第7章非参数检验.ppt

本章内容 7.1 单样本的非参数检验 7.2 两独立样本的非参数检验 7.3 多独立样本的非参数检验 7.4 两配对样本的非参数检验 7.5 多配对样本的非参数检验 非参数检验 非参数检验： （1）在总体分布未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。 （2）推断过程中不涉及有关总体分布的参数。 7.1 单样本的非参数检验 1.目的：样本来自总体的分布是否与某个已知的分布相吻合？ —绘制样本数据的直方图、pp图、QQ图判断—粗略 —通过非参数检验—精确 2.单样本非参数检验 （1）对单个总体的分布形态等进行推断 （2）方法：卡方检验、二项分布检验、K-S检验、变量值随机性检验等。 7.1.1总体分布的卡方检验 1.基本思想-吻合性检验 （1）原假设：样本来自的总体分布与期望分布无显著差异。 变量值落入第i个子集中的理论概率为 ，相应的期望频率为 2.实现步骤 分析 - 非参数检验-旧对话框-卡方检验 （1）选定待检验的变量到“检验变量列表”框 （2）在“期望全距”栏中确定参与分析的观测值的范围： 从数据中获取:所有观测数据都参与分析 使用指定的范围：只在该取值范围内的观测数据才参与分析。 （3）期望值：给出各理论值 所有类别相等：所有子集的频数都相同 值：依次输入值，通过【添加】、【更改】、【删除】进行增加、修改和删除。 3.应用案例 医学研究表明心脏病人猝死人数与日期的关系为：一周内，星期一猝死者较多，其他日子基本相当，各天的比例近似为：2.8：1：1：1：1：1：1 根据“心脏病猝死”数据，推断总体分布是否与理论分布相吻合。 分析： 利用总体分布卡方检验实现。 7.1.2二项分布检验 1.基本思想 （1）通过样本数据检验样本来自的总体是否服从指定概率p的二项分布。 （2）小样本-精确检验 大样本-近似检验 2.实现步骤 分析-非参数检验-旧对话框-二项式 （1）选定待检验的变量到“检验变量列表”框 （2）定义二分法：指定如何分类 从数据中获取：检验变量为二值变量 割点：输入具体数值，大于等于该值的为第一组，大于该组的为第二组 （3）检验比例：输入二项分布的检验概率值 3.应用案例 利用“产品合格率”数据，推断该批产品的一级品率是否为90% 分析： 产品合格与否属于二值变量，可以通过二项分布检验实现。 7.1.3单样本K-S检验 1.基本思想 （1）以俄罗斯数学家柯尔莫哥和斯米诺夫名字命名 （2）利用样本数据推断样本来自的总体是否服从某一理论分布， 是一种拟合优度的检验方法，适用于探索连续型随机变量的分布。 （3）步骤 ①计算各样本观测值在理论分布中出现的理论累计概率值F(x) ②计算各样本观测值的实际累计概率值S(x) ③计算理论累计概率值与实际累计概率值的差D(x) ④计算差值序列中最大绝对差值D （4）原假设成立时： ①小样本下：D~kolmogorov分布 ②大样本下： 近似服从K(x)分布 ③SPSS仅给出大样本下的 和对应的p值 （5）决策 ①D统计量的p值显著性水平，拒绝原假设，样本来自的总体与指定分布有显著差异 ②D统计量的p值显著性水平，不拒绝原假设，样本来自的总体与指定分布无显著差异 2.实现步骤 分析-非参数检验-旧对话框-1单样本 K-S （1）选定待检验的变量到“检验变量列表”框 （2）检验分布:选择理论分布 ①常规:正态分布 ②相等：均匀分布 ③泊松：泊松分布 ④指数分布：指数分布 3.应用案例 利用“儿童身高”数据分析周岁儿童身高总体是否服从正态分布。 分析： 可以通过单样本K-S检验实现。 7.1.4 变量值随机性检验 1.基本思想 （1）通过对样本变量值的分析，实现对总体的变量值出现是否随机进行检验。 （2）原假设：总体变量值出现是随机的。 ①检验依据：游程-样本序列中连续出现相同的变量值的次数。 ②游程数太大或太小都表明变量值存在不随机的现象 （3）检验统计量 （4）决策： Z统计量的p值显著性水平，拒绝原假设，变量值的出现不是随机的。 Z统计量的p值显著性水平，不拒绝原假设，变量值的出现是随机的。 2.实现步骤 分析-非参数检验-旧对话框-游程 （1）选定待检验的变量到“检验变量列表”框 （2）割点:计算游程数的分界值 ①中位数：样本中位数为分界值 ②众数：样本众数为分界值 ③均值：样本均值为分界值 ④设定：以用户输入的值为分界值，SPSS将小于该分界值的所有变量作为一组，大于或等于该分界值的所