第十章 非参数检验

Kruskal-Wallis H检验，用于推断计量资料或等级资料的 多个独立样本所来自的多个总体分布是否有差别。
H0：多个总体分布相同（或者中位数相等） H1：多个总体分布不同或不全相同（或者中位数不全相等）
26
例10.5
某医院用3种方法治疗15例胰腺癌患者，每种方 法各治疗5例，治疗后生存月数如下表，问3种方法的 疗效有无差别？
当n≤50时，通过查T界值表来确定是否波动过
大
T在界值范围内,波动不大
P>α
T在界值范围外或等于界值时，波动大，P≤α
11
(4) 查表及推断结论 查T界值表T0.05(16)=29~107 由于T＝28在上下界值范围外，所以P≤0.05。 按a=0.05检验水准拒绝H0，接受H1，可以 认为该厂工人尿铅含量不当地正常人有差异， 通过正负秩和的大小可以推断工人的尿铅含 量要高于正常人。
第十章 基于秩次的非参数检验
1
假设检验的方法分为两类
参数检验(parametric test)
已知总体分布类型，对未知参数（μ、π）进行统计推断 依赖于特定分布类型，比较的是参数 一般有严格的适用条件
如：样本来自正态分布、总体方差齐同等 这类方法比如：t检验、F检验等
非参数检验(nonparametric test)
Z
T n1(N 1) / 2 0.5
n1n2 (N 3 N
12N(N 1)
(t
3 j
t
j
))
2036 40(84 1) / 2 0.5
40 44 (843 84 (323 32) (323 32) (203 20)) 12 40 (84 1)
7.01
由于Z=7.01，大于Z0.05=1.96，所以P<0.05，按照α=0.05 检验水准拒绝H0，接受H1，可以认为夏冬两季居民体 内核黄素含量有差别。根据平均秩次可以知道夏季的含

– 非参数检验的假定条件要比参数检验宽松得多，不仅对 总体分布，而且对数据的测量层次。
4
参数统计与非参数统计
• 参数统计
– 对那些其总体分布族或称统计模型只依赖于有限个实参 数的问题，通称为“参数统计问题”，也就是说，总体 分布服从正态分布或总体分布已知条件下的统计检验， 称为参数检验，研究这一问题的统计分支称为参数统计。 参数统计的大部分方法要求所分析的数据至少是定距尺 度测量的结果。如统计学中的检验、检验等，都属于参 数检验。
13
符号检验
•符号检验的步骤
–建立假设
–计算检验统计量
•检验统计量S＋为S—和。 S＋表示为正符号的数目， S—表示 为负符号的数目。 S＋ + S— =n，n是符号的总数目。
–作出判定
•要对假设作出判定，需要找到一个值P。因为对于S＋和S—
来说，抽样分布是一个带有θ=0.5（表示成功的概率）的二
F0 (x) 表示一个特定的累积概率分布函数，也就是说，对于任一值，
x 值代表小于或等于值的那些预期结果所占的比例。于是，可以定
义
与 Sn (x) 之F0 (间x) 的差值，即
Sn (x) F，0 (x若) 对每一个x值来说，
两者与十分接近，也就是差异很小，则表明经验分布函数与特定
分布函数的拟合程度很高，有理由认为样本数据来自具有该理论
15
游程检验
• 游程检验的步骤
– 提出假设：零假设为：随机产生（随机性） – 检验统计量：R （游程个数）
– 随机性假设的拒绝域为 ：{R≤c1} ∪ {R ≥c2 },(c1< c2）
7
2. 单样本非参数检验
2020/2/4
8
χ2 检验

α=0.05 2. 计算统计量： T+=62.5，T-=3.5
3. 查表与结论 查T界值表，T0.05（11）=10～56，T=3.5，在界 值范围外，P<0.05，拒绝H0。
符号检验（Sign test)
z n n 1 n
二、两样本比较的秩和检验 （Wilcoxon法）
适用条件：完全随机设计的两个样本比较，若不满足参数 检验的应用条件，则用本法；两个等级资料比较。
-0.45
-1
13
15.20
5.50
9.70
11
14
16.50
9.00
7.50
8.5
步骤
1. 建立假设：H0：差值的总体中位数=0， H1：差值的总体中位数0；
=0.05 2. 计算统计量
计算差值d，由小到大的顺序编秩次，并冠以原d 的正负号，然后分别求正负秩和，得到T+=73， T-=5，取秩和较小者作为检验统计量T=5 3. 查表及结论
1.0
2.5
4
17.00
6.50
10.50
12
5
13.00
5.50
7.50
8.5
6
18.00
13.50
4.50
5
7
17.50
10.00
7.50
8.5
8
10.20
10.20
0.00
-
9
10.00
10.00
0.00
-
10
10.50
9.50
1.00
2.5
11
13.80
6.80
7.00
6
12
3.03
3.48

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。