非参数检验是一种不依赖于总体分布类型，也不对总体参数进行推断的统计方法。在以下几种情况下通常会使用非参数检验方法。

首先，当总体分布类型未知时，非参数检验是一种很好的选择。在实际研究中，我们常常无法确切知道所研究的数据来自何种分布。例如，在研究某种新型疾病患者的康复时间时，由于这是一个新的研究领域，没有足够的信息来确定康复时间的总体分布是正态分布、泊松分布还是其他分布。此时，非参数检验不依赖于特定的分布形式，能够直接对数据的分布特征进行分析，从而得出有意义的结论。

其次，数据不符合参数检验的条件时需要使用非参数检验。参数检验通常要求数据满足一定的条件，如正态性、方差齐性等。如果数据不满足这些条件，强行使用参数检验可能会导致错误的结果。比如，在研究不同地区老年人的血压值时，由于样本中可能包含一些患有特殊疾病的老年人，使得血压数据呈现出明显的偏态分布，不满足正态性要求。这种情况下，使用非参数检验可以避免因数据不满足条件而带来的误差。

再者，对于有序分类数据，非参数检验更为适用。有序分类数据是指数据具有一定的顺序，但相邻类别之间的差距并不一定相等。例如，在对药物治疗效果进行评价时，分为“治愈”“显效”“有效”“无效”四个等级，这些等级之间有顺序关系，但无法准确衡量每个等级之间的具体差异。非参数检验可以充分利用数据的顺序信息进行分析，而参数检验则难以处理这类数据。

另外，当样本量较小时，总体分布的信息往往较少，难以判断其分布类型。此时，非参数检验不需要对总体分布做出严格假设，能够在样本量有限的情况下进行有效的统计分析。例如，在一些罕见病的研究中，由于患者数量稀少，样本量较小，使用非参数检验可以更合理地分析数据。

最后，当数据中存在极端值时，非参数检验也具有优势。极端值可能会对参数检验的结果产生较大影响，因为参数检验通常基于均值等统计量，而极端值会使均值发生较大偏移。非参数检验主要关注数据的秩次，对极端值不敏感，能够更稳健地处理包含极端值的数据。