第四讲-第7章 非参数检验-1-2011.pptVIP

第七章 非参数检验nonparametric tests 非参数检验是一种与总体分布状况无关的检验方法，它主要是利用样本数据之间的大小比较及大小顺序，对样本及其所属总体作差别检验，而不对总体分布的参数如平均数、标准差等进行估计推断。 优点—计算简便、直观， —易于掌握，检验速度较快 缺点—降低了检验的准确性，效率一般要低于参数检验方法 第一节 ?2检验 （ ?2 test） 第二节 符号检验（sign test）第三节 秩和检验（rank-sum test） 第一节 ?2检验 一、 ?2统计量及分布 例7.1 根据遗传学理论，动物的性别比例是1:1。统计某羊场一年所产的876只羔羊中，有公羔428只，母羔448只。按1:1的性别比例计算，公、母羔均应为438只。以A表示实际观察次数，T表示理论次数，可将上述情况列成表7-1。 表7-1 羔羊性别实际观察次数与理论次数 7-1 ?2是度量实际观察次数与理论次数偏离程度的一个统计量， ?2越小，表明实际观察次数与理论次数越接近； ?2 0，表示两者完全吻合； ?2越大，表示两者相差越大。 对于表7-1的资料，可计算得 表明实际观察次数与理论次数是比较接近的。 上面在属于离散型随机变量的次数资料的基础上引入了统计量?2， 它近似地服从统计学中一种连续型随机变量的概率分布???2分布。下面对统计学中的?2分布作一简略介绍。 设有一平均数为μ、方差为 的正态总体。现从此总体中独立随机抽取n个随机变量：x1、x2、…、xn，并求出其标准正态离差： ， ，… ， 记这n个相互独立的标准正态离差的平方和为?2 ： 7-2 它服从自由度为n的?2分布，记为 ～ ?2 n ； 若用样本平均数 代替总体平均数μ，则随机变量 7-3 服从自由度为n-1的?2分布，记为 ～ 三、 适合性检验 test for goodness of fit 1、适合性检验的意义 判断实际观察的属性类别分配是否符合已知属性类别分配理论或学说的假设检验称为适合性检验。 SPSS命令： 先进行加权：data?weight cases 再进行检验：analyze?nonparametric tests? chi square 若?2 或?2c ＜?20.05，P＞0.05，表明实际观察次数与理论次数差异不显著，可以认为实际观察的属性类别分配符合已知属性类别分配的理论或学说； 若?20.05≤?2 或?2c ＜?20.01，0.01＜P≤0.05，表明实际观察次数与理论次数差异显著，实际观察的属性类别分配显著不符合已知属性类别分配的理论或学说； 若?2 或?2c ≥?20.01，P≤0.01，表明实际观察次数与理论次数差异极显著 ，实际观察的属性类别分配极显著不符合已知 属性类别分配的理论或学说。 2、适合性检验的方法 【例7.3】 在进行山羊群体遗传检测时，观察了 260只白色羊与黑色羊杂交的子二代毛色，其中181只为白色，79只为黑色，问此毛色的比率是否符合孟德尔遗传分离定律的3∶1比例 检验步骤如下： （一）提出无效假设与备择假设 H0：子二代分离现象符合3∶1的理论比例。 HA：子二代分离现象不符合3∶1的理论比例。 （二）选择计算公式 由于本例是涉及到两组毛色（白色与黑色），属性类别分类数k 2，自由度df k-1 2-1 1，须使用校正公式来计算 。 （三）计算理论次数 根据理论比率3∶1求理论次数： 白色理论次数：T1 260×3/4 195 黑色理论次数：T2 260×1/4 65 或 T2 260-T1 260-195 65 （四）计算 表 ?2c计算表 五 查临界?2值，作出统计推断 当自由度df 1时，查得?20.05（1） 3.84，计算?2c ?20.05（1），P 0.05，不能否定H0，表明实际观察次数与理论次数差异不显著，可以认为白色羊与黑色羊的比率符合孟德尔遗传分离定律3∶1的理论比例。 【例7.4】 在研究牛的毛色和角的有无两对相对性状分离现象时，用黑色无角牛和红色有角牛杂交，子二代出现黑色无角牛192头，黑色有角牛78头，红色无角牛72头，红色有角牛18头，共360头。试问这两对性状是否符合孟德尔遗传规律中9∶3∶3∶1的遗传比例？ 检验步骤： （一）提出无效假设与备择假设 H0：实际观察次数之比符合9∶3∶3∶1的理论比例。 HA：实际观察次数之比不符合9∶3∶3∶1的理论比例。 （二）选择计算公式 由于本例的属性类别分类数 k 4：自由 度df k-1 4-1 3 1，故利用（7—1）式计算?2。 （三）计算理论次数 依据各理论比例9:3:3:1计算理论次数： 黑色无角牛的理论次数T1：360×9/16