8.4第八节假设检验-正态性检验.pdf

第八章 假设检验 正态性检验 预防医学教研室 正态性检验 • 概念：利用观测数据判断总体是否服从正 态分布的检验称为正态性检验，它是统计 判决中重要的一种特殊的拟合优度假设检 验。 方法 1. 图示法：概率图（P-P plot ）、分位图 （Q-Q plot ）、直方图、箱式图、茎 叶图； 2. 计算法：pearson 2检验、正态性D检 验、K-S检验（kolmogorov- smirnov ）、W检验、偏度峰度检验 等 P-P图 • 是根据变量的累积比例与指定分布的累积 比例之间的关系所绘制的图形。 • 通过P-P图可以检验数据是否符合指定的分 布。 • 当数据符合指定分布时，P-P图中各点近似 呈一条直线。 • 如果在绘制中P-P图中各点不呈直线，但有 一定规律，可以对变量数据进行转换，使 转换后的数据更接近指定分布。 Q-Q 图 • P-P 图和Q-Q图的用途完全相同，只是检验 方法存在差异。 • 要利用QQ 图鉴别样本数据是否近似于正态 分布，只需看QQ 图上的点是否近似地在一 条直线附近，而且该直线的斜率为标准差， 截距为均值。 • 用QQ 图还可获得样本偏度和峰度的粗略信 息。 2 Pearson  检验 2 •  检验要求样本量较大（n＞50 ），将原始 数据分成若干组段，再将每个组段的频数 2 和理论频数进行比较。计算 检验统计量。 • H0 ：该变量服从正态分布 • H1 ：该变量服不从正态分布 K-S检验（kolmogorov-smirnov ） • 一种非参数检验方法； • 可以对单样本的拟合优度进行检验，推断 样本是否来自正态分布总体、均匀分布总 体或poisson分布总体等； • 特点：速度快、便于计算机实现； • H0 ：该变量服从正态分布 • H1 ：该变量服不从正态分布 Shapiro-Wilk （W检验） • 适用于3≤n≤50之间的数据 • H0 ：该变量服从正态分布 • H1 ：该变量服不从正态分布 偏度与峰度检验 • 针对正态分布左右对称性的一种检验方法； • 偏度指分布不对称的程度和方向，用偏度系数 衡量，样本偏度系数用g1表示； • 峰度指分布与正态曲线相比的尖峰或扁平程度， 用峰度系数衡量，样本峰度系数用g2表示； • 来自正态分布总体的样本资料偏度不应太大、 峰度也不应过高或过低。 • H0 ：该变量服从正态分布 • H1 ：该变量服不从正态分布 SPSS操作 • 例 某市随机抽测110名7岁男孩的身高（cm ）如 下，问7岁男孩的身高是否服从正态分布？=0.05 P-P图 • 选择分析→ 描述统计→ P-P 图 • 打开P-P 图对话框→将身高选入变量中→单 击确定 数据基本上呈现出一条对角直线，意味着身高变量 服从正态性分布特质。 K-S检验 Analyze Nonparametric Test 1-Sample K-S 进入正态性检 验模块 • 打开对话框→将身高选入检验变量列表中 →选中“Normal ”（常规）→单击OK 正态性检验结果 • 正态性检验H0 ：服从正态分布；H1 ：不服从正态 分布 • 经one-sample kolmogorov-smirnov检验，Z=0.587 ， P=0.881，按照检验水准=0.05，不拒绝