ノンパラメトリック検定は、生態学などにおけるデータ解析において広く使われてきた。正規分布やポアソン分布といった特定の分布を仮定していないことから、「ノンパラメトリック検定は分布のことは気にせずに使える」という誤解が少なくない。ノンパラメトリック検定におけるデータの分布の影響を、2つの条件での独立なサンプルでの大小の比較というシンプルな状況で検討した。たとえば、実験処理をした個体とコントロールの個体とで何らかの量を比較する場合などがこの状況の例である。このような大小の比較で使われる代表的な検定がMann-WhitneyのU検定（すなわちWilcoxon順位和検定）であるが、比べるデータが、水平移動するとぴったりと重なる2つの分布からのものであることが仮定されている（location shift modelやshift modelと呼ばれる）。分散や分布の形がちがうときには、水平移動してもぴったり重ね合わせることはできないから、仮定が満たされず適用範囲外になってしまう。そこで、分散が異なる場合に対して、ノンパラメトリック検定としてBrunner-Munzelの検定やFligner-Policelloの検定が提案されてきた。本講演では、帰無仮説が正しく本当は２つの条件間で大小の差がないときに有意な差を検出してしまう誤りである、第1種の誤りの率を評価する。これにより、分散や分布の形がちがうとき、これらノンパラメトリック検定は平均値や中央値を比べるための検定として使えるか、使えないのはどのような状況を検討する。