第5讲单样本非参数检验4游程检验.pptVIP

第5讲 单样本非参数统计—4 游程检验 传统的非参数统计 单样本非参数检验 两样本（独立和相关）非参数检验 多样本（独立和相关）非参数检验 主讲方法： ◆卡方检验 ◆二项分布检验 ◆科尔莫戈罗夫-斯米尔诺夫（Kolmogorov-Smirnov) 检验 ◆游程检验 检验用途：数据的随机性 抽样调查的基本原则是随机性。 什么是随机性？是指样本中的所有数据都可以看成是独立同分布的。 数据不随机的情况举例： 1有上升趋势； 2有下降趋势； 3有周期趋势； 为什么？（下页） 插补： 若游程过少，如2个游程：0，0，0，1，1，1，则规律性明显，不是随机的。 若游程过多，如6个游程：1，0，1，0，1，0，则同样是有规律性变量，不是随机的。 举例：男女生排座 前面分析表明：游程个数过大或过小都是不随机的，而游程个数居中则是随机的。因此，可构造统计量R，表示游程的个数。再确定该统计量的分布，则可查表确定拒绝域和接受域，从而进行假设检验。 游程检验分布表如下： 分别记两组的样本容量分别为n1和n2，哪个为n1都可以。 游程检验分布表 游程个数R 游程检验分布表 案例1 设0-1变量的样本数据为： 0，1，1，1，1，1，0，1，1，0，1，1，1，1，0，1，0，1，1，1，0，0，0，1，1，1 共26个数据。令显著性水平α=0.05，问数据是否随机取得？ 计算过程： n1=8,n2=18,R=12 α=0.05,查游程检验分布表，得 左临界值为7,右临界值为17,可知R落入了接受域，接受原假设，认为是随机的。 游程检验的R软件操作 所在包：tseries 命令：runs.test(x)，x是二分类变量 实战：准备，把文件runs.csv复制到我的文档 library(tseries) data=read.csv(runs.csv) x=data$x runs.test(factor(x)) R游程检验例2 x=c(0,1,1,1,0,0,0,1,1,1,1,1) y=factor(x) library(tseries) runs.test(y) 大样本时的游程检验 当n1和n2都小于等于20时，查游程检验临界值表；若有一个大于20时，构造如下统计量(P63)： 它近似服从标准正态分布。 案例2 令α=0.05，问上面样本数据是否随机？ 计算提示 大样本，所以游程统计量近似服从标准正态分布。 m=10,n=40,R=13 γ=m/n=0.25,代入公式可求出游程统计量的值(-1.81)，再查标准正态分布表，得临界值为正负1.96。 因此，落入接受域，数据是随机的 R操作 library(tseries) x=c(1,1,1,0,1,1,1,1,1,1,1,0,1,1,0,0,1,1,1,1,1,1,0,1,1,1,1,0,1,1,1,1,1,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1,1) x1=factor(x) runs.test(x1) 案例3 解决思路 解：中位数为204.6，将小于204.6的设为0，大于204.6的设为1，可得二分变量。 大家来完成。 答案 SPSS操作: 用前面数据操作。 P值=0.022，小于0.05，拒绝原假设，认为数据不具有随机性 手工计算，结果又如何？大家完成 library(tseries) x=c(156.0,255.5,132.0,246.7,867.9,86.4,610.4,125.7,150.4,117.6,201.9,207.2,189.8,585.8,153.1,565.4,511.0,567.0,222.3,141.5) m=mean(x) x1=x-304.68 x2=(x10) x3=factor(x2) runs.test(x3) R代码2 library(tseries) x=c(156.0,255.5,132.0,246.7,867.9,86.4,610.4,125.7,150.4,117.6,201.9,207.2,189.8,585.8,153.1,565.4,511.0,567.0,222.3,141.5) x1=factor(sign(x-median(x))) runs.test(x1)