第三章(4)非参数检验.pptVIP

非参数检验方法 参数检验方法是基于总体分布为正态分布的前提下对参数进行的检验。当条件不满足时，不能用参数检验方法 非参数检验方法可以不考虑总体的参数和总体的分布类型，也称为任意分布检验 不对总体参数进行比较，而是用于分布之间的比较 适用条件无特殊要求 实际应用中不满足参数统计条件的资料均可用 非参数检验 应用范畴广泛 如定量资料和定性资料的差异比较、分布拟合、相关性分析等 信息利用不充分，检验效率低于参数检验 例如，在资料服从正态分布的前提下，当 H0 不真时，非参数检验方法不如参数检验方法能灵敏地拒绝H0, 即犯第二类错误（取伪）的可能性大于参数检验法 主要内容 拟合优度检验 分布拟合检验 参数检验方法中，一般要求总体的分布已知。如果总体的分布未知，就需要根据样本数据来推断和检验总体分布形式，此称为分布拟合检验 基本思想 将样本观察值确定的经验分布代替总体的分布，并与假设的理论分布相比较 由于抽样的随机性和样本容量的限制，用经验分布与理论分布比较时，会有某种偏差 如果这种偏差不显著，就认为总体服从此种理论分布；如果差异显著就不能认为总体服从此种理论分布 常用的检验方法有正态概率图纸法、皮尔逊?2检验法、柯尔莫哥洛夫检验法等 几点说明 分布函数 F0(x)类型的确定，可由实际问题分析或由样本观察数据的直方图来推测 此检验要求一定是大样本，一般n≥50 确定k 的大小 对于正态总体，样本容量n与区间个数k要满足渐近最优关系，即k =1.87(n-1)0.4 样本容量n与区间个数k对应表如下 几点说明 柯尔莫哥洛夫—斯米尔诺夫(Kolmogorov-Smirnov)检验 单个总体分布函数的假设检验(柯尔莫哥洛夫检验) 两个总体分布函数的比较 单个总体分布函数的假设检验（说明） ?2 拟合优度检验实际上是检验 pi＝F0(ai)? F0(ai-1)＝pi0 ( i＝1,2,...,k) 的正确性，并未直接检验原假设的分布函数F0(x)的正确性 柯尔莫哥洛夫直接针对原假设 H0：F(x)＝F0(x) 基于经验分布函数(或称样本分布函数)作为检验统计量，检验理论分布函数与样本分布函数的拟合优度 F(x)必须是连续型分布 柯尔莫哥洛夫检验（原理） 柯尔莫哥洛夫检验（原理） 柯尔莫哥洛夫检验（基本步骤） 实际使用的检验统计量 Dn 单个总体分布函数的假设检验（例题分析） 两个总体分布函数的比较 斯米尔诺夫检验 秩检验 符号检验 秩检验 符号检验（问题表述） 符号检验几点说明 适合于总体服从连续分布的情形 两样本符号检验要求从两个总体抽取的样本容量相等 如果n1≠n2，且相差甚少，通过将样本大的丢弃后面几个数据，使样本容量相等 其他应用 用于两个总体分布位置差异的检验、单样本情形关于中位数的检验 符号检验 【例】设有两种不同类型的机器A和B生产同种的螺栓，记录它们连续12天所生产的不合格螺栓数见下表，假设机器每天的生产量相等。试问在显著性水平?＝0.05下，两种机器A，B之间是否有显著差异? 适合性检验 独立性检验 两个随机变量相互联系的类型 两个随机变量之间产生效应 例如，X为年降雨量，Y 为农作物产量，则X和Y之间存在效应，即X对Y有直接影响 两个随机变量之间不产生效应，只有联系 例如，在同一个家庭里，X为姐姐的身高，Y为弟弟的身高，则X和Y之间不产生效应，只有联系 独立性检验是对两个总体，或两组资料，或同一总体的两种指标（分类、特性、特征）等之间的独立性所进行的检验 独立性检验 二维随机变量 (X,Y) 服从二维正态分布 因为X和Y独立的充要条件是相关系数? ＝0，故检验X和Y独立性的问题等价于检验?＝0 二维随机变量(X,Y)服从任何二维分布 X和Y的独立性检验不能通过检验 ?＝0来实现，可用列联表检验法 列联表检验 确定?2检验统计量的自由度 因为有r?s?2个独立的未知参数的估计量代入式(4)，所以自由度是rs?(r?s?2)?1＝(r?1)(s?1)，故 ?2 的渐近分布是自由度为(r?1)(s?1)的?2分布 当 ?2≥??2((r?1)(s?1)) 时，则拒绝原假设 以上检验方法称为?2 检验，也称为列联表检验 (X,Y )的联合分布是二维正态分布 设(X,Y)服从二维正态分布N(?1,?2,?12,?22,?)，检验假设H0：X和Y相互独立等价于检验假设 H0: ?=0 H1: ??0 从二维正态总体抽取简单随机样本(X1,Yl ),(X2, Y2),…,(Xn,Yn)，用样本相关系数 作为? 的点估计量 当H0为真时，可以证明统计量 服从自由度为n?2的 t 分布 给定显著性水平?，使 如果 t 的观察值满足 | t |＞t? /2(