R语言中有哪些非参数检验方法？它们可以用来解决哪些问题？

R语言中有许多非参数检验方法，适用于数据不满足正态分布假设或无法满足其他检验方法的假设条件的情况。以下是一些常见的非参数检验方法及其适用场景：

1. Wilcoxon符号秩检验：用于比较一对配对样本的中位数是否有显著差异。适用于连续型数据，例如比较同一组受试者在两个时间点的得分变化。

2. Mann-Whitney U检验：用于比较两个独立样本的中位数是否有显著差异。适用于连续型数据，例如比较两组患者的疾病严重程度。

3. Kruskal-Wallis检验：用于比较三个或更多组独立样本的中位数是否有显著差异。适用于连续型数据，例如比较不同药物治疗组的效果差异。

4. Friedman秩和检验：用于比较三个或更多组配对样本的中位数是否有显著差异。适用于连续型数据，例如比较同一组受试者在不同治疗条件下的得分变化。

5. McNemar检验：用于比较两个配对样本的分类结果是否有显著差异。适用于分类变量，例如比较同一组受试者在两个时间点的分类变化。

这些非参数检验方法可以用来解决各种问题，如比较两个或多个组的中位数、比较配对样本的差异、评估分类变量的相关性等。它们不依赖于数据的分布假设，更加灵活适用于各种类型的数据。但需要注意的是，非参数检验方法通常对样本量较小或连续型数据较少的情况更为适用。