第九篇 章 非参数检验 SPSS基础教程.pptVIP

第九章 非参数检验 第一节 卡方检验 第二节 二项分布检验 第三节 游程检验 第四节 单样本检验 第五节 两个独立样本检验 第六节 多个独立样本检验 第七节 两个相关样本检验 第八节 多个相关样本检验 第一节 卡方检验 前面讨论的许多问题事先假定总体服从正态分布，然后对其均值作检验，但某个随机变量是否服从某种特定分布，是需要进行检验的。 卡方检验可以进行拟合优度的检验，可检验样本是否服从正态、均匀、 Poisson等分布。 应用举例 1 掷一颗六面体300次，结果如下，试问这颗六面体是否均匀？ 点数 1 2 3 4 5 6 频数 43 49 56 45 66 41 数据文件data12-01.sav。 应用举例2 某车间生产的某型号铁丝，其折断力（单位：公斤）平日服从正态分布，今有如下的样本资料，试作正态分布拟和适度检验。 数据文件：p193_6.9.sav 组编号 折断力区间 实际频数 1 198以下 6 2 198~201 7 3 201~204 14 4 204~207 20 5 207~210 23 6 210~213 22 7 213~216 14 8 216~219 8 9 219以上 6 合 计 120 应用举例2 从资料中得到均值为209，标准差为6.5，我们以此作为正态分布的均值与标准差。 区间 标准化区间 实际频数 标准正态分布概率pi 期望频数 120* pi 198以下 -1.69以下 6 0.046 5.5 198~201 -1.69~-1.23 7 0.064 7.7 201~204 -1.23~-0.77 14 0.111 13.3 204~207 -0.77~-0.31 20 0.158 19.0 207~210 -0.31~0.15 23 0.181 21.7 210~213 0.15~0.62 22 0.173 20.8 213~216 0.62~1.08 14 0.127 15.2 216~219 1.08~1.54 8 0.078 9.4 219以上 1.54以上 6 0.062 7.4 合计 —— 120 1 120 应用举例-2 从生产线上随机抽取10根纤维作强力测试，的数据如下： 140.6 146.2 150.3 144.4 128.1 139.7 134.1 124.3 147.9 143.0 问：纤维强力的中位数是否为140？ 数据文件：p179_6.2.sav 第三节 游程检验 游程检验是指根据游程数所作的两分变量的随机性检验，可用来检验样本的随机性，随机样本的游程数应不太大，也不太小。 假定有一个容量为10的样本，对于它的每一个观察值，按一定的标准去分为两种符号，例如根据它是大于还是小于样本中位数（或均值）而给定某种符号，如大于记作A，小于记作B，如果我们把这些符号按抽样时被抽出的先后顺序排列，就可能出现如下情况： 第一种：BBBBBAAAAA 第二种：ABABABABAB 第三种：ABAABAABBB 第四种：BBAAABAABB 应用举例-1 数据背景： 某汽油站有A、B两种牌号的汽油，某天 一开始售出的34批汽油按牌号A、B排成这 样的顺序： AABAABABBAAABBABABBABBABBAAB BBBAA，这一售出汽油序列是否显示了人们 对汽油牌号选择的随机性？ 数据文件：p188_6.6.sav 应用举例-2 检验两个总体的分布是否相同。 数据背景： 为鉴别两种操作法对劳动效率的影响，抽取12人用第一种方法，10人用第二种方法，试判断两种操作方法对日产量有无显著影响。(首先根据产量升序排列) 数据文件：data12-04c.sav 第四节 单样本柯尔莫哥洛夫—斯米尔诺夫检验 是一种拟合优度性检验。它涉及一组样本值的分布和某一指定的理论分布间的符合程度的问题，这种检验可以确定是否有理由认为样本的观察结果来自该理论分布的总体。 应用举例1 数据背景： 老师给学生的分数通常服从正态分布， 现随机抽取一老师给学生的评分，成绩分为 12等，试判断学生分数是否服从正态分布。 数据文件： b325_No_onesTest.sav 应用举例2 数据背景: 卢瑟福与盖革作了一个著名实验，他们 观察了长为7.5秒的时间间隔里到达某个计 数器的由某块放射物资放出的a质点数，共 观察了2608次，数据如下表，试分析这种 分布规律是否遵从