非参数chapter3概述.ppt

3.Wilcoxon符号秩统计量分布 在小样本情况下可以计算Wilcoxon符号秩统计量的精确分布。在大样本情况下可以使用正态近似： 计算出Z值以后，查正态分布表对应的p-值，如果p-值很小，则拒绝零假设。 在小样本情况下，用连续性修正公式： 例3.12 4.Wilcoxon符号秩检验导出Hodges-Lemmann估计性质及运用 定义：简单随机样本 ，计算其中任意两个数的平均，称为Walsh平均，即 定理：Wilcoxon符号秩统计量 可表示为： 定义：假设 独立同分布于 ， 当F对称时，定义Walsh平均中位数： 作为 的Hodges-Lemmann估计。 §3.6 正态计分检验 检验原理以及计算: 基本思想是把升幂排列的秩 用对升幂排列的正态分位 点 替代， 为了保证秩为正的，用变化的式子： 其中 就是第 个数据的正态记分。 计算步骤 对假设检验问题： 对单边或者双边。 1. 将的 秩按升幂排列， 并加上 对应的 符号，也就是构造符号秩. 2. 用正态记分代替符号秩： 记 ，构造统计量： 3. T有近似的正态分布,当T大的时候，考虑拒绝零假设。 例3.18 如，某工厂制造一批骰子，声称它是均匀的. 为检验骰子是否均匀，要把骰子实地投掷若干次，统计各点出现的频率与1/6的差距. 也就是说，在投掷中，出现1点，2点，…，6点的概率都应是1/6. 得到的数据能否说明“骰子均匀”的假设是可信的？ 问题是： §3.7 分布的一致性检验 H0：总体X的分布函数为F(x) 然后根据样本的经验分布和所假设的理论分布之间的吻合程度来决定是否接受原假设. 使用 对总体分布进行检验时， 我们先提出原假设: 检验法 这种检验通常称作拟合优度检验，它是一种非参数检验. 解决这类问题的工具是英国统计学家K.皮尔逊在1900年发表的一篇文章中引进的所谓 检验法. 在用 检验假设H0时，若在H0下分布类型已知，但其参数未知，这时需要先用极大似然估计法估计参数，然后作检验. 检验法 分布拟合的 的基本原理和步 骤如下: 检验法 3.根据所假设的理论分布,可以算出总体X的值落入每个Ai的概率pi,于是npi就是落入Ai的样本值的理论频数. 1. 将总体X的取值范围分成k个互不重迭的小区间,记作A1, A2, …, Ak . 2.把落入第i个小区间Ai的样本值的个数记作fi ， 称为实测频数. 所有实测频数之和 f1+ f2+ …+ fk等于样本容量n. 标志着经验分布与理论分布之间的差异的大小. 皮尔逊引进如下统计量表示经验分布 与理论分布之间的差异: 统计量 的分布: 在理论分布 已知的条件下, npi是常量 实测频数 理论频数 皮尔逊证明了如下定理: 若原假设中的理论分布F(x)已经完全给定，那么当 时，统计量 的分布渐近(k-1)个自由度的 分布. 如果理论分布F(x)中有r个未知参数需用相应的估计量来代替，那么当 时，统计量 的分布渐近 (k-r-1)个自由度的 分布. 是k个近似正态的变量的平方和. 这些变量之间存在着一个制约关系： 故统计量 渐近(k-1)个自由度的 分布. 在理论分布F(x)完全给定的情况下，每个pi 都是确定的常数. 由棣莫佛－拉普拉斯中心极限定理，当n充分大时，实测频数 fi 渐近正态， 因此 注： 在F(x)尚未完全给定的情况下，每个未知参数用相应的估计量代替，就相当于增加一个制约条件，因此，自由度也随之减少一个. 若有r个未知参数需用相应的估计量来代替，自由度就减少r个. 此时统计量 渐近(k-r-1)个自由度的 分布. 如果根据所给的样本值 X1,X2, …,Xn算得统计量 的实测值落入拒绝域，则拒绝原假设，否则就认为差异不显著而接受原假设. 得拒绝域: (不需估计参数) (估计r 个参数) 查 分布表可得临界值 ，使得 根据这个定理，对给定的显著性水平 ， Kolmogorov-Smirno