小样本分位数检验统计量正态性修正系数选择-中国人民大学研究性.PDF

小样本分位数检验统计量正态性修正系数选择 李淑彦 指导教师 王 星 中国人民大学统计学院 100872 摘要： 本文考虑小样本非参数分位数检验统计推断问题，当检验统计量满足独立随机变量和的形式时，通 常采用修正正态近似作为抽样分布求整数点尾概率 P 值，这一思想普遍存在于非参数小样本假设检验和置 信区间问题中。修正系数常常采用 0.5，但在样本量不大的情况下，本文分别考察了符号检验零假设所支持 的二项分布和 Wilcoxon 符号秩检验下的 Wilcoxon 分布，通过对比整值点的尾概率 P 值的精确解和近似解， 表明 0.5 的修正近似在一些值上并非最理想的近似，当统计量的抽样分布不对称时可能会产生很大误差， 甚至会改变假设检验的结果。 关键词：小样本 正态近似 修正系数 P 值 一、问题的提出 假设检验是统计推断的基本内容，检验统计量p 值是拒绝零假设犯第 I 类错误的最小显 著性水平。很多情况如非正态的总体假设下，求出统计量的精确分布并不容易，主要采用正 态近似方法求出小样本统计量的近似p 值，John.A.Rice[1994] 。 正态近似是以中心极限定理为基础专门为独立随机变量和形式的统计量设计的近似求 解统计量特征的方法。假定X 1,...,X n 独立同分布来自分布F(x)， 我们将考察两类常用的非参数检验：符号检验零假设下所支持的二项分布和 Wilcoxon 符号秩检验下的 Wilcoxon 分布，分别比较不同样本量下的正态近似情况，比较经验修正系 数 0.5 的近似修正效果。由此探究修正的必要与否的样本量条件和调整系数选择的位置依赖 条件。论文共分为四个部分，第二部分借助 R 探讨修正的必要性；第三部分探讨近似的合 理性问题，最后一部分，对修正系数的合理性判别与选择给出建议和结论。 n 大样本下 Wilcoxon 检验，吴喜之[1999]，王星[2005]指出对 Wilcoxon 统计量W + = åjW j ， i=1 采用正态近似， W+ - [n(n+ 1) / 4] ~N(0,1) (1) n(n + 1)(2n + 1) / 24 其中 W 表示X 的符号，X 表示|X | 对应的原始样本。当样本量很大时，(1)式与 j D D (j) j j 用精确分布所得p 值近似误差很小，然而当样本量不大时，则使用正态修正近似，如公式（2 ） 所示： W + - [n(n + 1) / 4] ± 0.5 ~ N (0,1) (2) n(n + 1)(2n + 1) / 24 二、正态近似的合理性研究——修正的必要性 ， 首先 我们考察以二项分布为抽样分布的符号检验(sign test)，符号检验是检验给定一组 数据的中位数与给定中位数M0 是否一致的检验。采用的统计量为 K=max{ S+ , S- },