2单样本非参数检验.pptVIP

例1联合国人员在世界上66个大城市的生活花费指数(以纽约市1996年12月为100)按自小至大的次序排列如下(这里北京的指数为99)： 66 75 78 80 81 81 82 83 83 83 83 84 85 85 86 86 86 86 87 87 88 88 88 88 88 89 89 89 89 90 90 91 91 91 91 92 93 93 96 96 96 97 99 100 101 102 103 103 104 104 104 105 106 109 109 110 110 110 111 113 115 116 117 118 155 192 这个总体的中间水平是多少？北京市在该水平之上还是之下？（北京为99） 这个例子经过简单计算，得到样本均值为96.45，而样本中位数为91；它们都可作为总体的中心的估计，除此之外，众数(频率最大的点，本例是88)可作为中间位置．在本例中，总体分布是未知的，为此从看该数据的直方图中很难说这是什么分布。 假定用总体中位数M来表示中间位置，就意味着样本点 取大于M的概率应该与取小于M的概率相等。所研究的问题可以看作是只有两种可能“成功”或“失败”。成功为“+”， 即大于中位数M；失败为“-”，即小于中位数M。 令 S+=得正符号的数目 S—=得负符号得数目 可以知道S +或S— 均服从二项分布B（66，0.5）。 则S+和S—可以用来作检验的统计量. 左侧检验 ，当零假设为真的时， S+应该不大不小。当S+过小，即只有少数的观测值大于99，则认定中位数99可能太大，实际总体的中位数可能要小一些。对于右侧检验 ，当零假设为真的时， S+应该不大不小。当S+过大，即有多数的观测值大于99，则认定中位数99可能太小，目前实际总体的中位数可能要大一些。 双侧检验 对备择假设H1来说关心的是等于正的次数是否与等于负的次数有差异。 一般情况，备择假设采用我们觉得有道理的方向。上面的例题采用左侧检验，备择检验：M99。因为只有一点为99，舍去这一点，于是从66减少到65。而s+=23在零假设下(下面概率p=0.5)，二项分布的概率 就是该检验的p值。P（S+ 23）=0.0124。 也就是说，在零假设下，目前由该样本所代表的事件的 发生的概率仅为0.0124，所以不大可能。也就是说，北 京的生活指数(99)不可能小于世界大城市的中间水准． 对于双边假设检验，为计算方便，一般取S+和S—中较小的一个做检验统计量；如用K表示，则K=min(S+,S—)。在本例子中，若是双边检验，P值应该二倍于单侧检验的。 [例] 生产过程是否需要调整。 某企业生产一种钢管，规定长度的中位数是l0米。现随机地：从正在生产的生产线上选取10根进行测量，结果： 9.8 10.1 9.7 9.9 9.8 10.0 9.7 10.0 9.9 9.8 分析：中位数是这个问题中所关心的一个位置参数。若产品长度真正的中位数大于或小于10米，则生产过程需要调整。故做双侧检验，建立假设 为了对假设作出判定，先要得到检验统计量S +或S— 。将调查得到数据分别与10比较，算出各个符号的数目： s + =1， s— =7，n=8。 p大于显著性水平0.05。表明调查数据支持原假设。即生产过程不需要调整。 第二节 基于符号检验的中位数置信区间 例 我国国有经济15个行业的1996年职工平均工资按从小到大的次序为（单位：元） 4038 4940 5798 6161 6344 6610 6695 6709 6967 6992 7897 7987 8546 8679 8701 求中位数的置信区间。 第三节 Wilcoxon符号秩检验  对于Di来说，正的差值和负的差值应近似地相等。取绝对值|Di|，对|Di|按大小顺序排序。再按本身符号的正、负分别加总它们的秩次，得到正等级的总和W+与负等级的总和W-。为假设为真时，正等级的