非参数统与计 随机游程检验 .ppt

随机游程检验 在实际中，经常需要考虑一个序列中的数据出现是否与顺序无关，这关系到数据是否独立。 如果数据有上升或下降的趋势，或有呈周期性变化的规律等特征时，均可能表示数据与顺序是有关的，或者说序列不是随机出现的。 基本概念 在一个二元序列中，0和1交替出现： 1000011101100001110 其中一个由0或1连续构成的串称为一个游程， 一个游程中数据的个数称为游程的长度。 一个序列中游程个数用R表示。 表示0和1交替轮换的频繁程度。 序列长度为n，n1表示序列中1的个数，n0表示0的个数。 如果0/1序列中0和1出现的顺序规律性不强，随机性强，则0和1出现不会太集中，也不会太分散。 通过0和1出现的集中程度度量序列随机性大小。 游程: 01111为两个游程 游程长度: 一个游程中数据的个数 一个序列里游程个数记为R. 例3.7 序列1100001110110000111100 R=8，游程长度分别为2,4,3,1,2,4,4,2 极端情况: 000001111111 R=2 0101010101010 R=2min(n0,n1)+1 所以, 2≤R≤2min(n0,n1)+1 如果游程个数过多，则说明0和1交替周期特征明显， 如果游程个数过少，则说明0和1相对比较集中， 极端情况都说明数据不具有随机性。因而可以通过游程个数过多或过少来定义假设检验的拒绝域。 检验原理和计算方法 设是由0或者1组成的序列 ，假设检验问题： R为游程个数，假设有 个0， 个1， ，这时R取任何一个值的概率都是 ，R的条件分布 建立了抽样分布之后，在零假设成立时，可以计算 或者 的值，进行检验。 X1,X2,…,Xn 小样本的例子(p69 例3.8) 例3.8 某银行观察平时到银行柜台办理业务的人员的性别（用M表示男性，用F表示女性): FMMMMMFMMFMMMMFMFMMMFFFMMM 解：检验假设问题如下： H0: 男女出现顺序随机 H1: 男女出现顺序不随机 ? =0 .05 n1 = 18, n0 = 8，由附表3 （Run-test游程检验表） 查出r1=7,ru=17,R = 12 结论：由于 7 ? R = 12 ? 17,不能拒绝 H0。 Runs Test: 大样本的例子 经验表明： 如果 n1或 n2 20, R 的抽样分布近似为正态 根据求得的Z值，看是否在拒绝域内，做出决策。 Runs Test:大样本例子(p70 例3.10) 3.10 实习学生在实习期迟到的情况被门镜系统记录下来，N表示正常，F表示迟到，根据以下记录判断这名学生迟到是否随机。 1 2 3 4 5 6 7 8 9 10 NNN F NNNNNNN F NN FF NNNNNN F NNNN F 11 12 13 NNNNN FFFF NNNNNNNNNNNN R = 13 解 假设检验问题： 05 H0: 学生迟到是随机的。 H1: 学生迟到不随机。 本例中n1 = 40，n0= 1=0， =0.05 如果 -1.96 Z 1.96,不能拒绝 H0 否则 拒绝H0. Runs Test: 大样本例子 -1.96 ? Z = -1.81 ? 1.96, 不能拒绝 H0 library(tseries) run1=c(1,1,1,0,rep(1,7),0,1,1,0,0,rep(1,6), + 0,rep(1,4),0,rep(1,5),rep(0,4),rep(1,13)) a=as.factor(run1) #将run1转换为因子型变量 runs.test(a) Runs Test data: a Standard Normal = -1.8074, p-value = 0.0707 alternative hypothesis: two.sided R中常量基本分为四种类型，逻辑型，数值型，字符型，因子型。 因子型分为顺序数据和分类数据两种类别，表现为数字但不能进行加减乘除。 R软件中随机游程检验的程序及输出结果 在R软件中，我们可以直接调用函数进行随机游程检验，首先需要装在软件包tseries。选择Packages-Install pac