Почему критерий Краскела-Уоллиса эффективен в обработке непараметрических данных?

Критерий Краскела-Уоллиса эффективен в обработке непараметрических данных, потому что не предполагает нормальности распределения, в отличие от других методик. blog.skillfactory.ru habr.com

Некоторые преимущества использования этого критерия:

• Возможность работы с данными без чёткого правильного распределения. blog.skillfactory.ru Критерий позволяет получать надёжные результаты, даже если предположения об исходных данных слабые. blog.skillfactory.ru
• Использование рангов. blog.skillfactory.ru cyberleninka.ru Критерий рассчитывается с применением не фактических значений переменных, а их рангов, что делает его подходящим для сильно скошенных распределений. cyberleninka.ru
• Простота и скорость выполнения. blog.skillfactory.ru Критерий не такой подробный, как некоторые другие методы, но при этом быстрее и проще. blog.skillfactory.ru
• Меньшая чувствительность к чистоте данных. blog.skillfactory.ru Непараметрические методики, к которым относится критерий Краскела-Уоллиса, требуют меньшего количества вычислений. blog.skillfactory.ru

Однако у критерия есть и ограничения: с его помощью можно оценить влияние только одного фактора, а не нескольких. blog.skillfactory.ru