spss使用教程ppt課件-展示頁
2025-01-23 07:36本頁面
【正文】 一個變量的實際頻數(shù)分布與正態(tài)分布（ Normal）、均勻分布（ Uniform）、泊松分布（ Poisson）、指數(shù)（ Exponential）分布進行比較。 表 103 35名住戶發(fā)病情況 住 戶 發(fā) 病 情 況 住 戶 發(fā) 病 情 況 住 戶 發(fā) 病 情 況 1 1 13 1 25 1 2 0 14 1 26 1 3 1 15 1 27 0 4 1 16 1 28 1 5 1 17 0 29 0 6 1 18 0 30 0 7 0 19 1 31 1 8 0 20 1 32 0 9 0 21 0 33 0 10 0 22 0 34 0 11 1 23 1 35 0 12 1 24 1 ? 實現(xiàn)步驟 圖 109 在菜單中選擇“ Runs”命令 圖 1010 “Runs Test”對話框 圖 1011 “Runs Test： Options”對話框 結(jié)果和討論 統(tǒng)計學(xué)上的定義和計算公式 SPSS單樣本 KS檢驗 定義：單樣本 KS檢驗是以兩位前蘇聯(lián)數(shù)學(xué)家 Kolmogorov和 Smirnov命名的，也是一種擬合優(yōu)度的非參數(shù)檢驗方法。如果相伴概率小于或等于用戶的顯著性水平 α ，則應(yīng)拒絕零假設(shè) H0，認(rèn)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(shè)H0，認(rèn)為變量值的出現(xiàn)是隨機的。所謂游程是樣本序列中連續(xù)出現(xiàn)的變量值的次數(shù)。 單樣本變量值的隨機性檢驗是由 Wald提出的，它的零假設(shè)為 H0：總體某變量的變量值出現(xiàn)是隨機的。問這個地方出生嬰兒的性別比例與通常的男女性比例（總體概率約為 ）是否不同？數(shù)據(jù)如表 102所示。 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)。 Z統(tǒng)計量的計算公式如下 SPSS將自動計算 Z統(tǒng)計量，并給出相應(yīng)的相伴概率值。其零假設(shè)是 H0：樣本來自的總體與所指定的某個二項分布不存在顯著的差異。調(diào)用 SPSS中的二項分布檢驗（ Binomial）可對樣本資料進行二項分布分析。 二項分布檢驗 統(tǒng)計學(xué)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(xué)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中實現(xiàn)過程 表 101 學(xué)生的數(shù)學(xué)成績 周 日 患 者 數(shù) 1 31 2 38 3 70 4 80 5 29 6 24 7 31 ? 實現(xiàn)步驟 圖 101 在菜單中選擇“ Weight Cases”命令 圖 102 “Weight Cases”對話框 圖 103 在菜單中選擇“ ChiSquare”命令 圖 104 “ChiSquare Test”對話框 圖 105 “ChiSquare Test： Options”對話框 （ 1）本例輸出結(jié)果中有兩個表格，其中第一個表格如下?？傮w分布的卡方檢驗的數(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)。它的零假設(shè) H0：樣本來自的總體分布形態(tài)和期望分布或某一理論分布沒有顯著差異。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。這可以通過繪制樣本數(shù)據(jù)直方圖的方法來進行粗略的判斷。其中前 4種屬于單樣本非參數(shù)檢驗。非參數(shù)檢驗根據(jù)樣本數(shù)目以及樣本之間的關(guān)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)檢驗和多配對樣本非參數(shù)檢驗幾種。此時人們希望檢驗對一個總體分布形狀不必作限制。 但許多調(diào)查或?qū)嶒炈玫目蒲袛?shù)據(jù)，其總體分布未知或無法確定。SPSS 16實用教程 第 10章 非參數(shù)檢驗 總體分布的卡方（ Chisquare）檢驗 二項分布檢驗 SPSS單樣本變量值隨機性檢驗 SPSS單樣本 KS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 前面已經(jīng)討論的許多統(tǒng)計分析方法對總體有特殊的要求，如 T檢驗要求總體符合正態(tài)分布， F檢驗要求誤差呈正態(tài)分布且各組方差整齊，等等。這些方法常用來估計或檢驗總體參數(shù)，統(tǒng)稱為參數(shù)檢驗。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(yán)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(jié)論。 這種不是針對總體參數(shù)，而是針對總體的某些一般性假設(shè)（如總體分布）的統(tǒng)計分析方法稱非參數(shù)檢驗（ Nonparametric Tests）。 本章將介紹總體分布的卡方（ Chisquare）檢驗、二項分布（ Binomial）檢驗、單樣本 KS（ KolmogorovSmirnov）檢驗、單樣本變量值隨機性檢驗（ Runs Test）、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 8類常用的非參數(shù)檢驗方法。 總體分布的卡方（ Chisquare）檢驗 在得到一批樣本數(shù)據(jù)后，人們往往希望從中得到樣本所來自的總體的分布形態(tài)是否和某種特定分布相擬合。如果需要進行比較準(zhǔn)確的判斷，則需要使用非參數(shù)檢驗的方法。 統(tǒng)計學(xué)上的定義和計算公式 定義：總體分布的卡方檢驗適用于配合度檢驗，是根據(jù)樣本數(shù)據(jù)的實際頻數(shù)推斷總體分布與期望分布或理論分布是否有顯著差異。 因此，總體分布的卡方檢驗是一種吻合性檢驗，比較適用于一個因素的多項分類數(shù)據(jù)分析。 ? 研究問題 某地一周內(nèi)各日患憂郁癥的人數(shù)分布如表101所示，請檢驗一周內(nèi)各日人們憂郁數(shù)是否滿足 1:1:2:2:1:1:1。 結(jié)果和討論 （ 2）輸出的結(jié)果文件中第二個表格如下。從這種二分類總體中抽取的所有可能結(jié)果，
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1