非参数统计方法R语言代码.pdfVIP

7.1符号检验 案例1：在显著性水平a=0.05 的条件下，能否得出结论，每家超市周销售量的 中位数等于450 箱？ ：中位数等于450 0 ：中位数不等于450 1 键入数据，将该变量命名a: a-c(482,562,415,860,426,474,662,380,515,721) 利用binom.test( )函数做检验。sum(a450)表示数据中小于450 的个数， alternative = two.sided表示双侧检验： binom.test(sum(a450),n 10,p 0.5,alternative two.sided) 程序结果截图如下： 结论：P-值为0.3438，不能拒绝原假设。 案例2： 厂商想要调查消费者更青睐奶香饼干还是咸香饼干。 0：消费者对奶香和咸香的偏好没有差异 1：消费者对奶香和咸香的偏好有差异 由于此案例分析的是分类型数据，而不是数值型数据，因此我们可以直接计算p 值： 2*min(pbinom(2,12,0.5),1-pbinom(1,12,0.5)) 程序结果截图如下： 结论：p-值为0.03857，拒绝原假设，消费者对两种口味的偏爱存在差异。 案例3：试分析两款手机的待机时长有无显著差异。 0：两款手机的待机时长没有差异 1：两款手机的待机时长有差异 输入数据 x-c(25,30,28,23,27,35,30,28,32,29,30,30,31,16) y-c(19,32,21,19,25,31,31,26,30,25,28,31,25,25) 采用成对符号检验，调用binom.test()做检验。 binom.test(sum(xy),length(x)) 程序结果截图如下： 结论：sum(xy)表示样本x 小于样本y 的个数，计算出的p 值大于0.05，无法 拒绝原假设，可以认为两种手机的待机时长无显著差异。另外，计算出的区间 也包括0.5，也就是说，可以认为，xy 和x≥y 的概率各占1/2，得出的结论也 无法拒绝原假设，说明两种手机的待机时长无明显差异。 7.2wilcoxon检验 案例 1：家庭消费中教育支出占比的中位数为8%，这种说法是否可靠？ R 软件中，关于中位数的wilcoxon 符号秩检验可以使用wlicox.test()函数。假定 样本数据为x，原假设为中位数是8，则双边检验的命令为wlicox.test(x-8)。对 于右侧单边检验1：䳌8，用命令wilcox.test(x-8,alt=“greater”)。对于左侧单 边检验1： 䳌8，用命令wlicox.test(x-8,alt=“less”)。 输入数据，并进行wilcoxon 检验： x-c(4.12,5.81.7.63,9.74,10.39,11.92,12.32,12.89,13.54,14.45) wilcox.test(x-8) 程序结果截图如下： p- 0.06445 结论： 值为 ，不能拒绝原假设。 7.3 多总体非参数检验 案例1：为了对比A,B 两款果汁饮料，随机抽取10 瓶A 果汁和10 瓶B 果汁并测 试他们的果汁含量 （%），请问这两款饮品的果汁含量是否存在差异？ H0:A 饮品和B 饮品的果汁含量相同 H1:A 饮品和B 饮品的果汁含量不同 输入数据，使用wlicox.test()函数进行检验，alternative=“two.sided”表示双侧检 验。 x-c(55.1,54.5,53.2,53,55.5,54.9,55.8,54,54.2,55.2) y-c(56.1,54.7,54.4,55.4,54.1,56,55.5,55,54.3,57) wilcox.test(x,y,alternative “two.sided”) 程序结果截图如下： 结论：“果汁含量”中的计算结果是利用正态近似方法得到的p 值为0.1616，用R 实现的计算结果是精确计算得到的p 值，等于0.1735。因此二者虽有差异，但 结果近似，且得出的结论都是不能拒绝原假设。 案例2: 确定三种促销方法的促销效果是否有显著差异。 H0: 三种促销方法的促销效果不存在显著差异。 Ha: 三种促销方法的促销效果存在显著差异。 R 中函数kruskal.test()可完成原假设的检验其调用格式如下： kruskal.test(x，g，…) x 为一向量或列表，g 为对x 分类的因子，当x 为列表时g 可以省略。 首先构建数据框data。数据框中有两列，第一列向量为样本值；第二列向量为1