以下是一些具体的例子来说明如何选择合适的非参数检验方法：
一、定性数据的情况
例子：一家市场调研公司想了解消费者对三种不同品牌手机的满意度（非常满意、满意、一般、不满意、非常不满意）是否与消费者的年龄组（18-25 岁、26-35 岁、36-45 岁、45 岁以上）有关。
分析与方法选择：这里的数据是定性数据，即满意度和年龄组都是分类变量。此时可以选择卡方检验来判断手机品牌满意度与年龄组之间是否存在关联。通过计算观察频数与期望频数的差异，来确定不同年龄组对不同品牌手机的满意度是否存在显著差异。
二、定量数据且不满足参数检验假设的两组独立样本情况
例子：某学校想比较两种教学方法对学生数学成绩的提升效果。收集了两组学生分别采用不同教学方法后的数学成绩数据，但成绩数据不呈正态分布。
分析与方法选择：由于数据是定量数据但不满足正态分布假设，且是两组独立样本，所以可以选择 Wilcoxon 秩和检验（Mann-Whitney U 检验）。将两组成绩数据混合后进行排序，得到每个数据的秩次，然后计算两组的秩和。通过比较秩和的大小来判断两种教学方法对学生数学成绩的提升效果是否有差异。
三、定量数据且不满足参数检验假设的多组独立样本情况
例子：一家医院研究三种不同药物对某种疾病的治疗效果，测量患者的康复时间。数据显示康复时间不服从正态分布。
分析与方法选择：这是多组独立样本的定量数据且不满足正态分布假设，适合使用 Kruskal-Wallis 检验。将三组患者的康复时间数据混合后进行排序，计算每组的秩和。通过比较各组秩和的差异来判断三种药物的治疗效果是否有显著不同。
四、小样本且配对的情况
例子：一项小型医学实验中，对 10 名患者在治疗前后分别进行某项生理指标的测量，想知道治疗是否有效果。
分析与方法选择：这是小样本且配对的数据情况。可以选择 Wilcoxon 符号秩检验。先计算每个患者治疗前后指标的差值，然后对差值进行排序并赋予秩次。根据正秩和与负秩和的大小来判断治疗前后生理指标是否有显著变化，从而确定治疗是否有效。
五、存在异常值的定量数据情况
例子：某公司分析员工的月绩效奖金数据，发现其中有个别极高或极低的异常值。想比较两个部门的绩效奖金是否有差异。
分析与方法选择：由于存在异常值，且数据可能不满足正态分布假设，选择 Wilcoxon 秩和检验较为合适。不考虑具体的数值大小，只对两个部门的绩效奖金数据进行排序并计算秩和，从而避免异常值对结果的影响，判断两个部门的绩效奖金水平是否有显著差异。