生物统计学是专注于生物和医学数据分析的统计学分支，通常采用非参数检验。当数据不满足参数检验的假设（例如正态性）时，这些检验非常有用。在这里，我们探讨生物统计学中常用的非参数检验的一些示例。
Wilcoxon 秩和检验
Wilcoxon 秩和检验，也称为 Mann-Whitney U 检验，用于比较两个独立样本的分布。它通常用于生物统计学中来分析两组之间的差异，例如不同治疗或干预措施的有效性。
曼惠特尼 U 检验
Mann-Whitney U 检验是 Wilcoxon 秩和检验的一种特例，用于比较两个独立组的单个结果变量（序数、区间或比率）。该测试在生物统计学中非常有价值，可用于评估临床试验或观察性研究中各组之间的差异。
克鲁斯卡尔-沃利斯检验
Kruskal-Wallis 检验是单向方差分析 (ANOVA) 检验的一种非参数替代方法，用于比较三个或更多独立组。在生物统计学中，它通常用于评估多个治疗组之间或不同类别变量水平之间结果的差异。
弗里德曼检验
Friedman 检验扩展了 Kruskal-Wallis 检验以分析匹配组或重复测量。它通常用于生物统计学中，以评估同一组受试者随时间的推移干预或治疗的效果，例如在纵向研究或重复测量的临床试验中。
对数秩检验
对数秩检验是一种非参数假设检验，用于比较两个或多个组的生存分布。该测试经常在生物统计学中用于分析生存数据，例如在癌症研究中，以评估治疗组或患者队列之间生存率的差异。
标志测试
符号检验是一种简单的非参数检验，用于将单个样本的中位数与已知值进行比较或比较两个配对样本的中位数。在生物统计学中，它可用于分析非正态分布或小样本量的数据。
等级相关性检验
等级相关性检验（包括 Spearman 等级相关性和 Kendall tau 检验）在不假设特定分布的情况下评估两个变量之间的关联。这些测试在生物统计学中很有价值，可以评估临床指标或生物标志物之间的关系，而不需要正态性假设。
结论
非参数检验在生物统计学中发挥着至关重要的作用，当数据违反关键假设时，非参数检验为参数方法提供了可靠的替代方案。通过理解和正确应用这些测试，生物统计学研究人员可以从他们的数据中做出有意义且可靠的推论，最终增进我们对生物和医学现象的理解。