（三）非參數檢驗
前面幾節所討論的假設檢驗問題，都是假設總體X的分布類型為已知，其中僅含有限個未知參數，我們只是對這些未知參數進行檢驗。但是，在許多實際問題中，總體分布的類型往往不知道，這就需要引進另一些統計方法，要求這些方法不依賴於總體分布的具體形式，這些方法被稱為非參數檢驗。
非參數檢驗的方法很多，在此主要介紹市場營銷中較常用的三類方法：c2檢驗、魏氏檢驗法和麥氏檢驗法。
1．c2檢驗
c2檢驗是非參數檢驗法中最常用的方法之一，主要用於對獨立樣本身或不同獨立樣本之間不同因素的差別進行檢驗。
（1）對單個獨立樣本的c2檢驗
對單個獨立樣本進行檢驗時，可選用統計量：
例如，某廠生產一種新型山地車，特推出美觀輕便型、經濟耐用型和速度型三種款型，為了解用戶對三種款型有無顯著性偏好，特在若干大城市隨機調查了600名消費者，結果表示願意選擇美觀輕便型的246人，願意選擇經濟耐用型的152人，願意選擇速度型的202人。問能否根據上面的調查結果判斷三種款型中有一種受歡迎程度顯著地高於其它兩種？
這是一個適度檢驗問題。採用c2檢驗法：
H0：三種款型受歡迎程度一樣
H1：三種款型受歡迎程度存在顯著性差異
選擇檢驗統計量：
所以拒絕H0，接受H1，即認為三種款型受歡迎程度存在顯著性差異，也就是說美觀輕便型受歡迎程度明顯高於其它兩類。這說明，隨著人們物質文化生活水平的提高，人們把對美的追求提高到了一定的檔次；同時在繁鬧的大都市，「輕便省力」也是人們首選的一個考慮因素。針對這種情況，該企業應著重在城市開發「美觀輕便型」產品。
（2）多個獨立樣本的c2檢驗
對多個獨立樣本進行檢驗適用統計量：
下面我們看一個例題。某大學在市民中開展了一項調研活動，擬探究市民文化水平與收入水平之間是否存在著聯繫。從市民中隨機抽取了2764人進行觀察，獲得資料如表8－2。問能否根據調查結果判斷市民文化水平與收入水平之間存在著聯繫？
所以拒絕H0，接受H1，即認為市民文化水平與收入水平之間存在著聯繫。一般認為，市民文化水平高，其收入水平相應也高一些。
2．魏氏(Wilcoxon)檢驗
前面介紹的c2檢驗法主要用於對獨立樣本的非參數檢；而魏氏(Wilcoxon)檢驗法則主要選用於兩個有聯繫樣本的比較。如M企業在實施降價策略前後企業主要產品市場佔有率的變化就構成了一對有聯繫的觀察值，那麼我們能否通過對這些觀察值的分析來判斷降價策略是否有效呢？可以考慮用魏氏檢驗法。
魏氏檢驗法的基本思想是首先求出對樣本觀察值的差值，並按其絕對值大小進行排列，剔除其差值為0的樣本，最小者等級為1，依此類推。如果順序排列中有幾個差值的絕對值相等，則取其平均值作為這幾個差值的等級。然後恢復其原來的正負號，再分別將正負符號的等級相加，用 代表正的等級和， 代表負的等級和。選擇其中較小的等級和作為檢驗統計量 。其拒絕域為：
例，其企業為調動生產工人的生產積極性，提高產品產量，普遍增加了生產工人的工資。但有人卻提出異議，認為工資屬保健性因素，普遍提高工資並不會導致產品產量較大幅度的增加。為驗證此說，企業隨機抽取了10名工人，比較其漲薪前後的產量水平，得到有關資料如表8－3。問能否由樣本資料判斷增加工資對產量提高有顯著性影響？
用魏氏檢驗法進行檢驗。
H0：普遍提高工人工資後，產量有顯著性增長
H1：普遍提高工人工資後，產量無顯著性增長
所以拒絕H0，接受H1，即至少有95％的把握認為普遍提高工人的工資並不會導致產量顯著性增加。這個案例說明，保健性因素，如工資獎勵、勞保福利、人群關係等，只能預防職工不滿，使職工安於工作，不能起到激勵員工的作用而要激發職工的生產積極性，則需重視工作本身，從內部條件著手，如使工作富有挑戰性，使人有成就感、提升感。
上面我們討論的魏氏檢驗法主要是在小樣本（n<10）情況下;如果樣本容量較大(n>25)，則需採用Z檢驗。
3．麥氏（McNehmar）檢驗
麥氏檢驗選用於同一樣本在兩種不同情況下的比較。比如某企業擬系統地導入CS戰略 （CustomerSatisfaction）以提升企業形象，為比較導入前後顧客滿意程度有無顯著性變化，企業特地對同一組顧客（同一樣本，200人）作了前後兩次市場調研，調查結果見表8－4。現在我們能否從這些統計數據判斷企業導入CS戰略前後顧客滿意程度有了顯著性變化？
所以拒絕H0，接受H1，即認為CS戰略導入後，顧客滿意程度有了顯著性提高。