实验报告
课程名称：
实验项目名称：
姓名：
学号：
班级：
指导教师：
2016 年 3 月 10 日
新疆财经大学实验报告
实验要求与数据：
1、产生50 个标准正态分布的随机数并画出它们的正态分布概率图形.
2、画出参数变化的概率密度分布图，正态分布的u,σ变化，产生100个均值为5,标准差为1的正态分布的随机数,再产生100个均值为6,标准差为1的正态分布的随机数,画概率密度图
3、设随机变量X取区间[-5,5]上步长为0.1的各值, 计算X的服从参数为5 的t 分布的概率,并画出概率密度函数图形，同时画出标准正态概率密度曲线，观察二者的区别.
4、根据已知数据，求秩和正态得分
1.set.seed(1)
x<-seq(-5,5,length.out=50)
y<-dnorm(x,0,1)
plot(x,y,col="red",xlim=c(-5,5),ylim=c(0,1),type='l',xaxs="i", yaxs="i",ylab='density',xlab='',main="The Normal Density Distribution")
lines(x,dnorm(x,0,0.5),col="green")
lines(x,dnorm(x,0,2),col="blue")
lines(x,dnorm(x,-2,1),col="orange")
legend("topright",legend=paste("m=",c(0,0,0,-2),"sd=",c(1,0.5, 2,1)),lwd=1,col=c("red","green","blue","orange"))
2.画出参数变化的概率密度分布图，正态分布的u,σ变化，产生100个均值为5,标准差为1的正态分布的随机数,再产生100个均值为6,标准差为1的正态分布的随机数,画概率密度图
命令：
set.seed(1)
x <- seq(0,10,length.out=100)
y <- dnorm(x,5,1)
plot(x,y,col="red",xlim=c(0,10),ylim=c(0,1),type='l',
xaxs="i", yaxs="i",ylab='density',xlab='',
main="The Normal Density Distribution")
lines(x,dnorm(x,6,1),col="green")
legend("topright",legend=paste("m=",c(5,6)," sd=", c(1,1)), lwd=1, col=c("red", "green"))
3.set.seed(1)
x<-seq(-5,5,length.out=1000)
y<-dt(x,1,0)
plot(x,y,col="red",xlim=c(-5,5),ylim=c(0,0.5),type="l",xaxs="i ",yaxs="i",ylab='density',xlab='',main="The T Density Distribution")
lines(x,dt(x,15,0),col="blue")
lines(x,dt(x,100,0),col="orange")
legend("topleft",legend=paste("df=",c(1,5,15,100),"ncp=",c(0,0 ,0,0)),lwd=1,col=c("red","green","orange")
set.seed(1)
x<-seq(-5,5,length.out=1000)
y<-dunif(x,0,1)
plot(x,y,col="red",xlim=c(0,10),ylim=c(0,2),type="l",xaxs="i", yaxs="i",ylab='density',xlab='',main="The Uniform Density Distribution")
lines(x,dunif(x,0,0.5),col="green")
lines(x,dunif(x,1,6),col="orange")
lines(x,dunif(x,2,4),col="purple")
legend("topright",legend=paste("m=",c(0,0,0,1,2),"sd=",c(1,0.5 ,2,6,4)),lwd=1,col=c("red","green","orange","purple")
4. 根据已知数据用SPSS统计软件得到的结果为:
实验报告 （ 2012 / 2013学年第一学期） 课程名称非参数统计 实验名称1、数据的描述性统计 2、中心位置的检验问题 3、多样本问题和区组设计问题的比较 4、相关分析 实验时间2012 年10 月15-22 日 学生姓名班级学号 学院(系) 通达学院专业统计学
实验一 一、实验题目 某航空公司为了解旅客对公司服务态度的满意程度，对50名旅客作调查，要求他们写出对乘机服务、机上服务和到达机场服务的满意程度，满意程度评分从0到100.分数越大，满意程度越高。下表是收集到得数据。 50名旅客对乘机服务、机上服务和到达机场服务的满意程度的评分 乘机服务机上服务到达机场服务乘机服务机上服务到达机场服务 71 49 58 72 76 37 84 53 63 71 25 74 84 74 37 69 47 16 87 66 49 90 56 23 72 59 79 84 28 62 72 37 86 86 37 59 72 57 40 70 38 54 63 48 78 86 72 72 84 60 29 87 51 57 90 62 66 77 90 51 72 56 55 71 36 55 94 60 52 75 53 92 84 42 66 74 59 82 85 56 64 76 51 54 88 55 52 95 66 52 74 70 51 89 66 62 71 45 68 85 57 67 88 49 42 65 42 68 90 27 67 82 37 54 85 89 46 82 60 56 79 59 41 89 80 64 72 60 45 74 47 63 88 36 47 82 49 91 77 60 75 90 76 70 64 43 61 78 52 72 1、对50名旅客关于乘机服务的满意程度数据作描述性统计分析； 2、对50名旅客关于机上服务的满意程度数据作描述性统计分析； 3、对50名旅客关于到达机场服务的满意程度数据作描述性统计分析； 4、对50名旅客关于这三个方面服务的满意程度数据作一个综合比较的描述性 统计分析。 二、实验步骤 1、乘机服务 1）、直方图
1．人们在研究肺病患者的生理性质时发现，患者的肺活量与他早在儿童时期是否接受过某种治疗有关，观察3组病人，第一组早在儿童时期接受过肺部辐射，第二组接受过胸外科手术，第三组没有治疗过，现观察到其肺活量占其正常值的百分比如下： 这一经验是否可靠。 解： H 0：θ2≤θ1≤θ 3 H 1 :至少有一个不等式成立 可得到 N=15 由统计量H= ) 112 +N N （∑=K i i N R 1i 2 -3(N+1)=）（1151512+(32×6.4+29×5.8+59×11.8)-3×(15+1)=5.46 查表（5,5,5）在P(H ≥4.56)=0.100 P(H ≥5.66)=0.0509 即P （H ≥5.46）﹥0.05 故取α=0.05， P ﹥α ，故接受零假设即这一检验可靠。
2.关于生产计算机公司在一年中的生产力的改进（度量为从0到100）与它们在过去三年中在智力投资（度量为：低，中等，高）之间的关系的研究结果列在下表中： 值等等及你的结果。（利用Jonkheere-Terpstra 检验） 解： H 0：M 低=M 中=M 高 H 1：M 低﹤M 中﹤M 高 U 12=0+9+2+8+10+9+10+2+10+10+8+0.5+3=82.5 U 13=10×8=80 U 23=12+9+12+12+12+11+12+11=89 J= ∑≤j ij U i =82.5+80+89=251.5 大样本近似 Z= []72 )32()324 1 2 1i 22 2∑ ∑==+-+--k i i i k i n n N N n N J （）（～N （0,1） 求得 Z=3.956 Ф(3.956)=0.9451 取α=0.05 ， P >α， 故接受原假设，认为智力投资对改进生产力有帮助。
第二讲 非参数检验 1. 实验目的 1.了解非参数假设检验基本思想； 2.会用SAS 软件中的proc npar1way 过程进行非参数假设检验和proc freq 过程进行列联表的独立性检验。 2. 实验要求 1.会用SAS 软件建立数据集，并进行统计分析； 2.掌握proc npar1way 过程进行非参数假设检验的基本步骤； 3.掌握proc freq 过程进行列联表的独立性检验的基本步骤。 3. 实验基本原理 3.1 符号检验 0:H 两种方法的处理效果无显著性差异 令10 i i I i ?=??第个个体中新方法优于对照方法第个个体中新方法劣于对照方法1,2,,i N =L 统计量1N N i i S I ==∑ N S 表示新方法的处理效果优于对照方法的配对组总数。若新方法的处理效果显著的优于对照方法，则N S 的值应明显偏大。因此，若对给定的置信水平α，有 {}N P S c α≥<， 则拒绝0H 。 0H 为真时，（1）N S 服从二项分布1(,)2 b N (),()24N N N N E S Var S ==。拒绝域为：{}N N S S c > （2）由中心极限定理可知，当2 ,1N N S N - →∞的零分布趋于标准正态分布。
拒绝域为 ：N S u α??????>???????? 3.2 Wilcoxon 秩和检验 （1）单边假设检验 0:H 两种方法的处理效果无显著性差异 as 1:H ：新方法优于对照方法。 用于检验0H 的统计量为：1n s i i W I ==∑ 若对给定的置信水平α，有 {}s P W c α≥<，则拒绝0H 。且s W 的分布列为： 0#{;,}{}H s w n m P W w N n ==?? ??? 根据观测结果计算s W 的观测值0s W ，计算检验的p 值： 00{}{}s H s s H s k w p P W w P W k ≥=≥= =∑ 然后将p 值与显著水平α作比较，若p α<，则拒绝0H ，否则接受0H 。 （2）双边假设检验 给定的显著水平21,c c 和α应该满足： ε=≥+≤}{}{2100c W P c W P A H A H 仅由上式还不能唯一确定21c c 和，当我们对两种方法谁优谁劣不得而知时，通常取 2}{}{2100α =≥=≤c W P c W P A H A H 若利用p 值进行检验，设A A W ω的观测值为,计算概率值 }{}{00A A H A A H W P W P ωω≤≥或 由对称性可知，检验的p 值为上述两概率中小于1/2的那一个的2倍。例如
课后习题参考答案 第一章p23-25 2、（2）有两组学生，第一组八名学生的成绩分别为x 1：100，99，99，100，99，100，99，99；第二组三名学生的成绩分别为x 2：75,87,60。我们对这两组数据作同样水平a=0.05的ｔ检验（假设总体均值为u ）：H 0：u=100 H 1：u<100。第一组数据的检验结果为：df=7，t 值为3.4157，单边p 值为0.0056，结论为“拒绝H 0：u=100。”（注意：该组均值为99.3750）；第二组数据的检验结果为：df=2，t 值为3.3290，单边ｐ值为0.0398;结论为“接受H 0：u=100。”（注意：该组均值为74.000）。你认为该问题的结论合理吗？说出你的理由，并提出该如何解决这一类问题。 答：这个结论不合理（6分）。因为，第一组数据的结论是由于ｐ－值太小拒绝零假设，这时可能犯第一类错误的概率较小，且我们容易把握；而第二组数据虽不能拒绝零假设，但要做出“在水平ａ时，接受零假设”的说法时，还必须涉及到犯第二类错误的概率。（4分）然而，在实践中，犯第二类错误的概率多不易得到，这时说接受零假设就容易产生误导。实际上不能拒绝零假设的原因很多，可能是证据不足（样本数据太少），也可能是检验效率低，换一个更有效的检验之后就可以拒绝了，当然也可能是零假设本身就是对的。本题第二组数据明显是由于证据不足，所以解决的方法只有增大样本容量。（4分） 第三章p68-71 3、在某保险种类中，一次关于1998年的索赔数额（单位：元）的随机抽样为（按升幂排列）： 4632，4728，5052，5064，5484，6972，7596，9480，14760，15012，18720，21240，22836，52788，67200。已知1997年的索赔数额的中位数为5064元。 （1）是否1998年索赔的中位数比前一年有所变化？能否用单边检验来回答这个问题？（4分） （2）利用符号检验来回答（1）的问题（利用精确的和正态近似两种方法）。（10分） （3）找出基于符号检验的95％的中位数的置信区间。（8分） 解：（1）1998年的索赔数额的中位数为9480元比1997年索赔数额的中位数5064元是有变化，但这只是从中位数的点估计值看。如果要从普遍意义上比较1998年与1997年的索赔数额是否有显著变化，还得进行假设检验，而且这个问题不能用单边检验来回答。（4分） （2）符号检验（5分） 设假设组：H ０：M ＝M ０＝5064 H １：M ≠M ０＝5064 符号检验：因为n +=11，n-=3，所以k=min(n+,n-)=3 精确检验：二项分布b(14,0.5)， ∑=-=3 0287 .0)2/1,14(n b ，双边ｐ－值为0.0576,大于ａ＝0.05， 所以在ａ水平下，样本数据还不足以拒绝零假设；但假若ａ＝0.1，则样本数据可拒绝零假设。查二项分布表得ａ＝0.05的临界值为（3，11），同样不足以拒绝零假设。 正态近似：（5分） np=14/2=7,npq=14/4=3.5 z=(3+0.5-7)/5.3≈-1.87>Z a/2=-1.96 仍是在ａ＝0.05的水平上无法拒绝零假设。说明两年的中位数变化不大。 （3）中位数95％的置信区间：（5064，21240）（8分） 7、一个监听装置收到如下的信号：0，1，0，1，1，1，0，0，1，1，0，0，0，0，1，1，1，1，1，1，1，1，1，0，1，0，0，1，1，1，0，1，0，1，0，1，0，0，0，0，0，0，0，0，1，0，1，1，0，0，1，1，1，0，1，0，1，0，0，0，1，0，0，1，0，1，0，1，0，0，0，0，0，0，0，0。能否说该信号是纯粹随机干扰？（10分）
第四章 非参数统计实验 参数统计学中的许多统计分析方法的应用对总体都有严格的假定，例如，t 检验要求总体服从正态分布，F 检验要求误差呈正态分布且各组方差为齐性的等等，然而在现实生活中，有许多总体的分布我们却是一无所知或知之甚少，所以在参数模型中所建立的统计推断就会失效，于是，人们希望在不假定总体分布的情况下，尽量从数据本身来获得所需要的信息。这就是非参数统计的宗旨。非参数统计方法简便，适用性强，但检验效率较低，应用时应加以考虑。 实验一 卡方检验（Chi-square test ） 实验目的： 掌握卡方检验方法。 实验内容： 一、2χ拟合优度检验 二、2χ独立性检验 三、2χ齐性检验 实验工具： SPSS 非参数统计分析菜单项和Crosstabs 菜单项。 知识准备： 一、卡方拟合优度检验 2 χ检验(Chi —Square Test) 适用于拟合优度检验，适用于定类变量的检验问 题，用来检验实际观察数目与理论期望数目是否有显著差异。当检验问题是实际分布是否与理论分布相符合时，在大样本时也可以用分类数据的卡方检验来解决，这时的卡方检验也称为分布拟合的卡方检验。 若样本分为k 类，每类实际观察频数为k f f f ,,,21 ，与其相对应的期望频数为 k e e e ,,,21 ，则检验统计量2χ可以测度观察频数与期望频数之间的差 异。其计算公式为： ∑ ∑ -= -= =期望频数 期望频数实际频数2 1 2 2 ) () (k i i i i e e f χ
很显然，实际频数与望频数越接近，2χ值就越小，若2χ＝0，则上式中分子的每—项都必须是0，这意味着k 类中每一类观察频数与期望频数完全一样，即完全拟合。2χ统计量可以用来测度实际观察频数与期望频数之间的拟合程度。 在H 0成立的条件下，样本容量n 充分大时，2χ统计量近似地服从自由度df ＝k-1的 2 χ分布，因而，可以根据给定的显著性水平α，在临界值表中查到 相应的临界值)1(2 -k αχ。若)1(2 2 -≥k αχχ ，则拒绝H 0，否则不能拒绝H 0。 所有的统计软件都可以输出检验统计量的显著性p 值，也可以根据显著性p 值和显著性水平α作比较，若α≤p ，则拒绝H 0，否则不能拒绝H 0。 另外卡方拟合优度检验也可以用来检验某总体是否服从某一特定分布的假设。拟合优度检验中几种常用分布的参数如表4-1： 表4-1 拟合优度检验中几种分布的参数 二、2χ独立性检验 假设有n 个随机试验的结果按照两个变量A 和B 分类，A 取值为A 1，A 2，…，A r ，B 取值为B 1，B 2，…，B s ，则形成了一张s r ?的列联表，称为s r ?二维列联 表。其中ij n 表示A 取A i 及B 取B j 的频数，n n r 1 i s 1 j ij =∑∑==，其中： r ,...,2,1i ,n n s 1j ij i.== ∑=表示各行的频数之和 s ,...,2,1i ,n n r 1 i ij .j == ∑=表示各列的频数之和
非参数统计分析――Nonparametric Tests菜单详解 非参数统计分析――Nonparametric Tests菜单详解 平时我们使用的统计推断方法大多为参数统计方法，它们都是在已知总体分布的条件下，对相应分布的总体参数进行估计和检验。比如单样本u检验就是假定该样本所在总体服从正态分布，然后推断总体的均数是否和已知的总体均数相同。本节要讨论的统计方法着眼点不是总体参数，而是总体分布情况，即研究目标总体的分布是否与已知理论分布相同，或者各样本所在的分布位置/形状是否相同。由于这一类方法不涉及总体参数，因而称为非参数统计方法。 SPSS的的Nonparametric Tests菜单中一共提供了8种非参数分析方法，它们可以被分为两大类： 1、分布类型检验方法：亦称拟合优度检验方法。即检验样本所在总体是否服从已知的理论分布。具体包括： Chi-square test：用卡方检验来检验二项/多项分类变量的几个取值所占百分比是否和我们期望的比例有没有统计学差异。 Binomial Test：用于检测所给的变量是否符合二项分布，变量可以是两分类的，也可以使连续性变量，然后按你给出的分界点一分为二。 Runs Test：用于检验样本序列随机性。观察某变量的取值是否是围绕着某个数值随机地上下波动，该数值可以是均数、中位数、众数或人为制定。一般来说，如果该检验P值有统计学意义，则提示有其他变量对该变量的取值有影响，或该变量存在自相关。 One-Sample Kolmogorov-Smirnov Test：采用柯尔莫哥诺夫-斯米尔诺夫检验来分析变量是否符
合某种分布，可以检验的分布有正态分布、均匀分布、Poission分布和指数分布。 2、分布位置检验方法：用于检验样本所在总体的分布位置/形状是否相同。具体包括： Two-Independent-Samples Tests：即成组设计的两独立样本的秩和检验。 Tests for Several Independent Samples：成组设计的多个独立样本的秩和检验，此处不提供两两比较方法。 Two-Related-Samples Tests：配对设计的两样本秩和检验。 Tests for Several Related Samples：配伍设计的多样本秩和检验，此处同样不提供两两比较。 一、分布位置检验方法 1、Two Independent Samples Test与 K Independent Samples Test 用于检验两独立样本/多独立样本所在总体是否相同。 Two-lndependent-Samples Test对话框: (1) Test Variable框，指定检验变量。 (2) Grouping Variable框，指定分组变量。Define Groups对话框，Groupl和Groupl后的栏中，可指定分组变量的值。 (3) TestType框，确定用来进行检验的方法。Mann-Whitney U：默认值，相当于两样本秩和检验。Kolmogorov-Smimov Z：K-S检验的一种。Moses extreme reactions：如果施加的处理使得某些个体出现 正向效应，而另一些个体出现负向效应，就应当采用该检验方法。
王静龙《非参数统计分析》课后习题计算题参考答案习题一 1. One Sample t-test for a Mea n Sample Statistics for x N Mea n Std. Dev. Std. Error 26 1.38 8.20 1.61 Hypothesis Test Null hypothesis: Mea n of x = 0 Alternative: Mea n of x A= 0 t Statistic Df Prob > t 0.861 25 0.3976 95 % Con fide nee In terval for the Mea n Lower Limit: -1.93 Upper Limit: 4.70 则接受原假设认为一样 习题二 1.描述性统计
习题二 1.1 S+=13 n 39 H o： me 6500 H〔：me 6500 PS 13 二BINOMDIST(13,39,0.5,1) =0.026625957 另外：在excel2010中有公式BINOM.INV(n,p,a)返回一个数值，它使得累计二项式分布的函数值大于或等于临界值a的最小整数 * 1 m n m inf m ■ 2 i 0 i BINO M」N V(39,0.5,0.05)=14 * n 1 * d n d=sup d : m 1 13 2 i 0 i S+13 d 13 以上两种都拒绝原假设，即中位数低于6500 1.2
n 1 inf n * * 1 m n m inf m :- 2 i o i BINOM.INV(40,0.5,1 -0.025)=26 d=n-c=40-26=14 x 14 5800 x 26 6400 me x 20 6200 2. S + =40 n 70 H 0: me 6500 H 1: me 6500 2P S 40 2*(1-BIN0MDIST(39,70,0.5,1)) =0.281978922 则接受原假设，即房价中位数是 6500 3.1 S + =1552 n 1552 527 2079 inf m inf m=BINOM.INV(2079,0.5,0.975)=1084 则拒绝原假设，即相信孩子会过得更好的人多 3.2 P 为认为生活更好的成年人的比例，则 H 。: p 出：p n 比较大，则用正态分布近似 P S 1552 1039.5-1552+0.5 、519.75 =5.33E-112 另外:S +=1552 n 1552 527 2079
实验报告 课程名称： 实验项目名称： 姓名： 学号： 班级： 指导教师： 2016 年 3 月 10 日
新疆财经大学实验报告
实验要求与数据： 1、产生50 个标准正态分布的随机数并画出它们的正态分布概率图形. 2、画出参数变化的概率密度分布图，正态分布的u,σ变化，产生100个均值为5,标准差为1的正态分布的随机数,再产生100个均值为6,标准差为1的正态分布的随机数,画概率密度图 3、设随机变量X取区间[-5,5]上步长为0.1的各值, 计算X的服从参数为5 的t 分布的概率,并画出概率密度函数图形，同时画出标准正态概率密度曲线，观察二者的区别. 4、根据已知数据，求秩和正态得分 1.set.seed(1) x<-seq(-5,5,length.out=50) y<-dnorm(x,0,1) plot(x,y,col="red",xlim=c(-5,5),ylim=c(0,1),type='l',xaxs="i",
yaxs="i",ylab='density',xlab='',main="The Normal Density Distribution")
lines(x,dnorm(x,0,0.5),col="green") lines(x,dnorm(x,0,2),col="blue") lines(x,dnorm(x,-2,1),col="orange") legend("topright",legend=paste("m=",c(0,0,0,-2),"sd=",c(1,0.5, 2,1)),lwd=1,col=c("red","green","blue","orange")) 2.画出参数变化的概率密度分布图，正态分布的u,σ变化，产生100个均值为5,标准差为1的正态分布的随机数,再产生100个均值为6,标准差为1的正态分布的随机数,画概率密度图 命令：
非参数统计----十道题 09统计学 王若曦 114 一、 Wilcoxon 符号秩检验 下面是10个欧洲城镇每人每年平均消费的酒类相当于纯酒精数，数据已经按升序排列： 人们普遍认为欧洲各国人均年消费酒量的中位数相当于纯酒精8升，试用上述数据检验这种看法。 数据来源：《非参数统计（第二版）》 吴喜之 手算： % 建立假设组： 01H :M=8H :M>8 T 2467891046T 5319n=10 +-=++++++==++= 查表得P=<α=，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。 》 SPSS ： 操作：Analyze ——Nonparametric Tests ——2-Related Sample Test
Test Statistics b c - x Z-1.886a Asymp. Sig. (2-tailed).059 Exact Sig. (2-tailed)! .064 Exact Sig. (1-tailed).032 Point Probability.008 a. Based on positive ranks. b. Wilcoxon Signed Ranks Test 由输出结果可知，单侧精确显著性概率P=<α=，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与手算结果相同。 R语言： … > x=c,,,,,,,,, > (x-8,alt="greater") Wilcoxon signed rank test data: x - 8 V = 46, p-value = alternative hypothesis: true location is greater than 0 由输出结果可知，P=<α=，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与以上结果一致。 |
一、 填空题（每空2分，共计30分） 1、 性别属于_______尺度的测量层次，文化程度属于_______尺度的测量层次，温度属于________尺度的 测量层次，年龄属于________尺度的测量层次。 2、 某一序列的观察值为2，5，3，7，8，9，6，4，16，10，则上游程数为______，下游程为_______， 第一个下游程的长度是_________。 3、 两组独立的随机样本的观察值分别为： 第一组(X )：9，12，3，7 第二组(Y )：5，8，6，14，16 则第一组X 的等级和T x =_______，第二组Y 的等级和T y =_______，Y 的评分值先于X 的总次数U =_______，游程的总数目V =________。 4、 则列边缘次数为___________，不考虑X ，直接预测Y 时产生的误差1E =______，用X 预测Y 时产生的误差2E =______，非对称形式的λ系数yx λ=___________。 二、 （10分）某地一周内个日患忧郁症的人数分布如表所示，请用2χ检验法检验一周内个日人们忧郁数 是否满足1：1：2：2：1：1：1 三、（20分）试根据下表的数据分别用符号检验和Wilcoxon 符号秩检验法检验学生接受某种方法训练前后成绩是否存在显著差异，训练能否提高学生的成绩？（显著性水平0.05α=）
四、（10分）随机抽取3个班级的学生，得到21个成绩样本，如表所示，试用Kruskal-Wallis检验法检验 α=） 3个班级学生成绩是否存在显著差异？（显著性水平0.05 五、（10 三个月后的体重，试用Friedman检验法检验在这4个时期，10个人的体重有无发生显著的变化？（显著α=） 性水平0.05 六、（20分）两名裁判员对六名歌手评分的等级如下： X的秩：1，2，5，6，4，3 Y的秩：5，3，6，4，2，1 分别用Spearman等级相关系数及Kendall秩相关系数分析两位裁判员评分的相关程度。
论文投稿领域：数理经济与计量经济学 非参数统计检验方法的应用 阮曙芬1 程娇翼 1 张振中2 （1.中国地质大学数理学院，武汉 430074；2.中南大学数学科学与计算学院，长沙 410075） 摘要：本文对非参数统计中常用的三种假设检验方法进行了简单的介绍。运用 Kruskal-Wallis 检验方法对2002年前三季度的上海股市综合指数收益率数据进行了周末效应的检验，结果表明2002年上海股市综合指数收益率不具有周末效应。 关键字：符号检验；Wilcoxon 秩和检验；Kruskal-Wallis 检验 1引言 非参数统计是统计分析的重要组成部分。非参数假设检验是在总体分布未知或者总体分布不满足参数统计对总体所做的假定的时候，分析样本特点，寻找相应的非参数检验统计量。本文就是以此为出发点，介绍了非参数统计中假设检验常用的几个检验方法：符号检验、Wilcoxon 秩和检验和Kruskal-Wallis 检验，然后结合具体的问题和数据，在统计软件SAS 中作相应的非参数检验。 2非参数假设检验介绍 2.1 配对样本的符号检验 符号检验是根据正、负符号进行假设检验的方法。这种检验方法用于配对设计数值变量资料的假设检验，常常是差值不服从正态分布或者总体分布未知的情况下不能用t 检验的时候使用。其原理是对差值进行编制并冠以符号，然后对正负秩和进行比较检验。 设随机变量12,,...,n X X X 相互独立同分布，分布为()F x ，()F x 在0x =连续。假设检验问题 2.2 两独立样本的Wilcoxon 秩和检验 Wilcoxon 秩和检验的理论背景如下：有两个总体，一个总体的样本为12,,...,n X X X ，相互独立同分布，分布为()F x ；另一个样本为12,,...,n Y Y Y ，相互独立同分布，分布为()G x ，()F x ， ()G x 连续。问随机变量Y 是否随机大于随机变量X ，即检验
非参数统计分析方法 一单样本问题 1，二项式检验：检验样本参数是否与整体参数有什么关系。 样本量为n给定一个实数MO（代表题目给出的分位点数），和分位 点口（0.25,0.5,0.75）。用S-记做样本中比M0小的数的个数，S+记做样本中比M0大的数的个数。如果原假设H0成立那么S-与n的比之应为n。 H0：M=M0 HI: M k MO或者M>M（或者M H1 ：不是随机的（混合倾向，游程多，长度短）（成群倾向，游程少，长度长) Spss步骤：分析一非参数检验一游程 得出统计量R 和p 值 当p值小于0.05时拒绝原假设，没有充足理由证明该数据出现是随机的二，两个样本位置问题 1，Brown —Mood 中位数检验 给出两个样本比较两个样本的中位数或者四分位数等是否相等或者有一定关系，设一个中值为M1，—个为M2 H0：M1=M2. HI: M1H M2或者M1>M或者M1 中国海洋大学本科生课程大纲 课程属性：公共基础/通识教育/学科基础/专业知识/工作技能，课程性质：必修、选修 一、课程介绍 1.课程描述： 非参数统计是数理统计学的一个分支，它是针对参数统计而言的。所谓参数统计，简 单地说就是建立在总体具有明确分布形式，通常多为正态分布形式的假定基础之上，所建立 的统计理论和统计方法。而非参数统计是在不假定总体分布形式或在较弱条件下，例如总体 分布形式完全未知或分布形式是对称的，诸如这样一些宽泛条件下，尽量从数据本身获 得的信息，建立对总体相关统计特征进行分析和推断的理论、方法。 2.设计思路： 本课程是在已学数理统计基础上，通过非参数统计的学习，引导数学专业学生进一步增强对一般总体分析、推断的能力并加深对相关理论和方法的理解。 课程内容着重于基本知识点的理解，避免难度较大或较长定理的证明。目的是使学生对理论有一个基本的理解和在应用能力上的提高。课程内容包括以下四个方面： (1).非参数统计的基本概念：非参数统计方法的主要特点，次序统计量及其分布，U统计量， 秩统计量的概念，一些统计量的近似分布。 (2).非参数估计的方法：总体分位数的估计，对称中心的估计，位置差的估计。 (3).非参数检验的方法：总体p分位数的检验，总体均值检验，两样本的比较，随机性与 独立性检验，多总体的比较。 - 1 - (4).总体分布类型的估计与检验：分布函数的估计与检验，概率密度估计。 3. 课程与其他课程的关系： 先修课程：《概率论》，《数理统计》，《多元统计分析》；并行课程：《应用回归分析》；后置课程：《统计软件》。 非参数统计是应用数学专业、信息与计算科学专业的选修课程，但对于今后从事统计研究和统计应用工作的学生来讲可以作为专业必修课学习。 二、课程目标 非参数统计具有应用性广，稳健性好等特点。通过本课程学习，要求学生了解或理解非参数统计的一些基本理论和方法，注重利用理论和方法、借助计算机解决问题的能力。开课学期结束时，要求学生能够做到： (1)理解非参数统计方法的主要特点及与参数统计方法的区别。掌握次序统计量及其分布；理解并掌握U统计量秩统计量的概念；理解一些常用统计量的近似分布。重点是次序统计量及其分布； U统计量构造，秩统计量； (2)掌握总体分位数估计、对称中心的估计、位置差估计的方法。 (3)理解各种检验的基本思想，掌握检验的一般步骤，掌握检验统计及其拒绝域。难点在于检验统计量的选取及概率分布。 (4)理解分布函数估计及检验的基步骤和过程。 (5)为更深入学习非参数统计学理论打下初步的基础。也为学习专业统计软件的作好准备。 三、学习要求 要完成所有的课程任务，学生必须： （1）按时上课,认真听讲，认真完成作业。其中有一些作业需要学生自编程序用机器完成。（2）按时完成并按时提交书面形式的作业。延期提交作业需要得到任课教师的许可。 （3）完成一定量的阅读文献和背景资料，可以以小组的形式讨论学习，促进同学间的心得交 - 1 - 《非参数统计》课程实验教学大纲 大纲制定（修订）时间： 2017 年 6 月 课程名称：《非参数统计》课程编码：090531007 课程类别：专业基础课课程性质：必修 适用专业：应用统计学 课程总学时：40 实验（上机）计划学时：8 开课单位：理学院 一、大纲编写依据 1.应用统计学专业2017版教学计划； 2.应用统计学专业《非参数统计》理论教学大纲对实验环节的要求； 3.近年来《非参数统计》实验教学经验。 二、实验课程地位及相关课程的联系 1. 非参数统计是应用统计学专业学生的一门专业基础必修课。 2.本实验以《概率论与数理统计》为先修课； 3.与《数理统计》课程相辅相成。 三、实验目的、任务和要求 1.开设本课程的目的是为了满足日后学生参加统计调查实践工作的需要。 2.掌握单样本模型、两样本位置模型、多样本分类数据模型中的各种非参数统计检验方法，以及检验尺度参数是否相等的各种非参数方法，掌握各种回归的方法，掌握分布检验的各种方法，通过利用各种统计软件（包括SPSS、R软件）实现对样本调查数据的处理与分析，能在真实案例中应用相应的方法。 四、教学方法、教学形式、教学手段的特色 1.每个实验由教师指定实验内容及要求，由学生独立完成上机操作，得出正确的结果。 2.学生要书写实验报告，记录式样结果。 五、实验内容和学时分配 实验一位置参数的检验在统计软件中的实现 1、实验目的：掌握单样本、两样本和多样本位置参数的检验在统计软件中的实现过程。 2、实验要求：将操作过程及结果书写出来，并且将结果截图后贴在实验报告上。 3、实验内容：根据实际问题，个人设计检验总体，获取数据，进行检验。 4、主要仪器设备及试剂：（据实选填）计算机·50台·SPSS/EXCEL软件 实验二尺度参数的检验在统计软件中的实现 1、实验目的：掌握两样本和多样本尺度参数的检验在统计软件中的实现过程。 2、实验要求：把操作过程及结果书写出来，并且上交实验报告。 3、实验内容：根据实际问题，个人设计检验总体，获取数据，进行检验。 4、主要仪器设备及试剂：（据实选填）计算机·50台·SPSS/EXCEL软件 实验三相关与回归分析在统计软件中的实现 1、实验目的：掌握Spearman秩相关检验、Kendall协同检验与Theil回归在统计软件中的实现过程，并与Pearson相关系数与一元线性回归分析比较。 2、实验要求：将各种结果相对照，最后把操作过程及结果书写出来，并且上交实验报告。 3、实验内容：根据实际问题，个人设计检验总体，获取数据，进行检验。 4、主要仪器设备及试剂：（据实选填）计算机·50台·SPSS/EXCEL软件 实验四Kolmogorov-Smirnov检验在统计软件中的实现 1、实验目的：掌握Kolmogorov-Smirnov检验在统计软件中的实现过程，并与卡方检验结果对照。 2、实验要求：将结果相对照，最后把操作过程及结果书写出来，上交实验报告。 3、实验内容：根据实际问题，个人设计检验总体，获取数据，进行检验。 4、主要仪器设备及试剂：（据实选填）计算机·50台·SPSS/EXCEL软件 六、教材（讲义、指导书） 《非参数统计》，吴喜之，赵博娟，中国统计出版社，2013. 七、考核方法和评分标准 1.按照大纲要求，根据每个学生实验前的预习准备，实验过程的考查，实验操作情况及实验报告的质量，综合给出实验成绩。 2.评分等级 评分成绩分优、良、中、及格和不及格五个等级。 优：90分以上 良：80-89分 中：70-79分 及格：60-69分 不及格：59分及以下 具体评定标准如下： 优：实验纪律、预习、操作技能很好，实验报告书写工整无原则错误； 良：实验纪律、预习、操作技能较好，实验报告中原则错误不超过一个； 中：实验纪律、预习、操作技能一般，实验报告中原则错误不超过两个； 及格：实验纪律、预习、操作技能较差，实验报告中原则错误不超过三个； 不及格：实验中严重违章违纪，预习、实验技能均较差，实验报告中数据严重错误。 八、使用说明 1.本实验教学大纲一般随课程进度进行安排，也可集中安排； 每小题20分 1. 下面是DMBA 公司为了研究某一种癌症所做的试验。Group 1和2分别代表试验的控制组和对照组。下面是所得的试验老鼠的生存数据，*代表数据被右删失。请回答下面问题： Group 1: 164 188 190 192 206 209 213 216 220 230 234 246 265 304 216* 244* Group 2: 156 163 198 205 232 233 239 240 261 280 296 323 204* 344* 1）请给出非参数的Kaplan-Meier 估计的公式，并计算在时间点t=156,164这两点的具体估计值,若假设在t=164处被删失，计算此处的估计值。 2）如果协变量分别取为1和0，请用Cox 模型模拟上述数据，给出计算协变量的系数的相关公式； 3）给出Kaplan-Meier 估计的Matlab 程序。 2． 下面是16个学生的体能测试数据： P81例3.14 82 53 70 73 103 71 69 80 54 38 87 91 62 75 65 77。 1） 请用顺序统计量方法构造置信度为95％的中位数的置信区间； 2） 编写上述计算的Matlab 程序 3． 下面是申请进入法学院学习的学生的LSAT 测试成绩和GPA 成绩。 LSAT: 576 635 558 578 666 580 555 661 651 605 653 575 545 572 594 GPA: 3.39 3.30 2.81 3.03 3.44 3.07 3.00 3.43 3.36 3.13 3.12 2.74 2.76 2.88 3.96 每个数据点用(,),i i i X Y Z 其中i Y 表示LSAT 成绩，i Z 表示GPA 成绩 1） 计算i Y 和i Z 的Pearson 相关系数 （只写出公式）; (5分) 2） 使用Boostrap 方法估计相关系数的标准误差（只写出算法步骤）；（5分） 3） 编写相应的Matlab 程序。（10分） 第二讲非参数检验 1. 实验目的 1. 了解非参数假设检验基本思想； 2. 会用SAS 软件中的proc nparlway 过程进行非参数假设检验和 proc freq 过程 进行列联表的独立性检验。 2. 实验要求 1. 会用SAS 软件建立数据集，并进行统计分析； 2. 掌握proc nparlway 过程进行非参数假设检验的基本步骤； 3. 掌握proc freq 过程进行列联表的独立性检验的基本步骤。 3. 实验基本原理 3.1符号检验 H 0:两种方法的处理效果无显著性差异 令 li = * 1 第i 个个体中新方法优于对照方法 .0 第i 个个体中新方法劣于对照方法 i=1,2,|||,N 统计里S N N =瓦I i i T S N 表示新方法的处理效果优于对照方法的配对组总数。 若新方法的处理效果显著的优于对 照方法，则S N 的值应明显偏大。因此，若对给定的置信水平 ［，有 P 「S N - 八 则拒绝H 0。 1 N N (1) S N 服从二项分布b(N ,-) E(S N ) ,Var (S N ) 。拒绝域为: 2 2 4 'S N S N c ； H 。为真时, (2)由中心极限定理可知，当 的零分布趋于标准正态分布 3.2 Wilcox on 秩和检验 (1)单边假设检验 H o :两种方法的处理效果无显著性差异 as H i ::新方法优于对照方法。 n 用于检验H o 的统计量为：W s I i i 4 若对给定的置信水平，有P [W s - C 「：〉，则拒绝H o 。且W s 的分布列为: P H °{W S = w #{w ；n ，m} ' 了 N 、 1 1 n 根据观测结果计算W s 的观测值W s 0，计算检验的p 值: p= P H o {W s - W s }八 P H °{W S 二 k} k _w s 然后将p 值与显著水平：?作比较，若p ：：： :?，则拒绝H 0，否则接受H 0。 (2)双边假设检验 给定的显著水平:-,C |和c 2应该满足: P H 0{W A 乞 c 1} P H 0{W A - c 2} = 仅由上式还不能唯一确定 &和C 2，当我们对两种方法谁优谁劣不得而知时，通常取 P H °{W A 22 c 1} = P H °{W A - c 2} = ~ 若利用p 值进行检验，设 W A 的观测值为'A ,计算概率值 P H °{W A - A }或P H °{W A 「A } 由对称性可知，检验的p 值为上述两概率中小于1/2的那一个的2倍。例如 0 乞 P H °{ W A - ' A ^V 2 则 p = 2P H 0{W A - ? ■ A }。求出 p 值后，若 p 《非参数统计》课程教学大纲 课程代码：090531007 课程英文名称：Non-parametric Statistics 课程总学时：40 讲课：32 实验：8 上机：0 适用专业：应用统计学 大纲编写（修订）时间：2017.6 一、大纲使用说明 （一）课程的地位及教学目标 《非参数统计》是应用统计学专业的一门专业基础课，是统计学的一个重要分支。课程主要研究非参数统计的基本概念、基本方法和基本理论。本课程在教学内容方面除基本知识、基本理论和基本方法的教学外，着重培养学生的统计思想、统计推断和决策能力。 通过本课程的学习，学生将达到以下要求： 1．掌握非参数统计方法原理、方法，具有统计分析问题的能力； 2．具有根据具体情况正确选用非参数统计方法，正确运用非参数统计方法处理实际数据资料的能力； 3．具有运用统计软件分析问题，对计算结果给出合理解释，从而作出科学的定论的能力； 4．了解非参数统计的新发展。 （二）知识、能力及技能方面的基本要求 1.基本知识：掌握符号检验、Wilcoxon符号秩检验、Cox-Stuart趋势检验、游程检验、Brown-Mood中位数检验、Wilcoxon秩和检验、Kruskal-Wallis检验、Jonckheere-Terpstra检验、Friedman检验、Page检验、Siegel-Tukey检验、Mood检验、Ansari-Bradley检验、Fligner-Killeen检验等非参数统计方法。 2.基本理论和方法：掌握单样本模型、两样本位置模型、多样本数据模型中的位置参数非参数统计检验方法，掌握检验尺度参数是否相等的各种非参数方法，掌握各种回归的方法，掌握分布检验的各种方法，要求能在真实案例中应用相应的方法。 3.基本技能：掌握非参数统计方法的计算机实现。 （三）实施说明 1. 本大纲主要依据应用统计学专业2017版教学计划、应用统计学专业建设和特色发展规划和沈阳理工大学编写本科教学大纲的有关规定并根据我校实际情况进行编写。 2．教学方法：课堂讲授中要重点对基本概念、基本方法和解题思路的讲解；采用启发式教学，培养学生思考问题、分析问题和解决问题的能力；引导和鼓励学生通过实践和自学获取知识，培养学生的自学能力；增加讨论课，调动学生学习的主观能动性；注意培养学生提高利用统计软件分析问题的能力。讲课要联系实际并注重培养学生的创新能力。 3．教学手段：在教学中采用多媒体教学系统等先进教学手段，以确保在有限的学时内，全面、高质量地完成课程教学任务。 （四）对先修课的要求 本课程的教学必须在完成先修课程之后进行，本课程的先修课程为概率论与数理统计。要求学生取得概率论与数理统计课程学分。 （五）对习题课、实践环节的要求 1. 对重点、难点章节应安排习题课，例题的选择以培养学生消化和巩固所学知识，用以解决实际问题为目的。非参数统计
《非参数统计》实验教学大纲
非参数统计——期末试卷
第二讲-非参数统计检验
《非参数统计》教学大纲
相关主题
文本预览