《非参数假设检验》第四次课.pptVIP

非参数检验的缺点 非参数检验也有一些不可避免的缺点: 非参数检验方法对总体分布的假定不多，适应性强，但方法本身也就缺乏针对性，其功效不如参数检验。 非参数检验使用的是等级或符号秩，而不是实际数值，方法虽简单，但会失去许多信息，因而检验的有效性也就比较差。例如对于一批适用于t检验的配对资料，如果采用符号秩检验处理，其功效将低于t检验，如果用符号检验处理则效率更低，因为它对信息的利用更不充分。当然，如果假定的分布不成立，那么非参数检验就是更值得信赖的。 非参数检验的优点 与参数检验方法对比，非参数检验方法具有以下优点: 检验条件宽松，适应性强。参数检验假定总体分布为正态、近似正态或以正态分布为基础而构造的t分布或 分布；非参数检验不受这些条件的限制，弥补了参数检验的不足，对于非正态的、方差不等的以及分布形状未知的数据都适用。 检验方法灵活，用途广泛。非参数检验不但可以应用与定距、定比等连续变量的检验，而且适用于定类、定序等分类变量的检验。对于那些不能直接进行四则运算的定类数据和定序数据，运用符号检验、符号秩检验都能起到好的效果。 非参数检验的计算相对简单，易于理解。由于非参数检验更多地采用计数的方法，其过程及结果都可以被直观地理解，为使用者所接受。 作 业【考】 多独立样本的K—W检验 多独立样本的Median检验 多个总体独立样本的非参数检验 多独立样本的K—T检验 单样本的Kolmogorov—Smirnov检验 单样本K—S检验是一种拟合优度的非参数检验，是利用样本数据推断总体是否服从某一理论分布的方法，适用于探索连续性随机变量的分布形态。进行Kolmogorov-Smirnov Z检验，是将一个变量的实际频数分布与正态分布(Normal)、均匀分布(Uniform)、泊松分布(Poisson)进行比较。 SPSS实现K—S检验的过程如下： （1）根据样本数据和用户的指定构造出理论分布，查分布表得到相应的理论累计概率分布函数 。 （2）利用样本数据计算各样本数据点的累积概率，得到检验累计概率分布函数 。 （3）计算 和 在相应的变量值点X上的差，得到差值序列。单样本K—S检验主要对差值序列进行研究。 例题 例题：某地144个周岁儿童身的高数据如下表，问该地区周岁儿童身高频数是否成正态分布？ 身高区间 人数 64— 2 68— 4 69— 7 70— 16 71— 20 72— 25 73— 24 74— 22 76— 16 78— 2 79— 6 83— 1 练习：某报刊亭为研究每天报刊的销售量，为以后每天报刊进量提供依据，统计其在140天的销售中，某日报的日销售量的频数资料如下表，问该资料的频数是否服从正态分布？ 日销售量(份) 天数 日销售量(份) 天数 ＜159 2 210～219 24 160～169 4 220～229 22 170～179 7 230～239 16 180～189 16 240～249 2 190～199 20 250～259 6 200～209 25 ＞260 1 两个总体独立样本的非参数检验 检验两个总体的分布是否相同： 方差相同 分布函数形式相同 两个总体的分布若相同 参数相同 均值相同 (2)两个总体的分布未知,它们是否相同； Wald-wolfowitz Runs 游程检验 Mann-Whitney U秩和检验 Kolmogorov—Smirnov检验 Moses Extreme Reactions极端反应检验 两个总体独立样本的非参数检验方法 两个总体独立样本非参数检验方法的SPSS操作 零假设：样本来自的两独立总体分布无显著差异 K-S检验实现的方法：将两组样本数据混合并升序排列，分别计算两组样本秩的累计频率和每个点上的累积频率，然后将两个累计频率相减，得到差值序列数据。 K-S检验将关注差值序列，并计算K-S的Z统计量，依据正态分布表给出相应的相伴概率值。 （1）Kolmogorov—Smirnov检验 两组样本是可以各自独立颠倒顺序的 （2）Mann-Whitney U秩和检验法 检验这两组样本是否来自同一个总体(或两组样本的总体分布是否相同)。 问题： 有两个总体的样本为： 与 可能 。 。 Mann-Whitney U检验的统计量是： 式中 对给定 ,查 值表,得 若 ,则总体分布相同。 两样本Wald-wolfowitz 游程检验中，计算游程的方法与观察值的秩有关。首先，将两组样本混合并升序排列。在数据排序时，两组样本的每个观察值对应的样本组标志值序列也随之重新排列，然后对标志值序列求游程。 如果计算出的游程数相对比较小，则说明样本来自的两总体分布形