ノンパラメトリック検定は、母集団分布が正規分布であることや分散が等しいことなどの仮定に依存せず、順位や符号といった情報にもとづいて差や傾向を検証する統計的検定です。外れ値が多いデータや尺度が順序尺度に近いデータでも適用しやすく、データの前提条件が怪しい現場で「まず検証を回す」用途で選ばれます。
実務でよく使う場面は、サンプル数が小さい、分布が歪んでいる、外れ値が施策効果の見え方を壊す、といったケースです。たとえばA/Bテストで購入金額が極端に偏るときはマン・ホイットニーのU検定、同一対象の前後比較ならウィルコクソンの符号付順位検定、3群以上の比較ならクラスカル・ウォリス検定が候補になります。カテゴリ間の順位差やアンケートの5段階評価の比較でも、正規性を無理に仮定せずに判断を進められる点が実務向きです。
一方で、ノンパラメトリック検定は「平均の差」を直接検証するものではなく、分布の位置や順位の違いを見ている場合が多い点に注意が必要です。報告では、p値だけで結論を言い切らず、中央値や四分位範囲などの要約統計と効果量（順位相関など）を併記すると、意思決定に使える説明になります。仮定が少ないことは利点ですが、検出力が下がることもあるため、データ特性を確認したうえでパラメトリック検定と使い分ける判断が現場では重要でしょう。
