Wilcoxon符号秩检验 吴喜之例子.docVIP

吴喜之《非参数统计》第35页例子 现在用一个例子来说明如何应用Wilcoxon符号秩检验,并表明它和符号检验在解决同样的位置参数检验问题时的不同。 下面是亚洲十个国家1966年的每1000新生儿中的(按从小到大次序排列死亡数(按世界银行:“世界发展指标”,1998 这里想作两个检验作为比较。一个是H0:M≥34H1:M34, 另一个是H0:M≤16H1:M16。 之所以作这两个检验是因为34和16在这一列数中的位置是对称的,如果用符号检验,结果也应该是对称的。现在来看Wilcoxon符号秩检验和符号检验有什么不同,先把上面的步骤列成表: 上面的Wilcoxon 符号秩检验在零假设下的P-值可由n 和W 查表得到,该P-值也可以由计算机统计软件把数据和检验目标输入后直接得到。从上面的检验结果可以看出,在符号检验中,两个检验的p-值都是一样的(等于0.3770不能拒绝任何一个零假设。而利用Wilcoxon 符号秩检验,不能拒绝H 0:M ≥34,但可以拒绝H 0:M ≤16。理由很明显。34和16虽然都是与其最近端点间隔4个数(这也是符号检验结果相同的原因,但34到它这边的4个数的距离(秩之和(为W=29远远大于16到它那边的4个数的距离之和(为W=10。所以说Wilcoxon 符号秩检验不但利用了符号,还利用了数值本身大小所包含的信息。当然,Wilcoxon 符号秩检验需要关于总体分布的对称性和连续性的假定。 详细计算过程 Wilcoxon 符号秩检验 亚洲十国,每千人婴儿中的死亡数为:4、6、9、15、33、31、36、65、77、88 假设检验:16:0=D M H ;16:-D M H 手算 由D 的符号和D 绝对值的秩可以算得: 101234=+++=-T 451098756=+++++=+T 根据n=10,45=+T 查表得到+T 的右尾概率为P=0.042,由于P0.05,因此拒绝0H 。 SPSS P 值为0.042小于显著性水平0.05,故拒绝0H 。 SAS data a; input id x; cards; 1 4 2 6 3 9 4 15 5 31 6 33 7 36 8 65 9 77 10 88 run; proc univariate mu0=16; var x; run; UNIVARIATE 过程 变量: x 矩 N 10 权重总和10 均值36.4 观测总和364 标准偏差30.4638219 方差928.044444 偏度0峰度 -0.9927987 未校平方和21602 校正平方和8352.4 变异系数83.6918184 标准误差均值9基本统计测度 位置 变异性 均值36.40000 标准偏差30.46382 中位数32.00000 方差928.04444 众数. 极差 84.00000 四分位极差56.00000 位置检验: Mu0=16 检验--统计量--- -------P 值------- 学生t t 2.117609 Pr |t| 0.0633 符号M 1 Pr = |M| 0.7539 符号秩S 17.5 Pr = |S| 0.0840 分位数(定义5 分位数估计值 100% 最大值 88.0 99% 88.0 95% 88.0 90% 82.5 75% Q3 65.0 50% 中位数 32.0 25% Q1 9.0 10% 5.0 5% 4.0 1% 4.0 0% 最小值 4.0 极值观测 ---最小值--- ---最大值--- 值观测值观测 4 1 33 6 6 2 36 7 9 3 65 8 15 4 77 9 31 5 88 10 得到符号秩检验的双侧概率为0.0840,则单侧概率P=0.0420,,小于显著性水平0.05,故拒H 绝 Wilcoxon检验 亚洲十国新生儿死亡率的Wilcoxon符号秩检验: 在这里假定亚洲十国新生儿死亡率是对称性分布。建立假设组为: H0:M≥34H1:M34 为做出判定,需要计算T+、T-,计算过程见下表 T+=2+8+9+10=29 T-=10(10+1/2-29=26 根据n=10,T+=29查表,得到T+的右尾概率为0.4610.05,因此数据支持了原假设,即亚洲十国新生儿死亡率可以认为是千分之34. 下面是SPSS输出结果: R程序: x-c(4,6,9,15,33,31,36,65,77,88 wilcox.test(x, mu=34, alternative=greater,exact=TRUE,correct=FALSE, conf.int=TRUE R输出结果: Wilcoxon signed rank test data: x V =