非參數(shù)檢驗word版-展示頁
2024-09-01 06:25本頁面
【正文】 率值差別不大）。接著點擊Exact選擇是否進行精確概率運算：Asymptotic only為計算近似概率：它使用Pearson c2計算公式（OE）2/E計算卡方值，而后計算概率值，該方法對于樣本含量較大時，或理論數(shù)較大時結(jié)果較穩(wěn)定，如果是小樣本考慮使用下面兩種方法。我們假設(shè)骰子是均勻的，則每一個面出現(xiàn)的理論頻數(shù)均為50次，但是由于抽樣誤差所以300次投擲所組成的一個樣本中并非每個面出現(xiàn)的頻率均為50次，如果假設(shè)成立的話，實際頻數(shù)與理論頻數(shù)的差距應(yīng)該不大，這就需要用到擬合優(yōu)度檢驗。其檢驗?zāi)康脑谟诜治龇诸悢?shù)據(jù)的頻數(shù)分布是否滿足特定的概率分布。本講內(nèi)容主要分為兩個部分：分布檢驗（即所謂的擬合優(yōu)度檢驗，包括Chisquare、Binomial、Runs、1Sample KS命令）與位置檢驗（2 Independent Samples、K Independent Samples、2 Related Samples、K Related Samples命令）。非參數(shù)檢驗非參數(shù)檢驗，又稱為分布檢驗，與前面介紹的t、F檢驗的著眼點不同，它并不對總體的參數(shù)進行檢驗，而是研究目標(biāo)總體的分布情況是否與理論相同，或分布位置及形狀是否相同。常見的非參數(shù)檢驗如卡方檢驗、秩和檢驗、二項分布檢驗、游程檢驗等。一、分布檢驗ChiSquare：請注意，這里所指的Chisquare不是教科書上的卡方檢驗（課本中的卡方檢驗使用的是Crosstabs命令），準(zhǔn)確的說應(yīng)該稱為卡方擬合優(yōu)度檢驗。例如：一顆骰子投擲300次，問該骰子是否是六面均勻的。由于提供的數(shù)據(jù)已經(jīng)是經(jīng)過整理后的頻數(shù)表數(shù)據(jù)，所以分析時要對點出現(xiàn)的頻數(shù)加權(quán)：上圖為Chisquare的主對話框，講點數(shù)選入test variable list中，expected range為設(shè)定檢驗變量的取值范圍，默認(rèn)是所有變量值都進入分析；Expected values為理論值，默認(rèn)情況下認(rèn)為每個類別是均勻分布的；對于本例由于所有變量取值都進入分析，而且假設(shè)每個面出現(xiàn)的概率均相同，所以不必對上述界面作變動。Monte Carlo法：計算機隨機模擬方法；即利用計算機產(chǎn)生大量隨機樣本，然后對這些樣本結(jié)果進行概率分析，從而來預(yù)測結(jié)果的方法；它適用于樣本例數(shù)不夠大時（此時用近似法結(jié)果不穩(wěn)定），或者樣本例數(shù)對于精確概率法過大，計算時間過長的情況。最后是Exact即通常所謂的精確概率法，它通過排列組合的計算方法直接計算概率值，特別適用于小樣本，但是可能要消耗大量時間（如果樣本不是那么的“小”時），并且如果運行超過一定時間會自動停止（系統(tǒng)默認(rèn)為5分鐘），該方法是否會得出結(jié)果和計算機性能關(guān)系密切！下兩表為SPSS官方提出的（SPSS ）通常情況下可以考慮適用精確概率法的情況：選擇好計算概率的方法后，可以對Options作設(shè)定；Statistics中的選項主要針對正態(tài)分布的擬合，在本例中可以不作設(shè)定；Missing values中的選項含義詳見前述t檢驗。下表為最終的統(tǒng)計分析結(jié)果
高考資料相關(guān)推薦
鄂ICP備17016276號-1