وقتی که صحبت از تحلیل رگرسیونی می شود ، معمولاً منظور برازش یک مدل ریاضی به داده ها به عنوان الگوی وابستگی متغیرها ، بررسی نمودار باقی مانده ها به عنوان انحرافات از مدل ، برآورد و آزمون فرض درباره پارامترها و پیش بینی می باشد . روشهای رگرسیونی کاربرد فراوانی در زمینه رشته های مختلف علوم ، مانند آمار ، اقتصاد ، علوم زیستی و علوم تربیتی دارد . یکی از این روشها آزمون فرض برای ضرایب رگرسیونی می باشد . در حالتی که فرضهای اساسی از جمله نرمال بودن توزیع جملات خطا ، روی مدل برقرار است انجام استنباط آماری به شیوه کلاسیک راهی مشخص و واضح دارد . اما در عمل روی داده های واقعی که از طبیعت بدست می آیند مثل داده های اجتماعی ، اقتصادی ، کشاورزی و ... اکثر فرضهای اساسی برقرار نمی باشد و فرضهای آماری در خصوص این داده ها به روش کلاسیک به خوبی برآورده نمی شود لذا در این حالت به سراغ شیوه های ناپارامتری می رویم . که در این پایان نامه برآنیم به مقایسه آزمون فرض های روش کلاسیک و روش جایگشتی به شیوه های حداقل مربعات و حداقل قدرمطلق پراکندگی ها بپردازیم . از مهمترین روش های ناپارامتری جایگشتی روش کندی و فریدمن و لان را می توان نام برد . این پایان نامه از سه فصل تشکیل شده است در فصل اول به برآورد پارامترها و آزمون فرضها به روش کلاسیک که شامل روشهای حداقل مربعات و حداقل قدرمطلق خطا است خواهیم پرداخت . در فصل دوم روشهای ناپارامتری من جمله روش جایگشتی کندی و فرید من و لان و روش بوت استرپ بیان می کنیم و در فصل سوم به وسیله شبیه سازی به مقایسه روشهای کلاسیک و روشهای ناپارامتری جایگشتی خواهیم پرداخت .