第5章_参数估计与假设检验.ppt

5.7 单样本的非参数检验 5.7.2 卡方检验 第1步 分析：由于考虑的是次品是否服从均匀分布的问题，故用卡方检验。 第2步 数据组织：建立SPSS数据文件，建立两个变量：“工作日”、“次品数”，录入相应数据，保存为文件data5-4.sav。 第3步 “次品数”字段加权处理：通过分析“工作日”及“次品数”两个字段的含义及度量标准，确定“工作日”为被分析字段，而“次品数”表示各工作日出现的频数，所以应该对“次品数”进行加权处理。执行“数据”→“加权个案”，打开“加权个案”对话框，按图5-10所示进行设置。 5.7 单样本的非参数检验 5.7.2 卡方检验 第4步 单因素的非参数检验设置：选择菜单“分析→非参数检验→单样本”，在“目标”选项卡选择“自定义分析”；在“字段”选项卡中选择“使用定制字段分配”，并将“工作日”字段选入“检验字段”；“设置”选项卡中选择“自定义检验”，并选中“比较观察可能性和假设可能性（卡方检验）”，“检验选项”及“用户缺失值”保持默认选项。 第5步 卡方检验的选项设置：打开“卡方检验选项”对话框，选择” 所有类别概率相等（V）“选项。 5.7 单样本的非参数检验 5.7.2 卡方检验 第6步 运行结果及分析： 卡方检验的假设检验数据摘要 给出了卡方检验的原假设为“工作日的类别以相同的概率发生”，其相伴概率值Sig. = 0.014 0.05，说明应拒绝原假设，因此图5-12的“决策者”给出“拒绝原假设”的决策，认为工作日的类别是以不同概率发生的，即认为该企业一周内出现的次品数不是均匀分布在一周的五个工作日中。 5.7.3 二项分布检验 1．基本概念 二项分布检验正是要通过样本数据检验样本来自的总体是否服从指定的概率为p的二项分布，其零假设H0是：样本来自的总体与指定的二项分布无显著性差异。 2．统计原理 二项分布检验在样本小于等于30时，按下式计算概率值： 5.7 单样本的非参数检验 5.7 单样本的非参数检验 5.7.3 二项分布检验 在大样本的情况下，计算的是Z统计量，认为在零假设下，Z统计量服从正态分布，其计算公式如下： 当x小于n/2时，取加号；反之取减号，p为检验概率，n为样本总数。 5.7 单样本的非参数检验 5.7.3 二项分布检验 3．分析步骤 二项分布检验亦是假设检验问题，检验步骤同前。SPSS会自动计算上述精确概率和近似概率值。如果概率值小于显著性水平，则拒绝零假设，认为样本来自的总体与指定的二项分布有显著差异，反之样本来自的总体与指定的二项分布无显著差异。 5.7 单样本的非参数检验 5.7.3 二项分布检验SPSS实例分析 【例5-7】有20名学生经过新型教学法后测试成绩如下表，以90分及以上为优秀，请检验这20名同学的优秀率是否达到了10%。 成绩 78 75 84 76 89 93 94 88 95 87 88 73 84 82 80 84 87 91 95 83 第1步 分析：由于成绩分为优秀与非优秀两种状态，故应用二项分布检验。 第2步 数据的组织：数据分成一列，其变量名为“成绩”，输入数据并保存。 5.7 单样本的非参数检验 5.7.3 二项分布检验SPSS实例分析 第3步 单因素的非参数检验设置：选择菜单“分析→非参数检验→单样本”： 将“目标”选项卡选择“自定义分析”； 在“字段”选项卡中选择“使用定制字段分配”，并将“成绩”字段选入“检验字段”； 在“设置”选项卡中选择“自定义检验”，并选中“比较观察二分类可能性和假设可能性（二项式检验）（O）”，“检验选项”及“用户缺失值”保持默认选项； 第4步 进行二项分布检验选项设置：打开“二项式选项”对话框，设置“假设比例”为0.9，选择“定义连续字段的成功值”中的“定制割点”选项，并设置割点为99。 5.7 单样本的非参数检验 5.7.3 二项分布检验SPSS实例分析 第5步 主要结果及分析： 二项式假设检验数据摘要 单尾检测的相伴概率Sig.=0.0430.05，因此应拒绝零假设，即小于90分的学生所占的比例与总体分布存在显著差异，即小于90分的学生所占比例比90%小。这说明优秀学生所占的比重是大于10%的。 5.7 单样本的非参数检验 5.7.4 游程检验 1．基本概念 一 个游程（Run）就是某序列中位于一种符号之前或之后的另一种符号持续的最大主序列，或者说，一个游程是指某序列中同类元素的一个持续的最大主集。 主要用于检验