符号检验.ppt

第二章 单样本模型 在有了一个样本后，很自然地想要知道它所代表 的总体“中心”在哪里．例如，在对人们的收入进行了抽 样之后，就自然要涉及“人均收入”和“中间收入”等概 念．这就与统计中的对总体的均值(mean)，中位数 (median)和众数(mode)等位置参数的推断有关。 例如，在知道总体是正态分布时，要检验其均值是否 为 ；一个传统的基于正态理论的典型方法是t检 验．它的检验统计量定义为 第一节 符号检验和中位数的置信区间 一、符号检验（SING TEST） 符号检验（SING TEST）是利用正号和负号的数目对某种假设做出判定的非参数统计方法。 符号检验虽然是最简单的非参数检验，但它体现了非参数统计的一些基本思路． 普通符号检验基本方法： 如果研究的问题，可以看作只有两种可能：“成功”或“失败’,并且成功或失败被假定遵从二项分布，以+表示成功，-表示失败，则随机抽取的样本就有两个参数：成功的概率P+,失败的概率P-。构造假设： 为了检验假设，普通的符号检验定义的检验统计量为S+和S-。 S+表示为正符号的数目，S-表示负符号的数目，且S++ S-=n, n是符号的总数目。 为对假设作出判定，还需找到一个P值。因为对于S+和S-来说，抽样分布是一个成功概率为0.5的二项分布。若H0为真，由n, S+或S-可以得到P值，若P指很小，则表明H0为真的可能性很小，因而拒绝原假设。 应用 人们一般认为广告对商品促销起作用，但是否对某种商品的促销起作用并无把握。为了证实这一结论，随机对15个销售某种商品的商店进行调查，得到的销售数据如下表： 位置符号检验 例：联合国人员在世界上66个大城市的生活花费指数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？北京是在该水平之上还是之下？（北京为99） 通常在正态总体分布的假设下，关于总体均值的假设检验和区间估计是用与t检验有关的方法进行的。然而，在本例中，总体分布是未知的为此首先看该数据的直方图。从图中很难说这是什么分布。在右边的两个点分别是东京和香港。 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。 备择假设：M99。一般来说，备择假设采用我们觉得有道理的方向。因为只有一点为99，舍去这一点，于是从66减少到65。而 =23,在零假设下(下面概率p=0.5)，二项分布的概率： 。如果很小就可以拒绝零假设．上面这个概率就是该检验的p—值。在这里的例子中n＝65，k＝23，p=0.5。查表p值为0.0124。 对于双边假设检验，为计算方便，一般取相应于 和 中较小的一个做检验统计量；如用K表示，则K=min( ， )。在本例子中，因为是双边检验，这P值应该二倍于单侧检验的为0.0248。 注：在n比较小时，可以用前面的二项分布的公式来计算精确p值。但是当n较大时，就要用正态分布来近似。如果又是二项随机变量，当n较大时，比如大于25，则可近似地认为在零假设下服从正态N(0，1)分布。但是由于正态分布是连续分布，所以要进行连续修正。 检验的p值 判断方法 应用 某企业生产一种钢管，规定长度的中位数为l0米。现随机地从生产线上取10根进行测量，结果为 9.8, 10.1, 9.7, 9.9, 9.8, 10.0, 9.7, 10.0, 9.9, 9.8。问：生产过程是否需要调整。 例题 下面是71个大城市的花费指数按递增次序排列： 45.8 45.2 41.9 38.8 37.7 37.5 36.5 36.4 32.7 32.7 32.2 29.1 27.8 27.8 63.5 62.7 60.8 58.2 5