实验报告
非参数检验
学院:
参赛队员:
参赛队员:
参赛队员:
指导老师:
目录
一、实验目的 (1)
1.了解假设检验的基本内容； (1)
2.了解卡方检验； (1)
3.了解二项分布检验； (1)
4.了解两个独立样本检验； (1)
5.学会运用spss软件求解问题； (1)
6.加深理论与实践相结合的能力。 (1)
二、实验环境 (1)
三、实验方法 (1)
1.卡方检验； (1)
2.二项分布检验； (1)
3.两个独立样本检验。 (1)
四、实验过程 (1)
问题一： (1)
1.1实验步骤 (2)
1.1.1输入数据 (2)
1.1.2选择：数据 加权个案 (2)
1.1.3选择：分析→非参数检验→旧对话框→卡方 (2)
1.1.4将变量面值放入检验变量列表 (3)
1.1.5观察结果 (3)
1.2输出结果 (3)
1.3结果分析 (3)
问题二： (3)
2.1问题叙述 (3)
2.2提出假设 (4)
2.3实验步骤 (4)
2.3.1导入excel文件数据 (4)
2.3.2二项分布检验 (5)
2.3.3输出结果 (6)
2.4结果分析 (6)
问题三： (6)
3.1实验步骤 (6)
3.1.1数据的输入 (6)
3.1.2选择 (7)
3.1.3检验变量 (7)
3.2输出结果 (7)
3.3结果分析 (9)
五、实验总结 (9)
参数检验
一、实验目的
1.了解假设检验的基本内容；
2.了解卡方检验；
3.了解二项分布检验；
4.了解两个独立样本检验；
5.学会运用spss软件求解问题；
6.加深理论与实践相结合的能力。
二、实验环境
Spss、office
三、实验方法
1.卡方检验；
2.二项分布检验；
3.两个独立样本检验。
四、实验过程
问题一：
1.1实验步骤
1.1.1输入数据
1.1.2选择：数据 加权个案
1.1.3选择：分析→非参数检验→旧对话框→卡方
非参数检验
1.1.4将变量面值放入检验变量列表，期望全距从数据中获取，期望值所有类别相等
1.1.5观察结果
1.2输出结果
1.3结果分析
此处，sig值为0.111>0.05，所以接受原假设，认为样本来自的总体分布形态与期望分布不存在显著差异，则认为该骰子均匀
问题二：
2.1问题叙述
掷一个硬币31次，结果见下表，检验硬币是否均匀
H0:硬币不是均匀的vs H1:硬币是均匀的
2.3实验步骤
2.3.1导入excel文件数据
先将数据输入进excel表格中，用SPSS打开；在SPSS页面点击文件→打开→数据
非参数检验
2.3.2二项分布检验
旧对话框→二项式
选择：分析→非参数检验→
2.3.3输出结果
2.4结果分析
由输出结果知，精确显著性（双侧）=1.000>0.05，所以接受原假设H0，所以硬币不是均匀的。
问题三：
3.1实验步骤
3.1.1数据的输入
将甲、乙两种安眠药编号为1、2，在SPSS页面输入数据
非参数检验
3.1.2选择：分析→非参数检验→旧对话框→2个独立样本
3.1.3检验变量列表选择睡眠延长时数，分组变量选择药品编号（1 2），勾选四个检验类型；
3.2输出结果
Mann-Whitney 检验
检验统计量b
睡眠延长时
数
Mann-Whitney U 21.000
Wilcoxon W 76.000
Z -1.962
渐近显著性(双侧) .050
Moses 检验
频率
药品编号N
睡眠延长时数1 （控制）9
2 （试验）10
总数19
检验统计量a,b
睡眠延长时
数
控制组观察跨度14
显著性（单侧）.091
修整的控制组跨度
13 显著性（单侧）.570
从每个末端修整的离群者 1
a. Moses 检验
b. 分组变量: 药品编号
非参数检验
Kolmogorov-Smirnov Z 1.088 渐近显著性(双侧) .187 a. 分组变量: 药品编号
Wald-Wolfowitz 检验
频率
药品编号N
睡眠延长时数1 9
2 10 总数19
3.3结果分析
原假设
0:0
d
H m=
备择假设
1:0
d
H m1
由Mann-Whitney检验可以看出0.0530.05
sig=>，甲乙两种药物的疗效有差异；
由Moses检验可以看出0.0910.05
sig=>，甲乙两种药物的疗效有差异；
由双样本Kolmogorov-Smirnov检验可以看出0.1870.05
sig=>，甲乙两种药物的疗效有显著差异；
由Wald-Wolfowitz检验可以看出0.1750.05
sig=>，甲乙两种药物的疗效有显著差异；由以上四个检验综合分析出甲乙两种药物的疗效有显著性差异。
五、实验总结
在假设检验实验的学习中，通过实验操作可使我们加深对假设检验的理解，学习和掌握spss软件的基本方法，并能进一步熟悉和掌握spss软件的操作方法，培养我们分析和解决实际问题的基本技能，提高我们的综合素质；通过实验可以使我们分清卡方检验、二项分布检验、两个独立样本检验，更加全面地理解假设检验，同时也锻炼了同学的动手操作能力，让同学们学会理论与技术相结合共同解决数学上的问题，提高了同学们的综合素质。
北京建筑大学 理学院信息与计算科学专业实验报告 课程名称《数据分析》实验名称数据的基本统计与非参数检验实验地点基C-423 日期2016 . 3 .17 姓名班级学号指导教师成绩 【实验目的】 （1）熟悉数据的基本统计与非参数检验分析方法； （2）熟悉撰写数据分析报告的方法； （3）熟悉常用的数据分析软件SPSS。 【实验要求】 根据各个题目的具体要求，完成实验报告 【实验内容】 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分别对数据的“家庭收入”、“现住面积”，进行数据的基本统计量分析，撰写相应的分析报告； 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分别分析不同学历对家庭收入、现住面积是否有显著影响，撰写相应的分析报告。 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分析家庭收入与10000元是否有显著差异，撰写相应的分析报告。 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分析婚姻状况对家现住面积是否有显著影响，撰写相应的分析报告。 根据附件“减肥茶数据”给出的相关数据，请选用恰当的分析方法，分析该减肥茶对减肥是否有显著影响，撰写相应的分析报告。 【分析报告】 1. 表一家庭收入和现住面积的基本描述统计量 家庭收入现住面积 N 有效2993 2993 缺失0 0 均值17696.1567 62.7241
均值的标准误279.64310 .47349 中值15000.0000 60.0000 众数10000.00 60.00 标准差15298.80341 25.90383 方差 2.341E8 671.008 偏度 5.546 .910 偏度的标准误.045 .045 峰度55.425 3.078 峰度的标准误.089 .089 百分位数25 10000.0000 45.0000 50 15000.0000 60.0000 75 20000.0000 80.0000 表一说明， 家庭收入方面： 被调查者中家庭收入的均值为17696.16元，中值为15000元，普遍收入为10000元； 家庭收入的标准差和方差都相对较大，所以，各家庭收入之间有明显的差异； 偏度大于零，说明右偏；峰度大于零，说明数据呈尖峰分布； 由家庭收入的四分位数可知，25%的家庭，收入在10000以下，有50%的家庭，收入在15000以下，有75%的家庭，收入在20000以下； 现住面积方面： 被调查者中现住面积的均值为62.724平方米，中值为60平方米，普遍面积为60平方米； 现住面积的标准差和方差都相对较大，所以，各家庭现住面积之间有明显的差异； 偏度近似等于零，说明现住面积数据对称分布；峰度大于零，说明现住面积数据为尖峰分布； 由现住面积的四分位数可知，25%的家庭，现住面积为45平方米以下，有50%的家庭，现住面积在60平方米以下，有75%的家庭，现住面积在80平方米以下。 图一：家庭收入直方图 该图表明，家庭收入分布存在一定的右偏。 图二：现住面积直方图
第一节 非参数检验的基本概念及特点 一、非参数检验 （一）什么是“非参数” 非参数模型：缺乏总体分布模式的信息。 （二）非参数检验的定义 非参数检验：不需要假设总体是否为正态分布或方差是否为齐性的假设检验称非参数检验。 （三）非参数检验的优点和缺点： 1、优点： 一般不涉及总体参数，其假设前提也比参数假设检验少得多，适用面较广。 计算简便。 2、缺点： 统计效能远不如参数检验方法。由于当数据满足假设条件时，参数统计检验方法能够从其中广泛地充分地提取有关信息。非参数统计检验方法对数据的限制较为宽松，只能从中提取一般的信息,相对参数统计检验方法会浪费一些信息。 （四）非参数检验的特点： 1、它不需要严格的前提假设； 2、特别适用于顺序数据； 3、适用于小样本，且方法简单； 4、最大的不足是不能充分利用资料的全部信息； 5、不能处理“交互作用”，即多因素情况。 第二节 两个独立样本的非参数检验方法 一、秩和检验法 秩和即秩次的和或等级之和。秩和检验法也叫Mann-Whitney-Wilcoxon 检验，它常被译为曼－惠特尼－维尔克松检验，简称M-W-W 检验，也称Mann-Whitney U 检验。秩和检验法与参数检验法中独立样本的t 检验法相对应。当“总体正态”这一前提不成立时，不能用t 检验，可以用秩和检验法。 （一）秩统计量 秩统计量指样本数据的排序等级。假设从总体中反复抽取样本，就能得到一个对应于样本容量1n 和2n 的秩和U 的分布。这是一个间断而对称的分布，当1n 和2n 都大于10时，秩和T 的分布近期近似正态分布，其平均数和标准差分别为 () 21211++= n n n T μ ()12121 21++=n n n n T σ 其检验值为
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
第十一章非参数检验 第一节符号检验 符号检验的方法·符号检验的特点和作用 第二节配对符号秩检验 配对符号秩检验的方法·配对符号秩检验的效力 第三节秩和检验 秩和检验的方法·秩和检验的近似 第四节游程检验 游程的概念·游程检验的方法·差符号游程检验 第五节累计频数检验 累计频数检验的方法·累计频数检验的应用 一、填空 1．非参数检验，泛指“对分布类型已知的总体进行参数检验”（）的所有检验方法。 2．符号检验的零假设就是配对观察结果的差平均起来等于（）。 3．理论研究表明，对于配对样本非正态分布的差值d，（）是最佳检验。 4．秩和检验检验统计量U是U1和U2中较（）的一个。 5．秩尺度之统计量的均值和标准差只取决于（）。 6．（）常被用作经验分布与理论分布的比较。 7．绝对值相等的值，应将它们的秩（）。 8．符号检验，在分布自由检验中称为（）。 9．符号检验和配对符号秩检验，都只适用于（）样本。 10．数据序列ABBABAAABABBABBAAAAAB的总游程数是（） 二、单项选择 1．下列检验中，不属于非参数统计的方法的是（）。 A总体是否服从正态分布 B 总体的方差是否为某一个值 C 样本的取得是否具有随机性 D 两组随机变量之间是否相互独立 2．下列情况中，最适合非参数统计的方法是（）。 A反映两个大学新生成绩的差别 B 反映两个大学新生家庭人均收入的差别 C 反映两个大学三年级学生对就业前景的看法差别 D反映两个大学在校生消费水平的差别 3．不属于非参数检验的是（）。 A符号检验B游程检验C累计频数检验 D F检验 4．在累计频数检验中，卡方的自由度为（）。 A n1 B 2 C n2 D n1+n2
假设检验（二）——非参数检验 假设检验的统计方法，从其统计假设的角度可分为两类：参数检验与非参数检验。上一节我们所介绍的Z 检验、t 检验，都是参数检验。它们的共同特点是总体分布正态，并满足某些总体参数的假定条件。参数检验就是要通过样本统计量去推断或估计总体参数。然而，在实践中我们常常会遇到一些问题的总体分布并不明确，或者总体参数的假设条件不成立，不能使用参数检验。这一类问题的检验应该采用统计学中的另一类方法，即非参数检验。非参数检验是通过检验总体分布情况来实现对总体参数的推断。 非参数检验法与参数检验法相比，特点可以归纳如下： （1）非参数检验一般不需要严格的前提假设； （2）非参数检验特别适用于顺序资料； （3）非参数检验很适用于小样本，并且计算简单； （4）非参数检验法最大的不足是没能充分利用数据资料的全部信息； （5）非参数检验法目前还不能用于处理因素间的交互作用。 非参数检验的方法很多，分别适用于各种特点的资料。本节将介绍几种常用的非参数检验方法。 一．2 χ检验 2χ检验主要用于对按属性分类的计数资料的分析，对于数据资料本身的分布形态不作任何 假设，所以从一定的意义上来讲，它是一种检验计数数据分布状态的最常用的非参数检验方法。 2χ检验的方法主要包括适合性检验和独立性检验。 （一）2 χ检验概述 2χ是实得数据与理论数据偏离程度的指标。其基本公式为： ∑-=e e f f f 2 02 )(χ (公式11—9) 式中，0f 为实际观察次数，e f 为理论次数。 分析公式可知，把实际观测次数和依据某种假设所期望的次数（或理论次数）的差数平方，除以理论次数，求出比值，再将n 个比值相加，其和就是2 χ。观察公式可发现，如果实际观察
实验报告 ——（非参数检验） 实验目的： 1、学会使用SPSS软件进行非参数检验。 2、熟悉非参数检验的概念及适用范围，掌握常见的秩和检验计算方法。 实验内容： 1、某公司准备推出一个新产品，但产品名称还没有正式确定，决定进行抽样调 查，在受访200人中，52人喜欢A名称，61人喜欢B名称，87人喜欢C 名称，请问ABC三种名称受欢迎的程度有无差别？(数据表自建) SPSS计算结果如下： 此题为总体分布的卡方检验。 零假设：样本来自总体分布形态和期望分布没有显著差异。即ABC三种名称受欢迎的程度无差别,分布形态为1：1：1，呈均匀分布。 观察结果，上表为200个观察数据对A、B、C三个名称（分别对应1，2，3）的喜爱的期望频数以及实际观察频数和期望频数的差。从下表中可以看出相伴概
率值为0.007小于显著性水平0.05，因此拒绝零假设，认为样本来自的总体分布与制定的期望分布有显著差异，即A、B、C三种名称受欢迎的程度有差异。 2、某村庄发生了一起集体食物中毒事件，经过调查，发现当地居民是直接饮用 河水，研究者怀疑是河水污染所致，县按照可疑污染源的大致范围调查了沿河居民的中毒情况，河边33户有成员中毒（+）和均未中毒（-）的家庭分布如下：（案例数据run.sav） -+++*++++-+++-+++++----++----+---- 毒源 问：中毒与饮水是否有关？ SPSS计算结果如下： 此题为单样本变量值随机检验 零假设：总体某变量的变量值是随机出现的。即中毒的家庭沿河分布的情况随机分布，与饮水无关。 相伴概率为0.036，小于显著性水平0.05，拒绝零假设，因此中毒与饮水有关。 3、某试验室用小白鼠观察某种抗癌新药的疗效，两组各10只小白鼠，以生存日数作为观察指标，试验结果如下，案例数据集为：npara1.sav，问两组小白鼠生存日数有无差别。 试验组：24 26 27 30 32 34 36 40 60 天以上 对照组：4 6 7 9 10 10 12 13 16 16 SPSS计算结果如下： 此题为两独立样本非参数检验。 （1）两独立样本Mann-Whitney U检验：
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 标题：视觉简单反应时实验报告 作者：孙洁肖红艳普凤梅 班级：09应用心理学 学号：20091740107 20091740109 20091740126 日期：2011年6月24日 视觉简单反应时实验报告 孙洁（20091740107）肖红艳（20091740109）普凤梅（20091740126） （云南民族大学教育学院2009级应用心理学专业昆明 650031） 摘要：本实验采用闪电测反应速度测定装置测量了35名被试的视觉简单反应时，计算了其中3名被试的视觉简单反应时均值及标准差，进行了相应的比较；并对35名被试进行了视觉简单反应时的差异显著性检验，经过分析得到实验结果：（1）3名被试的视觉简单反应时存在很大的差异，特别是被试3的反应时与被试1、被试2的差异很明显；（2）全体被试的视觉简单反应时存在显著性差异，但在35名被试内进行的性别与组别的T检验都得出被试简单反应时不存在显著差别的结果，即本次实验没有存在练习效应。这与前人的实验研究结果相一致，也验证了实验假设的正确性。 关键词：简单反应时；视觉；差异 1.引言 1.1有关反应时的概念 反应时（简称RT）指刺激作用于有机体后到明显的反应开始时所需要的时间。刺激作用于感官引起感官的兴奋，兴奋传到大脑，并对其加工，再通过传出通路传到运动器官，运动反应器接受神经冲动，产生一定反应，这个过程可用时间作为标志来测量，这就是反应时。反应时最早由天文学家发现，后由生理学家和心理学家加以研究和发展。1873年，奥地利生物学家Exner首先提出“反应时间”这个概念。以后Wundt（冯特）把反应时间引用到他的心理实验室里，使得反应时间直接成为了心理学的研究课题。反应时是心理学研究中最重要的反应变量和指标之一，使用反应时作为指标的实验研究，曾对解决心理学理论问题和生活实际问题起到相当大的作用。 通常，反应时可分为简单反应时和选择反应时两类。简单反应时是指给被试呈现单一的刺激，只要求做单一的反应，并且两者是固定不变的，这时刺激与反应之间的时距就是简单反应时。简单反应时的实验已有一百多年的历史，最早始于天文学家对“人差方程”的研究，赫希（Hirsch, A.）在1861-1865 年间测量了视听与触觉的“生理时间”得到简单反应时的时值，光为180ms，声为140ms，触觉为140ms，这些数据到今天还算是相当标准的。 简单反应时比较短，并且具有通道差异性，因为感官换能的时间不同，研究表明训练有素的成人其视觉的简单反应时为150-230ms；此外反应时的个体差异也很大，所以我们提出假设：全体被试的视觉简单反应时存在显著性差异。 1.2实验目的 本实验涉及的是有关视觉简单反应时的研究。验的目的是：（1）学习视觉简单反应时的测定方法及其实验材料的整理与数据的处理；（2）学会比较视觉简单反应时的个体差异，分析全体被试视觉简单反应时是否存在显著性差异。1.3 实验指导语 这是一次视觉反应时间的测量实验，当你听到“预备”口令后，请你注意电脑屏幕的刺激呈现窗；当你看到闪电刺激后，就迅速按“OK”键（鼠标左键）上。不能提前按键或延迟较长时按键，否则测量无效，并重开一组。 非参数假设检验法及其运用 摘要：在国际金融危机下，以中国股市数据为依据，运用S-plus 统计分析软件和Excel ，对中国股市正态分布假设进行了Kolmogorv拟合优度检验，运用方差平方秩检验方法，比较分析了上证指数和深证综指的波动性。 关键字：股市；Kolmogorov拟合优度检验；秩检验。 引言：对中国股市分布的研究，国内各学者对中国股市进行了非参数检验。王金玉、李霞、潘德惠(2005)通过引入一种新的估计方法“非参数假设检验方法”，以达到对证券投资咨询机构，对证券市场大盘走势预测准确度的估计。周明磊(2004)运用非参数非线性协整检验，对上证指数与深成指间协整关系进行了研究，结论是：上证指数与深圳成指之间确实存在非线性的协整关系。方国斌(2007)从分析中国股市收益率序列的特征入手，寻找描述中国股市波动性特征的合适的统计模型。 在研究相关文献的基础上，将非参检验应用于中国股市统计特征的研究。运用Kolmogorov拟合优度检验，对中国股市进行了正态分布假设检验；运用方差平方秩检验方法，比较分析了上海指数和深圳综指的波动性。 正文： 一、Kolmogorov拟合优度检验以及方差的平方秩检验方法。 (一)Kolmogorov拟合优度检验 1. 原假设和备择假设 原假设H ：样本来自于正态分布总体。 备择假设H 1 ：样本不是来自于正态分布总体。 2. 检验统计量 令S (x) 是样本X 1、X 2 、…X n 、的经验分布函数，F*(x)是完全已知的假设分布函数， 则检验统计量T为S (x) 与F*(x)的最大垂直距离，即：T = sup| F*(x)- S (x)|。 3. P值计算 近似P值可以通过在表A13中插值得到，或者利用2倍的单边检验的P值。 单边P值= 1 )] 1( [ 1 1 - - - = ? ? ? ? ? + ? ? ? ? ? - - ?? ? ? ? ? ∑j j n t n j n j t n j t j n 这里t的是检验统计量的观测值，[n(1-t)] 且是小于等于n(1-t)的最大整数。当给定的显著性水平α大于或等于P值时，拒绝原假设。 在本文中，该检验是运用S-plus 统计分析软件实现的。 (二) 方差的平方秩检验 1. 原假设和备择假设 ( 1 ) 双边检验 1 原假设H ：除了它们的均值可能不同外，X和Y同分布。 第10章非参数检验 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 实验报告 非参数检验 学院: 参赛队员: 参赛队员: 参赛队员: 指导老师: 目录 一、实验目的 (1) 1.了解假设检验的基本内容； (1) 2.了解卡方检验； (1) 3.了解二项分布检验； (1) 4.了解两个独立样本检验； (1) 5.学会运用spss软件求解问题； (1) 6.加深理论与实践相结合的能力。 (1) 二、实验环境 (1) 三、实验方法 (1) 1.卡方检验； (1) 2.二项分布检验； (1) 3.两个独立样本检验。 (1) 四、实验过程 (1) 问题一： (1) 1.1实验步骤 (2) 1.1.1输入数据 (2) 1.1.2选择：数据 加权个案 (2) 1.1.3选择：分析→非参数检验→旧对话框→卡方 (2) 1.1.4将变量面值放入检验变量列表 (3) 1.1.5观察结果 (3) 1.2输出结果 (3) 1.3结果分析 (3) 问题二： (3) 2.1问题叙述 (3) 2.2提出假设 (4) 2.3实验步骤 (4) 2.3.1导入excel文件数据 (4) 2.3.2二项分布检验 (5) 2.3.3输出结果 (6) 2.4结果分析 (6) 问题三： (6) 3.1实验步骤 (6) 3.1.1数据的输入 (6) 3.1.2选择 (7) 3.1.3检验变量 (7) 3.2输出结果 (7) 3.3结果分析 (9) 五、实验总结 (9) 参数检验 一、实验目的 1.了解假设检验的基本内容； 2.了解卡方检验； 3.了解二项分布检验； 4.了解两个独立样本检验； 5.学会运用spss软件求解问题； 6.加深理论与实践相结合的能力。 二、实验环境 Spss、office 三、实验方法 1.卡方检验； 2.二项分布检验； 3.两个独立样本检验。 四、实验过程 问题一： S P S S的参数检验和非 参数检验 公司内部档案编码：[OPPTR-OPPT28-OPPTL98-OPPNN08] 实验报告 SPSS的参数检验和非参数检验 学期：_2013__至2013_ 第_1_学期 课程名称:_数学建模专业:数学 实验项目__SPSS的参数检验和非参数检验实验成绩：＿＿＿＿＿ 一、实验目的及要求 熟练掌握t检验及其结果分析。熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。 二、实验内容 使用指定的数据按实验教材完成相关的操作。 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验： 方式1：同一鼠喂不同的饲料所测得的体内钙留存量数据如下： 方式2：甲组有12只喂饲料1，乙组有9只喂饲料2，所测得的钙留存量数据如下： 请选用恰当方法对上述两种方式所获得的数据进行分析，研究不同饲料是否使幼鼠体内钙的留存量有显着不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至 周六各天三种品牌牛奶的日销售额数据，如下表所示： 请选用恰当的非参数检验方法，以恰当形式组织上述数据进行分析，并说明分析结论。 实验报告附页 三、实验步骤 （一） 方式1： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Paired-Samples T Test，出现窗口； 3、把检验变量饲料1，饲料2 选择到Paired Variables框，单击OK。方式2： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Independent-Samples T Test，出现窗口 3、选择检验变量饲料到Test Variable(s)框中。 4、选择总体标志变量组号到Grouping Variables框中。 5、单击Define Groups按钮定义两总体的标志值1、2，单击OK。 假设检验（二）——非参数检验 假设检验的统计方法，从其统计假设的角度可分为两类：参数检验与非参数检验。上一节我们所介绍的Z 检验、t 检验，都是参数检验。它们的共同特点是总体分布正态，并满足某些总体参数的假定条件。参数检验就是要通过样本统计量去推断或估计总体参数。然而，在实践中我们常常会遇到一些问题的总体分布并不明确，或者总体参数的假设条件不成立，不能使用参数检 验。这一类问题的检验应该采用统计学中的另一类方法，即非参数检验。非参数检验是通过检验总体分布情况来实现对总体参数的推断。 非参数检验法与参数检验法相比，特点可以归纳如下： （1）非参数检验一般不需要严格的前提假设； （2）非参数检验特别适用于顺序资料； （3）非参数检验很适用于小样本，并且计算简单； （4）非参数检验法最大的不足是没能充分利用数据资料的全部信息； （5 ）非参数检验法目前还不能用于处理因素间的交互作用。 非参数检验的方法很多，分别适用于各种特点的资料。本节将介绍几种常用的非参数检验方法。 一．2检验 2 检验主要用于对按属性分类的计数资料的分析，对于数据资料本身的分布形态不作任何假设，所以从一定的意义上来讲，它是一种检验计数数据分布状态的最常用的非参数检验方法。 2 2 检验的方法主要包括适合性检验和独立性检验。 （一）2检验概述 2 是实得数据与理论数据偏离程度的指标。其基本公式为： 2 （ f0 f e）（公式11—9） f e 式中，f0 为实际观察次数，f e 为理论次数。 分析公式可知，把实际观测次数和依据某种假设所期望的次数（或理论次数）的差数平方，除以理论次数，求出比值，再将n 个比值相加，其和就是2。观察公式可发现，如果实际观察 大理大学实验报告 课程名称生物医学统计分析 实验名称非参数检验（卡方检验） 专业班级 姓名 学号 实验日期 实验地点 2015—2016学年度第 2 学期 Fisher 的精确检验:精确概率法计算的卡方值（用于理论数E<5）。 不同的资料应选用不同的卡方计算方法。 例为2*2列联表，df=1，须用连续性校正公式，故采用“连续校正”行的统计结果。 X2=，P（Sig）=<，表明灭螨剂A组的杀螨率极显着高于灭螨剂B组。 例 表3 治疗方法* 治疗效果交叉制表 计数 治疗效果 123 合计 治疗方法11916540 21612836 31513735合计504120111 分析：表3是治疗方法* 治疗效果资料分析的列联表。 表4 卡方检验 X2值df渐进 Sig. (双侧) Pearson 卡方 1.428a4.839 似然比4.830线性和线性组合.5141.474 有效案例中的 N111 a. 0 单元格(.0%) 的期望计数少于 5。最小期望计数为。 分析：表4是卡方检验的结果。自由度df=4，表格下方的注解表明理论次数小于5的格子数为0，最小的理论次数为。各理论次数均大于5，无须进行连续性校正，因此可以采用第一行（Pearson 卡方）的检验结果，即 X2=，P=>,差异不显着，可以认为不同的治疗方法与治疗效果无关，即三种治疗方法对治疗效果的影响差异不显着。 例 表5 灌溉方式* 稻叶情况交叉制表 计数 稻叶情况 123 合计 灌溉方式114677160 2183913205 31521416182合计4813036547 分析：表5是灌溉方式* 稻叶情况资料分析的列联表。 第10章非参数检验 非参数检验是指在总体不服从正态分布或分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。 SPSS提供的非参数检验共有以下几种： Chi-Square：卡方检验（举例data16-01，data16-02） 在前面介绍的方法中，往往都事先假定总体服从正态分布，然后对其均值或方差作检验。但某个随机变量是否服从某种特定的分布是需要进行检验的。可以根据以往的经验或实际的观测数据的分布情况，推测总体可能服从某种分布函数F(x)，利用这些样本数据来具体检验该总体分布函数是否真的就是F(x)。卡方检验（Chi-Square）就是这样一种用来检验给定的概率值下数据来自同一总体的无效假设的方法。 data16-01：掷一颗六面体300次，用1、2、3、4、5、6分别代表六面的六个点，试问这颗六面体是否均匀。 表16—1 300次掷一颗六面体实验观测结果 data16-02：100名健康成年女子血清总蛋白含量，试它是否服从正态分布。 Binomial：二项检验（举例data16-03） 二项分布检验（Binomial test）是一种用来检验在给定的落入二项式中第一项概率值的前提下数据来自二项分布的无效假设的方法。（二项分布是从二分类总体抽得的随机样本中可能观察到的两类比例的抽样分布。这就是说，它给出了在零假设成立时两类比例的各种可能值。这里，零假设是指总体值为P的假设，当一项研究的“结果”可分为两类时，就可以用二项分布来检验零假设。这种检验属于拟合优度型。它告诉我们是否能够认为从样本中观察到的两类比例（或频数）来自于具有指定P值的总体。） data16-03：掷一枚球类比赛用的挑边器31次，出现A面、B面在上的次数见表16-3，取变量名为“tbh”，用数字型数据1代表“A”，用数字型数据1代表“B”，试问这枚挑边器是否均匀。 表16-3 31次掷一枚球类比赛用的挑边器实验观测结果 Runs：游程检验（举例data16-04） 例如，假定观察的结果用加、减号表示，得到一组这样的记录顺序： ++---++----++-+ 我们总共观察到7个游程。 游程检验是指根据游程数所作的二分变量的随机性检验。游程检验可用来检验样本的随机性，这对统计推断是很重要的，游程检验也可用来检验任何序列的随机性，而不管这个 评分 大理大学实验报告 课程名称生「物医学统计分析 实验名称非参数检验(卡方检验) 专业班级 实验日期实验地点 2015—2016学年度第一2 学期 、实验目的 对分类资料进行卡方检验。 、实验环境 1、硬件配置：处理器：In tel(R)Core(TM) i5-4210U CPU @1.7GHz 1.7GHz 安装内存(RAM): 4.00GB 系统类型：64位操作系统 2、软件环境：IBM SPSS Statistics 19.0 软件 三、实验内容 （包括本实验要完成的实验问题及需要的相关知识简单概述 ） （1） 课本第六章的例6.1-6.5运行一遍，注意理解结果； （2） 然后将实验指导书的例 1-4运行一遍，注意理解结果。 四、 实验结果与分析 （包括实验原理、数据的准备、运行过程分析、源程序（代码） 例6.1 分析：表1是灭螨A 和灭螨B 杀灭大蜂螨效果的样本分类的频数分析表，即交叉列联表。 表2卡方检验 b.仅对2x2表计算 分析：表2是卡方检验的结果。因为两组各自的结果互不影响，即相互独立。对于这种频数表 格式资料，在卡方检验之前必须用“加权个案”命令将频数变量定义为加权变量，才能 进行卡方检验。 Pearson 卡方：皮尔逊卡方检验计算的卡方值（用于样本数 n > 40且所有理论数E > 5）; 连续校正b ：连续性校正卡方值（df=1 ,只用于2*2列联表）； 似然比：对数似然比法计算的卡方值（类似皮尔逊卡方检验）； Fisher 的精确检验：精确概率法计算的卡方值（用于理论数 E<5）。 不同的资料应选用不同的卡方计算方法。 例6.1为2*2列联表，df=1，须用连续性校正公式，故采用“连续校正”行的统计结果。 X 2=7.944 , P （Sig ） =0.005<0.01，表明灭螨剂 A 组的杀螨率极显著高于灭螨剂 B 组。 例6.2 表3治疗方法*治疗效果交叉制表 计数 治疗效果 、图形图象界面等） 合计 西北农林科技大学实验报告 学院名称：理学院专业年级： 姓名：学号： 课程：数理统计学报告日期： 实验三非参数假设检验 一．实验目的 1.验证某产品的合格率是否是否低于0.9. 2.检验某地区儿童身高是否符合正态分布。 3.为研究心脏病猝死人数与日期的关系，收集到168个观测数据， 利用这批样本数据推断猝死人数与日期的关系是否为2.8：1：1：1：1：1：1. 4.某工厂用甲乙两种工艺生产同一种产品，利用样本数据检验两种 工艺下产品使用寿命是否存在显著差异。 二．实验要求 用spss实现非参数假设检验，包括二项式检验，单样本正态分布检验，两个独立样本检验，卡方检验。 三．实验内容 （一）验证某产品的合格率是否是否低于0.9. 打开文件“非参数检验（产品合格率）”，点击分析->非参数检验->旧对话框->二项式，把数据“是否合格”添加到检验变量列表，把检验比例默认的0.5该为题目要求的0.9（如图所示）。 点击确定得到结论（如图所示）。 结论： 0.80.90.1930.05(1p) 0.90.123w p P p n ????--??≥=>??-??????? 由上表知，SPSS 的悖假设检验案例比例小于0.9的，并且在精确显著（单侧）值sig=0.193>0.05，即接受原假设检验，即二项式检 验的案例比例是大于0.9的。 （二）检验某地区儿童身高是否符合正态分布。 打开文件“非参数检验（单样本KS-儿童身高）”，点击分析->非参数检验->旧对话框->1样本，把数据“周岁儿童的身高（sg）”添加到检验变量列表，检验分布默认为常规，即正态（如图所示）。 点击确定得到结论（如图所示）。 两个独立样本的非参数检验方法有哪四种 两独立样本的非参数检验是在对总体分布不很了解的情况下，通过分析样本数据，推断样本来自的两个独立总体分布是否存在显著差异。一般用来对两个独立样本的均数、中位数、离散趋势、偏度等进行差异比较检验。 一、Mann-Whitney U检验 主要通过对平均秩的研究来实现推断。 将数据按照升序进行排序，每一个具体数据都会有一个在整个数据中的名次或排序序号，这个名次就是该数据的秩。 相同观察值（即相同秩，ties），取平均秩。 两独立样本的Mann-Whitney U检验的零假设 H0：两个样本来自的独立总体均值没有显著差异。 将两组样本（X1 X2 …… Xm）(Y1 Y2 …… Yn)混合升序排序，每个数据将得到一个对应的秩。 计算两组样本数据的秩和Wx ，Wy 。 N=m+n Wx+Wy= N(N+1)/2 如果H0成立，即两组分布位置相同，Wx应接近理论秩和 m(N+1)/2； Wy 应接近理论秩和n(N+1)/2)。 如果相差较大，超出了预定的界值，则可认为H0不成立。 二、两个独立样本的K-S检验 K-S检验不仅能够检验单个总体的分布是否与某一理论分布差异显著，还能够检验两个总体的分布是否存在显著差异，其零假设是两组独立样本来自的两个总体的分布无显著差异。 两个独立样本K-S检验的基本思想与前面讨论的单样本K-S检验的基本思路大体一致。这里是以变量值的秩作为分析对象，而非变量值本身。其基本思路如下： ①首先，将这两组样本混合并按升序排序。 ②然后分别计算两组样本秩的累计频数和累计频率。 最后，计算累计频率之差，得到秩的差值序列并得到D统计量（同单样本K-S检验，但无需修正）。 三、游程检验（Wald-Wolfwitz Runs） 零假设是H0：为样本来自的两独立总体分布没有显著差异。 样本的游程检验中，计算游程的方法与观察值的秩有关。首先，将两组样本混合并按照升序排列。在数据排序时，两组样本的每个观察值对应的样本组标志值序列也随之重新排列，然后对标志值序列求游程。 如果计算出的游程数相对比较小，则说明样本来自的两总体的分布形态存在较大差距；如果得到的游程数相对比较大，则说明样本来自的两总体的分布形态不存在显著差距。 SPSS将自动计算游程数得到Z统计量，并依据正态分布表给出对应的相伴概率值。如果相伴概率小于或等于用户的显著性水平，则应拒绝零假设H0，认为两个样本来自的总体分布有显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设H0，认为两个样本来自的总体分布无显著差异。 四、极端反应检验 从另一个角度检验两独立样本所来自的两个总体分布是否存在显著差异。其零假设是来两独立样本来自的两个总体分布无显著差异。 极端反应检验的基本思想是将一组样本作为控制样本，另一组样本作为实验样本。以控制样本作为对照，检验实验样本相对于控制样本是否出现极端反应。如果试验样本没有出现极端反应，则认为两总体分布无显著差异，反之，则总体分布存在显著差异。 两个独立样本的非参数检验方法有4种 曼-惠特尼U检验（Mann—whitney U） 两个独立的曼-惠特尼U检验可用于对两个总体分布的比较判断。其零假设是两组独立样本来自的总体分布无显著差异。曼-惠特尼U检验通过对两组样本平均秩的研究来实现推断秩简单的说就是变量值排序的名次。 两个独立样本的K-S检验 K-S检验不仅能够检验单个总体的分布是否与某一理论分布差异显著，还能够检验两个总体的分布是否存在显著差异，其零假设是两组独立样本来自的两个总体的分布无显著差异。 两个独立样本K-S检验的基本思想与前面讨论的单样本K-S检验的基本思路大体一致。主要差别在于：这里是以变量值的秩作为分析对象，而非变量值本身。其基本思路如下： ①首先，将这两组样本混合并按升序排序。 ②然后分别计算两组样本秩的累计频数和累计频率。 ③最后，计算累计频率之差，得到秩的差值序列并得到D统计量（同单样本K-S检验，但无需修正）。 两独立样本的游程检验 单样本游程检验用来检验变量值的出现是否随机，而两个独立变量游程检验则用来检验两个独立样本来自的两个总体的分布是否存在显著差异。其零假设是两组独立样本来自的两个总体的分布无显著差异。 两独立样本的游程检验与单样本游程检验的基本思想相同，不同的是计算游程数的方法。两独立样本的游程检验中，又程数依赖于变量的秩。 步骤如下：首先，将两组样本混合并按升序排列，在变量值排序的同时，对应的组标记值也会随之重新排列。 然后，对组标记只序列按前面讨论的游程的方法计算游程数容易理解：如果两总体的分布存在较大的差距，那么游程数会相对比较少，如果游程数比较大，则应是两组样本充分混合的结果，那么总体的分布不会存在显著差异。 再次，根据游程数据计算Z统计量，该统计量近似服从正态分布。 极端反应检验 极端反应检验从另一个角度检验两独立样本所来自的两个总体分布是否存在显著差异。其零假设是来两独立样本来自的两个总体分布无显著差异。 极端反应检验的基本思想是将一组样本作为控制样本，另一组样本作为实验样本。以控制样本作为对照，检验实验样本相对于控制样本是否出现极端反应。如果试验样本没有出现极端反应，则认为两总体分布无显著差异，反之，则总体分布存在显著差异。 第1 页共1 页 建筑大学 理学院信息与计算科学专业实验报告 课程名称《数据分析》实验名称数据的基本统计与非参数检验实验地点基C-423 日期 2016 . 3 .17 班级学号指导教师成绩 （1）熟悉数据的基本统计与非参数检验分析方法； （2）熟悉撰写数据分析报告的方法； （3）熟悉常用的数据分析软件SPSS。 【实验要求】 根据各个题目的具体要求，完成实验报告 【实验容】 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分别对数据的“家 庭收入”、“现住面积”，进行数据的基本统计量分析，撰写相应的分析报告； 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分别分析不同学历 对家庭收入、现住面积是否有显著影响，撰写相应的分析报告。 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分析家庭收入与10000元是否有显著差异，撰写相应的分析报告。 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分析婚姻状况对家 现住面积是否有显著影响，撰写相应的分析报告。 根据附件“减肥茶数据”给出的相关数据，请选用恰当的分析方法，分析该减肥茶对减肥 是否有显著影响，撰写相应的分析报告。 【分析报告】 1. 表一家庭收入和现住面积的基本描述统计量 家庭收入现住面积 N 有效2993 2993 缺失0 0 均值17696.1567 62.7241 均值的标准误279.64310 .47349 中值15000.0000 60.0000 众数10000.00 60.00 标准差15298.80341 25.90383 方差 2.341E8 671.008 偏度 5.546 .910 偏度的标准误.045 .045 峰度55.425 3.078 峰度的标准误.089 .089 百分位数25 10000.0000 45.0000 50 15000.0000 60.0000 75 20000.0000 80.0000简单反应时实验报告
非参数假设检验法及其运用
第10章__非参数检验
非参数检验实验报告
SPSS的参数检验和非参数检验
假设检验——非参数检验
非参数检验卡方检验实验报告
第10章非参数检验(精)
非参数检验(卡方检验)实验报告
数理统计 实验三 非参数假设检验
两个独立样本的非参数检验方法有哪四种
两个独立样本的非参数检验方法有4种
数据的基本统计与非参数检验
相关主题
文本预览