5.4--5.7多总体统计推断.pptVIP

检验 需要估计： 则 检验 Cochran Q检验统计量： Q近似服从 分布，当Q值偏大的时候，考虑拒绝零假设。 建立R函数文件： #Cochran检验 x=c(0,0,0,1,0,0,0,0,0,1) y=c(1,1,0,1,0,1,0,0,1,1) z=c(rep(1,9),0) A=matrix(c(x,y,z),nrow=10) nidot=apply(A,1,sum) ndotj=apply(A,2,sum) k=ncol(A) Q=(k-1)*(sum(ndotj^2)-sum(ndotj)^2/k)/(sum(nidot)-sum(nidot^2)/k) pvalue=1-pchisq(Q,k-1) Cochran Q检验与Friedman检验 这两个检验都用于k个相关样本是否可能来自同一个总体的检验 但对数据测量层次的要求不同。 Cochran Q检验适用于定类尺度的测量数据，其它测量层次的数据也可以使用，但应转化为两类数据。有时观察值是以“是”或“否”，“喜欢”或“不喜欢”等二元数据的形式出现，如果用Friedman秩和检验将会出现很多打结的现象，即秩相同。Cochran Q检验就解决了打结的问题。 但当数据为定类尺度测量，只能运用Cochran Q检验。因为，这一检验对于定类尺度或仅分为两类的定序尺度测量数据是极为有效的。 若数据测量层次至少为定序尺度时，应优先选用Friedman检验。因为若将定序尺度转换为定类尺度，而采用Cochran Q检验则可能会浪费数据包含的信息 Durbin不完全区组分析 原理： 可能存在处理非常多，但是每个区组中允许的样本量有限的时候，每一个区组中不可能包含所有的处理，比如重要的均衡不完全区组BIB设计。Durbin检验便是针对这种问题。例如， 不同城市保险公司的绩效的BIB设计 （万份） (b=4) 城市（区组）k=4 Ⅰ　　　　Ⅱ　　　　Ⅲ　　　　Ⅳ A B C D 34 28 59 30 36 45 36 44 48 40 54 60 构造统计量： 当D值较大的时候，可以考虑拒绝零假设，认为处理之间存在差异。在零假设成立时，大样本情况下，D近似服从分布 。打结的时候，只要长度不大，对结果影响不太大。 D等同于Friedman统计量。(t=k, r=b) k=4, b=4, t=3, r=3. 解答 Chap. 5 多总体统计推断 Friedman检验，这是一种处理相关样本的检验方法，是用以检验匹配的三组或三组以上的频数或比例之间有无显著差异的方法 区组设计回顾 一、问题的提出 我们分别在不同的地块施不同的肥料，看看平均产量是否有显著提高。很多时候仅仅讨论肥料的影响，每种肥料得到一个样本，这一样本就称为处理。但在实践中，不仅肥料有影响，不同的土壤条件也构成了影响的另一因素，称为区组（Block）。 当存在区组时，代表处理的样本的独立性就不再成 立，一些检验就会失效，需重新构建检验统计量。 二、区组设计的类型 每一个处理在每一个区组中出现并且仅出现一次，我们称为完全区组设计。 有时，并不是能把每个处理都能分配到每一个区组中去，我们称为不完全区组设计。 在不完全区组设计中最容易处理的是平衡的不完全区组设计，记为 。 Friedman检验 Friedman检验亦称Friedman的 检验。或Friedman秩方差分析，或者Friedman秩和检验 Friedman检验，这是一种处理相关样本的检验方法 Friedman秩方差分析 ? 样本1 样本2 … 样本k 区组1 … 区组2 … … … … … … 区组b … 完全随机区组设计表 假设检验问题： K个处理，b个区组 Steps： Step 1：在每一个区组中计算各个处理的秩 Step 2：计算秩和 Step 3：定义Friedman检验统计量 Rij 表示第i个区组中第j处理在地i区组中的秩 ? 样本1 样本2 … 样本k 区组1 … 区组2 … … … … … … 区组b … 秩和 … 在同一区组内，计算样本的