第七章_SPSS非参数检验精选.pptVIP

本章内容 7.1 单样本的非参数检验 7.2 两独立样本的非参数检验 7.3 多独立样本的非参数检验 7.4 两配对样本的非参数检验 7.5 多配对样本的非参数检验 非参数检验 非参数检验： （1）在总体分布未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。 （2）推断过程中不涉及有关总体分布的参数。 7.1 单样本的非参数检验 1.目的：样本来自总体的分布是否与某个已知的分布相吻合？ —绘制样本数据的直方图、pp图、QQ图判断—粗略 —通过非参数检验—精确 2.单样本非参数检验 （1）对单个总体的分布形态等进行推断 （2）方法：卡方检验、二项分布检验、K-S检验、变量值随机性检验等。 7.1.1总体分布的卡方检验 1、基本思想的理论依据： 如果从一个随机变量X中随机抽取若干个观察样本，这些观察样本落在X的k个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k趋于无穷时近似服从卡方分布。基于这一思想，对变量X总体分布的检验可从对各个观察频数的分析入手。 7.1.1总体分布的卡方检验 1.基本思想-吻合性检验 （1）原假设：样本来自的总体分布与期望分布无显著差异。 变量值落入第i个子集中的理论概率为 ，相应的期望频率为 二.总体分布卡方检验的应用实例： SPSS总体分布的卡方检验对数据存放，需要定义一个存放变量值的SPSS变量和一个存放各变量值观测频数的变量，并指定该变量为加权变量。 2.实现步骤 [Analyze]-[Nonparametric Tests]-[Chi-Square] （1）选定待检验的变量到[Test Variable list] （2）在[Expected Range]中确定参与分析的观测值的范围： [Get from data]:所有观测数据都参与分析 [use specified range]：只在该取值范围内的观测数据才参与分析。 （3）[Expected values]给出各理论值 [All categories equal]:所有子集的频数都相同 [value]：依次输入值，通过[add]、[change]、[remove]进行增加、修改和删除。 (4)单击Options按钮，在Statistics栏中选择输出统计量。 Descriptive 复选项，指定输出变量的均值、标准差、最大值、最小值、非缺失个体的数量。 Quartiles复选项，输出四分位数。 （2）Missing Values 栏中选择对缺失值的处理方式。 Exclude case test-by-test 选项，将参与对比中的缺失值排除。 Exclude cases listwise 选项，剔除任何变量中所有含缺失值的样品。 3.应用案例 医学研究表明心脏病人猝死人数与日期的关系为：一周内，星期一猝死者较多，其他日子基本相当，各天的比例近似为：2.8：1：1：1：1：1：1 根据“心脏病猝死”数据，推断总体分布是否与理论分布相吻合。 分析： 利用总体分布卡方检验实现。 4.应用练习 掷一颗六面体300次，用数字型数据1、2、3、4、5、6分别代表六面的六个点，试问这颗六面体是否均匀。 7.1.2二项分布检验 在现实生活中有很多数据的取值是二值的，例如，人群可以分为男性和女性，产品可以分为合格和不合格，学生可以分为三好学生和非三好学生。通常将这样的二值分别用1和0表示。如果进行n次相同的实验，则出现两类（1或0)的次数可以用离散型随机变量来描述。如果随机变量值为1代表成功，其概率设为p，则随机变量值为0的概率q便等于1-p，则成功次数变量X的分布为二项分布。 7.1.2二项分布检验 1.基本思想 （1）通过样本数据检验样本来自的总体是否服从指定概率p的二项分布。 （2）小样本-精确检验：计算n次试验中某类出现的次数小于等于x次的概率： 大样本-近似检验 2.实现步骤 [Analyze]-[Nonparametric Tests]-[Binomial] （1）选定待检验的变量到[Test Variable list] （2）[define dichotomy]中指定如何分类 [get from data]：检验变量为二值变量 [cut point]：输入具体数值，小于等于该值的为第一组，大于该组的为第二组 （3）[Test proportion]：输入二项分布的检验概率值 3.应用案例 利用“产品合格率”数据，推断该批产品的一级品率是否为90%。 分析： 产品合格与否属于二值变量，可以通过二项分布检验实现。 3.应用练习 1.掷一枚硬币31次，出现正面和反面在上的结果见下表，试问这枚硬币