当前位置：文档之家 › 非参数统计实验报告 南邮

非参数统计实验报告 南邮

  • 格式：doc
  • 大小：421.50 KB
  • 文档页数：17

实 验 报 告 （ 2012 / 2013学年 第一学期）课程名称 非参数统计 实验名称 1、数据的描述性统计 2、中心位置的检验问题 3、多样本问题和区组设计问题的比较 4、相关分析 实验时间 2012 年 10 月 15-22 日

学生姓名 班级学号 学院(系) 通达学院 专 业 统计学 实验一 一、实验题目 某航空公司为了解旅客对公司服务态度的满意程度，对50名旅客作调查，要求他们写出对乘机服务、机上服务和到达机场服务的满意程度，满意程度评分从0到100.分数越大，满意程度越高。下表是收集到得数据。 50名旅客对乘机服务、机上服务和到达机场服务的满意程度的评分 乘机服务 机上服务 到达机场服务 乘机服务 机上服务 到达机场服务 71 49 58 72 76 37 84 53 63 71 25 74 84 74 37 69 47 16 87 66 49 90 56 23 72 59 79 84 28 62 72 37 86 86 37 59 72 57 40 70 38 54 63 48 78 86 72 72 84 60 29 87 51 57 90 62 66 77 90 51 72 56 55 71 36 55 94 60 52 75 53 92 84 42 66 74 59 82 85 56 64 76 51 54 88 55 52 95 66 52 74 70 51 89 66 62 71 45 68 85 57 67 88 49 42 65 42 68 90 27 67 82 37 54 85 89 46 82 60 56 79 59 41 89 80 64 72 60 45 74 47 63 88 36 47 82 49 91 77 60 75 90 76 70 64 43 61 78 52 72 1、对50名旅客关于乘机服务的满意程度数据作描述性统计分析； 2、对50名旅客关于机上服务的满意程度数据作描述性统计分析； 3、对50名旅客关于到达机场服务的满意程度数据作描述性统计分析； 4、对50名旅客关于这三个方面服务的满意程度数据作一个综合比较的描述性统计分析。 二、实验步骤 1、乘机服务 1）、直方图 乘机服务满意程度评分直方图0246810121416

60-6566-7071-7576-8081-8586-9091-95 2）、箱线图

9590858075706560

C1

C1 的箱线图

3）、数值分析 2、机上服务 1）、直方图

机上服务满意程度评分直方图

02468101214

25-3031-3536-4041-4546-5051-5556-6061-6566-7071-7576-8081-8586-90 2）、箱线图 9080706050403020

C1

C1 的箱线图

3）、数值分析 3、到达机场服务 1）、直方图 到达机场服务满意程度评分直方图02468101214

16-2526-3536-4546-5556-6566-7576-8586-95 2）、箱线图

100908070605040302010

C3

C3 的箱线图

3）、数值分析 5、综合比较

C3C2C1100908070605040302010

数据

C1, C2, C3 的箱线图 实验二 一、实验题目 某地区从事管理工作的职员的月收入的中位数是6500元，现有一个该地区从事管理工作的40个妇女组成的样本，她们的月收入数据如此下： 5100 6300 4900 7100 4900 5200 6600 7200 6900 5500 5800 6400 3900 5100 7500 6300 6000 6700 6000 4800 7200 6200 7100 6900 7300 6600 6300 6800 6200 5500 6300 5400 4800 （1）使用样本数据检验：该地区从事管理工作的妇女的月收入的中位数是否低于6500元？ （2）使用样本数据给出该地区从事管理工作的妇女的月收入的中位数的点估计和95%的区间估计。 二、实验步骤 H0：中位数等于6500元 H1：中位数低于6500元

中位数的符号检验: C1 中位数 = 6500 与 < 6500 的符号检验 N 下方 相等 上方 P 中位数 C1 40 26 1 13 0.0266 6200

MTB > P=0.05>0.0266,所以拒绝原假设，认为中为数低于6500. 符号置信区间: C1

中位数的符号置信区间 取得的 置信区间 N 中位数 置信度 下限 上限 位置 C1 40 6200 0.9193 5800 6400 15 0.9500 5800 6459 非线性插值 0.9615 5800 6500 14

MTB > 所以中位数95%的置信区间为[5800,6459]. 实验三 一、实验题目 为检验两种燃料添加剂对客车每加仑汽油行驶里程数的影响是否不同，随机挑选12辆车，让每一辆车都先后使用这两种添加剂。12辆车使用这两种添加剂每加仑汽油行驶里程数的检验结果如下:

车辆 添加剂 1 2 1 22.32 21.25 2 25.76 23.97 3 24.23 24.77 4 21.35 19.26 5 23.43 23.12 6 26.97 26.00 7 18.36 19.40 8 20.75 17.18 9 24.07 22.23 10 26.43 23.35 11 25.41 24.98 12 27.22 25.90 试检验：这两种添加剂有没有差异？ 二、实验步骤 H0:两种添加剂无差异 H1：两种添加剂有差异

1）符号检验法： MTB > Let C3 = C1-C2 MTB > SInterval 95.0 C3.

符号置信区间: C3

中位数的符号置信区间 取得的 置信区间 N 中位数 置信度 下限 上限 位置 C3 12 1.195 0.8540 0.430 1.840 4 0.9500 0.342 2.024 非线性插值 0.9614 0.310 2.090 3

2）Wilcoxon符号秩和检验法： MTB > Let C3 = C1-C2 MTB > WInterval 95.0 C3.

Wilcoxon 符号秩置信区间: C3

估计中 取得的 置信区间 N 位数 置信度 下限 上限 C3 12 1.23 94.5 0.38 2.07

3）单样本t检验： MTB > Onet C3.

单样本 T: C3

平均值 变量 N 平均值 标准差 标准误 95% 置信区间 C3 12 1.241 1.355 0.391 (0.380, 2.102)

结果分析： 综合1、2、3三种方法可以看出，接受原假设，认为两种添加剂无差异。 实验四 一、实验题目 某汽车驾驶员记录了使用5种不同牌子的汽油每5加仑行驶的距离（哩），数据如下： 牌1：37.5 31.3 33.8 32.5 牌2：36.3 32.5 36.3 35.0 牌3：40 40 43.8 46.3 牌4：36.3 42.5 40 41.3 牌5：40 32.5 38.8 33.8 这些数据是否说明这5种牌子的汽油每加仑平均行驶的哩数全相等？ 二、实验步骤

检验问题：0H：这5种牌子的汽油每加仑平均行驶的哩数全相等

1H：这5种牌子的汽油每加仑平均行驶的哩数不全相等

在 C1 上的 Kruskal-Wallis 检验 C2 N 中位数 平均秩 Z 1 4 33.15 5.1 -2.03 2 4 35.65 7.0 -1.32 3 4 41.90 17.0 2.46 4 4 40.65 14.6 1.56 5 4 36.30 8.8 -0.66 整体 20 10.5

H = 11.82 DF = 4 P = 0.019 H = 12.00 DF = 4 P = 0.017（已对结调整）  注 * 一个或多个小样本

P值小于0.05，拒绝原假设，这5种牌子的汽油每加仑平均行驶的哩数不全相等

合集下载

统计学：9非参数统计

统计学：9非参数统计

解：H0:不同牌子饮用者人数服 从均匀分布（没有差别）
H1:不同牌子饮用者人数不服从 均匀分布（有差别）
最喜欢的牌子
A B C D E 合计
频数
210 312 170 85 223 1000
2021年1月11日星期一
【例3】某公司电话总机在 每天下午开始工作的2 分钟之内接到电话呼叫 次数，记录了100天的 数据，用卡方检验电话 呼叫次数是否服从服从 泊松分布？0.05显著性 水平。
81
1.35
35
8
64
1.83
5
3
9
1.80
500
__
__
5.98
根据显著性水平 ，有 2 (3) 7.82，由于
2 5.98 2 (3) 7.82 表明0.05的显著水平下，不能拒绝原假设，即观测的比率与 2021年期1月望11日的星比期一率一致。
【例2】啤酒协会想确定5种啤酒 哪一种最受消费者喜欢，随机 抽取1000名饮用者做实验，各 种啤酒爱好者的频数分布： 要求判断，消费者对这几种啤 酒的爱好有没有差别？以0.05 的显著性水平进行检验。
同等受欢迎？显著性水平 3
0.05.
4
正负号汇总：正号35个，负 5
号15个，0号10个
6
解：
7
H0 : p 0.5; H1 : p 0.5
8
…
2021年1月11日星期一
60
甲的得 乙的得 差别的
分
分
符
号
3
2
+
4
1
+
2
4
-
3
3
0
1
2
-
3
3
南邮课程设计实验报告

南邮课程设计实验报告

课程设计I报告题目：课程设计班级：44姓名：范海霞指导教师：黄双颖职称：成绩：通达学院2015 年 1 月 4 日一：SPSS的安装和使用在PC机上安装SPSS软件，打开软件：基本统计分析功能包括描述统计和行列计算，还包括在基本分析中最受欢迎的常见统计功能，如汇总、计数、交叉分析、分类比较、描述性统计、因子分析、回归分析及聚类分析等等。

具体如下：1.数据访问、数据准备、数据管理与输出管理；2.描述统计和探索分析：频数、描述、集中趋势和离散趋势分析、分布分析与查看、正态性检验与正态转换、均值的置信区间估计；3.交叉表：计数；行、列和总计百分比；独立性检验；定类变量和定序变量的相关性测度；4.二元统计：均值比较、T检验、单因素方差分析；5.相关分析：双变量相关分析、偏相关分析、距离分析；6.线性回归分析：自动线性建模、线性回归、Ordinal回归—PLUM、曲线估计；7.非参数检验：单一样本检验、双重相关样本检验、K重相关样本检验、双重独立样本检验、K重独立样本检验；8.多重响应分析：交叉表、频数表；9.预测数值结果和区分群体：K-means聚类分析、分级聚类分析、两步聚类分析、快速聚类分析、因子分析、主成分分析、最近邻元素分析；10. 判别分析；11.尺度分析；12. 报告：各种报告、记录摘要、图表功能（分类图表、条型图、线型图、面积图、高低图、箱线图、散点图、质量控制图、诊断和探测图等）；13.数据管理、数据转换与文件管理；二．数据文件的处理SPSS数据文件是一种结构性数据文件，由数据的结构和数据的内容两部分构成，也可以说由变量和观测两部分构成。

定义一个变量至少要定义它的两个属性，即变量名和变量类型其他属性可以暂时采用系统默认值，待以后分析过程中如果有需要再对其进行设置。

在spss数据编辑窗口中单击“变量视窗”标签，进入变量视窗界面，即可对变量的各个属性进行设置。

1．创建一个数据文件数据（1）选择菜单【文件】→【新建】→【数据】新建一个数据文件，进入数据编辑窗口。

非参数统计第二次

非参数统计第二次

非参数统计第二次习题二将数据录入并存储为csv文件d<- read.table(file.choose(),sep=",")d1<- d[,1]d2<- d[,2]d3<- d[,3]#对乘机服务的满意度分析作描述性统计a1=c(d1)a11=cut(a1,breaks=seq(60,95,length=(max(a1)-min(a1))/5+1)) b1=table(a11)c1=prop.table(table(a11))x1=data.frame(b1,c1)y1=x1[-3]y1[3]=100*y1[3]names(y1)=c("乘机服务","频数","频率”)y1乘机服务频数频率1 (60,65] 3 62 (65,70] 2 43 (70,75] 14 284 (75,80]5 105 (80,85] 11 226 (85,90] 13 267 (90,95] 24 hist(a1,breaks=seq(60,95,length=(max(a1)-min(a1))/5+1),xlab="乘机服务评分",ylab="人数”,main=”乘机服务满意程度评分直方图"）#频数直方图R R gihkH OeMce 2 fACTIVE} RcHl d 1^3乘机服务油塞程度评分宜万图boxplot（a1,main="乘机服务评分箱线图”,ylab="乘机服务评分"）#箱线图来机藤芬等分箱线图描述性统计分析：从频率分布表来看，大多数乘客对乘机服务的评分在70分以上，说明大体上人们对乘机服务还是满意的，其中有10人对其评分较低，说明在某些方面会让人产生不满情愫，还有改善的地方。

打高分的人数占比也比较低，说明我们在这些程度还没有做到无可挑剔的程度观察直方图1-1，评分较多集中于(70，90)，其中(70，75)分段人数最多，为14人。

参数统计与非参数统计

参数统计与非参数统计

参数统计与非参数统计参数统计和非参数统计是统计学中两个重要的概念。

它们是用来描述和推断数据的统计特征的方法。

在统计学中，参数是用于描述总体特征的统计量，而非参数是不依赖于总体分布的统计方法。

本文将从定义、应用、优劣势等方面对参数统计和非参数统计进行详细分析。

首先，我们来了解一下参数统计。

参数统计是基于总体参数的估计和推断的统计方法。

总体参数是指对整个数据集进行总结的数量，如平均值、方差、标准差等。

参数统计的方法是通过从样本中获取数据来估计总体参数。

常见的参数估计方法包括样本均值估计总体均值、样本方差估计总体方差等。

参数统计的优点是可以提供关于总体的精确估计和推断结果。

然而，参数统计要求总体数据必须服从特定的概率分布，例如正态分布、二项分布等。

如果总体数据不符合这些分布，参数统计的结果可能会有偏差。

接下来，我们来介绍非参数统计。

非参数统计是不依赖于总体分布的统计方法。

这意味着非参数统计不对总体的概率分布做出任何假设。

相反，它使用基于排序和排名的方法进行统计推断。

常见的非参数统计方法包括Wilcoxon符号秩检验、Kruskal-Wallis检验等。

非参数统计的优点是可以在数据不符合特定分布情况下使用，并且对异常值不敏感。

然而，非参数统计通常需要更多的数据以获得稳健的结果，并且在处理大规模数据时的计算负担较重。

参数统计与非参数统计的应用领域不同。

参数统计主要应用于数据符合特定分布的情况下，例如医学研究中对患者的生存率进行分析、工业生产中对产品质量的控制等。

非参数统计则主要应用于数据分布不明确或数据不符合特定分布的情况下，例如社会科学中对调查结果的分析、财务领域中对公司经营绩效的评估等。

在参数统计和非参数统计的比较中，我们可以看到它们各自的优势和劣势。

参数统计的优势是可以提供精确的估计和推断，并且通常需要较少的数据。

然而，参数统计对总体数据的分布有严格的要求，如果分布假设不正确，结果可能产生误差。

非参数统计的优势是可以在数据分布不明确的情况下进行分析，并且对异常值不敏感。