非参数检验 北京大学【统计学】课件，王喜之教材课程.pptVIP

两样本Wald-Wolfowitz游程检验 Wald-Wolfowitz游程检验（Wald-Wolfowitz runs test）和Kolmogorov-Smirnov检验都是看两个样本所代表的总体是否分布类似。但是所采取的方法不一样。Wald-Wolfowitz游程检验把两个样本混合之后，按照大小次序排列，一个样本的观测值在一起的为一个游程。和单样本的游程问题类似。可以由游程个数R看出两个样本在排序中是否随机出现。由twonp.sav数据，可以得到下面SPSS关于Wald-Wolfowitz游程检验的输出： 软件使用：数据和前面一样，只在Test Type选Wald-Wolfowitz runs。 Kruskal-Wallis关于多个样本的秩和检验 这个检验的目的是看多个总体的位置参数是否一样。 方法和Wilcoxon-Mann-Whitney检验的思想类似。 假定有k个总体。先把从这个k个总体来的样本混合起来排序，记各个总体观测值的秩之和为Ri，i=1,…,k。显然如果这些Ri很不相同，就可以认为它们位置参数相同的零假设不妥（备选假设为各个位置参数不全相等）。 Kruskal-Wallis关于多个样本的秩和检验 注意这里所说的位置参数是在下面意义上的qi；由于它在分布函数Fi(x)中可以和变元x相加成为F(x+qi)的样子，所以称qi为位置参数。 形式上，假定这些样本有连续分布F1,…,Fk，零假设为H0：F1=…=Fk，备选假设为Ha：Fi(x)=F(x+qi)，i=1,…,k，这里F为某连续分布函数，而且这些参数qi并不相等。Kruskal-Wallis检验统计量为 Kruskal-Wallis关于多个样本的秩和检验 公式中ni为第i个样本量，而N为各个样本量之和（总样本量）。 如果观测值中有大小一样的数值，这个公式会有稍微的变化。 这个统计量在位置参数相同的零假设下有渐近的自由度为k-1的c2分布。Kruskal-Wallis检验仅仅要求各个总体变量有相似形状的连续分布。 数据house.sav：三个区域房价的数据 为了调查三个地区的房价是否类似，在每个地区抽样，得到三个样本量分别为20、30、25的房价样本。利用SPSS软件，很容易得到下面的检验结果： SPSS软件使用说明 使用house.sav数据。 选项为Analyze－Nonparametric Tests－K Independent Samples。 把变量（这里是price）选入Test Variable List；再把数据中用1、2、3来分类的变量group输入Grouping Variable，在Define Groups输入1、2、3。 在下面Test Type选中Kruskal-Wallis H。 点Exact时打开的对话框中可以选择精确方法（Exact），Monte Carlo抽样方法（Monte Carlo）或用于大样本的渐近方法（Asymptotic only）。最后OK即可 Jonckheere-Terpstra多样本的秩检验 这个检验处理的问题和Kruskal-Wallis检验类似，零假设都是各个总体的位置参数相同，但这里的备选假设为各个总体的位置参数按升幂排列（如为降幂排列，可把总体编号颠倒顺序即为升幂排列）。 注意这里所说的位置参数和前面的Kruskal-Wallis检验中的位置参数意义一样。 Jonckheere-Terpstra检验先在每两个样本所有观测值对之间比较，计算第i个样本观测值中小于第j个样本观测值的对子数： 数据house.sav：三个区域房价的数据 很容易得到SPSS的Jonckheere -Terpstra检验结果输出： SPSS软件使用说明 使用house.sav数据。 选项为Analyze－Nonparametric Tests－K Independent Samples。 把变量（这里是price）选入Test Variable List；再把数据中用1、2、3来分类的变量group输入Grouping Variable，在Define Groups输入1、2、3。 在下面Test Type选中Jonckheere-Terpstra。 在点Exact时打开的对话框中可以选择精确方法（Exact），Monte Carlo抽样方法（Monte Carlo）或用于大样本的渐近方法（Asymptotic only）。最后OK即可 Brown-Mood中位数检验 在有数个独立样本的情况，希望知道它们的中位数是否相等。零假设是这些样本所代表的总体的中位数相等。备选假设是这些中位数不全相等。 假定有k个总体，ni为第i个样本量；把所有样本量之和记为N。先把从这个k个总体来的样本混合起来