多数人都喜欢参数检验，我觉得这更多的是一种心理上的原因，当我们碰到一件新事物的时候，总希望能对他们稍微有些了解。丝毫不了解的事物我们会恐惧、茫然无措。比如鬼魂，我们不知道他是什么样子，无从描述。非参数检验也是一样，我们对数据丝毫不了解，不知道他是园的还是方的，所以很困惑，总觉得无从下手去分析。

我最近看一些统计学家的传史，发现一个有意思的现象：原来当初发明Wilcoxon秩和检验的Wilcoxon并不是个统计学家，而是个化学家，他在化学研究中发现总有一些极值影响分析结果，但这些极值是客观存在的，又不能轻易删掉，所以他就想办法来处理，结果一不小心成了统计学家。原创了Wilcoxon秩和检验方法。后来Mann和Whitney又合创了Mann-Whitney方法，结果发现与Wilcoxon结果差不多。

非参数检验时，我对数据什么都不用了解，就是直接看数据本身，将数据的散点图与纯随机分布的情形比较，就知道结果了。很多人对非参数检验存有歧视，总觉得他好像只是一个杂志的增刊，不够正式。

早在上世纪40年代的时候，皮特曼就发表了一篇文章，建立起有关参数与非参数方法的关系逻辑。他非常惊讶的发现，即使数据符合正态分布，非参数检验的结果也几乎和参数检验一样的完美。而一旦数据稍微偏离参数模型，非参数检验的结果将远远优于参数检验。

这一结果令人吃惊，是吗？但这不是巧合。很多东西都不会像我们想象的那样令人一目了然。一般人的眼里，似乎参数就是好的，非参数是不好的，但实际情形却并非如此。很多我们想当然的结果并不一定是真相，有可能只是我们的想象而已，就像当年亚里士多德所说的“总的物体理所当然比轻的下落的更快”。所以我们对任何事情，一定要有自己的主见，而不要凭想当然来判断。

当年的Wilcoxon并不是学统计学的，皮特曼也是后来该行学统计学的，我说这个是为什么呢？当初他们在一无所知的情况下也能成为今天统计学教材上的人物，为什么我们有更多资源利用却无法学会统计学呢？我相信更多的是个人因素，而不是客观因素。难道我们的条件比20世纪的Wilcoxon和皮特曼更糟糕？

同时，也问问各位小伙伴对非参数统计是怎么看的？这段时间有个词叫做“小数据”，大家又对小数据怎么看呢？