符号检验精选.docVIP

符号检验 一、符号检验（SING TEST） 符号检验（SING TEST）是利用正号和负号的数目某假设做出判定的非参数方法。 符号检验虽然是最简单的非参数检验，但它体现了非参数统计的一些基本思路．首先看一个例子。 联合国人员在世界上66个大城市的生活花费指数(以纽约市某年为100)按自小至大的次序排列如下(这里北京的指数为99)： 66 75 78 80 81 81 82 83 83 83 83 84 85 85 86 86 86 86 87 87 88 88 88 88 88 89 89 89 89 90 90 91 91 91 91 92 93 93 96 96 96 97 99 100 101 102 103 103 104 104 104 105 106 109 109 110 110 110 111 113 115 116 117 118 155 192 这个总体的中间水平是多少？北京使在该水平之上还是之下？（北京为99） 可以假定这个样本是从世界许多大城市中随机抽样而得的所有大城市的指数组成总体．可能出现的问题是：这个总体的平均(或者中间)水平是多少?北京是在该水平之上还是之下?这里的平均(或中间)水平是一个位置参数。一般的统计书中的均值就是一个位置参数．中位数是另一个位置参数．它们都是数据总体中心位置的度量和位置参数相对的一个参数为尺度参数；比如在标准统计课本中的描述数据集中和分散程度的方差或标准差． 这个例子经过简单计算，得到样本均值为96.45，而样本中位数为91；它们都可作为总体的中心的估计，除此之外，众数(频率最大的点，本例是88)可作为中间位置． 通常在正态总体分布的假设下，关于总体均值的假设检验和区间估计是用与t检验有关的方法进行的。然而，在本例中，总体分布是未知的为此首先看该数据的直方图从图中很难说这是什么分布。在右边的两个点分别是东京和香港。 假定用总体中位数来表示中间位置，着意味着样本点，取大于M的的概率应该与取小于M的概率相等。所研究的问题，可以看作是只有两种可能“成功”或“失败”。成功为“+”， 即大于中位数M；失败为“-”，即小于中位数M。令 S+=得正符号的数目 S—=得负符号得数目 可以知道S+或S— 均服从二项分布B（66，0.5）。则和可以用来作检验的统计量。 ：；： ：；： ：；： 对于左侧检验：；： ，当零假设为真的下，应该不大不小。当过小，即只有少数的观测值大于，则可能太大，目前总体的中位数可能要小一些。如果，则拒绝原假设。 对于右侧检验：；： ，当零假设为真的下，应该不大不小。当过大，即有多数的观测值大于，则可能太小，目前总体的中位数可能要大一些。如果，则拒绝原假设。 双侧检验对备择假设H1来说关心的是等于正的次数是否与等于负的次数有差异。所以当小于显著性水平则拒绝原假设。 我们来看上面的例：备择检验：M99。一般来说，备择假设采用我们觉得有道理的方向。因为只有一点为99，舍去这一点，于是从66减少到65。而=23,在零假设下(下面概率p=0.5)，二项分布的概率：。 如果很小就可以拒绝零假设．上面这个概率就是该检验的p—值。在这里的例子中n＝65，k＝23，p=0.5。查表p值为0.0124。 也就是说，在零假设下，目前由该样本所代表的事件的发生的概率仅为0.0124，所以不大可能。也就是说，北京的生活指数(99)不可能小于世界大城市的中间水准． 对于双边假设检验，为计算方便，一般取相应于和中较小的一个做检验统计量；如用K表示，则K=min(，)。在本例子中，因为是双边检验，这P值应该二倍于单侧检验的。为0.0248。 ：；： ：；： 检验统计量 （=23） （=23） P-值 =0.0124 2=0.0248 检验的结果 拒绝零假设 拒绝零假设 结论 中位数小于99 中位数不等于99 下面说一下具体的计算问题．在n比较小时，可以用前面的二项分布的公式来计算精确p值．利用查表。但是当n较大时，就要用正态分布来近似。如果又是二项随机变量，当n较大时， 比如大于25，则可近似地认为在零假设下 服从正态N(0，1)分布。但是由于正态分布是连续分布，所以要连续修正 当取正号，反之取负号。 [例] 生产过程是否需要调整。 某企业生产一种钢管，规