非参数检验 实验报告

常用的非参数检验（NonparametricTests）总结非参数检验(Nonparametric tests)是统计分析方法的重要组成部分，它与参数检验共同构成统计推断的基本内容。

参数检验是在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法。

但是，在数据分析过程中，由于种种原因，人们往往无法对总体分布形态作简单假定，此时参数检验的方法就不再适用了。

非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。

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。

•两独立样本的非参数检验两独立样本的非参数检验是在对总体分布不甚了解的情况下，通过对两组独立样本的分析来推断样本来自的两个总体的分布等是否存在显著差异的方法。

独立样本是指在一个总体中随机抽样对在另一个总体中随机抽样没有影响的情况下所获得的样本。

SPSS中提供了多种两独立样本的非参数检验方法，其中包括曼-惠特尼U检验、K-S检验、W-W游程检验、极端反应检验等。

某工厂用甲乙两种不同的工艺生产同一种产品。

如果希望检验两种工艺下产品的使用是否存在显著差异，可从两种工艺生产出的产品中随机抽样，得到各自的使用寿命数据。

甲工艺：675 682 692 679 669 661 693乙工艺：662 649 672 663 650 651 646 652（1）曼-惠特尼U检验两独立样本的曼-惠特尼U检验可用于对两总体分布的比例判断。

其原假设：两组独立样本来自的两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判断。

秩简单说就是变量值排序的名次，可以将数据按升序排列，每个变量值都会有一个在整个变量值序列中的位置或名次，这个位置或名次就是变量值的秩。

（2）K-S检验K-S检验不仅能够检验单个总体是否服从某一理论分布，还能够检验两总体分布是否存在显著差异。

倒，则相应设置的总体率也应改变为0.99。
操作过程：
DataWeight Cases (导入：人数） AnalayzeNoparametric TestsBinomial 打开对话框
可以选择1个或多个变量进入右侧框，此处选“疾病” 右下侧为指定已知总体的概率值的定义框，此处输入 0.01（如前所述，如果输入项反置则输入0.99 ，默认为 0.5） 左下侧为2分变量的获取。有2个选项
非参数检验的分类
非参数检验可以按变量的分类特点分为两类：
有序分类变量的非参数检验 无序分类变量的非参数检验
相应的统计分析方法也有所不同。SPSS所提 供的程序也分置于不同的菜单内。
对于有序分类变量的非参数检验，可以根据实 际情况采用Nonparametric tests菜单提供的方 法进行检验。 对于无序分类变量的非参数检验，除可以用chisquare检验外，应该使用Crosstable来完成。
4．1 Sample K-S过程
1 Sample K-S过程
是最常用的正态检验的方法 是对连续性资料的分布情况加以考察，它是一种拟 合优度检验，研究的是：
样本观察值的分布和指定的理论分布间符合程度的问题 检验样本所在的总体分布是否与已知总体分布相同
检验的原理是：
分别做出已知理论分布下的累加频数分布以及观察的累 加频数分布； 然后对两者进行比较，从中确定两种分布的最大差异点
默认为使用数据文件中的数据（用于2分变量） 可选择一个切分点。适用于连续变量人为二分。
Exact与Option子对话框与前面相同（略）
3．Runs 过程
（游程检验）
Runs 过程的目的是检验样本序列随机性问题 即检验取值为二分类，并且按时间或某种顺序排列 的数列资料是否真正随机出现，即各观察对象是否 来自同一个总体，并且取值各自独立。 游程检验的假设是：如果序列是真随机序列，那么 游程的总数应当不太多也太小，比较适中。

非参数检验（卡方检验）,实验报告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)专业班级姓名学号实验日期实验地点2015—2016 学年度第学期一、实验目得对分类资料进行卡方检验。

二、实验环境1、硬件配置:处理器:Intel(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(包括本实验要完成得实验问题及需要得相关知识简单概述)（1）课本第六章得例 6、1-6、5 运行一遍,注意理解结果;（2）然后将实验指导书得例 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、数据得准备、运行过程分析、源程序(代码)、图形图象界面等)例例 6、1 表 1 灭螨A A 与灭螨B B 杀灭大蜂螨效果得交叉制表效果合计杀灭未杀灭组别灭螨A 32 12 44 灭螨B 14 22 36 合计 46 34 80 分析: 表1就是灭螨A与灭螨B杀灭大蜂螨效果得样本分类得频数分析表,即交叉列联表。

表 2 卡方检验X2 值df 渐进Sig、(双侧)精确Sig、(双侧)精确Sig、(单侧)Pearson 卡方 9、277a1、002连续校正b7、944 1、005似然比 9、419 1、002Fisher 得精确检验、003、002 有效案例中得 N 80a、0 单元格(、0%)得期望计数少于5。

最小期望计数为15、30。

b、仅对 2x2 表计算分析: 表2就是卡方检验得结果。

因为两组各自得结果互不影响,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得卡方值(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:对数似然比法计算得卡方值(类似皮尔逊卡方检验);Fisher 得精确检验:精确概率法计算得卡方值(用于理论数E<5)。

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 16SPSS计算结果如下：此题为两独立样本非参数检验。