2.1广义符号检验和有关的置信区间-ppt03.pptVIP

第二章 单样本问题 2.1 广义符号检验和有关的置信区间 2.2 Wilcoxon符号秩检验，点估计和区间估计 2.3 正态记分检验 2.4 Cox-Stuart 趋势检验 2.5 关于随机性的游程检验;;;;首先来看一个简单的例题： 例1. 假设某地16座预出售的楼盘均价，单位(百元/平米)如下表所示36 32 31 25 28 36 40 32 41 26 35 35 32 87 33 35 问：该地平均楼盘价格能否与媒体公布的3700 /平米 的说法相符;One-sample t-Test data: build.price - 37 t = -0.1412, df = 15, p-value = 0.8896 alternative hypothesis: true mean is not equal to 0 95 percent confidence interval: -8.045853 7.045853 sample estimates: mean of x -0.5 ;补充: R中的t检验法的用法;t-test(x) X1,X2,…,Xn~N(a, σ2), H0 : a=a0 , H1: a≠a0;2) 配对t检验法 X1,X2,…,Xn~N(a1, σ12), Y1,Y2,…,Yn~N(a2, σ22), H0 : a1=a2 , H1: a1a2;补充: R中的t检验法的用法; 在上面的逻辑推理中，假设分布结构的正态性是否合理，是 t-检验 运用是否得当的关键 显然 3:13 支持的是3700元/平米 不能作为正态分布对称中心的观点 现在，让我们换一个角度考虑位置推断问题：;2.1.0 符号检验;符号检验基本原理;;;;;符号检验与t检验得到了相反的结论，到底选择哪一种结果呢？;检验类型：;;;右侧检验思路： 对于检验假设 ，当 很大时(即很多观察值大于M0)，基于零假设的概率，即 p-值，也不大。;p值还可以通过Excel中的函数Binomdist(S+－1,n，p,t/F)计算。本检验可以通过输入Binomdist(S+－1,n，0.5,1)计算。 ;左侧检验思路： 对于检验假设 ，当 很小时(即只有少数观察值大于M0)，基于零假设的概率，即 p-值，也不大。; p 值还可以通过Excel中的函数Binomdist(S+,n,p,t/F)计算。本检验可以通过输入Binomdist(S+,n,0.5,1)计算。 ;双侧检验思路： 对于假设检验 ，当 不很大或不很小时，不能拒绝零假设。否则，应该拒绝零假设.;与参数的假设检验相同，也可以计算检验的 p 值。当 ，它等于二项分布b(n,1/2)的随机变量大于 的概率的2倍：;特殊情形的处理：;下面先看一个例子，由此来引出符号检验。 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）按资小至大的次序排列如下（北京的指数为99）：;假定这是从世界许多大城市中随机抽样而得到的样本，所有大城市的指数组成了总体。 可能面临的问题是：这个总体的平均水平是多少？北京市在该水平之上还是之下？ 通常，在总体是正态分布的假设下，关于总体均值的假设检验和区间估计是与 t-检验有关的方法进行的。 在本例中，总体分布是未知的，我们就想知道，此时的总体是不是正态分布呢？先看一下此组数据的直方图。 ;此概率就是该假设检验的 p-值。;即在零假设下，由该样本所代表的事件的发生的概率仅为 0.0124，即 p-值= 0.0124 很小，可以拒绝零假设，拒绝错了的概率仅为 0.0124。 也就是说，北京的生活指数不可能小于世界大城市的中间水准。;样本： 世界上7