为什么不总是使用非参数检验呢？这样可以避免假设数据来自高斯分布——这是一个很难确定的假设。问题在于，非参数检验的功效低于标准检验。功效会低多少？答案取决于样本量。

通过实例来理解这一点最为直观。以下是一组示例数据，用于比较两个组（每组各3名受试者）的测量结果。

看到这些数值时，显然可以看出该处理方法极大地提高了被测值。

但让我们用Mann-Whitney检验（一种用于比较两个非配对组的非参数检验）来分析这些数据。该检验仅关注秩。因此，您将上述数据输入Prism软件，但Mann-Whitney检验的计算仅基于秩：

Mann-Whitney检验随后探讨：如果将对照组和实验组的秩随机打乱，那么一个组中出现三个最低秩、另一个组中出现三个最高秩的概率是多少。 该非参数检验仅关注秩，却忽略了一个事实：即实验组的数值不仅更高，而且高出许多。其结果（双尾P值）为0.10。采用传统的5%显著性水平，这些结果在统计上无显著差异。 本示例表明，当每组样本量 N=3 时，Mann-Whitney检验永远无法得到小于 0.05 的 P 值。换言之，在每组三个受试者且采用传统“显著性”定义的情况下，Mann-Whitney检验的功效为零。

相比之下，当样本量较大时，Mann-Whitney检验的功效几乎与t检验相当。若想进一步了解大样本量下非参数检验与传统检验的相对功效，请查阅高级统计学书籍中“渐近相对效率”这一术语。