如題所說， 這個問題作為一個本科讀管理，碩士讀計算機卻旁修經濟學，博士在讀計算機的我來說感覺比較迷惑的。在管理學，經濟學，計算機這三門學科在解決優化問題的時候採用的方法大致相同，其核心都是統計學，管理學，電腦科學中採用的基礎方法，如線性迴歸，多元線性迴歸，廣義線性迴歸，決策樹，SVM,ID3,KNN等分類方法，同時也包括遺傳演算法，模糊數學，粒子群演算法等， 這時候我們會發現這樣一個情況就是  以經濟學為代表對資料進行迴歸預測是一定要採取假設檢驗來看最終的P值，判斷模型是否成立，這一步是必須的操作，對於資料的平穩性的驗證等，但是在計算機學科中卻極少見到這樣的操作，我在讀碩士期間曾做過智慧演算法方向的學習，在這裡有見過比較少的部分採用了假設檢驗，但是這就出現了一個比較神奇的問題，那就是不同學科採用同樣方法來解決問題時問什麼經濟學等學科就要採用假設檢驗，而計算機學科卻極少的採用建設檢驗呢？

 

 

 

===============================================================

以下線內內容引自：

https://www.cnblogs.com/sanshuiyijing/p/3447315.html

 

百度百科的定義：

非引數檢驗(Nonparametric tests)是統計分析方法的重要組成部分，它與引數檢驗共同構成統計推斷的基本內容。引數檢驗是在總體分佈形式已知的情況下，對總體分佈的引數如均值、方差等進行推斷的方法。但是，在資料分析過程中，由於種種原因，人們往往無法對總體分佈形態作簡單假定，此時引數檢驗的方法就不再適用了。非引數檢驗正是一類基於這種考慮，在總體方差未知或知道甚少的情況下，利用樣本資料對總體分佈形態等進行推斷的方法。由於非引數檢驗方法在推斷過程中不涉及有關總體分佈的引數，因而得名為“非引數”檢驗。

單樣本：

SPSS單樣本非引數檢驗是對單個總體的分佈形態等進行推斷的方法，其中包括卡方檢驗、二項分佈檢驗、K-S檢驗以及變數值隨機性檢驗等方法。

獨立樣本：

兩獨立樣本的非引數檢驗

兩獨立樣本的非引數檢驗是在對總體分佈不甚瞭解的情況下，通過對兩組獨立樣本的分析來推斷樣本來自的兩個總體的分佈等是否存在顯著差異的方法。獨立樣本是指在一個總體中隨機抽樣對在另一個總體中隨機抽樣沒有影響的情況下所獲得的樣本。 SPSS中提供了多種兩獨立樣本的非引數檢驗方法，其中包括曼-惠特尼U檢驗、K-S檢驗、W-W遊程檢驗、極端反應檢驗等。 多獨立樣本的非引數檢驗。 兩獨立樣本的非引數檢驗是在對總體分佈不甚瞭解的情況下，通過對兩組獨立樣本的分析來推斷樣本來自的兩個總體的分佈等是否存在顯著差異的方法。獨立樣本是指在一個總體中隨機抽樣對在另一個總體中隨機抽樣沒有影響的情況下所獲得的樣本。 SPSS中提供了多種兩獨立樣本的非引數檢驗方法，其中包括曼-惠特尼U檢驗、K-S檢驗、W-W遊程檢驗、極端反應檢驗等。

相關樣本：

兩配對樣本的非引數檢驗 兩配對樣本的非引數檢驗是對總體分佈不甚瞭解的情況下，通過對兩組配對樣本的分析，推斷樣本來自的兩個總體的分佈是否存在顯著差異的方法。 SPSS提供的兩配對樣本非引數檢驗的方法主要包括McNemar檢驗、符號檢驗、Wilcoxon符號秩檢驗等。 多配對樣本的非引數檢驗 多配對樣本的非引數檢驗是通過分析多組配對樣本資料，推斷樣本來自的多個總體的中位數或分佈是否存在顯著差異。 例如，收集乘客對多家航空公司是否滿意的資料，分析航空公司的服務水平是否存在顯著差異；再例如，收集不同促銷形式下若干種商品的銷售額資料，分析比較不同促銷形式的效果，再如，收集多名評委對同一批歌手比賽打分的資料，分析評委的打分標準是否一致，等等。 這些問題都可以通過多配對樣本非引數檢驗方法進行分析。SPSS中的多配對樣本的非引數檢驗方法主要包括Friedman檢驗、Cochran Q檢驗、Kendall協同係數檢驗等。

 

 

=================================================================