Непараметрические методы эффективны при анализе небольших выборок, потому что они разработаны для ситуаций, когда исследователь ничего не знает о параметрах исследуемой популяции. 1

Некоторые преимущества непараметрических методов:

• Не требуют предварительных предположений относительно вида исходного распределения. 3 В отличие от параметрических критериев, тип распределения данных не обязательно должен соответствовать нормальному. 2
• Для их вычисления не требуется большого объёма данных. 3 Многие непараметрические критерии основаны на ранжировании переменной: фактические значения признака упорядочиваются, и далее работа выполняется уже с рангами. 5
• Более робастные, чем их параметрические аналоги. 3 Это означает, что непараметрические методы применимы в широком диапазоне условий. 3
• Преимущество заметно, когда в данных имеются выбросы (экстремально большие или малые значения). 2

Однако у непараметрических методов есть и недостатки: они имеют меньшую статистическую мощность и могут привести к ошибкам. 13