引數檢驗是在總體分佈形式已知的情況下，對總體分佈的引數進行推斷，但如果不正確瞭解總體分佈形態，引數估計就不適用，非引數檢驗正是用於此類情況的。
單樣本非引數檢驗是對單個總體的分佈進行推斷的方法，方法包含卡方檢驗、二項分佈檢驗、單樣本K-S檢驗、變數值隨機性檢驗等。
方法/步驟
卡方檢驗：一種典型的對總體分佈進行檢驗的非引數檢驗方法，根據樣本資料，推斷總體分佈與期望分佈或某一理論分佈是否存在顯著性差異，是一種吻合性檢驗。通常用於對有多項分類值的總體分佈的分析。
檢驗分佈是否是2.8：1：1：1：1：1:1，得到的概率為0.256，大於顯著性水平，所以實際分佈與理論分佈無顯著性差別。
二項分佈檢驗：很多例子都是二值的，樣本資料檢驗樣本來自的總體是否服從指定概率為p的二項分佈。檢驗比例是使用者自己定義的，此處輸入0.9進行檢驗。概率為0.193，大於顯著性水平，不拒絕原假設，樣本分佈與指定概率0.9的二項分佈無顯著性差別。
單樣本K-S檢驗：該方法可以樣本資料推斷樣本來自的總體是否服從某一理論分佈，是一種擬合優度檢驗方法，通常用於探索連續性隨機變數的分佈。其中“常規”就是正態分佈。計算所得的概率為0.344，大於顯著性水平0.05，所以與正態分佈無顯著性差別。
變數值隨機性檢驗：通過樣本變數值的分析，實現對總體的變數值出現是否是隨機的進行檢驗。以“中位數'進行分割。計算出的概率為0.491，大於顯著性水平，不拒絕原假設，認為資料是隨機性的。
