非参数统计1分解.ppt

非 参 数 统 计;目 录;第一章 引 言;主要内容;1. 统计的实践;我们周围的世界;统计的方法论;2. 非参数统计方法简介;参数方法;一个典型的参数检验过程;非参数检验过程;在不知总体分布的情况下如何利用数据所包含的信息呢？ 一组数据的最基本的信息就是次序．如果可以把数据点按大小次序排队，每一个具体数目都有它的在整个数据中的位置或次序，称为该数据的秩(rank)． 非参数统计中的“非参数(nonparametric)”意味着其方法不涉及描述总体分布的有关参数；它被称为和分布无关(distribution-free)，意思是其推断方法和总体分布无关。注意：不应理解为与所有分布(例如有关秩的分布)无关． ;3. 参数统计与非参数统计比较;对总体假定较少，有广泛的适用性，结果稳定性较好。 1. 假定较少 2. 不需要对总体参数的假定 3. 与参数结果接近 针对几乎所有类型的数据形态。 容易计算 在计算机盛行之前就已经发展起来。;1. 可能会浪费一些信息 特别当数据可以使用参数模型的时候。 Example: Converting Data From Ratio to Ordinal Scale 2. 大样本手算相当麻烦 3. 一些表不易得到 ;本学期内容结构体系;非参数统计的主要内容;4. 非参数统计的历史;非参数统计的历史;非参数统计的历史（续）;5.基础知识简介;（1）假设检验和置信区间;内容;（1）设置零假设和备选假设； （2）构造检验统计量T(X1,X2,…Xn)； （3）数值实现t= T(x1,x2,…xn); （4）计算零假设下，r.v.T落入某区间的精确概率 或近似概率。;单边检验和双边检验的p值??;强势的检验较弱势的检验，拒绝原假设的概率更大，更容易拒绝零假设。 势依赖很多原因：显著性水平，参数的真值，样本大小，检验统计量的选择。 利用信息越多的检验统计量势越大；其他条件一样时，势越大，检验越有效。 统计软件一般不给出 ，仅给出p值。显著性水平由用户自己决定。 注意：显著性检验的主要目的拒绝零假设。 包含参数 的区间 ， 的 置信区间为;（2）连续性修正;超几何分布： = ，这里p=S/N Yate连续修正： 所用的统计量为 Yate连续修正量为 有近似的自由度为1的卡方分布 ;（3） 检验的简单介绍;与pearson统计量类似，似然比统计量 也用于与列联表有关的 检验。 基于随机化模型的 检验 P9 关于离散分布的列联表 检验 P10 ;（4）数据处理 ;数据处理 ;;数据处理 ;;根据盒形图可以观察：;;;;（5）其他相关概念介绍; 下表给出了四种不同总体分布下，符号检验（用S代表），Wilcoxon符号秩检验（用W+代表），相对于t检验的渐近相对效率。;若标准正态总体 有部分污染，假定它被 以比例 污染，污染后的总体分布函数为 下表给出了Wilcoxon对t检验的ARE： 上面是特别情况下的ARE值，下表给出了Wilcoxon检验，符号检验，t检验的ARE的范围：;2.局部最优势检验LMP;（2）顺序统计量; 基于顺序统计量的统计量： 中位数 众数 出现次数最多的数 极差 修整均值 这里，j为求均值前删掉的最小或最大观测值的数目。; 顺序统计量的分布： 设总体的分布函数F(x),则第r个顺序统计量的分布函数为： ;;;(3)秩统计量;2.有结数据的秩：;(4)线性秩统计量; 正态记分线性秩统计量： 如果把线性秩统计量 中的an(.)换为正态 分位点 称为正态记分。而形为 的线性秩统计量称为ven der Waerden正态记分。 基于正态记分关联的检验称为正态记分检验。 ;（5）U统计量;2. 对称核和U统计量的概念：;习题;;