spss课件第五讲 非参数检验.pptVIP

第五讲 非参数检验 2 ? 统计推断方法是根据样本数据推断总体特征 ( 均值，方差等 ) 的方法，包括参数检验和非参 数检验两种方法。 ? 参数检验是适用于总体分布已知的情况。 ? 非参数检验适用于总体分布未知或知道甚少的 情况。（由于在推断过程中不涉及有关总体分 布的参数，故得名“非参数”检验） 3 单样本的非参数检验 两配对样本的非参数检验 两独立样本的非参数检验 多独立样本的非参数检验 多配对样本的非参数检验 4 单样本的非参数检验 ? SPSS 单样本非参数检验是对单个总体的分布形 态等进行推断的方法，其中包括： K-S 检验 二项分布检验 游程检验 5 1. 单样本 K-S 检验 K-S 检验是以俄罗斯数学家 Kolmogorov Smirnov 命名的一种非参数检 验方法。该方法能够利用样本数据推断样本来自的总体是否服从某一理 论分布，是一种拟合优度的检验方法，适用于探索 连续性 随机变量的分 布。 原假设 ：样本来自的总体与指定的理论分布无显著差异。 SPSS 的理 论分布主要包括正态分布、均匀分布、指数分布和泊松分布等。 基本原理 ： 首先，在原假设成立的前提下，计算各样本观测值在理论分布中出现 的累计概率值 ；其次，计算各样本观测值的实际累计概率值 ； 然后计算两者之差 ；最后，计算差值序列中的最大绝对差值，即 ( ) F x ( ) S x ( ) D x max( ( ) ( ) ) i i D S x F x ? ? 6 通常，由于实际累计概率为离散值，因此修正 为 称为 K-S 统计量。 小样本下，原假设成立时 统计量服从 Kolmogorov 分布； 大样本下，原假设成立时 统计量服从 分布 : 显然，若样本总体分布与理论分布差异不明显，那么 不应较大。若 统计量的 P 值大于显著性水平 ，则接受原假设；反之，拒绝原假设。 无论大样本还是小样本 ,SPSS 仅给出大样本下的 和对应的概率 P 值 。 D 1 max(max( ( ) ( ) ),max( ( ) ( ) )) i i i i D S x F x S x F x ? ? ? ? D nD 2 2 0 0 ( ) ( 1)exp( 2 ) 0 j D K x j x D ? ??? ? ? ? ? ? ? ? ? ? ? ? D ? nD ( ) K x 7 2. 二项分布检验 ( 二值数据 ) 原假设 ：样本来自的总体与指定的概率为 的二项分布无显著差异。 基本原理 ： 1 小样本情况 ( 精确检验法 ) ：计算 次试验中某类 (1 或 0) 事件出现的次数小于等于 次的概率，即 2 大样本情况 ( 近似检验 ) ：采用 检验统计量，在原假设成立下统计量近似服从正 态分布，即 （当 小于 时加 0.5 ，当 大于 时减 0.5 。） SPSS 自动计算上述精确概率和近似概率值。若概率值小于显著性水平，则拒绝 原假设，认为样本来自的总体与指定二项分布有显著差异；若大于显著性水平， 则接受原假设，认为样本来自的总体与指定的二项分布无显著差异。 p n x ? ? 0 x i i n i n i P X x C p q ? ? ? ? ? Z 0.5 (1 ) x np Z np p ? ? ? ? x 2 n 2 n x 8 生活中的有些总体只能划分为两类，如性别、硬币的正反面等。通常 将这样的二值分别用 1 和 0 表示。如果进行 次独立重复实验，则出现两 类的次数可以用离散型随机变量来表述。如果随机变量值为 1 的概率设 为 ，则为 0 的概率为 ，形成二项分布。 n p 1 p ? 9 3. 变量值随机性检验（游程检验） 通过对样本变量值的分析，实现对总体的变量值出现是否随机进行 验。 原假设 ：总体变量值出现是随机的。 基本原理 ：利用游程数构造检验统计量。游程数 (Runs) ，样本序列中 连续出现相同的变量值的次数。 例如，如果 28 次投掷硬币出现正反面的变量值序列为 1 0 11 0 11 0 1 00 11 000 1 0 1 0 1 0000 111 游程数为 17 。如果硬币的正反面出现是随机的，那么在该数据序列中， 许多个 1 或 0 连续出现的可能性将不太大，同时， 1 和 0 频繁交叉出现的可 能性也会较小。故游程数太大或太小都将表明变量值存在不随机现象。 设 为出现 1 的个数， 为出现 0 的个数，当 ， 较大时，游程的抽样 分布的均值为： 1 n 2 n 1 n 2 n 1 2 1 2 2 r n n n n ? ? ? 10 方差为： 大样本时，游程近似服从正态分布，即 其中， 为游程数。 SPSS 自动计算 值和概率 P 值。 2 1 2 1 2 1 2 2 1 2