非参数统计3.pptVIP

第4章 两样本位置和尺度推断 第一节 Brown-Mood中位数检验 两样本位置检验 Brown-Mood中位数检验 计算 检验基本内容 备择假设：H1:MxMy,对应的p值为2*P(A≤2)= 大样本检验 第二节 Wilcoxon (Mann-Whitney) 秩和检验 W-M-W统计量 性质和检验 试用W-M-W检验两者的中位数是否一致。 典型例题 典型例题 典型例题 如果改用前面的10个数据做检验，结论如何？ 例 为研究不同饲料对雌鼠体重增加是否有差异，采集了如下的数据： 第四节 成对数据的检验 例 从实行适时管理（JIT）的企业中，随机抽取20家进行效益分析，它们在实施JIT前后三年的平均资产报酬率。问在5％的显著性水平下，企业在实施JIT前后的资产报酬率是否有显著差异？ Ex 比较新旧两种饲料对猪的催肥效果（以饲养一段时间后猪的增重表示）。由于猪的体质等差异，选取体质尽可能相同的两头猪做对比试验，对比试验记录见右表，问新饲料能否推广（ α =0.05）？ 在单样本位置问题中，人们想要检验的是总体的中心是否等于一个已知的值．但在实际问题中，更受注意的往往是比较两个总体的位置参数；比如。两种训练方法中哪一种更出成绩，两种汽油中哪一个污染更少，两种市场营销策略中哪种更有效，两种药物中哪种更有效…… 传统上，人们假设总体是正态分布或近似的正态分布，然后利用两样本的T检验。但是关于总体是正态的假设并不一定合理。在小样本时，近似也不一定合适。本章的目标就是在对总体不作任何分布假设的前提下，解决两样本检验问题。 我国沿海和非沿海省市区的人均国内生产总值(GDP)的1997年抽样数据如下(单位: 元)，沿海省市区为(x1,…,x12): 15044, 12270,5435,7730,22275,8447,9455,8136,6834,9513,4081,5500; 而非沿海的为(y1,…,y18): 5163,4220,4259,6468,3881,3715,4032,5122,4130,3763,2093,3715,2732,3313,2901,3748,3731,5167. 人们想要知道沿海和非沿海省市区的人均GDP的中位数是否一样？ 这就是检验两个总体的位置参数是否相等的问题。 样本之间相互独立， 为位置参数， 称为尺度参数。 假设样本： (X1, X2, … ,Xn)~i.i.d.F1 (Y1, Y2, … ,Yn)~i.i.d.F2 Brown-Mood 中位数检验 Moses方法 Mood检验 Mann-Whitney 秩和检验。 检验原理：在零假设成立时，如果数据有相同中位数，那么混合样本的中位数应该和混合前的项等。也就是说，(Y1，Y2，…，Ym)和（X1,X2,…，Xn）中大于或小于混合后的中位数 的样本点应该大致一样多 假设(X1, X2, … ,Xn)~i.i.d.F(x) ， (Y1, Y2, … ,Ym)~i.i.d.G(x) 首先将两个样本混合，找出混合样本中位数 ，将X和 Y按照在 两侧分类计数，即： 在给定m，n 和 t 的时候，在零假设成立时, A的分布服从超几何分布： 如果 A 值太大或太小时，则应该怀疑零假设。 rhyper(a,m,n,t) P-值 检验统计量 对于水平 ，如果p-值小于 ，那么拒绝零假设 对沿海和非沿海的城市的GDP有如下的列联表： p=2*min(phyper(11,12,18,15,lower.tail=F)+phyper(11,12,18,15,lower.tail=T) Ex. 为研究两不同品牌同一规格显示器在某市不同商场的零售价是否存在差异，收集了出售A品牌的9家商场的零售价数据和出售B品牌的7家商场的零售价数据，列表如下： 问是否存在差异？ p=2*phyper(2,9,7,8,lower.tail=T) 对于大样本情况下，可以使用超几何分布的正态近似进行检验： 另外可求得 置信区间： 其中c和c’满足： 在前面一节，比较两个总体的中位数的检验时，只利用了样本大于或小于共同中位数的数目，如同前面的单独符号秩检验一样，只有方向的信息，没有差异大小的信息。作为单样本的Wilcoxon秩和检验的推广，下面我们讨论两个样本的Wilcoxon秩和检验。 为了对假设作出判定， 如果H0为真，那么将m个x、n个y的数据，按数值的相对大小从小到大排序，x、y的值应该被很好地混合，这m十n＝N个观察值能够被看作来自于共同总体的一个单一的随机样本。若大部分的Y大于X，或大部分的X大于Y，将不