非参数统计分析课件.ppt

第五章:非参数统计分析 非参数统计:主要是对总体的某种判断或假设进行检验的一种统计分析方法； 非参数统计有十分广泛的用途，其主要优点是： 适合于总体分布未知或总体参数未知的条件； 对数据的测量要求不是十分严格； 当样本容量很小，难以进行参数统计分析时，可以进行非参数统计分析。 ;第一节：K-S检验 Kolmogorov-Smirnov检验(简称K-S检验)是用两名俄罗斯数学家命名的非参数检验法； 检验一组样本数据的实际分布与某一指定的理论分布是否相符合（单样本）； 检验两个总体是否符合同一分布（两个样本）； 设Sn(x)表示经验分布函数， Fn(x)表示理论分布函数，对于任意的x值，可以构造一个D统计量： 查找K-S表，根据给定的显著性水平得到临界值dn； 当D dn时，接受原假设；反之，则拒绝原假设。 例1：公共汽车按计划每15分钟通过某一站点，但由于受到各种不可预测因素的影响，可能出现晚到和早到的现象。现通过一天的随机观察（共20次），获得如下表一系列数据。请检验公共汽车通过某一站点的时间是否服从于u=1.6,б=3的正态分布。 公共汽车到达时间统计表 ;解：H0：Sn(x)=Fn(x) [Fn(x)为正态分布] H1：Sn(x) ≠ Fn(x) 将每个实际值观察标准化，再通过标准正态分布表查得累积概率密度函数 根据显著性水平α=5%，n=20，查表得dα=0.294 因为D=0.1983 dα=0.294，所以接受原假设 故公共汽车到达时间是服从于б=3的正态分布。;例2：某一研究者为了考察浙江省和广东省农民企业家的文化程度，采用问卷调查的方法对这两个省农民企业家的文化程度进行了调查，结果如下表所示。在α=1%水平下，分析这两个省农民企业家在文化程度上的分布是否存在差别。 两个省农民企业家的文化程度分布情况 解：H0：F1(x)=F2(x) （两个省农民企业家文化程度分布不存在差异） H1：F1(x) ≠ F2(x) ; 由于m、n值较大，为大样本，所以必须经过转化再查表 因为D=0.1865,大于这个临界值，所以原假设不成立 即两个省农民企业家的文化程度分布存在着显著差别。 (注：大样本时α=0.05和α=0.01的界值分别是1.36和1.63， );第二节： 检验 是1900年英国统计学家Pearson提出的，又称Pearson定理； 该定理认为，当样本容量充分大时，把样本观察量分成K类，每一类实际出现的次数用f0 表示，其理论次数用fe表示，则 统计量为： 检验主要用于拟合优度检验和独立性检验。 例3：上海大华汽车销售公司为了解消费者对捷达、富康、帕萨特、红旗、赛欧五种类型汽车的偏爱程度。随机抽取了1000名汽车爱好者作为样本进行了调查，结果如下表所示，请判断消费者对五种类型的汽车的偏爱程度有无显著差别。 解：H0：消费者对五种类型的汽车的偏爱程度没有显著差别（即服从均匀分布） H1：消费者对五种类型的汽车的偏爱程度有显著差别（即不服从均匀分布） ;例4：美国某一研究者为研究不同阶层市民对雨衣的偏好程度，他对New York，Chicago， Los Angeles， Dallas，Atllata等地区进行了长期观察，结果如下列表（contingency table）所示。试判断不同阶层对雨衣的偏好程度是否相同。 解：H0：不同阶层市民对雨衣的偏爱程度没有显著差别（即服从均匀分布） H1：不同阶层市民对雨衣的偏爱程度有显著差别（即不服从均匀分布） 根据均匀分布规律，计算得到下面各个格子的理论频数 ;第三节：符号检验 一、普通符号检验 是利用成对正符号进行比较的一种非参数检验方法； 既可以适用于单个样本的检验，也可适用于两个样本的检验； 既可适用于独立样本的检验，也可适用于关联样本的检验。 例5：为了研究广告对促销的实际作用，浙江商源对15个分公司的新天葡萄酒的销售情况进行了调查，结果如下表所示。试判断广告是否促进了新天葡萄酒销量的显著增加。 解：H0：P（-）= P（+） (广告后销售量没有显著增加) H1： P（-） P（+） （广告后销售量显著增加） 根据题意得 n=11，负号个数k=2，正号个数l=9，当P=0.5时，k ≤ 2的概率为： ;二、威尔科克森(Wilcoxon)符号等级检验 普通符号检验法未充分利用样本所提供的信息，检验有效性相对较低； 威尔科克森检验法不但考虑了正负号，而且还采用了其差值大小的信息，进而提高了检验的有效性； 威尔科克森检验法通常用于检验两个相关样本的检验