下载文档原格式
两独立样本t检验和非参数检验的实证分析摘要：教学质量是靠具体课程完成，课程的建设是教学质量提升的重要环节和基本保证。
本文简述了概率论与数理统计重点课程建设的必要性，重点在于对课程建设前后分层随机抽样得来的样本进行实证分析。
实证分析主要从基本统计分析、参数检验、非参数检验三个大的方面进行，尤其是非参数检验方面，又具体利用了三种不同的检验法进行分析推断。
关键词：t检验；非参数检验；显著性水平；频数分析概率论与数理统计是我国高等院校理工类、经济类、管理类各专业的一门重要公共课程，同时也是一门应用广泛，适用性强的工具课。
此门课程的教学为学生的其他专业课及其将来毕业后的工作、继续深造等方面奠定必要的数学，而且对培养学生的逻辑思维能力、分析判断问题能力、统计观点、应用能力和创新能力均有着特殊而又重要的作用，是培养高素质综合型人才的重要保证。
笔者本身是东华理工大学理学院的一线教师，这两年来，同时在江西财经大学统计学院读研究生。
在此期间，笔者主持的“概率论与数理统计”重点课程建设项目小组一直在努力的探索和研究，收获了一些成果。
本文的主要目的是针对进行重点课程建设这几年来，对搜集到的学生该门课程的考试成绩从统计学的角度进行实证分析。
尤其是从参数检验和非参数统计两个重要角度进行探究，论证这几年来进行课程建设是否让学生成绩取得了明显的提高。
一、基本统计分析对数据的分析首先从基本统计分析入手。
通过基本统计分析，掌握数据的基本统计特征，同时迅速把握数据的总体分布形态。
而基本统计分析往往先从频数分析开始，由于成绩数据均为定距型数据，直接采用频数分析不利于对其分布形态的把握，因此先对数据分组后再进行频数分析。
SPSS频数分析的操作如下：选择菜单【Analyze】→【Decriptive】→【Frequencie】，结果如下：从上面的统计表中可以看出，进行重点课程建设后，平均分有了明显的提高，而且从频数分布表可以看出，第3组第4组即中高分数段百分数有了明显提升。
非参数卡方检验1.理论非参数检验是在总体分布未知或知道甚少的情况下，不依赖于总体布形态，在总体分布情况不明时，用来检验不同样本是否来自同一总体的统计方法进。
由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数”检验。
非参数检验优势：检验条件宽松，适应性强。
针对，非正态、方差不等的已及分布形态未知的数据均适用。
检验方法灵活，用途广泛。
运用符号检验、符号秩检验解决不能直接进行四则运算的定类和定序数据。
非参数检验的计算相对简单，易于理解。
但非参数检验方法对总体分布假定不多，缺乏针对性，且使用的是等级或符号秩，而不是实际数值，容易失去较多信息。
非参数卡方检验：用于检验样本数据的分布是否与某种特定分布情况相同。
非参数卡方检验通过三步检验：1.卡方统计量：X2=B 其中K 是样本分类的个数，0表示实际观测的频数，B 表示理论分布下的频数。
2.拟合优度检验：A.对总体分布建立假设。
B.抽样并编制频率分布表。
C.以原假设为真，导出期望频率。
D.计算统计量。
E.确定自由度，并查x2表，得到临界值。
F.比较x2值与临界值，做出判断。
3.独立性检验A.对总体分布建立假设。
B.抽样并编制r*c 列联表。
C.计算理论频数。
D.计算检验统计量。
E.确定自由度，并查x2表，得到临界值。
F.比较x2值与临界值，做出判断。
2.非参数卡方检验操作步骤第一步：将需检验的数据导入spss中并进行赋值后，点击分析非参数检验、旧对话框、卡方。
图2操作步骤第一步第二步：进入图中对话框后点击，首先将需检验的数据放入检验变量列表中，后在期望值选项中所以类别相等或者值（值：需要手动输入具体的分布情况）。
如果特殊情况需要调整检验置信区间，点击精确，进入图中下方对话框后点击蒙特卡洛法框里收到填入。
点击继续、确定。
图3操作步骤第二步第三步：如果需要看描述统计结果和四分位数值可以点击选项、勾选描述、四分位数。
点击继续、确实。
图4操作步骤第二步3.非参数卡方检验结果然后非参数卡方检验的描述统计、卡方检验频率表、检验统计结果就出来了。
卡方检验与非参数检验卡方检验与非参数检验是统计学中常用的两种假设检验方法。
它们在样本数据不满足正态分布或方差齐性等假设条件的情况下，仍可以进行假设检验，因此被称为非参数检验方法。
本文将详细介绍卡方检验与非参数检验的原理、应用以及比较。
一、卡方检验卡方检验是一种用于检验两个或多个分类变量之间是否存在相关性的统计方法。
它将实际观察到的频数与期望的频数进行比较，从而判断两个分类变量是否存在相关性。
卡方检验主要包括卡方拟合度检验、卡方独立性检验和卡方配对检验等。
1.卡方拟合度检验卡方拟合度检验适用于比较观察到的频数与理论上期望的频数是否有显著差异。
例如，我们可以通过卡方拟合度检验来判断一组骰子的点数是否是均匀分布的。
该方法首先根据理论假设计算每个类别的期望频数，然后计算观察频数与期望频数的差异，并根据差异的大小判断是否有显著差异。
2.卡方独立性检验卡方独立性检验适用于比较两个分类变量之间是否存在相关性。
例如，我们可以使用卡方独立性检验来判断性别与喜好类别之间是否存在相关性。
该方法首先根据理论假设计算每个类别的期望频数，然后计算观察频数与期望频数的差异，并根据差异的大小判断是否有显著差异。
3.卡方配对检验卡方配对检验适用于比较同一组体在两个时间点或处理条件下的观测值是否有差异。
例如，我们可以使用卡方配对检验来判断一种药物在服药前后对疾病症状的治疗效果。
该方法通过比较观察值和期望值之间的差异来判断是否有显著差异。
非参数检验是一种不依赖于总体分布的统计方法，它不对总体的分布形态做出任何假设，因此适用于任何类型的数据。
常见的非参数检验方法包括Wilcoxon符号秩检验、Mann-Whitney U检验、Kruskal-Wallis H检验等。
1. Wilcoxon符号秩检验Wilcoxon符号秩检验适用于比较两组配对样本数据是否存在差异。
例如，我们可以使用Wilcoxon符号秩检验来判断一种药物在服药前后对患者血压的影响。
非参数检验介绍在统计学中，非参数检验是一种用于比较两个或多个样本之间差异的方法，而不要求对样本数据的总体分布作出假设。
与参数检验相比，非参数检验更加灵活，可以用于各种类型的数据以及各种情况下的推断分析。
什么是参数检验？在介绍非参数检验之前，我们先来了解一下参数检验。
参数检验是基于对总体分布的假设进行统计推断的方法。
在参数检验中，我们假设样本数据服从某种特定的分布（如正态分布），然后使用样本数据对该分布的参数进行估计，并基于这些参数进行统计推断。
非参数检验的优势与参数检验相比，非参数检验具有以下优势： 1. 更广泛的适用性：非参数方法不依赖于总体分布的假设，因此适用于各种类型的数据，无论其分布形态是什么样的。
2. 没有数据分布的假设：非参数方法不需要对数据的总体分布做出任何假设，因此可以应用于无法满足正态分布等假设的数据集。
3. 更具鲁棒性：非参数方法对异常值和偏离分布的数据更具有鲁棒性，能够更好地处理不完美的数据。
常见的非参数检验方法接下来，我们将介绍一些常见的非参数检验方法，以及它们适用的情况。
Mann-Whitney U检验Mann-Whitney U检验（也称为Wilcoxon秩和检验）用于比较两个独立样本的差异。
它适用于数据不满足正态分布假设且数据量较小的情况。
该检验基于将两个样本的观测值合并并对其进行排序，然后计算秩和值来比较两个样本的总体分布差异。
Kruskal-Wallis检验Kruskal-Wallis检验用于比较三个或多个独立样本的差异。
它可以看作是一种非参数的方差分析方法，适用于数据不满足正态分布假设的情况。
该检验基于将所有样本的观测值合并并对其进行排序，然后计算秩和值来比较不同样本的总体分布差异。
Wilcoxon符号秩检验Wilcoxon符号秩检验（也称为Wilcoxon符号秩和检验）用于比较两个配对样本的差异。
它适用于数据不满足正态分布假设的情况。
该检验基于对配对差值的绝对值进行排序，然后计算秩和值来判断两个样本差异是否显著。
