研非參數(shù)假設(shè)檢驗(yàn)-展示頁
2025-05-09 03:13本頁面
【正文】 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 操作 R u ns T e s t1 . 0 03514 1 . 3 3 9. 1 8 1Te s t V a l u eaTo t a l C a s e sN u m b e r o f R u n sZA s y m p . S i g . ( 2 t a i l e d )發(fā)病情況U s e r s p e c i f i e d .a . 單樣本的 Kolmogorov— Smirnov檢驗(yàn) 單樣本 K— S檢驗(yàn) 是一種擬合優(yōu)度的非參數(shù)檢驗(yàn)，是利用樣本數(shù)據(jù)推斷總體是否服從某一理論分布的方法，適用于探索連續(xù)性隨機(jī)變量的分布形態(tài)。調(diào)用 Runs過程 可進(jìn)行游程檢驗(yàn)，即用于檢驗(yàn)序列中事件發(fā)生過程的 隨機(jī)性 分析 。 練習(xí) 檢驗(yàn)總體的 二項(xiàng) 分布 練習(xí) ：某地某一時(shí)期內(nèi)出生 35名嬰兒，其中女孩兒 19名（ Sex=0） ,男孩兒 16名（ Sex=1）。 其 零假設(shè) ： 樣本來自的總體與所指定的某個(gè)二項(xiàng)分布不存在顯著的差異。 起點(diǎn)標(biāo)桿位置 總數(shù) 1 2 3 4 5 6 7 8 獲勝 頻數(shù) 29 19 18 25 17 10 15 11 144 馬在 8個(gè)圓形跑道的起點(diǎn)標(biāo)桿位置上獲勝的紀(jì)錄 均勻分布檢驗(yàn) 二項(xiàng)分布檢驗(yàn)的 基本思想 ： 根據(jù)搜集到的樣本數(shù)據(jù)，推斷總體分布是否服從某個(gè)指定的二項(xiàng)分布?，F(xiàn)有 8匹馬的比賽，位置1是內(nèi)側(cè)最靠近欄桿的跑道，位置 8是外側(cè)離欄桿最遠(yuǎn)的跑道，下表是某賽馬在一個(gè)月內(nèi)某特定圓形跑道上的紀(jì)錄，并且按照起點(diǎn)的標(biāo)桿位置分類。計(jì)算量較大，適用于小樣本。 Monte Carlo：不依賴漸進(jìn)性方法估測精確顯著性，這種方法在數(shù)據(jù)不滿足漸進(jìn)性分布，而且樣本數(shù)據(jù)過大以致不能計(jì)算精確顯著性時(shí)特別有效。 周日 患者數(shù) 1 31 2 38 3 70 4 80 5 29 6 24 7 31 SPSS實(shí)現(xiàn)過程 ； ； Analyze菜單 用于選擇計(jì)算非參數(shù)檢驗(yàn)統(tǒng)計(jì)量對應(yīng)的 P值的方法。 總體分布的卡方檢驗(yàn)的 原理 ： 如果從一個(gè)隨機(jī)變量 X中隨機(jī)抽取若干個(gè)觀察樣本 ， 這些觀察樣本落在 X的 K個(gè)互不相交的子集中的 觀察頻數(shù)服從一個(gè)多項(xiàng)分布 ， 該多項(xiàng)分布當(dāng) K趨于無窮時(shí) ，就近似服從 X的總體分布。 半正態(tài)分布 (Halfnormal) 伽瑪分布 (Gamma) 指數(shù)分布 (Exponential) Test Distribution提供 13種概率分布： 貝塔分布 (Beta) 卡方分布 (Chisquare) 拉普拉斯分布 (Laplace) 邏輯斯諦分布 (Logistic) 對數(shù)正態(tài)分布 (Lognormal) 正態(tài)分布 (Normal) 帕累托分布 (Pareto) T分布 (Student T) 威布爾分布 (Weibull) 均勻分布 (Uniform) rn??3 81 4//rn??1 31 3//rn? 1 2/rn?1Blom’s方法 ：使用公式： Tukey方法 ：使用公式： Rankit方法 ：使用公式： Van der Waerden方法 ：使用公式： n： 個(gè)案的數(shù)目 r： 從 1到 n的秩次 式中 ： 選擇比率估測的公式，每次只能選擇一項(xiàng)。 兩個(gè)總體分布的非參數(shù)假設(shè)檢驗(yàn) 內(nèi)容 多個(gè)總體分布的非參數(shù)假設(shè)檢驗(yàn) 配對樣本非參數(shù)檢驗(yàn) SPSS的 非參數(shù)檢驗(yàn) 一個(gè) 總體：單樣本總體分布的檢驗(yàn) 兩個(gè) 總體 多個(gè) 總體 獨(dú)立樣本非參數(shù)檢驗(yàn) 配對樣本非參數(shù)檢驗(yàn) 獨(dú)立樣本非參數(shù)檢驗(yàn) 一個(gè)總體分布的檢驗(yàn) 檢驗(yàn)總體的 卡方 分布 檢驗(yàn)總體的 二項(xiàng) 分布 單樣本 變量值 的 隨機(jī)性 檢驗(yàn) (游程 檢驗(yàn) ) 單樣本的 Kolmogorov— Smirnov檢驗(yàn) 檢驗(yàn)總體的 正態(tài) 分布 PP正態(tài) 概率分布圖 （ Graphs PP） 正態(tài) 概率單位分布圖 (Graphs ) 檢驗(yàn)總體的正態(tài)分布的圖示法 是根據(jù)變量的累計(jì)比例對所指定的理論分布累計(jì)比例繪制的圖形。 數(shù)學(xué)成績表 性 別 數(shù) 學(xué) Male Female 99 79 59 89 79 89 99 88 54 56 23 SPSS的實(shí)現(xiàn)過程： Analyze菜單 Compare Means項(xiàng)中選擇 Means命令。常用的統(tǒng)計(jì)分析 Means過程 單一樣本均值的 T檢驗(yàn) 兩獨(dú)立樣本均值差的 T檢驗(yàn) 兩配對樣本均值的 T檢驗(yàn) SPSS的非參數(shù)檢驗(yàn)與參數(shù)檢驗(yàn) SPSS的相關(guān)分析與回歸分析 SPSS的主成分分析與因子分析 SPSS的方差分析 SPSS的聚類分析與判別分析 特點(diǎn) ： 對樣本進(jìn)行 分組 計(jì)算均值和標(biāo)準(zhǔn)差 。如： Means過程 比較 不同性別 同學(xué)數(shù)學(xué)成績的平均值和方差。 R e po r t身高（厘米）1 6 8 . 1 6 6 7 . 3 8 5 3 8 . 1 5 2 1 6 8 . 5 0 0 0 . 6 2 01 7 6 . 5 5 0 0 . 2 6 5 5 0 . 3 6 6 1 7 7 . 0 0 0 0 . 2 8 81 7 3 . 4 0 6 3 . 0 8 1 6 1 . 4 1 0 1 7 4 . 0 0 0 0 . 2 0 1g e n d e r女生男生To t a lM e a n S k e w n e s s V a r i a n c e M e d i a n K u r t o s i s非參數(shù)假設(shè)檢驗(yàn) 追求 一個(gè)總體分布的非參數(shù)假設(shè)檢驗(yàn) (2)兩個(gè)總體的分布未知 ,它們是否相同 ； 非參數(shù)假設(shè)檢驗(yàn) 需要處理 的問題： (1)猜出總體的分布 (假設(shè) ),用另一組樣本檢驗(yàn)。 是根據(jù)變量分布的分位數(shù)對所指定的理論分布分位數(shù)繪制的圖形。 若與某個(gè)概率分布的統(tǒng)計(jì)圖一致，即被檢驗(yàn)的數(shù)據(jù)符合所指定的分布，則代表個(gè)案的點(diǎn)簇在一條直線上。 因此，假設(shè)樣本來自的總體服從某個(gè)期望分布或理論分布，同時(shí)獲得樣本數(shù)據(jù)各子集的實(shí)際觀察頻數(shù)，則可依據(jù)下面統(tǒng)計(jì)量作出推斷 ： ????ki eefff1202 )(? 例題 檢驗(yàn)總體的 卡方 分布 例題 ： 某地一周內(nèi)每日患憂郁癥的人數(shù)如表所示，請檢驗(yàn)一周內(nèi)每日人們憂郁的數(shù)是否滿足1:1:2:2:1:1:1。 SPSS提供了 3種計(jì)算 P值的方法： Asymptotic only:漸進(jìn)性的顯著性檢驗(yàn)，適合于樣本服從漸進(jìn)分布或較大樣本。 Exact：精確計(jì)算法，即準(zhǔn)確計(jì)算觀測結(jié)果的統(tǒng)計(jì)概率。 周日31 3 3 . 7 2 . 738 3 3 . 7 4 . 370 6 7 . 3 2 . 780 6 7 . 3 1 2 . 729 3 3 . 7 4 . 724 3
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1