样本分布的非参数检验﹝第七讲﹞.pptVIP

样本分布的非参数检验 提示： 不同类型的资料采用相应的统计分析方法。 定量资料一般按均数分析。分类资料一般按卡方。 各类资料之间可相互转化。 非参数检验的检验变量必须是数值型变量。 7.1卡方拟合优度检验（卡方检验） 卡方检验是检验个案测量频数与期望频数的差异性。 检验假设： 个案的测量频数与期望频数差异不显著。 某地区的人口消费结构在1983年和1990年的统计数字如表所示： 7.2 二项分布检验 对于二分变量或只有两种情况的数据分布（例如：是与否、男与女、同意与不同意），则一种情况对另一种情况出现的总概率肯定是100%，这就是所谓的二项分布情况。 二项分布检验的假设 对于某分布L1假定低于某指定值V分的百分比为P0. Sig0.05 ,假定成立。 Sig=0.05,假定不成立。 现有某班成绩如数据文件所示， 问：成绩小于90分的学生是否占总人数70%？ 问：某班级的男女比例是否满足1：1。 数据文件见“二项分布检验.sav” 7.3单样本游程检验 游程（runs）是指个案测量值（变量值取值）相同取值的连续串。 游程检验 检验假设：样本分布是随机的，即游程不是最大（逐个间隔分布），也不是最小（最集中的分布）。 有两个班级各选拔出20名选手进行数学竞赛，赛后成绩排序的班级分布如下： 12211212221121122121 21221211111221211212 试检验成绩分布的随机性。 7.4 K-S分布的拟合优度检验 K-S检验（Kolomogoror-Smirnov Z）是检验样本的分布是否满足某理论分布，如正态分布（Normal）、泊松分布（ Poisson ）、均匀分布（ Uniform ）或指数分布(Exponential）。即实际分布与理论分布的差异是否显著。 某班级对学生进行了一次生活常识测验，测验结果分数如表所示： 2。 7.5两独立样本的差异性检验 两独立样本分布的差异性检验是在不了解所属的总体分布的情况下，判断两个独立样本的差异性。 4种检验算法 Mann-Whitney U Moses extreme Kolmogorov-Smirnov Z Wald-Wolfwitz runs 检验假设 两独立样本的分布差异不显著 某班级成绩表如表所示： 问男女生的成绩分布差异是否显著？ 7.6多独立样本的差异性检验 多独立样本的差异性检验是检验各个样本之间的分布差异或所属的总体的分布差异。也是一种非参数的检验。 检验假设： 多独立样本的分布差异不显著。 检验算法 K-W Kruskal-Waillis H Median Jonckheere-Terpstra Test * * 9 16 5 15 11 44 1990年 3 14 6 12 13 53 1983年 教育支出 日用品 燃料 住房 衣物 食品 结论：sig=0.0100.05,两个年度的消费结构差异显著。 结论：成绩低于90分的占70%的结论是可以接受的。 结论：sig=0.5510.05,此班级的男女比例满足1：1 结论：sig=0.1440.05,表明游程既不是最大，也不是最小，个案的班级分布是随机分布的。 4.97 4.73 4.99 4.29 5.01 4.44 5.23 4.62 5.00 4.69 4.70 5.09 5.29 4.77 4.88 4.74 4.89 5.21 4.40 4.97 5.34 4.93 4.71 4.89 4.50 4.76 4.57 4.15 4.79 4.76 4.87 5.50 5.70 4.52 4.79 4.62 4.27 5.18 5.20 4.35 问：样本分布是否为正态分布？ 结论：sig=0.9730.05,样本分布满足正态分布。 结论：ccccccccccccccccccccccccccc Moses extreme Mann-Whitney U K-S Wald-Wolfwitz runs 结论：两独立样本的分布 差异不显著。 *