第9讲-相关样本(两样本)非参数检验1：符号检验.pptVIP

练习 10病人吃降压药前后，血压值如下： X(前）：147,140,142,148,169,170,161,144,171,161 Y(后）： 128,129,147,152,156,150,137,132,178,128） 分别假设服从和不服从正态分布，用SPSS和R完成检验。 第9讲 相关样本（两样本）非参数检验 1：符号检验 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 相关样本（两样本）非参数检验 1 符号检验 2 Willcoxon符号秩检验 3 McNemar检验（即配对卡方检验） 4 边际同质性检验（marginal homogeneity) 案例： 改制前后，某厂八个车间竞争性的比较： 假设总体是正态分布，问改革后，竞争性有无显著差异？若不是正态分布，又如何？ “无可奈何花落去，似曾相识燕归来”，似曾相识吗？ 正态分布的解题思路 解题步骤： 1提出假设： 2计算统计量(记住公式）： 请用Excel协助完成，见“改制与竞争力.xls”-“过程数据”。（结论：t=-3.148) 查T分布表，自由度是n-1=7,取α=0.05，双边检验，得临界值为±2.36(推荐用R软件计算），所以，t-2.36，落入拒绝域，认为改制前后的竞争力有显著差异。 SPSS 操作（文件见“改制与竞争力.sav”) 同时选中，拉到右边 P值0.05，拒绝原假设，认为改制前后的竞争力有显著的差异。 R软件的配对样本t检验操作： x1=c(37,72,57,44,43,64,55,65) x2=c(40,73,59,43,51,67,61,74) t.test(x1,x2,paired=T) 假设非正态分布，怎么办？ 使用非参数检验：符号检验 基本原理：如果两个配对样本（即相关样本）实际上没有差别，则样本数据相减所得的差值应当大致有一半为正，一半为负，正负的数量基本平衡。 由上表可知，S+ =1， S- =7，可以初步判断，正数的个数太少，前后差别显著。 准确判断可查符号检验临界值表。 案例数据： 符号检验临界值表 表中数是S+和S- 中较小者的临界值，故是左边检验。 统计量=1，临界值是0，统计量大于临界值，接受原假设。 结论：接受原假设，认为没有显著差异（？？）。 为什么与前面分析结果矛盾？ 前者是参数检验，后者是非参数检验，方法不同。 SPSS操作，例：“改制与竞争力.sav” 同时选中，拉到右边。 勾选“符号检验”，去掉“Wilcoxon检验” P值0.05，所以接受原假设，认为改制前后的竞争力没有显著差异，与前面手算查表的结果相同。 符号检验的R软件操作（一） 若计算出了差的符号个数，可以用二项分布检验。 binom.test(1,8,0.5) 结果： 0.2727是正号的概率，即点估计值，0.06-0.6097是区间估计值 提高篇 若问是否改制后竞争力有显著提高？ 提高，前减后将多数小于0，即多数为负。 负号的若显著地多，即正号的显著地少，就表明竞争力有显著提高。 若取正号的个数为统计量，则是左边检验 若取负号的个数为统计量，则为右边检验。 R操作： binom.test(1,8,0.5,alt=“less”) 或binom.test(7,8,0.5,alt=“greater”) 关键提示 到底是双边检验，还是左边检验、右边检验，要深入分析题意。 案例2 一家日用化工企业拟采用两种去污配方生产新型去污剂，于是挑选了一系列沾染污渍的物件进行各种测试，其中一项是对清除不同污渍所需要的时间进行测试，记录如下表，问功效是否有显著差别？ 结果： P值0.05,接受原假设，认为两种配方的功效没有显著差异。 如果查表，结果如何？ 作业 用R软件对上例进行符号检验 答案