16非参数检验-Wu课件.pptVIP

吴喜之统计学 ─从数据到结论 第十六章 非参数检验 16.1 关于非参数的一些常识 经典统计的多数检验都假定了总体的背景分布。 但在总体未知时，如果假定的总体和真实总体不符，那么就不适宜用通常的检验 这时如果利用传统的假定分布已知的检验，就会产生错误甚至灾难。 16.1 关于非参数的一些常识 无需假定总体分布的具体形式，仅仅依赖于数据观测值的相对大小(秩)或零假设下等可能的概率等和数据本身的具体总体分布无关的性质进行的检验都称为非参数检验(nonparametric testing)。 这些非参数检验在总体分布未知时有很大的优越性。它总是比传统检验安全。 在总体分布形式已知时，非参数检验不如传统方法效率高。这是因为非参数方法利用的信息要少些。往往在传统方法可以拒绝零假设的情况，非参数检验无法拒绝。 但非参数统计在总体未知时效率要比传统方法要高，有时要高很多。是否用非参数统计方法，要根据对总体分布的了解程度来确定。? 这里介绍一些非参数检验。 关于非参数方法的确切定义并不很明确。我们就其最广泛的意义来理解。 在计算中，诸如列联表分析中的许多问题都有精确方法，Monte Carlo抽样方法和用于大样本的渐近方法等选择。精确方法比较费时间，后两种要粗糙一些，但要快些。? 秩（rank） 非参数检验中秩是最常使用的概念。什么是一个数据的秩呢？一般来说，秩就是该数据按照升幂排列之后，每个观测值的位置。例如我们有下面数据 秩（rank） 利用秩的大小进行推断就避免了不知道背景分布的困难。这也是非参数检验的优点。 多数非参数检验明显地或隐含地利用了秩的性质；但也有一些非参数方法没有涉及秩的性质。 16.2 单样本检验16.2.1单样本中位数(a-分位数)符号检验 我们知道某点为中位数(a-分位数)意味着一个数小于该点的概率应该为0.5(a). 因此，一个观测值小于该点（或与该点之差的符号为负号）的概率为0.5(a)。 这就是符号检验名称的来源，并与二项分布有关。 例：数据gs.txt 例16.1 质量监督部门对商店里面出售的某厂家的西洋参片进行了抽查。对于25包写明为净重100g的西洋参片的称重结果为（单位：克）： 数据gs.txt 样本中位数为m=98.36。因此，人们怀疑厂家包装的西洋参片份量不足。由于对于这些重量的总体分布不清楚，决定对其进行符号检验。需要检验的是： 数据gs.txt 按照零假设，每个观测值（每包西洋参的净重）大于中位数m0=100g的机会和小于100g的概率都是0.5。这服从二项分布Bin(25,0.5)。 重于100g的只有8包。这样的二项分布变量小于或等于8的概率为0.05388。这就是p-值。 因此, 对于水平a=0.05, 根据这个符号检验，没有充分的证据拒绝零假设。 数据gs.txt 数据gs.txt SPSS软件使用 这里有两种选项方式： 1.以数据gs.sav为例。直接使用SPSS选项Analyze－Nonparametric Tests－Binomial，再把变量gsweight选入Test Variable List，然后在下面Define Dichotomy的Cut point输入100（克），在下面Test Proportion输入p0=0.50（零假设大于100小时的比例）；还可以点击Exact来选择精确检验，渐近检验和Monte Carlo方法等，然后OK即可得到前面显示的结果。 SPSS软件使用 2. 数据gs.sav有一列（变量名为m），这是重复零假设的100g使得m的长度和gsweight一样。然后利用选项Analyze－Nonparametric Tests－Related Samples，再把变量gsweight和m同时选入Test Pair(s) List之中，再在下面选Sign及在Exact中选Exact；然后回到主对话框，OK即可。得出前面的第二个输出。 16.2 单样本检验16.2.2单样本位置参数的Wilcoxon符号秩检验 符号检验只用了差的符号，但没有利用差值的大小。 Wilcoxon 符号秩检验(Wilcoxon signed-rank test) 把差的绝对值的秩分别按照不同的符号相加作为其检验统计量。 它利用了更多的信息。 16.2 单样本检验16.2.2单样本位置参数的Wilcoxon符号秩检验 Wilcoxon符号秩检验需要一点总体分布的性质；它要求假定样本点来自连续对称总体分布；而符号检验不需要知道任何总体分布的性质。 在对称分布中，总体中位数和总体均值是相等的；因此，对于总体中位数的检验，等价于对于总体均值的检验。 假定x1,x2,…, xn为来自连续对称总体。如果零检验为中位数（均值）m = m0。 把满