统计幻灯engppt课件.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 第九章 秩和检验 非参数统计的概念： U检验、t检验和方差分析为参数检验（paramatric statistics) 非参数检验（nonparamatric statistics) 当资料不满足参数统计的要求，也不能通过数据转化使其符合参数统计的要求时 配对设计差值的符号秩和检验 适用条件：适用于非正态分布或分布不明的资料，适用范围广，缺点时不能充分利用资料所提供的信息，统计效率较低。 检验步骤： HO:差值的总体中位数M=0 H1:差值的总体中位数M?0 ?=0.05 计算统计量 1.求各对数值的差值 2.按差值的绝对值由小到大编秩，并将秩次分两栏 编秩：绝对值相等符号相反值时，取平均秩次，0 不编，对子数减去0的个数。 确定统计量T：分别求正秩和负秩之和，以绝对值较小者为统计量T确定P值，作出推论1.查表法：对子数n=25时，T越大，P越大2.正态近似法：n25时， U=[? T-n(n+1)/4 ? -0.5]/?n(n+1)(2n+1)/24 成组设计两样本比较的秩和检验步骤：H0：两总体分布相同H1：两总体分布不相同?=0.05 计算统计量：1.编秩：将两组数据分别从小到大排列，统一编秩，不同组的相同数据取平均秩次，2.求T和T′：取较小样本的秩和为TT′=n1(n1+n2-1)-T 确定P值，作出推论1.查表法：n1=15, n2=28时，以T与 T′较小者与附表数值比较，越大，P越大2.正态近似法：n1和n2超出表中的数值时， U=[? T-n1(n1+n2+1)/2 ?-0.5]/ ?n1n2(n1+n2+1)/12 成组设计多个样本比较H检验H0：多个总体分布相同H1：多个总体分布不相同?=0.05 计算统计量H值：1.编秩：将多组数据分别从小到大排列，统一编秩，不同组的相同数据取平均秩次2.求各组秩和（Ri):将各组秩次相加得Ri3.计算统计量H值：H=[12/N(N+1)? Ri2/ni]-3(N+1) 确定P值，作出推论1.查表法：k=3, ni=5时，HH ?, P ?22.X2界值法：k和ni超出表中的数值时， 随机区组设计的多个样本比较—M检验推断多个样本的分布是否相同计算M：1.编秩2.分别求各处理组的秩和3.求平均秩和4.计算M =?(Ri-?R)2 确定P： 查表法：区组数b,处理组k, M?M0.05, P0.05 X2分布近似法： X2 =12M/[bk(k+1)] 确定P：查表法：区组数b,处理组k,M?M0.05, P0.05 X2 分布近似法： X2 =12M/[bk(k+1)]  计算u值：U=[?R-0.5]/ [?2R/?n] 成组设计两样本比较：计算标准组各等级的R值及?2R  ?2R =[?FR2-（ ?FR）2/N]/（N-1）计算两样本的平均R值（ ?R1和?R2 ）：?R= ?fR/n 成组设计多样本的比较：X2=12 ?[ni [?R-0.5]2 第十章 回归与相关 一.直线回归: 概念：研究事物或现象间得线性数量依存关系, 计算回归系数b并作回归系数的假设检验，若回归系数假设检验由统计学意义，则可建立直线回归方程 方程的求法：x,y图示,回归系数的假设检验 区间估计,应用 直线回归的图示法：回归线回归方程的应用：描述两个变量之间的数量依存关系利用回归方程进行预测利用回归方程进行控制 二.直线相关概念：又称简单相关，simple correlation 研究事物或现象间的线性关系 相关系数的意义：表示关系的密切程度和方向，计算相关系数r(correlation coeficient)：x,y(x,y是随机变量且正态） -1 ? r ? 1 假设检验: t检验 t=r/??(1-r2)/(n-2) 查表法:r? r0.05(?) 区间估计： 三.直线回归与直线相关的区别与联系 1.说明的问题不同：若两者都是连续性随机变量，且两者之间有回归关系，可求出回归方程，r=?by,xbx,y 2.有相关关系，不一定是因果关系，若有因果关系，一定有相关关系 3.x，y随机变量，但不是正态，则计算秩相关系数。 4.回归分析条件：y随