统计学非参数检验..94页PPT

2
Npar
两均值比较相 独关 立样 样本 本中符 符秩数号 号和检等检检验级验验法检法法(((验MSMieg法adnn(i)Wnani)lWcohxiotnne)y U ) 多均值比较随完机全区随组机::弗克里 瓦德氏曼方方差差分分析析((KFrruiesdkmalaann)d Wallis H )
非参数检验
1
非参数检验是与参数检验相对应的，参数 检验指的是在总体分布已知，满足某些 假定条件(独立性、方差齐性等)，检验的 数据一般为连续数据的情况下进行的检 验。如果有些条件不能满足, 则采用非参 数检验，可以根据实际情况采用如下一 些方法进行检验, 这些检验都是在 Nonparametric tests菜单项里执行。
9
练习
• 输入以下数据并检验两组数据的差异性：
– 甲：12,14,15,12,21,31,26,21 – 乙：21,32,15,21,12,14,12,15
• 1.假设上述配对样本资料 • 2.假设上述资料不是配对样本资料
10
2020/1/1
11
3
两独立样本非参数检验例题
设有两种安眠药，考虑它们的治疗效果（失眠者服用之 后睡眠延长的小时数），现将20名患者分成两组，分别服用 一种药，收集的数据如下：
甲 1.9 0.8 1.1 0.1 0.1 4.4 5.5 1.6 4.6 3.4 乙 0.7 –1.6 –0.2 –1.2 –0.1 3.4 3.7 0.8 0.0 2.0 由于延长的时数的分布不明，我们考虑用非参数检验 ！ Mann－Whitney U 类似于t检验。
由于脉博跳动的次数不服从正态分布，我们考虑用非 参数检验。
5
2020/1/1
6
多个独立样本非参数检验例1

残差 15.0 -15.0 .0
可编辑
12
软件操作：结果分析（2）
卡方 df 渐近显著性 精确显著性 点概率
材料
11.250 2
.004 .003 .000
可编辑
13
结果分析（3）
结论：计算出的c2统计量的值为11.250， 自由度为2，相应的p值（渐近显著性）为 0.004，小于a=0.05。所以检验的结论是拒 绝总体中消费者对3种材料的偏好程度无差 异的零假设。
可编辑
19
结果分析
N 正态参数a,,b 均值
标准差 最极端差别 绝对值
正 负 Kolmogorov-Smirnov Z 渐近显著性(双侧) 可编辑
时间
100
27.191
8.3728
.096
.096
-.039
.960
.315
20
检验结论
相应的p值（渐近显著性）为0.315。由于 0.315大于0.05，所以在5%的显著性水平 下不能拒绝原假设，也就是说根据样本数 据不能认为总体分布是非正态的。
（3）在参数检验和非参数检验都可以使用 的情况下，非参数检验的功效（power） 要低于参数检验方法。
可编辑
3
以下情况பைடு நூலகம்应当首选非参数方法
（1）参数检验中的假设条件不满足，从而 无法应用。例如总体分布为偏态或分布形 式未知，且样本为小样本时。
（2）检验中涉及的数据为定类或定序数据。
（3）所涉及的问题中并不包含参数，如判 断某样本是否为随机样本，判断某样本是 否来自正态分布等。
这里K-S检验的零假设和备择假设为：
H0：总体中儿童每周看电视的时间服从正

非参数检验
分类
参数检验(parametric tests) － 对总体参数(平均数、成数、方差等) 所作得假设进行检验
非参数检验(自由分布检验) －对总体分布形式得假设进行检验
问题得提出
我们想去检验得论述如下: 1、经过西弗吉尼亚公路150号里程碑得汽车平均时速为68 英里/小时。 2、租用雪佛龙Trail Blazer (一款中型SUV车)三年,平均行驶里 程为32000英里。 3、美国家庭居住在一座独幢住宅得平均时间为11、8年。 4、2005年四年制大学毕业生得平均起薪为37 130美元/年。 5、中西部偏北地区35%得退休人员会在退休后得1年内卖掉 她们得住房,搬到气候温暖得地方居住。 6、80%得经常购买州彩票得彩民,从未在一次下注中赢得超 过100美元得奖金。
原假设
如果公司所在市平均受教育年限为:13
问:就是否有所不同 就是否高于
数据集3
如果公司所在市平均薪水为:35000
问:就是否有所不同 就是否低于
大家学习辛苦了，还是要坚持
继续保持安静
设计检验统计量
所设计得检验统计量与原假设相关, 即 与待检验得参数相关。 我们需要知道当原假设为真时该统计量 得具体分布。
问:就是否有显著不同？
区间估计 x t (n 1) s 499.5 2.797 2.63/ 25 498.03 ~ 500.97
2
n
问:就是否能断定饮料厂商欺骗了消费者？
区间估计
x t (n 1)
s 499.5 2.492 2.63/ n
25 500.81
(,500.81)
假设检验五步法
n1 n2
z X1 X2 s12 s22 n1 n2
t

用于比较两个独立样本的中位数是否相等。
用于比较三个或多个独立样本的中位数是 否相等。
3 Wilcoxon符号秩检验
4 Friedmann检验
用于比较两个相关样本的中位数是否相等。
用于比较三个或多个相关样本的中位数是 否相康型”饮料，是否对销售额产生显著影响？
使用 Mann-Whitney U检验来比较推出“健康型”饮料前后的销售额差异。
案例2：针对不同年龄段顾客的购物偏好是否存在差异？
使用 Kruskal-Wallis H检验来分析不同年龄段顾客的购物偏好是否有显著差异。
总结
非参数检验方法的应用场景和局限性。非参数检验方法的总体流程。非参数 检验方法的意义及应用前景。
《非参数检验方法》PPT 课件
非参数检验方法PPT课件
简介
什么是非参数检验方法？为什么需要非参数检验方法？非参数检验方法的优 势和劣势。
基本原理
什么是假设检验？什么是零假设和备择假设？非参数检验方法与参数检验方 法的区别。
常见的非参数检验方法
1 Mann-Whitney U检验
2 Kruskal-Wallis H检验

核密度估计
详细讲解核密度估计方法， 可用于估计未知分布函数 的概率密度函数。
K近邻算法
介绍K近邻算法在非参数统 计中的应用，用于分类和 估计未知函数。
常用方法本 的中位数差异，对于不 符合正态分布的数据非 常有用。
Kruskal-Wallis检验
一种非参数方法，用于 比较多个独立样本的总 体分布，可以替代方差 分析。
介绍常用于非参数统计的软件和工具，帮助读者选择适合自己的数据分析工具。
3 Q&A
解答读者在非参数统计方面的疑问和问题，提供进一步的讨论和交流。
总结
1 非参数统计的优势和劣势总结
总结非参数统计方法和传统参数统计方法的优势和劣势，帮助选择合适的分析方法。
2 非参数统计的前景和未来发展方向
讨论非参数统计的前景和未来的发展方向，以及可能的研究方向。
附录
1 参考文献
提供相关参考文献，方便读者进一步学习非参数统计的理论和应用。
2 常用软件和工具介绍
Mann-Whitney U检 验
非参数的秩和检验方法， 用于比较两个独立样本 的总体分布。
实例应用
医疗领域的应用
展示非参数统计在医疗研究 中的应用，如临床试验和数 据分析。
社会调查中的应用
探讨非参数统计在社会调查 和民意调查中的应用，如对 人口统计数据的分析。
金融风险评估中的应用
介绍非参数统计在金融领域 中的应用，如风险评估和市 场预测。
《非参数统计》PPT课件
非参数统计是一门关于数据分析的重要领域，本课件将介绍非参数统计的基 本原理、常用方法和实例应用，以及其在医疗、社会调查和金融方面的应用。
简介
非参数统计是一种不基于总体概率分布的统计方法，适用于各种数据类型，具有广泛的应用场景 和灵活性。

非参数检验的优点与缺点
优点： ①适用范围广，不受总体分布的限制； ②对数据的要求不严，如某些指标难以准确测定，只
能以严重程度、优劣等级、先后次序等表示的资料 也可应用； ③方法简便，易于理解和掌握。 缺点： 如果对符合参数检验的资料应用非参数检验，因不能 充分利用资料提供的信息，会使检验效能低于参数 检验；若要使检验效能相同往往需要更大的样本含 量。
4
常见心律失常心电图诊断的误区诺如 病毒感 染的防 控知识 介绍责 任那些 事浅谈 用人单 位承担 的社会 保险法 律责任 和案例 分析现 代农业 示范工 程设施 红地球 葡萄栽 培培训 材料
本章主要内容
• §1 Wilcoxon 符号秩和检验 • §2 Wilcoxon 两样本比较法 • §3 完全随机设计多样本比较的
T++T- = n(n+1)/2，n为不等于0的对子数。 3．确定P值，做出推断结论
当n≤25时，以T值查“附表10 T界值表”（配对设计
用），若检验统计量T值在T界值范围内，则P值大于 相应的概率水平；若T值在T界值范围外或等于界值， 则P值小于或等于相应的概率水平。
9
常见心律失常心电图诊断的误区诺如 病毒感 染的防 控知识 介绍责 任那些 事浅谈 用人单 位承担 的社会 保险法 律责任 和案例 分析现 代农业 示范工 程设施 红地球 葡萄栽 培培训 材料
2
常见心律失常心电图诊断的误区诺如 病毒感 染的防 控知识 介绍责 任那些 事浅谈 用人单 位承担 的社会 保险法 律责任 和案例 分析现 代农业 示范工 程设施 红地球 葡萄栽 培培训 材料
非参数检验(nonparametric test)
• 对总体分布不作严格假定，又称任意分布检验

0.011014 0.034733 3.263554 -3.207570 0.928736 -0.043640 3.458105
9.061568 0.010772
此数据的正态性检验是非正态。
非参数统计归纳起来有如下的三点优点：
1. 对总体的假定少； 2. 可以处理许多有问题数据，比如污染的正 态分布，有奇异值的情形；
组别 1 1 1 1 1 2 1 1 1 1
2
负债率 80 80 82 82 83 84 84 86 91 91 93
秩
12 13 14 15 16 17 18 19 20 21 22
组别 2 2 1 1 1 2 2 2 2 2
2
如果我们将12家工业企业的秩相加是94，其平均秩是7.88，将 10家商业企业的秩相加得159，其平均秩为15.9，这就给我们一个 可以考虑的信息，两种企业的资产负债是有差异的。他们的平均秩 不同。
然而，在实际生活中，那种对总体分布的假定并不是 能随便做出的。有时，数据并不是来自所假定分布的总体。 或者数据根本不是来自一个总体，数据因为种种原因被严 重污染。这样，在假定总体分布的情况下进行推断的做法 就可能产生错误的结论。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。因为非参数统计方法不利用关于总 体分布的相关信息，所以，就是在对于总体分布的任何信 息都没有的情况下，它也能很容易而又较为可靠地获得结 论。这时非参数方法往往优于参数方法。在台湾这种方法 称为“无母数统计”，即不知到总体信息的统计方法。
120
Series: JUNZHI
Sample 1 1000
100
Observations 1000

单边检验的p-值等于0.074/2=0.037X（渐
近N 检验）和0.069/2=0.0345（精确检50
验Nor）mal 。Param如ete果rs 按a,b 照MS显teda.nD著eviat性ion 水平为0.01.510.70的604271标
准Mo，st Ex可trem以e 拒绝产A生bsolu数te 据的总体为正.1态82 分
费时间，后两种要粗糙一些，但 要快些。
秩（rank）
• 非参数检验中秩是最常使用的概 念。什么是一个数据的秩呢？一 般来说，秩就是该数据按照升幂 排列之后，每个观测值的位置。 例如我们有下面数据
Xi 15 9 18 3 17 8 5 13 7 19 Ri 7 5 9 1 8 4 2 6 3 10
这下面一行（记为Ri）就是上面一 行数据Xi的秩。
99.05 100.25 102.56 99.15 104.89 101.86 96.37 96.79 99.37 96.90 93.94 92.97 108.28 96.86 93.94 98.27 98.36 100.81 92.99 103.72 90.66 98.24 97.87 99.21 101.79
秩（rank）
•利用秩的大小进行推断就避免 了不知道背景分布的困难。这 也是非参数检验的优点。
•多数非参数检验明显地或隐含 地利用了秩的性质；但也有一 些非参数方法没有涉及秩的性 质。
16.2 单样本检验
16.2.1单样本中位数(a-分位数)符号检验
• 我们知道某点为中位数(a-分位数)意 味着一个数小于该点的概率应该为
Category gsweight G roup1 <=100
G roup2 >100 Total