- 1、本文档共22页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
正态性检验随机性检验(游程检验)-doing
关于数据分布的检验问题
一、关于数据分布的正态性检验
正态检验的大体思路:
1、在原假设成立的前提下,计算各样本观测值在理论
分布中出现的累积概率值F(x);
2、计算各样本观测值的实际累积概率值S(x);
3、计算二者之差D(x),并取其中的最大值,即:
D max ( S(x ) - F(x ) ) i i
4、如果原假设正确,那么D不应该很大。计算D的
概率值并与显著性水平比较并作决策。
正态检验的例子
举例:一个车间生产的20个
轴承外座圈的内径数据如下:
15.04,15.36,14.57,14.53,
15.57,14.69,15.37,14.66,
14.52,15.41,15.34,14.28,
15.01,14.76,14.38,15.87,
13.66,14.97,15.29,14.95。
按照设计要求,该内径应为
15±0.2mm。试检验这个数据是
否服从正态分布。
正态分布检验的计算机实现:
原假设:数据服从正态分布
SPSS :
Analyze(分析) → Descriptive statistics(描述统计) →
Explore(探索)→选择Dependent List(因变量列表)→点击
Plots(绘制)→选择Normality plots and tests(带检验的正
态图)
(注:输出结果中的shapiro tests方法一般被认为是更
有效的方法)
正态分布检验的计算机实现2
原假设:数据服从正态分布
R :shapiro.test()
或ks.test()
二、关于数据等方差性检验
等方差检验所用的统计量为:
S2
1
n 1
F 1
~ F(n 12 n 11) 2 ,
S
2
n 1
2
等方差检验的计算机实现:
原假设:所检验数据具有等方差性。
SPSS :Analyze(分析) → Descriptive statistics(描述统计)
→ Explore(探索) →选择Dependent List(因变量列表) 、
Factor List(因子列表)→点击Plots→选择Spread vs Level
with Levene Test(伸展与级别Levene检
验)→Untransformed(未转换)
(注:Analyze(分析)→Compare Means(比较均值)→One
Way ANOVA(单因素方差分析)→Options(选项)中也有类似
选项)
等方差检验的计算机实现2
原假设:所检验数据具有等方差性。
R :bartle .test()
三、关于数据随机性检验(游程检
验,runs test )
定义:单样本变量值的随机性检验是对某变量的取值出现是否随机进
行检验,也称为游程检验(Run过程)。
单样本变量值的随机性检验是由Wald提出的,它的零假设为H0 :总体
某变量的变量值出现是随机的。
单样本变量值的随机性检验通过游程(Run)数来实现。所谓游程是
样本序列中连续出现的变量值的次数。
在SPSS单样本变量值的随机性检验中,SPSS将利用游程构造Z统计量,
并依据正态分布表给出对应的相伴概率值。如果相伴概率小于或等于
用户的显著性水平α ,则应拒绝零假设H0,认为样本值的出现不是随
机的;如果相伴概率值大于显著性水平,则不能拒绝零假设H0,认为
变量值的出现是随机的。
游程检验的主要思路:
假定下面是由0和1组成的一个这种变量的样本:
文档评论(0)