Por que o teste de Kolmogorov–Smirnov é classificado como teste não paramétrico?

Porque compara a função de distribuição empírica da amostra com a função de distribuição teórica sem depender de suposições paramétricas sobre a forma da densidade nem exigir estimação de parâmetros para construir a inferência.

Explicação:
O teste usa a estatística \(D_n=\sup_x |F(x)-F_n(x)|\), que mede a maior diferença entre a CDF teórica \(F(x)\) e a CDF empírica \(F_n(x)\).
Por trabalhar diretamente com a distribuição empírica e comparar contra uma CDF especificada, o procedimento não assume uma forma paramétrica da função densidade para a amostra e, quando a CDF está totalmente especificada, não precisa estimar parâmetros; por isso é considerado não paramétrico.

Exemplo:
Suponha \(n=8\) com valores ordenados: 0.5, 1.2, 1.8, 2.0, 2.3, 3.1, 4.0, 5.0. Testa-se se seguem uma exponencial com \(\lambda=0.5\), cuja CDF é \(F(x)=1-e^{-\lambda x}\).
Para \(x=2\): \(F(2)=1-e^{-1}=0.6321\). A CDF empírica é \(F_n(2)=4/8=0.5\).
Diferença: \(|F(2)-F_n(2)|=0.1321\).
O \(D_n\) é a maior diferença sobre todos os \(x\); compara-se esse \(D_n\) com a tabela crítica do KS para decidir sobre \(H_0\).