非参数统计方法R语言代码.pdfVIP

7.1符号检验

案例1：在显著性水平a=0.05的条件下，能否得出结论，每家超市周销售量的

中位数等于450箱？

：中位数等于450

0

：中位数不等于450

1

键入数据，将该变量命名a:

a-c(482,562,415,860,426,474,662,380,515,721)

利用binom.test)函数做检验。sum(a450)表示数据中小于450的个数，

alternative=two.sided表示双侧检验：

binom.test(sum(a450),n=10,p=0.5,alternative=two.sided)

程序结果截图如下：

结论：P-值为0.3438，不能拒绝原假设。

案例2：厂商想要调查消费者更青睐奶香饼干还是咸香饼干。

0：消费者对奶香和咸香的偏好没有差异

1：消费者对奶香和咸香的偏好有差异

由于此案例分析的是分类型数据，而不是数值型数据，因此我们可以直接计算p

值：

2*min(pbinom(2,12,0.5),1-pbinom(1,12,0.5))

程序结果截图如下：

结论：p-值为0.03857，拒绝原假设，消费者对两种口味的偏爱存在差异。

案例3：试分析两款手机的待机时长有无显著差异。

0：两款手机的待机时长没有差异

1：两款手机的待机时长有差异

输入数据

x-c(25,30,28,23,27,35,30,28,32,29,30,30,31,16)

y-c(19,32,21,19,25,31,31,26,30,25,28,31,25,25)

采用成对符号检验，调用binom.test()做检验。

binom.test(sum(xy),length(x))

程序结果截图如下：

结论：sum(xy)表示样本x小于样本y的个数，计算出的p值大于0.05，无法

拒绝原假设，可以认为两种手机的待机时长无显著差异。另外，计算出的区间

也包括0.5，也就是说，可以认为，xy和x≥y的概率各占1/2，得出的结论也

无法拒绝原假设，说明两种手机的待机时长无明显差异。

7.2wilcoxon检验

案例1：家庭消费中教育支出占比的中位数为8%，这种说法是否可靠？

R软件中，关于中位数的wilcoxon符号秩检验可以使用wlicox.test()函数。假定

样本数据为x，原假设为中位数是，则双边检验的命令为wlicox.test(x-8)。对

于右侧单边检验1：䳌，用命令wilcox.test(x-8,alt=“greater”)。对于左侧单

边检验1：䳌，用命令wlicox.test(x-8,alt=“less”)。

输入数据，并进行wilcoxon检验：

x-c(4.12,5.81.7.63,9.74,10.39,11.92,12.32,12.89,13.54,14.45)

wilcox.test(x-8)

程序结果截图如下：

p-0.06445

结论：值为，不能拒绝原假设。

7.3多总体非参数检验

案例1：为了对比A,B两款果汁饮料，随机抽取10瓶A果汁和10瓶B果汁并测

试他们的果汁含量（%），请问这两款饮品的果汁含量是否存在差异？

H0:A饮品和B饮品的果汁含量相同

H1:A饮品和B饮品的果汁含量不同

输入数据，使用wlicox.test()函数进行检验，alternative=“two.sided”表示双侧检

验。

x-c(55.1,54.5,53.2,53,55.5,54.9,55.8,54,54.2,55.2)

y-c(56.1,54.7,54.4,55.4,54.1,56,55.5,55,54.3,57)

wilcox.test(x,y,alternative=“two.sided”)

程序结果截图如下：

结论：“果汁含量”中的计算结果是利用正态近似方法得到的p值为0.161，用R

实现的计算结果是精确计算得到的p值，等于0.1735。因此二者虽有差异，但

结果近似，且得出的结论都是不能拒绝原假设。

案例2:确定三种促销方法的促销效果是否有显著差异。

H0:三种促销方法的促销效果不存在显著差异。

Ha:三种促销方法的促销效果存在显著差异。

R中函数kruskal.test()可完成原假设的检验其调用格式如下：

kruskal.test(x，g，…)

x为一向量或列表，g为对x分类的因子，当x为列表时g可以省略。

首先构建数据框data。数据框中有两列，第一列向量为样本值；第二列向量为1

重复6次，2重复7次，3重复7次。

dat