【正文】 來自的多個獨立總體的分布無顯著差異。 1．多獨立樣本的中位數(shù)檢驗（ Median） 多獨立樣本的中位數(shù)檢驗通過對多組數(shù)據(jù)的分析推斷多個獨立總體分布是否存在顯著差異。 （ 4）兩獨立樣本游程檢驗輸出結果如下兩表所示。如果跨度或截頭跨度很小，則表明兩個樣本數(shù)據(jù)無法充分混合，可以認為實驗樣本存在極端反應。如果相伴概率小于或等于用戶的顯著性水平 ?，則應拒絕零假設 H0，認為兩個樣本來自的總體分布有顯著差異；如果相伴概率值大于顯著性水平，則不能拒絕零假設 H0，認為兩個樣本來自的總體分布無顯著差異。如果相伴概率小于或等于用戶的顯著性水平 ?，則應拒絕零假設 H0，認為兩個樣本來自的總體分布有顯著差異；如果相伴概率值大于顯著性水平，則不能拒絕零假設 H0，認為兩個樣本來自的總體分布無顯著差異。 兩獨立樣本的 MannWhitney U檢驗主要通過對平均秩的研究來實現(xiàn)推斷。如果相伴概率小于或等于用戶的顯著性水平 α ，則應拒絕零假設 H0，認為樣本來自的總體與指定的分布有顯著差異；如果相伴概率值大于顯著性水平，則不能拒絕零假設 H0，認為樣本來自的總體與指定的分布無顯著差異。 在 SPSS單樣本變量值的隨機性檢驗中，SPSS將利用游程構造 Z統(tǒng)計量，并依據(jù)正態(tài)分布表給出對應的相伴概率值。如果相伴概率小于或等于用戶的顯著性水平 α ，則應拒絕零假設 H0，認為樣本來自的總體分布形態(tài)與指定的二項分布存在顯著差異；如果相伴概率值大于顯著性水平，則不能拒絕零假設 H0，認為樣本來自的總體分布形態(tài)與指定的二項分布不存在顯著差異。 結果和討論 （ 2）輸出的結果文件中第二個表格如下。如果需要進行比較準確的判斷，則需要使用非參數(shù)檢驗的方法。因為有的數(shù)據(jù)不是來自所假定分布的總體，或者數(shù)據(jù)根本不是來自一個總體，還有可能數(shù)據(jù)因為某種原因被嚴重污染，這樣在假定分布的情況下進行推斷的做法就有可能產(chǎn)生錯誤的結論。此時人們希望檢驗對一個總體分布形狀不必作限制。其中總體分布的卡方檢驗（也記為 χ 2檢驗）就是一種比較好的方法。 二項分布檢驗 統(tǒng)計學上的定義和計算公式 現(xiàn)實生活中有很多數(shù)據(jù)的取值只有兩類，如醫(yī)學中的生與死、患病的有與無、性別中的男性和女性、產(chǎn)品的合格與不合格等。 SPSS二項分布檢驗的數(shù)據(jù)是實際收集到的樣本數(shù)據(jù)，而非頻數(shù)數(shù)據(jù)。如果相伴概率小于或等于用戶的顯著性水平 α ，則應拒絕零假設 H0，認為樣本值的出現(xiàn)不是隨機的；如果相伴概率值大于顯著性水平，則不能拒絕零假設H0，認為變量值的出現(xiàn)是隨機的。 SPSS中實現(xiàn)過程 ? 研究問題 某地 144個周歲兒童身高數(shù)據(jù)如表 104所示，問該地區(qū)周歲兒童身高頻數(shù)是否呈正態(tài)分布？ 表 104 兒童身高數(shù)據(jù) 身 高 區(qū) 間 人 數(shù) 64－ 2 68－ 4 69－ 7 70－ 16 71－ 20 72－ 25 73－ 24 74－ 22 76－ 16 78－ 2 79－ 6 83－ 1 ? 實現(xiàn)步驟 圖 1012 在菜單中選擇“ 1Sample KS”命令 圖 1013 “OneSample KolmogorovSmirnov Test”對話框 圖 1014 “OneSample KS： Options”對話框 結果和討論 （ 1）本例輸出結果如下表所示。秩簡單地說就是名次。 3．兩獨立樣本的游程檢驗（ WaldWolfwitz Runs） 兩獨立樣本的游程檢驗用來檢驗樣本來自的兩獨立總體的分布是否存在顯著差異。 4．兩獨立樣本的極端反應檢驗（ Moses Extreme Reactions） 兩獨立樣本的極端反應檢驗用來檢驗樣本來自的兩獨立總體的分布是否存在顯著差異。 SPSS自動計算跨度和截頭跨度，依據(jù)分布表給出對應的相伴概率值。 多獨立樣本非參數(shù)檢驗 統(tǒng)計學上的定義和計算公式 定義：多獨立樣本非參數(shù)檢驗分析樣本數(shù)據(jù)是推斷樣本來自的多個獨立總體分布是否存在顯著差異。多獨立樣本的中位數(shù)檢驗的零假設 H0為：樣本來自的多個獨立總體的中位數(shù)無顯著差異。 多獨立樣本的 JonkheereTerpstra檢驗的基本方法和兩獨立樣本的 MannWhitney U檢驗比較類似，也是計算一組樣本的觀察值小于其他組樣本觀察值的個數(shù)。首先兩個樣本的觀察數(shù)目相同，其次兩樣本的觀察值順序不能隨意改變。其零假設為：樣本來自的兩配對樣本總體的分布無顯著差異。 3．兩配對樣本的 Wilcoxon符號平均秩檢驗 兩配對樣本的符號檢驗考慮了總體數(shù)據(jù)變化的性質，但沒有考慮兩組樣本變化的程度。表格的每一行表示一個學生的 4個成績。 1．多配對樣本的 Friendman檢驗 多配對樣本的 Friendman檢驗是利用秩實現(xiàn)多個配對總體分布檢驗的一種方法，多配對樣本的 Friendman檢驗要求數(shù)據(jù)是定距的。一個評判對象對不同被判定對象的分數(shù)構成一個樣本，其零假設為：樣本來自的多個配對總體的分布無顯著差異，即評判者的評判標準不一致。數(shù)據(jù)如表 1010所示。 小 結 非參數(shù)檢驗主要用于那些總體分布不能用有限個實參數(shù)來刻畫，或者不考慮被研究的對象為何種分布以及是否已知的情況。 小 結 非參數(shù)檢驗根據(jù)樣本數(shù)目以及樣本之間的關系可以分為：單樣本非參數(shù)檢驗、兩獨立樣本非參數(shù)檢驗、多獨立樣本非參數(shù)檢驗、兩配對樣本非參數(shù)檢驗、多配對樣本非參數(shù)檢驗等。問這 5個評委的判斷標準是否一致。如果相伴概率小于顯著性水平，可以認為這 10個節(jié)目之間沒有顯著差異，那么可以認為這 5個評委判定標準不一致，也就是判定結果不一致。 多配對樣本的 Friendman檢驗的實現(xiàn)原理是：首先以樣本為單位