统计学非参数检验

参数检验和非参数检验参数检验和非参数检验是统计学中两种常用的假设检验方法。

参数检验假设总体服从其中一种特定的概率分布，而非参数检验则不对总体的概率分布进行特定的假设。

本文将分析和比较这两种假设检验方法，并讨论它们的优缺点和适用范围。

参数检验的基本思想是假设总体的概率分布属于一些已知的参数化分布族，例如正态分布或泊松分布。

然后根据样本数据计算出统计量的观察值，并基于它们进行假设检验。

常见的参数检验方法有t检验、F检验和卡方检验等。

以t检验为例，它适用于研究两个样本均值之间是否存在显著差异的情况。

假设我们有两组样本数据，分别服从正态分布。

可以使用t检验来计算两组样本均值的差异是否显著。

t检验基于样本均值和标准差来估计总体均值的差异，并通过计算t值和查表或计算p值来判断差异是否显著。

参数检验的优点是它们对总体概率分布的假设比较明确，计算方法相对简单，适用于数据符合特定分布的情况。

此外，参数检验通常具有较好的效率和统计性质。

然而，参数检验也有一些限制和缺点。

首先，参数检验通常对数据的分布假设要求较高，如果数据不符合指定的分布假设，则结果可能不可靠。

另外，参数检验对样本大小的要求较高，需要较大的样本才能获得可靠的检验结果。

此外，参数检验对异常值和离群值比较敏感，这可能会导致统计结论的错误。

与参数检验相比，非参数检验更加灵活，不需要对总体的概率分布做出特定的假设。

它适用于更广泛的数据类型和样本分布。

常见的非参数检验方法有Wilcoxon符号秩检验、Mann-Whitney U检验和Kruskal-Wallis检验等。

以Wilcoxon符号秩检验为例，它适用于比较两个相关样本的差异。

这个检验不要求样本数据满足正态分布的假设，它基于样本差值的秩次来判断差异是否显著。

非参数检验的优点在于其适用范围广泛，不需要对总体分布做出特定假设，对数据平均性和对称性的要求较低，对异常值和离群值的鲁棒性较好。

此外，非参数检验对样本大小的要求较低，可以在较小的样本情况下获得可靠的结果。

非参数检验方法一、什么是非参数检验非参数检验（Nonparameteric Tests）是指检验假设（比如均值、方差、分布类型）不依赖样本参数的方法，也可以称为不参数检验，将数据的描述性统计量和判别量作为假设检验的基本工具，而不主张假设服从某个具体的概率分布。

二、非参数检验的优点1、可以使用描述性统计量作为假设检验的基本工具，而不主张数据服从某个具体的概率分布，使得检验更加简单。

2、非参数检验的统计量倪比较有针对性，无论样本量大小，无论是否假定样本服从某个具体概率分布，它都能比较有效计算统计量的有效性、准确性。

3、非参数检验的抽样复杂度较低，当数据量较小时，可以获得较精确的结果。

4、非参数检验可以应用于连续变量或离散变量检验假设，使得非参数检验成为一种常见的统计检验方法。

三、常见的非参数检验方法1、Wilcoxon符号秩检验：Wilcoxon符号秩检验是用于比较两组数据之间不同水平上的秩和的检验，它的统计量是组间的秩和比，假设多个样本的总体服从同一分布，可以用来检验两组数据间的均值或中位数的差异性，即表明两个样本的分布是否有差异。

2、Kruskal-Wallis H检验：Kruskal-Wallis H检验是一种无序秩检验，它能检验总体中多组数据间的均值或中位数的比较，即用来检验多个样本构成的总体是否服从同一分布，要求多组样本的体积相等。

3、Friedman检验：Friedman检验是一种用于多个样本比较的非参数检验，它的检验统计量是秩求和检验，可以检验多个样本构成的总体是否服从相同的分布，从而比较多个样本之间的均值，中位数或众数相对应的所有统计量。

4、Spearman秩相关系数：Spearman秩相关系数是一种测量两个变量相关性程度的方法，它不要求变量服从某种分布，仅要求变量是分类变量或连续变量。

5、Cochran Q检验：Cochran Q检验是变量若干观测值服从同一分布的依赖性检验，可以检验多组数据的差异性是否具有统计学意义，一般用于比较不同实验组间的得分或响应相对于对照组的得分或响应的差异性。

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

统计学中非参数方法基础知识
非参数方法
非参数方法对总体概率分布形式的假定没有要求 非参数方法允许基于分类型或品质型数据进行推断
符号检验
总体中位数假设检验 方法 1.假设检验 H0：中位数=N H1：中位数≠N 2.在符号检验中，将每一个样本观测值与中位数的假设值进行比较 如果观测值大于假设值，记为加号 如果观测值小于假设值，记为减号 如果观测值等于假设值，从样本中剔除 3.加号和减号的分配适合二项分布，将假设转化为关于二项概率的假设 H0：p=50% H1：p≠50% 4.基于二项分布的概率，判断是否应该拒绝原假设 当H0：p=0.5时，加号个数的抽样分布的正态 均值=0.5n 方差=0.25n 当n＞20时，分布近似正态分布
克鲁斯卡尔-沃力斯检验
非参数克鲁斯卡尔-沃力斯检验的依据是对来自k个总体的k个独立随机样本分析 假设检验
H0:所有总体是相同的 H1:并非所有总体都是相同的
假设检验 H0:方法A的中位数-方法B的中位数=0 H1:方法A的中位数-方法B的中位数≠0
威尔克科森符号秩检验是T的抽样分布 均值=n(n+1)/4 方差=n(n+1)(2n+1)/24
曼-惠特尼-威尔克科森检验
假设检验 H0:两个总体相同 H1:两个总体不相同
相同总体的W的抽样分布 均值=n1（n1+n21)/12 分布形式：当n1≥7且n2≥7时，近似正态分布
两个匹配总体之差的检验 用非参数符号检验来分析匹配样本数据，与t分布方法不同，符号检验既能分析 分类型数据，也能分析数量型数据，并且对二者之差分布没有假定
威尔克科森符号秩检验
威尔克科森符号秩检验是分析匹配样本实验数据的非参数方法，检验使用数量型数 据，但不要求假定匹配观测值之差服从正态分布，只需要假定配对观测值之差具有 对称分布