根据数据是否符合正态分布，分为：

参数检验

非参数检验

非参数检验是在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数”检验。 参数检验（parameter test）全称参数假设检验，是指对参数平均值、方差进行的统计检验。先由测得的样本数据计算检验统计量，若计算的统计量值落入约定显著性水平a 时的拒绝域内，说明被检参数之间在所约定的显著性水平a 下在统计上有显著性差异；反之, 若计算的统计量值落入约定显著性水平a 时的接受域内，说明被检参数之间在统计上没有显著性差异，是同一总体的参数估计值。实际使用中，对于已知总体分布情况的数据（如身高），可以使用参数检验。对于不知道总体分布情况的数据，可以使用非参数检验（如某时间的发生数，也称为计数数据），可以使用非参数检验。

参数检验

参数类分析方法分为平均值、单样本t检验、独立样本t检验、成对样本t检验、单因素ANOVA分析等等。

T检验，亦称student T检验（Student's T test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。

单样本T检验

单样本T检验的目的，就是检验单个变量样本的总体均值与我们既定的检验值之间是否存在显著差异。例如我国成年女性平均身高为155cm，我们在某城市抽样收集了100位成年女性的身高，想分析这些100例样本的身高平均值是否达到国内成年女性平均身高的水平，或者说与国内成年女性平均身高之间的差异是否显著，这时候就需要用到单样本t检验。

2个独立样本T检验

当我们要进行2类样本或者2组样本的比较的时候，就需要用到独立样本 T检验。

2个关联样本T检验

相互有关联的两组样本属于配对样本，例如某个指标干预前和干预后的两组值，此类样本属于自身配对样本需要用成对样本T检验。

方差分析

有大于2种以上不同分组的独立组别上比较差异，数据不仅满足正态分布且方差齐性，采用方差分析。

方差分析又分为单因素方差分析，双因素方差分析和多因素方差分析。

单因素方差分析：也称为完全随机设计的方差分析，只能分析一个因素下多个水平对实验结果的影响。双因素方差分析：称为随机区组设计的方差分析，可以分析两个因素。一个为处理因素，也成为了列因素，一个为去租因素，也成为了行因素。单因素方差分析两两比较方法的选择策略：多个实验组与一个对照组的比较，一般采用Dunnett法。需要进行任意两组间的比较而各组样本含量相同，选用Tukey法。需要进行任意两组间的比较而各组样本含量不相同，选用Scheffe法。

非参数检验

单样本K-S检验是一种针对单个变量的数据分布进行的探索类别的检验方法。

2个独立样本的非参数检验

曼-惠特尼U检验（Mann-Whitney U test），考查了每一个样本中各测定值所排的秩。

2个相关样本的非参数检验：

威尔科克森（Wilcoxon Test）：比较两个变量的秩的均值是否存在差异。

3个或者3个以上独立组别时采用K个独立样本的非参数检验：K-W H (Kruskal-Wallis Test)检验，，比较3组或3组上的秩的均值是否存在显著的差异。

3个或者3个以上相关组别时采用K个相关样本的非参数检验：

Friedman Test检验，比较3组或3组的显著差异。