第13章非参数检验.ppt
《第13章非参数检验.ppt》由会员分享,可在线阅读,更多相关《第13章非参数检验.ppt(60页珍藏版)》请在三一文库上搜索。
1、作者 贾俊平,统 计 学 (第三版),2008,2008年8月,对正确问题的近似答案,胜过对错的问题的精确答案。 John W.Tukey,统计名言,第 13 章 非参数检验,13.1 单样本的检验 13.2 两个及两个以上样本的检验 13.3 秩相关及其检验,2008年8月,学习目标,非参数检验及其用途 单样本的非参数检验方法 两个及以上样本的非参数检验方法 秩相关及其检验方法 用SPSS进行非参数检验 非参数检验与参数检验的比较,2008年8月,不同商圈的报纸发行量是否有差异?,华夏时报自称是中国第一份商圈社区报,精准覆盖北京636座写字楼(公寓)70000实名精英读者的精神咖啡 2005
2、年8月29日的华夏时报公布了该报最新的发行量数据,并声明是“最新发行数据诚信公告”,2008年8月,不同商圈的报纸发行量是否有差异?,要检验不同商圈的发行量是否有显著差异,可以采用方差分析方法。但该方法假定每个商圈在不同发行点的发行量应服从正态分布,且方差相等 实际上,这些假定很难得到满足。比如,对上述数据所做的正态分布检验表明,亚奥商圈的发行量就不满足正态分布(P=0.0180.05),没有证据表明不同商圈的报纸发行量之间存在显著差异,13.1 单样本的检验 13.1.1 总体分布类型的检验 13.1.2 中位数的符号检验 13.1.3 Wilcoxon符号秩检验,第 13 章 非参数检验,
3、13.1.1 总体分布类型的检验,13.1 单样本的检验,2008年8月,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分布无显著差异 根据二项分布知识,一个服从二项分布的随机变量,在n次试验中,出现“成功”的次数的概率为 若“成功”的次数的概率小于给定的显著性水平,则拒绝原假设,表明抽取样本所依赖的总体与特定概率为p的二项分布有显著差异(样本数据不是来自某个特定概率为p的二项分布),总体分布类
4、型的检验 (二项分布检验),2008年8月,【例13.1】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XB(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,总体分布类型的检验 (二项分布检验),2008年8月,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
5、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】,用SPSS进行二项分布检验,总体分布类型的检验 (SPSS binomial test),2008年8月,【例13.1】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,总体分布类型的检验 (SPSS binomial test
6、),2008年8月,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,总体分布类型的检验 (K-S检验),2008年8月,【例13.2】沿用第7章的例7.7。对某汽车配件提供商提供的1
7、0个样本进行检测,得到其长度数据如下(单位:cm) 检验该供货商生产的配件长度是否服从正态分布?(=0.05),总体分布类型的检验 (K-S检验),2008年8月,第1步:选择【Analyze】【Nonparametric Test】【1-Sample K-S】进入主对话框 第2步:将待检验的变量选入【Test Variable List】(本例为“配件长度”) 第3步:点击【Exact】,并在对话框中选择 【Exact】,点击【OK】,用SPSS进行KS检验,总体分布类型的检验 (SPSS K-S检验),2008年8月,【例13.2】SPSS的输出结果 精确双尾概率为0.6020.05,不拒
8、绝原假设。没有证据表明该供货商提供的汽车配件长度不服从正态分布,总体分布类型的检验 (SPSS K-S检验),13.1.2 中位数的符号检验,13.1 单样本的检验,2008年8月,检验总体中位数是否等于某个假定的值 设一个随机样本有n个数据,总体中位数的实际值为M,假设的总体中位数值为M0。当样本中的数据大于假设的中位数时,用“+”号表示,小于假设的中位数时,用“-”表示;对于恰好等于假设的中位数的数据予以剔出 若关心实际的M与假设的M0是否有差别,应建立假设 H0: M=M0 ; H1: MM0 计算检验统计量S+和S-。S+表示每个样本数据与M0与差值符号为正的个数;S-表示每个样本数据
9、与M0差值符号为负的个数 计算P值并作出决策。若P,拒绝原假设,中位数的符号检验 (sign test),2008年8月,【例13.3】某企业生产一种零件,规定其长度的中位数为15厘米,现从某天生产的一批零件中随机抽取16只,测得其长度(单位:cm)如下 检验该企业生产零件的中位数与15cm是否有显著差异?(=0.05),中位数的符号检验 (sign test),2008年8月,第1步:选择【Analyze】【Nonparametric Tests-Binomial】选项进入主对话框 第2步:将待检验的变量选入【Test Variable List】(本例为“零件长度”) 第3步:点击【Def
10、ine Dichotomy】,中在【Cut point】框中输入总体中位数的假设值15, 在【Test Proportion】框内输入二项分布的参 数0.5,点击【OK】,用SPSS进行符号检验,中位数的符号检验 (SPSS sign test),2008年8月,【例13.3】SPSS的输出结果 零件长度小于等于中位数的有10个,大于中位数的只有6个。而参数为(16,0.5)的二项分布变量大于等于15的概率为0.227。精确双尾概率为P=0.4540.05,不拒绝原假设。没有证据表明该企业生产零件的实际中位数与15cm有显著差异 (使用SPSS中的【Nonparametric Tests-2
11、Related Samples】选项也可以作上述检验),中位数的符号检验 (SPSS sign test),13.1.3 Wilcoxon符号秩检验,13.1 单样本的检验,2008年8月,秩就是一组数据按照从小到大的顺序排列之后,每一个观测值所在的位置 用一般符号R来表示,假定一组数据 ,按照从小到大的顺序排列, 在所有观测值中排第 位,那么 的秩即为 也是一个统计量,它测度的是数据观测值的相对大小,大多数非参数检验方法正是利用秩的这一性质来排除总体分布未知的障碍的。当然,也有一些非参数方法并不涉及秩的性质,秩的概念 (rank),2008年8月,很多情况下,数据中会出现相同的观测值,那么对
12、它们进行排序后,这些相同观测值的排名显然是并列的,也就是说它们的秩是相等的,这种情况被称为数据中的“结” 对于结的处理,通常是以它们排序后所处位置的平均值作为它们共同的秩 当一个数据中结比较多时,某些非参数检验中原假设下检验统计量的分布就会受到影响,从而需要对统计量进行修正(一般情况下,软件会自动作出修正),结的处理 (ties),2008年8月,检验总体参数(如中位数)是否等于某个假定的值。它是对符号检验的一种改进,弥补了符号检验的不足,要比单纯的符号检验更准确一些(对应的参数检验单样本均值检验) 检验步骤 计算各样本观察值与假定的中位数的差值,并取绝对值 将差值的绝对值排序,并找出它们的秩
13、 计算检验统计量和P值,并作出决策,Wilcoxon符号秩检验 (Wilcoxon signed ranks test),2008年8月,第1步:选择【Analyze】【Nonparametric Tests-2 Related Samples 】主对话框 第2步:将两个变量同时选入【Test Pair(s) List】,(“零件长度”和“假设中位数”) 第3步:在【Test Type】下选择【Wilcoxon】, 点击【Exact】并选择【Exact】,返回主 对话框,点击【OK】,用SPSS进行Wilcoxon符号秩检验,Wilcoxon符号秩检验 (SPSS Wilcoxon test)
14、,2008年8月,【例13.4】SPSS的输出结果 精确的双尾概率为0.126,不拒绝原假设。没有证据表明零件的实际中位数与15cm有显著差异,Wilcoxon符号秩检验 (SPSS Wilcoxon test),13.2 两个及两个以上样本的检验 13.2.1 两个配对样本的Wilcoxon符号秩检验 13.2.2 两个独立样本的Mann-Whitney检验 13.2.3 k个独立样本的Kruskal-Wallis检验,第 13 章 非参数检验,13.2.1 两个配对样本的Wilcoxon符号秩检验,13.2 两个及两个以上样本的检验,2008年8月,检验两个总体的分布是否相同,或者说两个总
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 13 参数 检验
链接地址:https://www.31doc.com/p-3364622.html