第四章非参数检验上课材料.docxVIP

第四章 非参数检验 Nonparametric Tests菜单） 本章学习内容 3.1 非参数检验概述 3.2 卡方检验（ Chi Square） 3.3 二项分布检验（ Binomial ） 单样本 3.4 单样本 K-S 检验（ 1 Sample K-S Tests） 3.5 单样本变量值随机性检验（ Runs） 3.6 两独立样本非参数检验（ 2 independent Samples） 独立样本 3.7 多独立样本非参数检验（ K independent Samples） 3.7 两相关样本非参数检验（ 2 Related Samples） 样本 3.8 多相关样本非参数检验（ K Related Samples） 具体内容 3.1 非参数检验概述 非参数检验是统计推断的一个重要组成部分， 它与参数检验共同构成统计推断的基本内容。 参数检验是在假定知道总体分布形式的情况下，对总体分布的某些参数，如均值、方差等进行 推断检验。但是，在现实生活中，由于种种原因，人们往往无法对总体的分布形态作简单的假定，但又希望能从样本数据中获得尽可能多的所需要信息。非参数检验正是基于这种考虑，在总体分布位置或知道甚少的情况下，利用样本数据对总体的分布形态或分布参数进行推断。 参数检验与非参数检验方法对照表 样本类型 参数检验方法 非参数检验方法 单个样本 t检验法 卡方检验 二项分布检验 单样本 k-s检验 单样本变量值随机性检验 两个独立样本 独立样本 t检验法 两独立样本非参数检验 曼 -惠特尼 -U 检验 两个相关样本 配对 t检验法 两相关样本非参数检验 普通符号法（ sign） 多个独立样本 单因素方差分析 多独立样本非参数检验 K-W-H 方法 多个相关样本 多因素方差分析 多相关样本非参数检验 Friedman 方法 3.2 卡方检验（ Chi-Square ） 总体分布的卡方检验就是根据样本数据推断总体的分布与期望分布或某一理论分布是否有显著差异。它的零假设是 H0：样本来自的总体其分布形态与期望分布或某一理论分布无显著差异。总体分布的卡方检验是一种吻合性检验，比较适合于单个因素的多项分类的数据分析。 1 实例分析： 医学家在研究心脏病人猝死人数与日期的关系时发现，一周之中，星期一心脏病人猝死者 较多，其他日期则基本相当，比例近似为 2.8： 1：1： 1： 1： 1： 1。现收集到样本数据 168个， 据此推断其总体分布是否与假定的分布相吻合。见“心脏病人猝死日期 .sav”。 具体操作如下： Analyze Nonparametric Tests Chi-Square ，打开卡方检验对话框，如下图。 3 1 2 心脏病猝死日期 Observed N Expected N Residual 1 55 53.5 1.5 2 23 19.1 3.9 3 18 19.1 -1.1 4 11 19.1 -8.1 5 26 19.1 6.9 6 20 19.1 .9 7 15 19.1 -4.1 Total 168 Tes t Statis tics 心脏病猝 Chi-Square a 死日 期 7.757 df 6 Asym p. Sig. .256 0 cells (.0%) have expected frequencies less than 5. The m inimum expected cell frequency is 19.1. 可以看出，由于相伴概率值大于显著性水平 0.05，因此不能拒绝零假设，可以认为样本来 自的总体分布于指定的理论分布无显著差异，即：心脏病人猝死人数与日期的关系基本是 2.8： 2 1： 1： 1： 1： 1： 1。 3.3 二项分布检验（ Binomial ） 现实生活中有很多数据的取值是两类的，例如人群可以分成男性和女性，产品可以分为合 格和不合格，学生可以分为三好学生和非三号学生等等。这时，如果某一类情况出现的概率是 P，则另一类出现的概率就是 1-P，这种分布成为二项分布。若说卡方检验是对单个因素多项分 类（多重比例）进行检验，那么二项分布检验就是对单个因素的两项进行检验。 实例分析： 检验一种抗生素对于某种细菌的作用， 看有效时间超过 12 小时的比例是否超过 85%，为此 进行了试验，结果如文件“抗菌时间.sav”。 从题中可以知道， 等价于有效时间不超过 12 小时的比例为 15%，因此，设分布比例为 0.15： 0.85， H0 ：P=0.15。 具体操作如下： Analyze Nonparametric Tests Binomial ，打开二项分布检验对话框。 4 1 3 检验比例 分割点值 Dichotomy n. 两分 , 二分法 , 分裂 Defi