تاریخ «آمار ناپارامتری» (Non Parametric Statistics) مانند «آمار پارامتری» (Parametric Statistics) به اوایل قرن هیجدهم میلادی برمی گردد.
در سال 1970 میلادی مقاله ای منتشر شد و طی آن براساس آمار نوزادان شهر لندن در فاصله های 1629 و 1710 میلادی، ادعا شد که مشیت الهی بر این است که تعداد نوزادان پسر بیشتر از تعداد نوزادان دختر باشد.
در حقیقت این ادعا یک آزمون ناپارامتری معروف است که امروز به نام «آزمون علامت» (Sign Test) شهرت دارد.
با این حال، «آمار ناپارامتری» بیش از دو قرن ناشناخته بود، تا اینکه پیشرفت آن با انتشار دو مقاله، یکی توسط آماردانی به نام «فرانک ویلکا کسون» (Frank Whitney) آغاز شد.
قبل از انتشار این دو مقاله، اصطلاح ناپارامتری برای اولین بار در رسالۀ دکترای یک آماردان به نام «ولفویتز» (Wolfowitz) در سال 1942 به کار رفته است.
بیشتر روشهای آماری که تاکنون بحث شد، با توجه به این فرض بررسی شدند که جمعیت یا متغیر تصادفی دارای توزیعی متعلق به یکی از خانوادۀ خاص از توزیع ها نظیر توزیع های «نرمال»، «وایبول» یا «پواسن» و ... است.
برای این آزمون ها ناچار بودیم فرض هایی ارائه دهیم، مثلاً فرض می کردیم واریانس دو جامعه با یکدیگر برابرند.
حال اگر این گونه فرض ها جایز نباشند، استفاده از این روشها با مشکل مواجه می شود.
به همین دلیل آماردان ها درصدد برآمدند تا روش هایی ایجاد کنند که استفاده از آنها مشروط به فرض خاصی دربارۀ توزیع جامعه نباشد و به اصطلاح برای جامعه هایی «توزیع آزاد» (Distribution Free) نیز کاربرد داشته باشد.
خوشبختانه بدین منظور روشهای زیادی ارائه شده است ولی بجای اینکه به روشهای « توزیع آزاد» معروف باشند، تسامحاً به روش «روشهای ناپارامتری» (Non- Parametric Methods) معروف شده اند.
روشهای ناپارامتری نسبت به روشهای پارامتری محاسن و معایبی دارند.
اولین حسن روشهای ناپارامتری این است که مستلزم فرض خاصی دربارۀ شکل و توزیع جامعه نیستند. دوم اینکه فهم و استفاده از آنها معمولاً ساده تر از روشهای پارامتری است.
علاوه بر این، روشهای ناپارامتری دو عیب دارند:
1- فقط از قسمتی از اطلاعات استفاده شده و باعث اتلاف اطلاعات می شوند.
2- این روشها از کارایی کمتری نسبت به روشهای پارامتری برخوردارند.
مثلاً ممکن است فاصلۀ اطمینان 95 درصدی روشهای ناپارامتری دو برابر روشهای پارامتری باشد.
با توجه به مطالب فوق، در واقع ما در استفاده از روشهای ناپارامتری یا پارامتری یک « بده و بستان» (Trade off) انجام می دهیم چرا که در روشهای ناپارامتری کمتر فرض می کنیم و در نتیجه قدری از دقت و اطلاعات خود را از دست می دهیم ولی در عوض، کاربرد روش را گسترش می دهیم.
بنابراین بطور خلاصه:
از مزایای روشهای ناپارامتری این است که فرض های کمتری لازم است و در بسیاری از حالات فقط داده های اسمی (طبقه ای) یا ترتیبی (رتبه ای) به جای داده های عددی (فاصله ای) کافیست.
از معایب روشهای ناپارامتری این است که معمولاً ترجیح می دهیم مدل کاملاً تعریف شده داشته باشیم که شامل پارامترهای مهمی نظیر « میانگین» ها و «واریانس» ها باشد تا برای اهداف تعبیر و تفسیر استفاده شود.
