多個相關樣本的秩和檢驗主要使用Friedman檢驗。 **一、適用情況** 當有多個相關樣本（比如同一組對象在不同處理條件下的測量值），且數據不滿足參數檢驗的假設條件時，可以使用Friedman檢驗。例如，比較同一位患者在接受三種不同治療方法后的疼痛程度評分；或者觀察同一組學生在使用三種不同學習方法后的考試成績變化等。 **二、基本原理** 1. 排序 - 首先將每個對象在不同處理條件下的觀測值進行單獨排序，得到每個觀測值在其所在對象內的秩。例如，有5個對象和3種處理條件，對于每個對象，將其在三種處理條件下的觀測值從小到大進行排序，最小的觀測值秩為1，次小的秩為2，以此類推。 2. 計算秩和 - 對每種處理條件，計算所有對象在該條件下的秩之和。例如，對于三種處理條件，分別計算出三個秩和。 3. 確定統計量 - 根據秩和計算Friedman檢驗統計量F。計算公式為：\(F=\frac{12}{k(k + 1)}\sum_{j=1}^{k}R_{j}^{2}-3n(k + 1)\)，其中\(k\)是處理條件的個數，\(n\)是對象的個數，\(R_j\)是第\(j\)種處理條件的秩和。 4. 判斷差異是否顯著 - 將計算得到的統計量F與特定的臨界值進行比較，或者通過查Friedman檢驗的分布表確定P值。如果P值小于預先設定的顯著性水平（通常為0.05），則拒絕原假設，認為不同處理條件之間存在顯著差異；否則，接受原假設，認為不同處理條件之間沒有顯著差異。 **三、優點** 1. 對數據分布要求寬松 - 不依賴特定的總體分布假設，適用于各種分布形態的數據，尤其在數據嚴重偏態或分布未知的情況下，Friedman檢驗是一種可靠的選擇。 2. 適用于相關樣本 - 專門用于分析多個相關樣本，能夠有效處理同一組對象在不同條件下的觀測數據，充分考慮了樣本之間的相關性。 3. 穩健性強 - 對異常值相對不敏感，即使數據中存在個別極端值，也能提供較為穩定的結果。 **四、缺點** 1. 檢驗效能相對較低 - 在總體分布符合參數檢驗假設的情況下，參數檢驗通常比Friedman檢驗具有更高的檢驗效能。Friedman檢驗在處理數據時，由于不利用數據的具體分布參數，可能更難檢測到實際存在的差異。 2. 結果解釋相對復雜 - 結果基于秩次計算得到，對于不熟悉非參數檢驗的人來說，理解和解釋結果可能需要一定的學習和理解過程。