ch06统计推断课件.pptVIP

§6.3.1 非参数检验概述 非参数检验方法，是相对于参数检验方法而言的，是一种不依赖总体分布或参数知识的检验方法。由于它对总体分布，不加以限制性的假定，所以也称为自由分布检验。 非参数检验优点： 首先，检验条件比较宽松，适应性强。 其次，检验的方法比较灵活，用途更广泛。 再次，非参数检验计算相对简单，易于理解。 非参数检验缺点： 非参数检验方法，对总体分布的假定不多，适应性强，但方法也就缺乏针对性，其功效就不如参数检验。 Ch6 统计推断 §6.3 非参数检验(new) §6.3.1 非参数检验概述 非参数检验方法有很多种，其非参数统计内容，也不只是假设检验问题，我们选择实际中最常用的几种方法，加以扼要介绍。 符号检验 符号检验，是以“+”或“-”两个差数符号，作为检验标准的检验方法，是非参数检验中最简单又最常用的方法。 单样本的符号检验 配对样本的符号检验 秩和检验 游程检验 Ch6 统计推断 §6.3 非参数检验(new) 返回 §6.3.2 符号检验 单样本的符号检验 在单样本的场合，符号检验适用于检验总体中位数是否在某一指定的位置。我们知道，反映一个总体分布位置的参数，主要有平均数和中位数。平均数反映的是，分布数列的重心位置，而中位数则是，反映分布数列上下两边次数相等的中央位置。当分布为对称时，两者的位置是一致的，当分布为不对称时两者就有差别了。在偏斜度较大时，检验中位数，往往比检验平均数，更有实际意义。正负符号检验，是中位数检验的主要方法。 Ch6 统计推断 §6.3 非参数检验(new) §6.3.2 符号检验 单样本的符号检验（中位数检验） 中位数检验的基本原理是，假设总体中位数的真值Me=A，并且从实际抽取容量为n的样本，按每个观察值X1，X2，…，Xn，相应减去A，只记录其差数的符号，即 (6.3.1) 然后分别计算“+”号的个数（用n+表示）和“-”号的个数（用n－表示）。如果遇到Xi=A的场合，则将其剔除。从理论上说，当中位数Me=A为真时，所得的正号个数n+和负号数n－应该接近相等。如要从样本中得到的n+和n－相差较远的话，就有理由认为，Me=A的假设是不能接受的。这里检验中所用的判别标准，是由二项分布临界值提供的，在大样本情况下可由正态分布来逼近。 下面用实例来说明单样本符号检验的步骤。 Ch6 统计推断 §6.3 非参数检验(new) + 当Xi＞A - 当XiA. Xi-A符号 §6.3.2 符号检验 【例6-16】有20名工人，其每天生产的产品件数资料如下。用? =0.10的显著性水平，用符号检验方法判断其总体的中位数是否为160？ 168，163，160，172，162，168，152，153，167，165，164，142，173，166，160，165，171，186，167，170。 解：⑴ H0：Me=160，H1：Me≠160。 ⑵ 对于每个数据，凡大于160者记为“+”，小于160者记为“-”，等于160者记为“0”，则有 “++0+++--+++-++0+++++”。 ⑶ 于是，n+=15，n－=3，n= n++ n－=18。 ⑷ 在? =0.10条件下，每侧? /2=0.05。 ⑸ 在n=18条件下，查二项分布临界值表，其舍弃域临界值为13。 ⑹ 由于n+=1513，落入舍弃域，所以舍弃H0，即结论为总体中位数Me≠160。 Ch6 统计推断 §6.3 非参数检验(new) §6.3.2 符号检验 配对样本的符号检验 许多科学试验或社会经济调查中，常常需要比较两个总体的差异情况，但是总体的分布往往也不清楚，甚至调查的结果都很难从数量上进行测度。例如让消费者品尝评判不同品牌啤酒的质量。评判者只能判别较好、较差或给出质量等级分，在这个场合，配对样本的符号检验便是最适合的方法。 Ch6 统计推断 §6.3 非参数检验(new) §6.3.2 符号检验 配对样本的符号检验（原理） 设n1=n2为大小相同的两个样本，分别来自不同总体，现在将两个样本的数据一一配对，得系列配对值(X1, X1’)，(X2, X2’)，…，(Xn, Xn ’)。然后将各配对组的数值相减，并记录其差数(Xi - Xi’)的符号， (6.3.