非参数统计chapter2新.pdfVIP

第二章单一样本的推断问题 引言 实际问题中，我们经常关心如下问题：比如“人 均 收入”、“收入最高的5%”、“收入是否呈增长趋 势”、 “评委的打分是否随机的”。这些问题就涉及到关 于 分位点、数据趋势以及数据的随机性检验。在总体 分布未知时，基于正态总体的t检验不再适用，本 章介绍单样本情形下的非参数统计方法。 3.1 符号检验和分位数推断  基本概念 符号检验（sign test) 符号检验是非参数统计中最古老的检验方法之 一，最早可追溯到Arbuthnott于1701年一项有关伦 敦出生的男婴性别比是否超过1/2的研究。 符号检验关心的信息只与两类观测值有关，一般 用“+”和“-” 区分。 符号检验是通过“+”与“-”的个数来进行推断的， 故 称为符号检验。 符号检验 例3.1 假设某城市16座预出售的楼盘均价（百元/㎡） 如表3.1所示： 表3.1 16座预出售的楼盘均价 36 32 31 25 28 36 40 32 41 26 35 35 32 87 33 35 问该地楼价是否与媒体公布的3700元/㎡的说法相符？ 假设在统计时点上楼盘均价服从正态分布的前提下，利 用t检验得到的p值为0.89，在显著性水平都α0.89以下都 不能拒绝零假设。 问题：总体正态分布的假设是否合理？ 符号检验 本例的16个数据中，3700元/㎡左右数据比例为 13:3，这与正态分布的对称性不一致。 对于单峰对称性分布，中位数与均值的差别性不 大，但对于非对称分布，由描述统计结果可知，中 位数较均值而言是对总体中心位置更稳健的估计。 上例的假设检验问题可以表示为： H :M M H :M M 0 e 0 1 e 0 M  M 为总体的中位数，用 表示比 大的点的个数， e S 0   M H S ~ B(n,0.5) S 表示比 小的点的个数。 成立条件下， 0 0 符号检验的推断过程 X , X , , X F(M ) 假设 1 2 n 来自总体 中的简单随机样本， 定义Y I{X M },Z I{X M } 则 i i 0 i i 0 n n S Y , S Z i i i 1 i 1   S S n ,n n   ，令 K