的非参数检验.ppt

第七章 非参数检验 ;7.1 关于非参数的一些常识;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。?;SPSS中的非参数检验方法主要涉及以下方面： 单样本非参数检验 两独立样本非参数检验 多独立样本非参数检验 两配对样本非参数检验 多配对样本非参数检验;7.2单样本的非参数检验;卡方统计量 Pearson卡方： 如果 的概率p值小于显著性水平α，则应拒绝H0； 否则，不拒绝H0 。 例子 医学家研究心脏病人猝死人数与日期的关系时发现，一周 之中星期一心脏病人猝死者较多，其他日子则基本相当。 每天的比例近似为：2.8:1:1:1:1:1:1。现收集到心脏病人死亡 日期的样本数据，需要推断其总体分布是否与上述理论分布 相吻合。;7.2.2二项分布检验 现实中很多数据的取值是二值的，例如产品分为合格和不合格等等。 将这样的二值分别用0和1表示，如进行n次相同的实验，则出现两类（1或0）的次数可以用离散型随机变量X表示。如X值为1的概率为p，则X为0的概率q为1-p，形成二项分布。 通过样本数据检验样本来自的总体是否服从指定的概率值为p的二项分布。 H0： 样本来自的总体与指定的二项分布无显著差异。;二项分布检验 小样本：精确检验方法 大样本：近似检验方法 如果算得概率p值小于显著性水平α，则应拒绝H0； 否则，不拒绝H0 。 例子 产品合格率检验;7.2.3单样本K-S检验 利用样本数据推断样本来自的总体是否服从某一理论分布。适用于探索连续型随机变量的分布。 H0： 样本来自的总体与指定的理论分布（正态分布、均匀分布、指数分布和泊松分布等）无显著差异。 例子 收集储户调查的样本数据，分析储户总体一次存（取）款金额的分布是否服从正态分布。 ;基本思路 在零假设成立的前提下，计算各样本观测值在理论??布中 出现的理论累计概率值F(x)； 计算各样本观测值的实际累计概率值S(x)；计算实际累计 概率值与理论累计概率值的差D(x)； 计算差值序列中的最大绝对值差，即D=max(| S(xi) - F(xi) |)。 通常由于实际累计概率为离散值，D修正为 D=max(max(| S(xi) - F(xi) |), max(| S(xi-1) - F(xi-1) |) ) 。 D统计量也称为K-S统计量。 在小样本下，零假设成立时，D统计量服从Kolmogorov分布； 在大样本下，零假设成立时， D统计量近似服从K(x)分布； 如概率p值小于显著性水平α,则应拒绝H0；否则不拒绝H0 。 ;警告;Kolmogorov-Smirnov单样本分布检验 零假设的分布 （渐近双边检验的）p-值 正态分布 1.000 均匀分布 0.988 Poisson分布 1.000 指数分布 0.806 ;例： 公共交通设施适合性的研究―公共汽车到达时间是否服从正态分布。;;7.2.4 关于随机性的游程检验(run test);关于随机性的游程检验（run test） ;关于随机性的游程检验（run test） ;关于随机性的游程检验（run test） ;7.3 两独立样本的非参数检验;基本步骤（续）： WilcoxonW为：如果mn,WilcoxonW=WY;如果mn,WilcoxonW=WY；如果m=n，则WilcoxonW为第一个变量所在样本组的W值。 曼-惠特尼U统计量为：U=W-1/2k(k+1)，k为W对应样本组的样本个数。小样本下，U服从曼-惠特尼分布；大样本下，U近似服从正态分布，计算方法是： 在小样本下，依据U统计量的概率p值进行决策；在大样本下，则依据Z统计量的概率p值进行决策。;7.3.2 两样本分布的Kolmogorov-Smirnov检验 ;7.3.3 两样本Wald-Wolfowitz游程检验 ;7.3.4 极端反应检验 ;; 7.4.1 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排序，找出它们的中位数。 再计算每个总体中小于该中位数的观测值个数O1i，i=1,…,k，和每个总体中大于该中位数的观测值个数O2i，i