非參數(shù)檢驗word版(編輯修改稿)
2025-09-13 06:25 本頁面
【文章內(nèi)容簡介】 oint中選擇一個截斷值；由于本例結(jié)果為二分類，中位數(shù)作為截斷值與考慮采用算術(shù)均數(shù)（實際上就是中毒發(fā)生率）的結(jié)果是一致的；Exact與options的設(shè)置同前，由于本例中樣本含量較小，所以可以采用Mont Carlo法。設(shè)定結(jié)束點擊OK：以上兩個結(jié)果為分別采用中位數(shù)、均數(shù)作為截斷值的檢驗結(jié)果；可見兩種做法結(jié)果一致，故認(rèn)為中毒應(yīng)該為河水污染導(dǎo)致。1Sample KS：該檢驗也是擬合優(yōu)度檢驗；它分別做出已知理論分布下的累積頻數(shù)分布以及實際觀測的累積頻數(shù)，對兩者進行比較，從中確定兩種分布的最大差異點；如果樣本資料確實滿足該分布，則最大差異值不會太大，否則就認(rèn)為假設(shè)不成立。該命令的功能與chisquare、binomial中的部分功能重復(fù)。例如研究者想了解某特殊作業(yè)工人的血紅蛋白是否滿足正態(tài)分布，：將血紅蛋白選入test variable list中，在test distribution中有四種特定分布可供選擇：正態(tài)分布、均勻分布（uniform）、Poisson分布、指數(shù)分布（Exponential）。其余設(shè)定同前，由于數(shù)據(jù)是小樣本，故選擇Mont Carlo法。設(shè)定結(jié)束點擊OK：該表中列出了正態(tài)分布的均數(shù)、標(biāo)準(zhǔn)差、理論與實際累積頻數(shù)間最大離差、檢驗統(tǒng)計量、以及P值，故結(jié)論為該人群的血紅蛋白服從正態(tài)。二、位置檢驗：對應(yīng)教科書上的秩和檢驗，主要分為完全隨機設(shè)計（Independent samples）和配對區(qū)組設(shè)計（Related samples），兩種設(shè)計方案。位置檢驗主要著眼于數(shù)據(jù)分布的中位數(shù)是否相同。2 Independent Samples：對10例肺癌和12例矽肺0期工人用X光片測量肺門橫徑右側(cè)距RD值，問肺癌病人的RD值是否高于矽肺患者。該例題方差不齊，可以考慮采用t’檢驗，，下結(jié)論應(yīng)該慎重?？紤]到本例資料滿足使用非參數(shù)檢驗的條件，我們采用成組設(shè)計秩和檢驗，點擊2 Independent Samples:該設(shè)置界面同成組t檢驗，先將rd值移入test variable list中，將疾病移入grouping variable中，定義組別如下：其余exact與option設(shè)置同前；系統(tǒng)提供了四種秩和檢驗的方法：MannWhitney U：此方法與教材中的Wilcoxon Rank Sum檢驗法完全等價，用于兩樣本所對應(yīng)的總體具有相同的中心位置(中位數(shù))，而不管兩總體分布的形狀如何，因此通常假定兩總體分布的形狀相同，只有在這個前提下的中心位置相同才能說是兩總體分布相同或兩樣本來自相同總體；若不能明確兩總體分布的形狀是否相同，則不宜單獨使用，應(yīng)同時作KS檢驗或WW檢驗，并對全部結(jié)果作綜合分析。*KolmogorovSmirnov Z檢驗(又簡稱KS檢驗)是上述提到的Kolmogorov檢驗用于兩個獨立樣本的情況。如果拒絕H0，結(jié)論是兩總體分布不相同；此結(jié)果尚不足以說明是位置不同、變異程度不同還是偏度不同，這是報告結(jié)果時應(yīng)注意的。其基本原
高考資料相關(guān)推薦
鄂ICP備17016276號-1