2.1单样本问题教程.ppt

非参数检验的适用范围 * * 第二章 非参数统计 第一节 单样本问题 第二节 两样本问题 第三节 多样本问题 第四节 秩相关分析 第四节 二维列联表 假设总体分布类型已知，不能确定的是有限个分布参数，根据样本提供信息对未知参数进行统计推断的统计方法. 非参数统计（nonparametric statistics）:对总体分布类型不了解(只做连续或对称等简单假设)时进行推断的统计方法. 依赖于特定分布类型，比较的是参数 . 不受总体参数的影响，比较分布或分布位置 . 参数统计（parametric statistics） 对于符合参数统计分析条件者，采用非参数统计分析，其检验效能较低. 适用范围广；可用于任何类型资料,具有较好的稳健性. 资料分布类型不明确; 个别数据偏离过大或数据某一端的值不确定 (如＜0.002、＞65等) （必选）； 各组离散程度相差悬殊; 频数表资料; 如:偏态分布 ; 等级资料(非常有效); 第一节 单样本问题 1.符号检验 2 趋势检验. 3 游程检验 4 对称中心的检验 主要介绍: 符号检验思想非常简单，通过数据中含有 正、负号的个数来做统计推断. 一、符号检验（sign test） 如关于总体中位数 的检验问题 1.双边假设检验 中符号为正的数目， 中符号为负的数目. 若假设所有样本值与 不同, 如果原假设成立, 应大体相等. 都服从二项分布 过大或过小时, 我们有理由拒绝 有 2.单边假设检验 作为检验统计量 若取 作为检验统计量 取 3.单边假设检验 作为检验统计量 取 作为检验统计量 若取 假设有一个或多个样本值与 相同 都服从二项分布 其它各种形式的检验与上同 原假设 相当于检验二项分布的 的参数 当样本容量较大，即N25时，可以用正态分布近似处理，检验统计量为： 为了提高近似程度,进行连续性修正,采用更好的 近似： 例1 假设某地16座预出售的楼盘均价，单位(百元/平方米)如下表所示： 36 32 31 25 28 36 40 32 41 26 35 35 32 87 33 35 w-c(36,32,31,25,28,36,4032,41,26,35, 35,32,87,33,35) 输入R命令 binom.test(sum(w37), sum(w37)+sum(w37), al=two.sided) #sum(w37)+sum(w37)就是 试用符号检验法检验分布中心是否为37(百元/平方米) al=two.sided表示双边检验 解：需要检验 输出结果为 Exact binomial test data: sum(w 37) and sum(w 37) + sum(w 37) number of successes = 3, number of trials = 16, p-value = 0.02127 alternative hypothesis: true probability of success is not equal to 0.5 95 percent confidence interval: 00sample estimates: probability of success 0.1875 拒绝原假设，认为分布中心不在为37(百元/平方米) 二、趋势检验（Trends test） 检验原理: 令 如果原假设成立, 应大体相等. 都服从二项分布 中符号为正的数目， 配对数目 从而转化为符号检验问题 三种假设检验 检验过程与符号检验同 作为检验统计量 取 作为检验统计量 例2 某地区32年来的降雨量如下表 问：该地区32年来降雨量是否有变化趋势？ 年份 1971 1972 1973 1974 1975 1976 1977 1978 降雨量 206 223 235 264 229 217 188 204 年份 1979 1980 1981 1982 1983 1984 1985 1986 降雨量 182 230 223 227 242 238 207 208 年份 1987 1988 1989 1990 1991 1992 1993 1994 降雨量 216 233 233 274 234 227 221 214 年份 1995 1996 1997 1998 1999 2