第13章非參数检验.pptVIP

作者 贾俊平; 对正确问题的近似答案，胜过对错的问题的精确答案。 ——John W.Tukey;第 13 章 非参数检验;学习目标;不同商圈的报纸发行量是否有差异？ ;不同商圈的报纸发行量是否有差异？; 13.1 单样本的检验 13.1.1 总体分布类型的检验 13.1.2 中位数的符号检验 13.1.3 Wilcoxon符号秩检验;13.1.1 总体分布类型的检验;二项分布检验(binomial test)是通过考察二分类变量的每个类别中观察值的频数与特定二项分布下的期望频数之间是否存在显著差异，来判断抽取样本所依赖的总体是否服从特定概率为P的二项分布 二项分布检验的原假设是：抽取样本所依赖的总体与特定的二项分布无显著差异 根据二项分布知识，一个服从二项分布的随机变量，在n次试验中，出现“成功”的次数的概率为 若“成功”的次数的概率小于给定的显著性水平，则拒绝原假设，表明抽取样本所依赖的总体与特定概率为p的二项分布有显著差异(样本数据不是来自某个特定概率为p的二项分布) ;【例13.1】根据以往的生产数据，某种产品的合格率为90%。现从中随机抽取25个进行检测，合格品为20个。检验该批产品的合格率是否为90%？(产品合格率X~B(n,0.9)) SPSS的数据格式 表中的“1”表示合格品；“0”表示不合格品 ;第1步：指定“频数”变量：点击【Data】?【Weight- Cases】，将“频数”选入【Frequency Variable】? 【OK】 第2步：选择【Analyze】?【Nonparametric Tests-Binomial】选项进入主对话框 第3步：将待检验的变量选入【Test Variable List】(本例为“合格品”) 第4步：在【Test Proportion】中输入检验的概率 (本例为0.9)，点击【OK】 ;【例13.1】SPSS的输出结果 ? 表中的合格品的观察比例为0.8，检验比例为0.9。精确单尾概率为0.098，它表示如果该批产品的合格率为0.9，那么25个产品中合格品数量小于等于20个的概率为0.098。P0.05,不拒绝原假设，没有证据表明该批产品的合格率不是0.9;单样本的K-S检验(Kolmogorov-Smirnov检验)是用来检验抽取样本所依赖的总体是否服从某一理论分布 其方法是将某一变量的累积分布函数与特定的分布进行比较。设总体的累积分布函数为F(x)，已知的理论分布函数为F0(x) ，则检验的原假设和备择假设为 H0: F(x)=F0(x) ； H1: F(x)≠F0(x) 原假设所表达的是：抽取样本所依赖的总体与指定的理论分布无显著差异 SPSS提供的理论分布有正态分布、Poisson分布、均匀分布、指数分布等 ;【例13.2】沿用第7章的例7.7。对某汽车配件提供商提供的10个样本进行检测，得到其长度数据如下(单位：cm) 检验该供货商生产的配件长度是否服从正态分布？(?=0.05) ;第1步：选择【Analyze】?【Nonparametric Test】?【1-Sample K-S】进入主对话框 第2步：将待检验的变量选入【Test Variable List】(本例为“配件长度”) 第3步：点击【Exact】，并在对话框中选择 【Exact】，点击【OK】;【例13.2】SPSS的输出结果 ? 精确双尾概率为0.6020.05，不拒绝原假设。没有证据表明该供货商提供的汽车配件长度不服从正态分布 ;13.1.2 中位数的符号检验;检验总体中位数是否等于某个假定的值 设一个随机样本有n个数据，总体中位数的实际值为M，假设的总体中位数值为M0。当样本中的数据大于假设的中位数时，用“+”号表示，小于假设的中位数时，用“-”表示；对于恰好等于假设的中位数的数据予以剔出 若关心实际的M与假设的M0是否有差别，应建立假设 H0: M=M0 ； H1: M≠M0 计算检验统计量S+和S-。S+表示每个样本数据与