非参数检验相关资料.pptVIP

SPSS软件使用说明 使用我们的ksdata.sav数据。 选项为Analyze－Nonparametric Tests－1 Sample K-S。 然后把变量（这里是x）选入Variable List。再在下面Test Distribution选中零假设的分布（Normal、Poisson、Uniform和Exponential）作为零假设。 在点Exact时打开的对话框中可以选择精确方法（Exact），Monte Carlo抽样方法（Monte Carlo）或用于大样本的渐近方法（Asymptotic only）。最后OK即可。 第三十一页，共七十八页。 关于随机性的游程检验（run test） 游程检验方法是检验一个取两个值的变量的这两个值的出现是否是随机的。假定下面是由0和1组成的一个这种变量的样本（数据run1.sav）： 0 0 0 0 1 1 1 1 1 1 0 0 1 0 1 1 1 0 0 0 0 0 0 0 0 其中相同的0（或相同的1）在一起称为一个游程（单独的0或1也算）。 这个数据中有4个0组成的游程和3个1组成的游程。一共是R=7个游程。其中0的个数为m=15，而1的个数为n=10。 第三十二页，共七十八页。 关于随机性的游程检验（run test） 出现0和1的的这样一个过程可以看成是参数为某未知p的Bernoulli试验。但在给定了m和n之后，在0和1的出现是随机的零假设之下，R的条件分布就和这个参数无关了。根据初等概率论，R的分布可以写成（令N=m+n） 第三十三页，共七十八页。 关于随机性的游程检验（run test） 于是就可以算出在零假设下有关R的概率，以及进行有关的检验了。利用上面公式可进行精确检验；也可以利用大样本的渐近分布和利用Monte Carlo方法进行检验。利用上面数据的结果是: 第三十四页，共七十八页。 关于随机性的游程检验（run test） 当然，游程检验并不仅仅用于只取两个值的变量，它还可以用于某个连续变量的取值小于某个值及大于该值的个数（类似于0和1的个数）是否随机的问题。看下面例子。 例 (run2.sav): 从某装瓶机出来的30盒化妆品的重量如下（单位克） 71.6 71.0 71.8 70.3 70.5 72.9 71.0 71.0 70.1 71.8 71.9 70.3 70.9 69.3 71.2 67.3 67.6 67.7 67.6 68.1 68.0 67.5 69.8 67.5 69.7 70.0 69.1 70.4 71.0 69.9 为了看该装瓶机是否工作正常，首先需要验证是否大于和小于中位数的个数是否是随机的（零假设为这种个数的出现是随机的）。 第三十五页，共七十八页。 关于随机性的游程检验（run test） 如果把小于中位数的记为0，否则记为1，上面数据变成下面的0－1序列 1 1 1 1 1 1 1 1 0 1 1 1 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 这就归为上面的问题。当然这里进行这种变换只是为了易于理解。实际计算时，用不着这种变换，计算机会自动处理这个问题的。 直接利用这个数据，通过SPSS，得到下面游程检验结果的输出。 第三十六页，共七十八页。 第三十七页，共七十八页。 SPSS软件使用说明 用run2.sav数据。 选项为Analyze－Nonparametric Tests－Runs。 然后把变量（这里是length）选入Variable List。再在下面Cut Point选中位数（Median）。当然，也可以选其他值，如均值（Mean），众数（Mode）或任何你愿意的数目（放在Custom）。注意在对前面的由0和1组成的序列（run1.sav进行随机性检验时，要选均值(为什么？）。 在点Exact时打开的对话框中可以选择精确方法（Exact），Monte Carlo抽样方法（Monte Carlo）或用于大样本的渐近方法（Asymptotic only）。最后OK即可。 第三十八页，共七十八页。 Wilcoxon (Mann-Whitney)秩和检验 这里介绍常用的Wilcoxon (或称Mann-Whitney)秩和检验。它的原理很简单， 假定第一个样本有m个观测值，第二个有n个观测值。把两个样本混合之后把这m+n个观测值升幂排序， 记下每个观测值在混合排序下面的秩。之后分别把两个样本所得到的秩相加。记第一个样本观测值的秩的和为WX而第二个样本秩的和为WY。这两个值可以互相推算，称为Wilcoxon统计量。 该统计量的