第八章 非参数检验目录.docVIP

目 录 第八章 非参数检验 2 第一节 非参数检验概述 3 第二节 单样本非参数检验 3 一、拟合优度检验 3 二、单样本K-S检验 5 三、符号检验 6 四、游程检验 7 第三节 列联表与的独立性检验 8 第四节 等级相关分析 10 一、Spearman等级相关系数 11 二、Kendall等级相关系数 12 英文摘要与关键词 14 习 题 15  第八章 非参数检验 通过本章的学习，我们应该知道： 非参数检验的优缺点 常用的单样本非参数检验方法 列联表与卡方的独立性检验 Spearman和Kendall 等级相关系数的计算 第一节 非参数检验非参数检验的特点拟合优度检验、K-S检验、符号检验和游程检验，以及列联表与卡方的独立性检验。 第二节 单样本检验检验、K-S检验和符号检验都属于拟合优度检验，即都是检验属于每一类别的观测数目与根据零假设所得到的期望数目之间是否有显著性差异；游程检验是用来对样本数据的随机性进行的检验。 一、拟合优度检验拟合优度检验（chi-square goodness-of-fit test）适用于具有明显分类特征的数据。如要研究消费者对某种产品是否有“颜色”的偏好，可以将200位消费者按购买不同颜色的产品分类，得到各颜色购买者的人数。根据这些样本数据来判断样本所属的总体分布与某一设定分布是否有显著差异，所谓设定分布可以是我们熟悉的理论分布，如正态分布、均匀分布等，也可以是任何想象的分布。零假设是：样本所属总体其分布形态与设定分布无显著差异。在进行检验时需要构造下面的统计量： （8.1） 式中：k是样本分类的个数，表示实际观察到的频数，表示设定频数，即理论频数。可见，如果观察频数与设定频数越接近，则值越小，根据皮尔逊定理，当n充分大时，统计量渐近服从于k-1个自由度的分布。我们可以计算出统计量，判断有两种方法： 一是依据分布表，给出所对应的概率值，如果该概率值小于或等于给定的显著性水平α，则拒绝，即样本所属的总体分布形态与设定的分布存在显著差异；如果该概率值大于给定的显著性水平α，则不能拒绝，即没有理由认为样本所属的总体分布形态与设定分布有显著差异。 二是依据分布表，给出α所对应的临界值，如果统计量大于或等于临界值，则拒绝，认为样本所属的总体分布形态与设定分布存在显著差异；如果统计量小于临界值，则不能拒绝。 由于奠定检验基础的皮尔逊定理要求样本是充分大，所以在搜集资料时必须要保证样本容量不小于50，同时每个单元中的期望频数不能太小,如果第一次分类时有单元中的频数小于5，则需要将它与相邻的组进行合并，如果20%的单元理论频数小于5，则不能用检验了。 【例8.1】某企业生产线上星期一至星期五的不合格产品数量如下表所示，试检验五个不同工作日的产品不合格率是否相同（α=0.05）？ 工作日 星期一 星期二 星期三 星期四 星期五 不合格品数(个) 36 32 16 15 35 【解】：五个不同工作日的产品不合格数相同；：五个不同工作日的产品不合格数不相同。 由于不合格品数的实际数是134，所以其理论值为134÷5 = 26.8。表8.1是相关数据的计算。 表8.1 统计量的计算表 工作日 不合格品数 实际值 不合格品数 理论值 星期一 36 26.8 9.2 3.1582 星期二 32 26.8 5.2 1.0090 星期三 16 26.8 -10.8 4.3522 星期四 15 26.8 -11.8 5.1955 星期五 35 26.8 8.2 2.5090 合计 134 134 — 16.2239 统计量为16.2239，其对应的近似概率值为0.0027。由于0.00270.05，故拒绝，也就是说，五天工作日中各天的产品不合格率是不相同的。 教师：这里的判断依赖于查表，如果手头没有现成的表也没有关系，只要用Excel就可以解决问题。比如想知道统计量为16.2239所对应的概率，可用函数CHIDIST，只要在单元格中输入：=CHIDIST（16.2239,4）就会得到0.0027的返回值；同样我们想知道自由度为4时，α=0.05所对应的临界值，只要在单元格中输入=CHIINV(0.05,4) 立即就有9.4877响应。 学生：也可用临界值判断，由于16.2239大于α=0.05所对应的临界值9.4877，所以是拒绝。 【例8.2】接上题，有人认为产品的不合格率与工人的情绪有关，星期一刚来上班情绪最不稳，不合格率为30%，星期二、五的不合格率次之，为25%，而星期三、四的不合格率仅为10%，这种观点有道理吗？以显著性水平α=0.05来检验这种说法的正确性。 【解】 ： ：至少有一个与上述比例不同。 计算在各设定的比例为真