Hasta ahora todas las técnicas utilizadas para realizar algún tipo de inferencia exigían:

Asumir de ciertas hipótesis como la aleatoriedad en las observaciones que componen la muestra, o la normalidad de la población, o la igualdad de varianzas de dos poblaciones, etc; o bien, la estimación de cualquier parámetro como la media, varianza, proporción, etc, de la población.

El conjunto de estas técnicas de inferencia se denominan técnicas paramétricas. Existen sin embargo otros métodos paralelos cuyos procedimientos no precisan la estimación de parámetros ni suponer conocida ninguna ley de probabilidad subyacente en la población de la que se extrae la muestra.

Estas son las denominadas técnicas no paramétricas o contrastes de distribuciones libres, algunos de los cuales  se desarrollan en este capítulo. Sus mayores ventajas residen en que:

Son más fáciles de aplicar que las alternativas paramétricas:

Al no exigir ninguna condición suplementaria a la muestra sobre su procedencia de una población con cierto tipo de distribución, son más generales que las paramétricas, pudiéndose aplicar en los mismos casos en que estas son válidas.

Por otro lado, esta liberación en los supuestos sobre la población tiene inconvenientes.  

El principal es la falta de sensibilidad que poseen para detectar efectos importantes. En las técnicas no paramétricas juega un papel fundamental la ordenación de los datos, hasta el punto de que en gran cantidad de casos ni siquiera es necesario hacer intervenir en los cálculos las magnitudes observadas, más que para establecer una relación de menor a mayor entre las mismas, denominadas rangos.