前面进行的假设检验和方差分析,大都是在数据服从正态分布.pptVIP

前面进行的假设检验和方差分析，大都是在数据服从正态分布或近似地服从正态分布的条件下进行的。 但是如果总体的分布未知，如何进行总体参数的检验，或者如何检验总体服从一个指定的分布，都可以归结为非参数检验方法。 非参数检验方法的优点 首先，检验条件比较宽松，适应性强。参数检验假定总体分布正态或近似正态或以正态分布。如果这些条件不存在，很可能检验结果产生方向性的错误。 非参数检验不受这些条件限制，填补了参数检验的不足。例如非正态的、方差不等的以及分布形状未知的资料都可适用，适应性强。 其次，检验的方法比较灵活，用途更广泛。非参数检验不但可以应用于定距、定比变量的检验而且也适用于定类、定序变量的检验。 对于那些不能直接进行加减乘除四则运算的定类数据和定序数据，运用符号检验、符秩检验都能起到比较好的效果，所以非参数检验的用途是更加广泛的。 再次，非参数检验计算相对简单，易于理解。由于非参数检验不用计量的方法，而用计数的方法，其过程及其结果都可以被直观地理解，为使用者所接受。 非参数检验的缺点 也非参数检验方法对总体分布的假定不多，适应性强，但方法也就缺乏针对性，其功效就不如参数检验。 非参数检验用的是等级或符秩，而不是实际数值，方法简单，又会失去许多信息，因而检验的有效性也就比较差。 当然如果假定的分布不成立，那么非参数检验就是更值得信赖的。 Binomial二项分布检验 Runs游程检验 1-Sample K-S 单个样本柯尔莫哥洛夫-斯米诺夫检验 2 Independent sample 两个独立样本检验 K Independent sample K个独立样本检验 2 Related Independent sample两个相关样本检验 K Related Independent sample K个相关样本检验 一、Chi-square卡方检验 某地一周内各日死亡数的分布如下，请检验一周内各日的死亡危险性是否相同？ 周日 死亡数 一 11 二 19 三 17 四 15 五 15 六 16 日 19 从Data菜单中选Weight Cases 进入Weight Cases 对话框把death 放入Frequency Variable 框定义死亡数为权数，再点击OK钮即可。 从Analyze到Nonparametric Tests Chi-Square 进入Chi-Square Test 对话框，在对话框左侧的变量列表中选day点击向右的箭头钮使之进入Test Variable List 框点击OK 按钮即可。 练习 有一批包装盒，其重量有些差异，连续抽查了20件，其重量分别如下，能否认为其重量的变动是随机的（?=0.05） 再练一下 二、二项分布 有些总体只能划分为两类，如医学中的生与死、患病的有与无。 从这种二分类总体中抽取的所有可能结果，要么是对立分类中的这一类，要么是另一类，其频数分布称为二项分布。 调用Binomial过程可对样本资料进行二项分布分析。 某地某一时期内出生40名婴儿，其中女性12名（定Sex=0），男性28名（定Sex=1）。 问这个地方出生婴儿的性比例与通常的男女性比例（总体概率约为0.5）是否不同？ 激活数据管理窗口，定义性别变量为sex。按出生顺序输入数据，男性为1 ，女性为0。 激活Statistics菜单选Nonparametric Tests中的Binomial Test...命令项，弹出 Binomial Test对话框。　 Get from data 选项，适用于指定的变量只有两个有效值无缺失值 Cut point 选项，如果指定的变量超过两个值，选择该项后，并在其参数框中键入一个试算点的值，比试算点值小的将形成第一项，比试算点值大的将形成第二项。 Test Proportion参数框,指定检验概率值系统默认的检验概率值是0.5, 这意味着要检验的二项是服从均匀分布的.如果落入每一项中的个体的期望比率不等,换言之所要检验的二项不是同概率分布,参数框中键入第一项所对应的概率期望值。 在对话框左侧的变量列表中选sex，点击钮使之进入Test Variable List框，在Test Proportion框中键入0.50， 再点击OK钮即可。 结果解释 三、游程检验 游程检验用来检验样本的随机性，这对于统计推断是很重要的。 游程检验可用来检验任何序列的随机性，而不管这个序列是怎样产生的。 此外还可用来判断两个总体的分布是否相同，从而检验出它们的位置中心有无显著差异。 调用Runs 过程可进行游程检验即用于检验序列中事件发生过程的随机性分析. 某村发生一种地方病，其住户沿一条河排列，调查