한해서 평가할 수 있다. 역으로 몇몇 비모수적 검정방법은
서수형 데이터, 순위형 데이터 그리고 이상값에 의해 크게 영향을 받는 데이터를 다룰 수 있다.

비모수적 검정을 적용할 경우에는 각각의 경우 다른 무시할 수 없는 요구조건이 있으므로 비모적 검정을 위한
가정조건을 반드시 확인하도록 해야 한다.