一、秩和检验的适用条件
数据分布方面：
不要求数据服从特定分布，对非正态分布数据适用。当数据呈现明显的偏态分布、未知分布或者分布形态难以判断时，秩和检验可以有效分析。
例如，在一些生物学研究中，某些生物指标可能不服从正态分布，此时秩和检验是一个合适的选择。
数据类型方面：
适用于连续型数据、离散型数据和有序分类数据。对于有序分类数据，可以将其转换为秩次后进行秩和检验。
比如医学研究中疾病严重程度的分级数据（如轻度、中度、重度），可以进行秩和检验来比较不同治疗方法对疾病严重程度的影响。
样本量方面：
在小样本情况下相对稳健，对于难以获取大量样本的研究场景适用。例如罕见病研究、特定环境下的小规模实验等。
同时在大样本情况下也可以使用，但可能计算相对复杂一些。
数据特征方面：
对存在异常值的数据具有一定的抗性。因为秩和检验主要基于数据的秩次而不是具体数值进行计算，个别异常值对结果的影响相对较小。
例如在一些实际数据收集过程中，可能会出现个别极端值，此时秩和检验仍能提供相对可靠的结果。
二、t 检验的适用条件
数据分布方面：
要求数据近似服从正态分布。当样本量较大时，根据中心极限定理，即使总体分布不是正态分布，样本均值也会近似服从正态分布，此时 t 检验可以使用。
例如在一些严格控制实验条件的研究中，如果数据的分布接近正态，t 检验是常用的方法。
数据类型方面：
主要适用于连续型数据。对于离散型数据，尤其是取值有限且不连续的数据，t 检验的适用性受到限制。
比如比较两组学生的考试成绩（连续型数据），在满足正态分布假设时可以使用 t 检验。
样本量方面：
在样本量适中或较大时效果较好。随着样本量的增加，t 检验的结果更加稳定，检验效能也会提高。
但当样本量非常小（如小于 10）时，t 检验的结果可能不太可靠。
方差齐性方面：
对于两独立样本 t 检验，要求两组数据的方差具有齐性，即方差相差不大。如果方差不齐，需要进行特殊的处理或者使用其他方法。
例如在比较两种不同处理方法对某一指标的影响时，需要先检验方差齐性，满足条件后再进行 t 检验。