两配对样本符号秩检验课件.pptVIP

统计学数据分析(方法与案例)作者贾俊平

统计学STATISTICS统计名言(第五版)对正确问题的近似答案，胜过对错的问题的精确答案。——JohnW.Tukey14-2*

第14章非参数检验14.1单样本的检验14.2两个及两个以上样本的检验14.3秩相关及其检验

统计学STATISTICS学习目标(第五版)l非参数检验及其用途l单样本的非参数检验方法l两个及以上样本的非参数检验方法l秩相关及其检验方法l用SPSS进行非参数检验l非参数检验与参数检验的比较14-4*

统计学STATISTICS不同商圈的报纸发行量是否有差异？(第五版)n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国贸—京广建国门—王府井燕莎29112625011810320西单—金融街中关村亚奥990205910218421019686760524450892651257839289401811221829254531713543304777217151905748n2005年8月29日的华夏时报公布了该报必威体育精装版的发行量数据，并声明是“必威体育精装版发行数据诚信公告”814415118178171109511601441503916818101342051364548261811139181330102362121615933092534014-5*

统计学STATISTICS不同商圈的报纸发行量是否有差异？(第五版)l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l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)l非参数方法就不需要这些假定，照样可以得到比较满意的检验结果。比如，对上述数据所做的Kruskal-Wallis检验得到的(P=0.3550.05)，没有证据表明不同商圈的报纸发行量之间存在显著差异14-6*

第14章非参数检验14.1本的14.1.1总体分布类型的检验14.1.2中位数的符号检验14.1.3Wilcoxon符号秩检验

14.1单样本的检验

统计学STATISTICS总体分布类型的检验(二项分布检验)(第五版)n二项分布检验(binomialtest)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n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n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n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)14-9*

统计学STATISTICS总体分布类型的检验(二项分布检验)(第五版)【例14-1】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X~B(n,0.9))SPSS的数据格式合格品20510表中的“1”表示合格品；“0”表示不合格品14-10*

统计学STATISTICS总体分布类型的检验(SPSS?binomialtest)(第五版)第1步：指定“频数”变量：点击【数据】?【加权个】，将“频数”选入【频率变量】?【确定】第2步：选择【分析】?【非参数检验】选项进入主对话框第3步：将待检验的变量选入【检验变量列表】第4步：在【检验比例】中输入检验的概率(本例为0.9)，点击【确定】二项分布检验14-11*

统计学STATISTICS总体分布类型的检验(SPSS?binomialtest)(第五版)【例14.1】输出结果二项分布检验?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0.914-12*

统计学STATISTICS总体分布类型的检验(K-S检验)(第五版)n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n其方法是将某一变量的累积分布函数与特定的分布函数进行比较。设总体的累积分布函数为F(x)，已知的理论分布函数为F(x)，则检