เปรียบเทียบวิธี

	การทดสอบทางสถิติแบบนอนพาราเมตริก	การวิเคราะห์ความแปรปรวน (ANOVA)
สาขาวิชา	สถิติการวิจัย	สถิติการวิจัย
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	1947	1925
ผู้ริเริ่ม	Henry Mann and Donald Whitney	Ronald A. Fisher
ประเภท	Method	Method
แหล่งต้นตำรับ	Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. Annals of Mathematical Statistics, 18(1), 50–60.	Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd.
ชื่อเรียกอื่น	rank-based tests, Mann-Whitney U, Kruskal-Wallis, distribution-free	ANOVA, F-test
ที่เกี่ยวข้อง	3	4
สรุป	Nonparametric (distribution-free) tests are statistical methods for hypothesis testing that do not assume data follow a specific probability distribution (e.g., normal), making them robust to departures from normality, outliers, and ordinal data. The Mann-Whitney U test (1947) and Kruskal-Wallis test (1952) extend hypothesis testing beyond the constraints of parametric assumptions. Essential in biology, medicine, psychology, and any field where data are non-normal, highly skewed, or measured on ordinal scales (rankings, ratings), nonparametric tests provide valid inference when parametric assumptions fail.	ANOVA is a parametric statistical method developed by Ronald A. Fisher in 1925 that tests whether means differ significantly across three or more independent groups. By partitioning total variance into between-group and within-group components, ANOVA determines whether observed differences are likely due to treatment effects or random variation, making it fundamental to comparative research across medicine, psychology, agriculture, and engineering.