第二章非参数统计分析.pptVIP

第二章单样本非参数检验;思考的要点;第一节 卡方检验 第二节 二项分布检验 第三节 单样本的KS检验 第四节 符号检验 第五节 Cox-Stuart趋势检验 第六节 游程检验 第七节 Wilcoxon符号秩检验;第一节 Chi-Square test 卡方检验; 在实际问题中，会遇到必须了解总体的分布函数的时候，这时利用样本资料对总体的分布函数进行检验就成了非常重要的了。 我们需要检验总体的分布函数F(x)是否等于某个给定的函数 F0(x) ，可以根据经验来确定。其中含有未知参数时，应利用样本资料采用点估计求得后，再进行检验。 ; 【例1】某金融系统贷款的偿还类型有四种，各种的预期还率为80%、12%、7%和1%。在一段时间的观察记录中，A型按时偿还的有380笔、B型偿还有69笔、C型有43笔、D笔有8笔。问在5%显著性水平上，这些结果与预期的是否一致。α＝0.05。 解：这个问题属于要检验每一类型的出现概率与理论期望概率是否相等，即检验 ;根据显著性水平 ，有 ，由于 表明5%的显著水平下，不能拒绝原假设，即观测的比率与期望的比率一致。 ;（1）提出统计假设 由统计假设出发，将总体取值范围分为m个互不相容的小区间：; 在原假设为真的条件下，这个统计量近似地服从具有m?1?r个自由度的χ2 分布，其中r是需要用样本来估计的总体的未知参数的数目，若没有未知参数需要估计，则r为零。 ;（3）由给定的显著性水平?，查表确定临界值 （这种检验是右侧检验）。 ; 卡方检验的窗口，SPSS的卡方检验主要用来检验离散随机变量的分布。;卡方检验的窗口。;P值大于0.05，结果说明还贷情况与预期是一致的。; 【练习1】 盒中有5种球，重复抽取200次（每次抽1个球）各种球出现的次数见下表。问盒中5种球的个数是否相等？显著水平α=0.05。 ; 二项分布检验(binomial test)是通过考察二分类变量的每个类别中观察值的频数与特定二项分布下的期望频数之间是否存在显著差异，来判断抽取样本所依赖的总体是否服从特定概率为p的二项分布。 二项分布检验的原假设是：抽取样本所依赖的总体与特定的二项??布无显著差异。 如果检验的p值小于0.05，则拒绝原假设。; 【例2】 根据以往的生产数据，某种产品的合格率为90%。现从中随机抽取25个进行检测，合格品为20个。检验该批产品的合格率是否为90%？(产品合格率X~B(n,0.9)) SPSS的数据格式 表中的“1”表示合格品；“0”表示不合格品 ;第1步：指定“频数”变量：点击【Data】?【Weight-Cases】，将“频数”选入 【Frequency Variable】? 【OK】 第2步：选择【Analyze】?【Nonparametric Tests-Binomial】选项进入主对话框 第3步：将待检验的变量选入【Test Variable List】(本例为“合格品”) 第4步：在【Test Proportion】中输入检验的概率 (本例为0.9)，点击【OK】 ;SPSS的输出结果 表中的合格品的观察比例为0.8，检验比例为0.9。精确单尾概率为0.098，它表示如果该批产品的合格率为0.9，那么25个产品中合格品数量小于等于20个的概率为0.098。P0.05,不拒绝原假设，没有证据表明该批产品的合格率不是0.9;【练习2】; 单样本的K-S检验(Kolmogorov-Smirnov检验)是用来检验抽取样本所依赖的总体是否服从某一理论分布。 其方法是将某一变量的累积分布函数与特定的分布进行比较。设总体的累积分布函数为F(x)，已知的理论分布函数为F0(x) ，则检验的原假设和备择假设为 H0: F(x)=F0(x) ； H1: F(x)≠F0(x) 原假设所表达的是：抽取样本所依赖的总体与指定的理论分布无显著差异。 SPSS提供的理论分布有正态分布、Poisson分布、均匀分布、指数分布等。 ; 检