4T检验与非参数检验讲稿.pptVIP

结果说明： 其中Chi-Square 是卡方?2统计量，Kruskal-Wallis 检验的Chi-Square=0.0064，Prob Chi-Square=0.9361，大于0.05，卡方检验不显著，即用a、b两种饲料饲喟香猪对香猪的增重效果没有差异，两种饲料的增重效果一样。 这个试验数据计算出的概率值为1.0，有些特殊，通常我们处理的数据不会这样。 如果使用TTEST过程对这组数据进行检验，也得到两种饲料对香猪的增重效果无差异的结论。但是对于小样本的试验数据应选择非参数检验方法进行统计分析，否则得到的结论的可信度会受到质疑。 * * * * * * * * * * * * 4. 参数假设检验与非参数检验 4.1 参数假设检验方法 4.1 参数假设检验方法 4.1.1 T检验法 4.1.1 T检验法 4.1.1 T检验法 4.1 参数假设检验方法 4.1 参数假设检验方法 4.1.4 假设检验的基本条件 单个总体数学期望或比例数的假设检验 两个总体数学期望的假设检验 两个总体数学期望的假设检验 单个总体方差和两个总体方差的假设检验 两个总体数学期望（均值是否相等）的假设检验（非配对试验） 例4.1 根据侧根数的多寡，选出两组多根和少根的发芽幼苗。两者种植在同一环境中，均由同一胶工割胶。目的是分析测验幼苗期侧根数的多少对开割后胶水产量有无显著影响。 变量说明：1表示多侧根，0表示少侧根，共11组数据 SAS程序：ttest4_1.sas 两个总体数学期望（均值是否相等）的假设检验（配对试验） 例4.2　分别从10例乳癌患者化疗前和化疗后1天的尿样中测得尿白蛋白(ALb,mg/L)的数据如下,试分析化疗是否对ALb的含量有影响。 病人编号　　　　1　　 2　　 3　　 4　 5　　 6　　 7　 8　　 9　　 10 化疗前ALb含量　3.3　 11.7　9.4　 6.8　 2.0　 3.1　 5.3　 3.7　 21.8　17.6 化疗后ALb含量 33.0　 30.8　8.8　11.4　42.6　 5.8　 1.6　19.0　 22.4　30.2 SAS程序：ttest4_2.sas 检验差值diffAB是否为零， 从而验证治疗前后 是否有影响。 4.1.5 双尾检验与单尾检验 4.2 TTEST过程—比较t检验 4.2.1 TEST过程简介 1．TEST过程简介 TTEST过程在一些假设条件下计算t统计量，用以检验“两组观测值均值相等”这个原假设。假设条件有以下两点： 1）两组观测方差相等。 2）在每个组内，各个观测独立，且服从相同的正态分布。 4.2 TTEST过程—比较t检验 如果两组观测方差不等，则计算近似的t统计量，同时用Satterhwaire方法计算其近似自由度，又可以要求用Cochran和Cox方法近似计算t检验的概率水平。计算F’（Folded）统计量用于检验两个方差是否相等。TTEST过程不是为成对数据比较设计的，对成对数据，可用MEANS过程或UNIVERATE过程检验成对数据的差值是否为零，以判断成对数据均值是否相等。 4.3 非参数检验 参数检验对样本要求严格。一般地，样本来自正态分布，样本数据满足随机性、独立性。 然而：有时总体分布来知，检验问题限定的假设条件弱一些，如只要求样本的随机性、独立性，样本来自同一总体，即对总体分布不作任何假设，至多设总体服从连续分布，像这种不取决于总体分布的检验称为非参数检验。 非参数的假设检验 4.4 NPAR1WAY过程（非参数检验过程） 1．NPAR1WAY过程简介 NPAR1WAY过程是基于经验分布函数（EDF）和跨过单向分类的因变量的秩得分，计算出几个统计量，用以检验变量的分布在跨过不同组时有相同的位置参数。秩得分包括Wilcoxon得分，中位数得分，Savage得分和Van der Waerden得分。关于这些得分的说明请参考有关非参数检验的统计书。 NPAR1WAY过程语句 PROC NPAR1WAY 选择项 ; CLASS 变量列表 ; BY 变量列表 ; VAR 变量列表 ; RUN ; 例4.7数据来源：中国农大昌平试验站用a、b两种饲料对香猪进行饲养试验。每组6头香猪，两组共有12个观测值。数据是6周时每头香猪的增重结果，单位：Kg。分析这两种饲料对香猪的增重有无差异。增重数据如下： a种饲料：6.65 6.35 7.05 7.90 8.04 4.45 b种饲料：5.34 7.00 7.89 7.05 6.74 7.28 由于试验样本小，应采用非参数检验方法进行检验。 SAS程序Npar1way4_7.s