10非参数检验研讨.ppt

最优检验方式具有的特点 最优的检验方式应该有： （1）控制风险的能力。 （2）控制样本容量的能力。 在实际工作中，在非参数检验或参数检验的选择上，主要依据上述两个因素和可用的样本容量。 关于随机性的检验 对随机性的检验，从参数统计的角度，研究这一问题是相当困难的。从非参数的角度来看，如果数据有上升或下降的趋势，或有呈现周期性变化的规律等特征时，均可能表示数据不是随机出现的。 游程检验（Runs Test）：也称连贯检验或变量值随机性检验，是根据游程数所作的两分变量的随机性检验。即检验一个取两个值的变量的这两个值的出现是否是随机的。 基本思想： （1）通过对样本变量值的分析，实现对总体的变量值出现是否随机进行检验。 （2）原假设：总体变量值出现是随机的。 检验依据：游程数太大或太小都表明变量值存在不是随机的。 其应用范围很广，如： 奖券的购买是否随机。 期货价格的变换是否随机。 一个机械流程中产品误差的出现是否存在规律。 若事件的发生并非随机，而是有规律可循，否则可作出相应的对策。 SPSS软件分析结果输出： 描述统计表显示：N=7，平均每天的事故次数为9.57，标准差为1.813，最小值为7，最大值为12，下四分位点为8次，中位数为9次，上四分位点为11次。 K-S Test表显示：双尾相伴概率Sig.=0.858，远大于给定的显著性水平0.05，因此没有理由拒绝原假设，即认为每天发生交通事故次数为均匀分布。也就是说，事故的发生与星期几无关。 例： 美国某汽车协会每月编制一个顾客满意度指数，旨在测量顾客对新型汽车的满意程度，此指数越高，则意味顾客越满意。右表给出某年评比出的前10名汽车的资料。 请问顾客是否对美国的进口品牌的汽车更加满意？ SPSS两独立样本检验过程： 1、建立数据文件。 2、提出原假设H0：美国产的与进口的新型汽车的顾客满意度指数相同。 分析结果表： 分析结果表： 1，建立数据文件。 2，提出原假设H0：做广告前与做广告后每日销量相同。 3，SPSS分析：点击“Analyze-Nonparametric Tests-2 Related Samples Tests” 分析结果表： * * SPSS游程检验操作： 实例：掷硬币20次得到的实验数据见下表，其中1表示数字面朝上，0表示国徽朝上。试问掷硬币是否是随机的。 §9.4 游程检验与Runs子过程 1 1 0 1 0 0 0 1 1 0 1 0 1 1 1 0 0 1 1 0 SPSS操作实现步骤： 1、根据表格建立数据文件。 2、点击菜单“Analyze-Nonparametric Tests-Runs”。弹出对话框。 Cut Point：定义两类的分割点方法，变量值小于分割点的个体形成第一类，其他个体形成第二类，可选分割点如下： Median：指定中位数为分割点。 Mode：指定众数为分割点。 Mean：指定平均数做分割点。 Custom：自定义分割点。 将“硬币出现频数”变量移入Test Variable框中， 本例由于1出现11次，0出现9次，中位数和众数都为1，故不能选用Mode和Median作为划分两类的分割点，应该选用Mean或Custom作为Cut Point。该例选择Mean和Custom，在Custom框中输入的值输入0.5. §9.4 游程检验与Runs子过程 结果如下： §9.4 游程检验与Runs子过程 Runs Test表是Mean作为分割点的结果。 Runs Test 2是Custom（自定义值）0.5作为分割点的结果。 两个表依次为：检验值、小于检验值的样本数、大于检验值的样本数、总样本数、游程数、Z值和双尾相伴概率。 该例的Sig.＝0.7810.05.故不拒绝原假设，即掷硬币试验是随机的。 单个样本的K-S检验：也称柯尔莫哥洛夫－斯米洛夫检验，是一种拟合优度检验方法，是利用样本数据推断总体是否服从某一理论分布的检验。适用于探索性随机变量的分布形态，比较适合于连续型数据的分析。 单样本K-S检验利用样本数据的实际频数分布与正态分布（Normal）、均匀分布（Uniform）、泊松分布（Poisson）、指数分布（Exponential）进行比较，以确定是否服从某一分布。 §9.5 单个样本的K-S检验与1－Sample K-S子过程 一般原假设H0：样本来自某一分布总体或与某分布无显著差异。 SPSS将自动计算，并给出对应的相伴概率值。若相伴概率小于或等于用户给定的显著性水平，则拒绝原假设，否则接受原假设H0。 实例：某条大街一年内的交通事故按星期日、星期一、星期二、…、星期六分为七类进行统计，记录如下表： 试问：事故的发生是否与星期几有关？ §9.5 单个样