参数检验和非参数检验
统计推断是从总体中抽取部分样本，通过对抽取部分所得到的带有随机性的数据进行合理的分析，进而对总体作出科学的判断，它是伴随着一定概率的推测，特点是：由样本推断总体，统计推断是数理统计的核心部分，统计推断的基本问题可以分为两大类：一类是参数估计问题；另一类是假设检验问题。其中假设检验方法可以分为参数检验和非参数检验两大部分。
1.参数检验：
是在给定或假定总体分布形式的基础上，对总体的未知参数进行估计或检验。它一方面以明确的总体分布为前提，另一方面需要满足某些总体参数的假定条件
2.非参数检验：
对总体分布不做严格假定，统计过程不涉及总体参数，完全依靠样本数据的顺序、秩等信息进行分析，通常在不符合参数检验的条件下使用。
参数检验的优点是针对性较强，每种方法都有其特定的使用环境，并且利用数据信息充分，一旦符合使用条件，得出的结论会非常准确。缺点是，对总体的分布要求较高，实际工作中有时无法满足使用条件。
非参数检验的优点是对总体分布没有严格要求，对样本数据类型也没有过多要求，非正态、方差不齐等都能做，适应性较强，计算方法也比较简单。缺点是对数据信息利用不充分，会降低功效。
由于检验的功效是我们选择分析方法的首要因素，因此在实际工作中，我们还是优先使用参数检验，只有在数据特征不符合参数检验要求时，才考虑使用非参数检验。
SPSS非参数检验之卡方检验
SPSS 中非参数检验之一：总体分布的卡方（Chi-square ）检验 在得到一批样本数据后，人们往往希望从中得到样本所来自的总体的分布形态是否和某种特定分布相拟合。这可以通过绘制样本数据直方图的方法来进行粗略的判断。如果需要进行比较准确的判断，则需要使用非参数检验的方法。其中总体分布的卡方检验（也记为χ2检验）就是一种比较好的方法。 一、定义 总体分布的卡方检验适用于配合度检验，是根据样本数据的实际频数推断总 体分布与期望分布或理论分布是否有显著差异。它的零假设H0：样本来自的总体分布形态和期望分布或某一理论分布没有显著差异。 总体分布的卡方检验的原理是：如果从一个随机变量尤中随机抽取若干个观察样本，这些观察样本落在X 的k 个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k 趋于无穷时，就近似服从X 的总体分布。 因此，假设样本来自的总体服从某个期望分布或理论分布集的实际观察频数同时获得样本数据各子集的实际观察频数，并依据下面的公式计算统计量Q ()2 1 k i i i i O E Q E =-=∑ 其中，Oi 表示观察频数；Ei 表示期望频数或理论频数。可见Q 值越大，表示 观察频数和理论频数越不接近；Q 值越小，说明观察频数和理论频数越接近。SPSS 将自动计算Q 统计量，由于Q 统计量服从K-1个自由度的X 平方分布，因此SPSS 将根据X 平方分布表给出Q 统计量所对应的相伴概率值。 如果相伴概率小于或等于用户的显著性水平，则应拒绝零假设H0，认为样本来自的总体分布形态与期望分布或理论分布存在显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设HO ，认为样本来自的总体分布形态与期望分布或理论分布不存在显著差异。 因此，总体分布的卡方检验是一种吻合性检验，比较适用于一个因素的多项分类数据分析。总体分布的卡方检验的数据是实际收集到的样本数据，而非频数数据。 二、实例 某地一周内各日患忧郁症的人数分布如下表所示，请检验一周内各日人们忧
第二讲-非参数统计检验教学内容
第二讲 非参数检验 1. 实验目的 1.了解非参数假设检验基本思想； 2.会用SAS 软件中的proc npar1way 过程进行非参数假设检验和proc freq 过程进行列联表的独立性检验。 2. 实验要求 1.会用SAS 软件建立数据集，并进行统计分析； 2.掌握proc npar1way 过程进行非参数假设检验的基本步骤； 3.掌握proc freq 过程进行列联表的独立性检验的基本步骤。 3. 实验基本原理 3.1 符号检验 0:H 两种方法的处理效果无显著性差异 令10 i i I i ?=??第个个体中新方法优于对照方法第个个体中新方法劣于对照方法1,2,,i N =L 统计量1N N i i S I ==∑ N S 表示新方法的处理效果优于对照方法的配对组总数。若新方法的处理效果显著的优于对照方法，则N S 的值应明显偏大。因此，若对给定的置信水平α，有 {}N P S c α≥<， 则拒绝0H 。 0H 为真时，（1）N S 服从二项分布1(,)2 b N (),()24N N N N E S Var S ==。拒绝域为：{}N N S S c > （2）由中心极限定理可知，当2 ,1N N S N - →∞的零分布趋于标准正态分布。
拒绝域为 ：N S u α??????>???????? 3.2 Wilcoxon 秩和检验 （1）单边假设检验 0:H 两种方法的处理效果无显著性差异 as 1:H ：新方法优于对照方法。 用于检验0H 的统计量为：1n s i i W I ==∑ 若对给定的置信水平α，有 {}s P W c α≥<，则拒绝0H 。且s W 的分布列为： 0#{;,}{}H s w n m P W w N n ==?? ??? 根据观测结果计算s W 的观测值0s W ，计算检验的p 值： 00{}{}s H s s H s k w p P W w P W k ≥=≥= =∑ 然后将p 值与显著水平α作比较，若p α<，则拒绝0H ，否则接受0H 。 （2）双边假设检验 给定的显著水平21,c c 和α应该满足： ε=≥+≤}{}{2100c W P c W P A H A H 仅由上式还不能唯一确定21c c 和，当我们对两种方法谁优谁劣不得而知时，通常取 2}{}{2100α =≥=≤c W P c W P A H A H 若利用p 值进行检验，设A A W ω的观测值为,计算概率值 }{}{00A A H A A H W P W P ωω≤≥或 由对称性可知，检验的p 值为上述两概率中小于1/2的那一个的2倍。例如
卡方检验 (Chi-square)
卡方检验(Chi-square) ?参数与非参数检验 ?卡方匹配度检验 ?卡方独立性检验 ?卡方检验的前提和限制 ?卡方检验的应用 参数与非参数检验 ?参数检验 ◆用于等比/等距型数据 ◆对参数的前提：正态分布和方差同质 ?非参数检验 ◆不用对参数进行假设 ◆对分布较少有要求，也叫d i s t r i b u t i o n-f r e e t e s t s ◆用于类目/顺序型数据 ◆没有参数检验敏感，效力低 ◆因此在二者都可用时，总是用参数检验 卡方匹配度检验 ?用样本数据检验总体分布的形状或比率，以确定与假设的总体性质的匹配度?是对次数分布的检验 ?研究情境 ◆在医生职业中，男的多还是女的多？ ◆在三种咖啡中，哪种被国人最喜欢？ ◆在北京大学中，各国留学生的比例有代表性吗？ 卡方匹配度检验的公式 ?χ2=∑[(f0-f e)2/f e] ?f e=p n ?d f=C-1 ◆F0：观察次数 ◆f e：期望次数 ◆C：类目的个数 ◆Χ2：统计量 卡方独立性检验 ?检验行和列的两个本来变量彼此有无关联 卡方独立性检验的公式 ?χ2=∑[(f0-f e)2/f e] ?f e=（r o w t o t a l）（c o l u m n t o t a l）/n， ?d f=（R-1）（C-1）
◆F0：观察次数 ◆f e：期望次数 ◆R：行类目的个数C：列类目的个数◆Χ2：统计量 例：х2检验 1.计算期望次数fe=(fc*fr)/n 2.计算每个单位格的х2值 22 df=(R-1)(C-1)= (3-1)(2-1)=2，х2的临界值为5.99 拒绝Ho，对手表显示的偏好程度与被试的年龄段有关
回归分析与非参数检验---侯-(1)
大连民族学院 数学实验报告 课程：统计软件—SPSS 实验题目：线性回归分析与非参检验 系别：理学院 专业：统计学 姓名：侯祥飞 班级：141班 指导教师：滕颖俏 完成时间：2016 年10 月30
日 实验目的： 掌握线性回归分析的主要目标及其具体操作，能够读懂基本分析结果，掌握计算结果之间的数量关系，并能够写出回归方程，对回归方程进行各种统计检验。了解SPSS非参数检验的具体操作，能够解释分析结果。 实验内容、实验步骤、实验结果及分析 一、线性回归分析 （一）9.5 粮食总产量 1.实验内容 先收集到若干年粮食总产量以及播种面积、使用化肥量、农业劳动人数等数据，请利用建立多元线性回归方程，分析影响粮食总产量的主要因素。数据文件名为“粮食总产量.sav”。 2.实验步骤 步骤：分析→回归→线性→粮食总产量导入因变量、其余变量导入自变量→确定；分析→回归→线性→（向后）→确定 3.实验结果及分析
上表进行了拟合优度检验，由于该方程有多个解释变量，因此参考调整判定系数（0.986）较接近1，因此认为拟合有度较高，被解释变量可以被模型解释的部分较多，不能被解释的部分较少。 上表进行了回归方程的显著性检验，由于Sig为0小于0.05，所以拒绝原假设，认为各回归系数不同时为0，被解释变量与解释变量全体的线性关系是显著的，可以建立线性模型。 上表进行了回归系数的显著性检验，可以看出除粮食播种面积与农业劳动者人数变量的P-值均大于0.05，所以接受原假设，认为这
些偏回归系数与0无显著性差异，它们与被解释变量的线性关系是不显著的，不应该保留在方程中。影响程度来由大到小依次是风灾面积、施用化肥量、总播种面积和年份（排除农业劳动者人数和粮食播种面积对粮食产量的影响）。 得回归方程为：7.4567.26817.126215.68037.8934 =-+++-， Y X X X X 其中X1,X2,X3,X4分别为年份，总播种面积，施用化肥量，风灾面积比例。 （二）9.6 销售量 1.实验内容 一家产品销售公司在30个地区设有销售分公司。为研究产品销售量(y)与该公司的销售价格（x1）、各地区的年人均收入(x2)、广告
非参数假设检验法及其运用
非参数假设检验法及其运用 摘要：在国际金融危机下，以中国股市数据为依据，运用S-plus 统计分析软件和Excel ，对中国股市正态分布假设进行了Kolmogorv拟合优度检验，运用方差平方秩检验方法，比较分析了上证指数和深证综指的波动性。 关键字：股市；Kolmogorov拟合优度检验；秩检验。 引言：对中国股市分布的研究，国内各学者对中国股市进行了非参数检验。王金玉、李霞、潘德惠(2005)通过引入一种新的估计方法“非参数假设检验方法”，以达到对证券投资咨询机构，对证券市场大盘走势预测准确度的估计。周明磊(2004)运用非参数非线性协整检验，对上证指数与深成指间协整关系进行了研究，结论是：上证指数与深圳成指之间确实存在非线性的协整关系。方国斌(2007)从分析中国股市收益率序列的特征入手，寻找描述中国股市波动性特征的合适的统计模型。 在研究相关文献的基础上，将非参检验应用于中国股市统计特征的研究。运用Kolmogorov拟合优度检验，对中国股市进行了正态分布假设检验；运用方差平方秩检验方法，比较分析了上海指数和深圳综指的波动性。 正文： 一、Kolmogorov拟合优度检验以及方差的平方秩检验方法。 (一)Kolmogorov拟合优度检验 1. 原假设和备择假设 原假设H ：样本来自于正态分布总体。 备择假设H 1 ：样本不是来自于正态分布总体。 2. 检验统计量 令S (x) 是样本X 1、X 2 、…X n 、的经验分布函数，F*(x)是完全已知的假设分布函数， 则检验统计量T为S (x) 与F*(x)的最大垂直距离，即：T = sup| F*(x)- S (x)|。 3. P值计算 近似P值可以通过在表A13中插值得到，或者利用2倍的单边检验的P值。 单边P值= 1 )] 1( [ 1 1 - - - = ? ? ? ? ? + ? ? ? ? ? - - ?? ? ? ? ? ∑j j n t n j n j t n j t j n 这里t的是检验统计量的观测值，[n(1-t)] 且是小于等于n(1-t)的最大整数。当给定的显著性水平α大于或等于P值时，拒绝原假设。 在本文中，该检验是运用S-plus 统计分析软件实现的。 (二) 方差的平方秩检验 1. 原假设和备择假设 ( 1 ) 双边检验 1 原假设H ：除了它们的均值可能不同外，X和Y同分布。
假设检验——非参数检验
假设检验（二）——非参数检验 假设检验的统计方法，从其统计假设的角度可分为两类：参数检验与非参数检验。上一节我们所介绍的Z 检验、t 检验，都是参数检验。它们的共同特点是总体分布正态，并满足某些总体参数的假定条件。参数检验就是要通过样本统计量去推断或估计总体参数。然而，在实践中我们常常会遇到一些问题的总体分布并不明确，或者总体参数的假设条件不成立，不能使用参数检 验。这一类问题的检验应该采用统计学中的另一类方法，即非参数检验。非参数检验是通过检验总体分布情况来实现对总体参数的推断。 非参数检验法与参数检验法相比，特点可以归纳如下： （1）非参数检验一般不需要严格的前提假设； （2）非参数检验特别适用于顺序资料； （3）非参数检验很适用于小样本，并且计算简单； （4）非参数检验法最大的不足是没能充分利用数据资料的全部信息； （5 ）非参数检验法目前还不能用于处理因素间的交互作用。 非参数检验的方法很多，分别适用于各种特点的资料。本节将介绍几种常用的非参数检验方法。 一．2检验 2 检验主要用于对按属性分类的计数资料的分析，对于数据资料本身的分布形态不作任何假设，所以从一定的意义上来讲，它是一种检验计数数据分布状态的最常用的非参数检验方法。 2 2 检验的方法主要包括适合性检验和独立性检验。 （一）2检验概述 2 是实得数据与理论数据偏离程度的指标。其基本公式为： 2 （ f0 f e）（公式11—9） f e 式中，f0 为实际观察次数，f e 为理论次数。 分析公式可知，把实际观测次数和依据某种假设所期望的次数（或理论次数）的差数平方，除以理论次数，求出比值，再将n 个比值相加，其和就是2。观察公式可发现，如果实际观察
SPSS的参数检验和非参数检验
S P S S的参数检验和非 参数检验 公司内部档案编码：[OPPTR-OPPT28-OPPTL98-OPPNN08]
实验报告 SPSS的参数检验和非参数检验 学期：_2013__至2013_ 第_1_学期 课程名称:_数学建模专业:数学 实验项目__SPSS的参数检验和非参数检验实验成绩：＿＿＿＿＿ 一、实验目的及要求 熟练掌握t检验及其结果分析。熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。 二、实验内容 使用指定的数据按实验教材完成相关的操作。 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验： 方式1：同一鼠喂不同的饲料所测得的体内钙留存量数据如下： 方式2：甲组有12只喂饲料1，乙组有9只喂饲料2，所测得的钙留存量数据如下：
请选用恰当方法对上述两种方式所获得的数据进行分析，研究不同饲料是否使幼鼠体内钙的留存量有显着不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至 周六各天三种品牌牛奶的日销售额数据，如下表所示： 请选用恰当的非参数检验方法，以恰当形式组织上述数据进行分析，并说明分析结论。 实验报告附页 三、实验步骤 （一） 方式1： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Paired-Samples T Test，出现窗口； 3、把检验变量饲料1，饲料2 选择到Paired Variables框，单击OK。方式2： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Independent-Samples T Test，出现窗口 3、选择检验变量饲料到Test Variable(s)框中。 4、选择总体标志变量组号到Grouping Variables框中。 5、单击Define Groups按钮定义两总体的标志值1、2，单击OK。
非参数检验(卡方检验)实验报告
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 2 学期
一、实验目的 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 (包括本实验要完成的实验问题及需要的相关知识简单概述) （1）课本第六章的例6.1-6.5运行一遍，注意理解结果； （2）然后将实验指导书的例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、数据的准备、运行过程分析、源程序（代码）、图形图象界面等） 例6.1 表1 灭螨A和灭螨B杀灭大蜂螨效果的交叉制表 效果 杀灭未杀灭 合计组别灭螨A 32 12 44 灭螨B 14 22 36 合计46 34 80 分析：表1是灭螨A和灭螨B杀灭大蜂螨效果的样本分类的频数分析表，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9.277a 1 .002 连续校正b7.944 1 .005 似然比9.419 1 .002 Fisher 的精确检验.003 .002
有效案例中的N 80 a. 0 单元格(.0%) 的期望计数少于5。最小期望计数为15.30。 b. 仅对2x2 表计算 分析：表2是卡方检验的结果。因为两组各自的结果互不影响，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的卡方值（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：对数似然比法计算的卡方值（类似皮尔逊卡方检验）； Fisher 的精确检验:精确概率法计算的卡方值（用于理论数E<5）。 不同的资料应选用不同的卡方计算方法。 例6.1为2*2列联表，df=1，须用连续性校正公式，故采用“连续校正”行的统计结果。 X2=7.944，P（Sig）=0.005<0.01，表明灭螨剂A组的杀螨率极显著高于灭螨剂B组。 例6.2 表3 治疗方法* 治疗效果交叉制表 计数 治疗效果 1 2 3 合计治疗方法 1 19 16 5 40 2 16 12 8 36 3 15 13 7 35 合计50 41 20 111 分析：表3是治疗方法* 治疗效果资料分析的列联表。 表4 卡方检验 X2值df 渐进Sig. (双侧) Pearson 卡方 1.428a 4 .839 似然比 1.484 4 .830 线性和线性组合.514 1 .474
方差分析与非参数检验
北京建筑大学 理学院信息与计算科学专业实验报告 课程名称《数据分析》实验名称方差分析与非参数检验实验地点基C-423 日期2017.3.30 （1）熟悉数据的基本统计与非参数检验分析方法； （2）熟悉撰写数据分析报告的方法； （3）熟悉常用的数据分析软件SPSS。 【实验要求】 根据各个题目的具体要求，完成实验报告。 【实验内容】 1、附件给出某年房屋价格的相关数据，请选用恰当的分析方法，对影响房屋价格的因素进行分析。(注意数据要调整成标准的格式，变量值、组别（字符变量转换成数值变量）)(单因素方差分析选择其中两个因素、双因素方差分析选择其中任一对因素即可) 2、附件给出管理才能评分的相关数据，请选用恰当的分析方法，分析该评分数据是否服从正态分布。 3、附件给出了某体育比赛的两位裁判打分数据，请选用恰当的分析方法，检验该两组评分分布是否有显著差异。(注意数据要调整成标准的格式，变量值、组别) 4、附件给出了减肥茶数据，请选用恰当方法分析，检验该减肥茶是否对减肥有显著效果。(注意数据要调整成标准的格式，变量值、组别) 【分析报告】 1、对影响房屋价格的因素进行分析。(单因素方差分析选择其中两个因素、双因素方差分析选择其中任一对因素即可)。 表1-1（a） 装修状况对均价影响的单因素方差分析结果 均价 平方和df 均方 F 显著性 组间79.180 1 79.180 62.408 .000 组内230.914 182 1.269 总数310.094 183 表1-1（b） 所在区县对均价影响单因素方差分析结果 均价 平方和df 均方 F 显著性 组间91.919 3 30.640 25.279 .000 组内218.174 180 1.212 总数310.094 183 表1-1（a）是装修状况对均价影响的单因素方差分析结果。可以看到：观测变量均价的离差平方总和为310.094；如果仅考虑装修状况单个因素的影响，则均价总变差中，不同装修状况可解释的变差为79.180，抽样误差引起的变差为230.914，它们的方差分别为79.180和1.269，相除所得的F统计量的观测值为62.408，对应的概率P-值近似为0.如果显著性水平α为0.05，由于概率P-值小于显著性水平α，应拒绝原假设，认为不同装修状况对均价的平均值产生了显著影响，不同装修状况对均价的影响效应不全为0。 表1-1（b）是所在区县对均价影响单因素方差分析结果。可以看到：如果仅考虑所在区县单个因素的影响，则均价总变差310.094中不同所在区县可解释的变差为91.919，抽样误差引起的变差为218.174，
非参数统计第4章 两独立样本的非参数检验
第四章 两独立样本的非参数检验 在单样本位置问题中，人们想要检验的是总体的中心是否等于一个已知的值．但在实际问题中，更受注意的往往是比较两个总体的位置参数；比如。两种训练方法中哪一种更出成绩，两种汽 油中哪一个污染更少，两种市场营销策略中那种更有效等等． 作为一个例子．我国沿海和非沿海省市区的人均国内生产总值(GDP)的1997年抽样数据如下(单位为元)．沿海省市区为(Y1，Y2，…，Y12): 15044 12270 5345 7730 22275 8447 9455 8136 6834 9513 4081 5500 而非沿海的为对（x1,x2,…，x18）： 5163 4220 4259 6468 3881 3715 4032 5122 4130 3763 2093 3715 2732 3313 2901 3748 3731 5167 人们想要知道沿海和非沿海省市区的人均GDP 的中位数是否一样．这就是检验两个总体的位置参数是否相等的问题． 假定代表两个独立总体的随机样本(Y1，Y2，…，Y12)和（x1,x2,…，x18），则问题归结为检验它们总体的均值(或中位数)的差是否相等，或是否等于某个已知值．换言之，即检验 0H ：021D =-μμ；1H ： 021D ≠-μμ 0H ：021D =-μμ；1H ： 021D <-μμ 0H ：021D =-μμ；1H ： 021D >-μμ 在正态假定下，这些问题化为：)2(~11)(0-++ --= m n t m n s D y x t 2 ) ()(1 2 1 2 -+-+ -= ∑∑==n m y y x x S m i i n i i t 检验并不稳健，在不知总体分布时，应用t 检验时会有风险的。 3.1 Brown-Mood 中位数检验 令沿海地区的人均GDP 的中位数为M X ，而内地的为M Y 。零假设为 0H ：y x M M =；1H ： y x M M > 显然，在零假设下，中位数如果一样的话，它们共同的中位数，即这(12十18)=30个数的样 本中位数(记为此xy M )，应该对于每一列数据来说都处于中间位置．也就是说，(Y1，Y2，…，Y12) 和（x1,x2,…，x18）中大于或小于xy M 的样本点应该大致一样多，计算他们的混合样本中位数为
参数、非参数检验操作步骤
参数、非参数检验操作步骤 参数检验 非参数检验 对象 针对参数做的假设 针对总体分布情况做的假设 使用范围 等距数据和比例数据（度量） 定类数据和定序数据（名义和有序） 分布 正态分布 正态、非正态分布 内容 Means 检验 单样本T 检验 独立样本T 检验 配对样本T 检验 卡方检验（均匀分布） 二项分布检验（两个变量） 游程检验（随机分布） K-S 检验（正态分布检验） 参数检验 一 Means 过程 Means 过程用于统计分组变量的的基本统计量，这些基本统计量包括：均值（Mean ）、标准差(Standard Deviation)、观察量数目(Number of Cases)、方差(Variance)。 1数据编辑窗口输入分析的数据 2 分析→比较均值→均值 因变量、自变量的选择可根据实际情况。 “选项”
3 结果分析
P＜0.05，拒绝原假设，显著性强。 结果报告，分别给出暴雨前和暴雨后卵量的统计量：暴雨前有13个样本，平均数122.3846，标准差15.95065，方差254.423; 暴雨后有13个样本，平均数104.4615，标准差15.10858，方差228.269；总体26个样本，平均数113.4231，标准差17.75426，方差315.214。 方差分析表，共有六列，第一列说明方差的来源，Between Groups是组间的，Within Groups 组内的，Total 总的。第二列为平方和，其大小说明了各方差来源作用的大小。第三列为自由度。第四列为均方，即平方和除以自由度。第五列F值是F统计量的值，其计算公式为模型均方除以误差均方，用来检验模型的显著性。第六列是F统计量的显著值，由于这里的显著值0.007小于0.05，所以模型是显著的，降雨对卵量有显著影响。 二单一样本的T检验 T检验是检验单个变量的均值与指定的检验值之间是否存在显著差异。如：研究人员可能想知道一组学生的IQ平均分与100分的差异。 1 分析→比较均值→单一样本的T检验
SPSS非参数检验之一卡方检验
SPSS中非参数检验之一：总体分布的卡方(Chi-square )检验 在得到一批样本数据后，人们往往希望从中得到样本所来自的总体的分布形态是否和某种特定分布相拟合。这可以通过绘制样本数据直方图的方法来进行粗略的判断。如果需要进行比较准确的判断，则需要使用非参数检验的方法。其中总体分布的卡方检验(也记为x2佥验)就是一种比较好的方法。 一、定义 总体分布的卡方检验适用于配合度检验，是根据样本数据的实际频数推断总体分布与期望分布或理论分布是否有显著差异。它的零假设H0:样本来自的总 体分布形态和期望分布或某一理论分布没有显著差异。 总体分布的卡方检验的原理是：如果从一个随机变量尤中随机抽取若干个观察样本，这些观察样本落在X的k个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k趋于无穷时，就近似服从X的总体分布。 因此，假设样本来自的总体服从某个期望分布或理论分布集的实际观察频数同时获得样本数据各子集的实际观察频数，并依据下面的公式计算统计量Q O i E i E i 其中，Oi表示观察频数；Ei表示期望频数或理论频数。可见Q值越大，表示观察频数和理论频数越不接近；Q值越小，说明观察频数和理论频数越接近。SPSS 将自动计算Q统计量，由于Q统计量服从K-1个自由度的X平方分布，因此SPSS 将根据X 平方分布表给出Q统计量所对应的相伴概率值。 如果相伴概率小于或等于用户的显著性水平，则应拒绝零假设H0,认为样 本来自的总体分布形态与期望分布或理论分布存在显著差异；如果相伴概率值大 于显著性水平，则不能拒绝零假设HO,认为样本来自的总体分布形态与期望分布或理论分布不存在显著差异。 因此，总体分布的卡方检验是一种吻合性检验，比较适用于一个因素的多项分类数据分析。总体分布的卡方检验的数据是实际收集到的样本数据，而非频数数据。 二、实例 某地一周内各日患忧郁症的人数分布如下表所示，请检验一周内各日人们忧 郁数是否满足1:1:221:1:1。
非参数检验(卡方检验)实验报告
. . 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 2 学期
a. 不假定零假设。 b. 使用渐进标准误差假定零假设。 分析：表11为LPA和FA两种检测结果的的一致性检验。Kappa值是部一致性系数，除数据P值判断一致性有无统计学意义外，根据经验，Kappa≥0.75，表明两者一致性较好0.7>Kappa ≥0.4，表明一致性一般，Kappa<0.4，则表明一致性较差。 本例Kappa值为0.680，P=0.000<0.01，拒绝无效假设，即认为两种检测方法结果存在一致性，Kappa值=0.680，0.7>Kappa≥0.4，表明一致性一般。 例1 表12 周日频数表 观察数期望数残差 1 11 16.0 -5.0 2 19 16.0 3.0 3 17 16.0 1.0 4 1 5 16.0 -1.0 5 15 16.0 -1.0 6 16 16.0 .0 7 19 16.0 3.0 总数112 分析：表12结果显示一周各日死亡的理论数（Expected）为16.0，即一周各日死亡均数；还算出实际死亡数与理论死亡数的差值（Residual）。 表13 检验统计量 周日 卡方 2.875a df 6 渐近显著性.824 a. 0 个单元 (.0%) 具有小于 5 的期望频率。单元最小期望频率为 16.0。 分析：Chi-Square过程，调用此过程可对样本数据的分布进行卡方检验。卡方检验适用于配合度检验，主要用于分析实际频数与某理论频数是否相符。卡方值X2=2.875，自由度数（df）=6，P=0.824>0.05，差异不显著，即可认为一周各日的死亡危险性是相同的。 例2 表14 二项式检验 类别N 观察比例检验比例精确显著性（双侧）性别组 1 0 12 .30 .50 .017 组 2 1 28 .70
两个独立样本的非参数检验方法有4种
两个独立样本的非参数检验方法有4种 曼-惠特尼U检验（Mann—whitney U） 两个独立的曼-惠特尼U检验可用于对两个总体分布的比较判断。其零假设是两组独立样本来自的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推断秩简单的说就是变量值排序的名次。 两个独立样本的K-S检验 K-S检验不仅能够检验单个总体的分布是否与某一理论分布差异显著，还能够检验两个总体的分布是否存在显著差异，其零假设是两组独立样本来自的两个总体的分布无显著差异。 两个独立样本K-S检验的基本思想与前面讨论的单样本K-S检验的基本思路大体一致。主要差别在于：这里是以变量值的秩作为分析对象，而非变量值本身。其基本思路如下： ①首先，将这两组样本混合并按升序排序。 ②然后分别计算两组样本秩的累计频数和累计频率。 ③最后，计算累计频率之差，得到秩的差值序列并得到D统计量（同单样本K-S检验，但无需修正）。 两独立样本的游程检验 单样本游程检验用来检验变量值的出现是否随机，而两个独立变量游程检验则用来检验两个独立样本来自的两个总体的分布是否存在显著差异。其零假设是两组独立样本来自的两个总体的分布无显著差异。 两独立样本的游程检验与单样本游程检验的基本思想相同，不同的是计算游程数的方法。两独立样本的游程检验中，又程数依赖于变量的秩。 步骤如下：首先，将两组样本混合并按升序排列，在变量值排序的同时，对应的组标记值也会随之重新排列。 然后，对组标记只序列按前面讨论的游程的方法计算游程数容易理解：如果两总体的分布存在较大的差距，那么游程数会相对比较少，如果游程数比较大，则应是两组样本充分混合的结果，那么总体的分布不会存在显著差异。 再次，根据游程数据计算Z统计量，该统计量近似服从正态分布。 极端反应检验 极端反应检验从另一个角度检验两独立样本所来自的两个总体分布是否存在显著差异。其零假设是来两独立样本来自的两个总体分布无显著差异。 极端反应检验的基本思想是将一组样本作为控制样本，另一组样本作为实验样本。以控制样本作为对照，检验实验样本相对于控制样本是否出现极端反应。如果试验样本没有出现极端反应，则认为两总体分布无显著差异，反之，则总体分布存在显著差异。 第1 页共1 页
参数检验和非参数检验
一．单因素方差分析（one-way ANOVA）,用于完全随机设计的多个样本均数间的比较，其统计推断是推断各样本所代表的各总体均数是否相等。 完全随机设计（completely random design）不考虑个体差异的影响，仅涉及一个处理因素，但可以有两个或多个水平，所以亦称单因素实验设计。在实验研究中按随机化原则将受试对象随机分配到一个处理因素的多个水平中去，然后观察各组的试验效应；在观察研究（调查）中按某个研究因素的不同水平分组，比较该因素的效应。 二． T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与Z检验、卡方检验并列。 t检验 t检验分为单总体检验和双总体检验。 单总体t检验时检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数的离差统计量呈t分布。 单总体t检验统计量为： 双总体t检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体t 检验又分为两种情况，一是独立样本t检验，一是配对样本t检验。 独立样本t检验统计量为：
S1 和S2 为两样本方差；n1 和n2 为两样本容量。（上面的公式是1/n1 + 1/n2 不是减！） 配对样本t检验统计量为： t检验的适用条件 (1) 已知一个总体均数； (2) 可得到一个样本均数及该样本标准差； (3) 样本来自正态或近似正态总体。 t检验步骤 以单总体t检验为例说明: 问题：难产儿出生体重n=35，X拔=3.42，S =0.40，一般婴儿出生体重μ0=3.30（大规模调查获得），问相同否？ 解：1.建立假设、确定检验水准α H0：μ = μ0 （无效假设，null hypothesis） H1：μ≠μ0（备择假设,alternative hypothesis，） 双侧检验，检验水准:α=0.05 2.计算检验统计量
SPSS的参数检验和非参数检验
实验二 SPSS的参数检验和非参数检验 （验证性实验 4学时） 1、目的要求：熟练掌握t检验及其结果分析。熟练掌握单样本、两独立 样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给 出准确分析。 2、实验内容：使用指定的数据按实验教材完成相关的操作。 3、主要仪器设备：计算机。 练习： 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验： 鼠体内钙的留存量有显著不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至周六各天 并说明分析结论。 1 参数检验概述 假设检验的基本思想 .事先对总体参数或分布形式作出某种假设，然后利用样本信息来判断原假设是否成立； .采用逻辑上的反证法，依据统计上的小概率原理。
2 单样本的T检验 2.1检验目的： ?检验单个变量的均值是否与给定的常数(总体均值)之间是否存在显著差异。如：分析学生的IQ平均分是否为100分；大学生考研率是否为5%。 ?要求样本来自的总体服从或近似服从正态分布。 2.2 单样本T检验的实现思路 ?提出原假设： ?计算检验统计量和概率P值 ●给定显著性水平与p值做比较：如果p值小于显著性水平，小概率事件在 一次实验中发生，则我们应该拒绝原假设，反之就不能拒绝原假设。 2.3 单样本t检验的基本操作步骤 1、选择选项Analyze－Compare means－One-Samples T test，出现窗口： 2、在Test Value框中输入检验值。 3、单击Option按钮定义其他选项。Option选项用来指定缺失值的处理方法。其中，Exclude cases analysis by analysis表示计算时涉及的变量上有缺失值，则剔除在该变量上为缺失值的个案；Exclude cases listwise表示剔除所有在任意变量上含有缺失值的个案后再进行分析。可见，较第二种方式，第一种处理方式较充分地利用了样本数据。在后面的分析方法中，SPSS对缺失值的处理方法与此相同，不再赘述。另外，还可以输出默认95％的置信区间。 至此，SPSS将自动计算t统计量和对应的概率p值。 3 两独立样本的T检验 3.1 两独立样本T检验的目的 ?利用来自两个总体的独立样本，推断两个总体的均值是否存在显著性差异； ?两独立样本的样本容量可以相等，也可以不相等； ?样本来自的总体服从或近似服从正态分布。 方差齐性检验（Levene F方法）： ?计算两组样本的均值 ●计算各个样本与本组均值的平均离差绝对值； ●利用单因素方差分析推断两独立总体平均离差绝对值是否有显著差异。 ●在对两独立样本进行T检验时，两组样本方差相等和不等时使用的计算t 值的公式不同，所以首先进行方差F检验。用户需要根据F检验的结果自己判断选择t检验输出中的哪个结果，得出最后结论。如果推断两总体方差相等则看方差相等的T检验值和P值，如果推断两总体方差不相等则看方差不相等的T检验值和P值。 3.2 两独立样本T检验的实现思路 ?提出原假设：两总体均值不存在显著差异： ●计算统计量和P值：首先利用F检验确定两个总体的方差是否相等；然后 再选择合适的T统计量计算观测值和概率P值； ●根据显著性水平和概率P值进行统计决策。 3.3 两独立样本t检验的基本操作步骤 进行两独立样本t检验之前，正确地组织数据是一个非常关键的任务。SPSS 要求将两组样本数据存放在一个SPSS变量中，同时，为区分哪些样本来自哪个
第5章 K个相关样本的非参数检验
1 第五章 K 个相关样本的非参数检验 §5.1 几个概念 在参数检验中，我们常常对三个或三个以上的总体的均值进行相等性检验，使用的方法是方差分析，在非参数分析中也会遇到同样的问题，检验多个总体的分布是否相同。更严密的说，当几个总体的分布相同的条件下，讨论其位置参数是否相等。方差分析过程需要假定条件,F 检验才有效。可有时候所采集的数据常常不能满足这些条件，像多样本比较时一样，我们不妨尝试将数据转化为秩统计量，因为秩统计量的分布与总体分布无关，可以摆脱总体分布的束缚。秩方法在方差分析中的应用。 1、 处理—样本; 2、 区组—因素 在K 个不同的条件下，对n 个受试者进行试验。得下列数据： §5.2 Kruskal Wallis 检验 在比较两个以上的总体时广泛使用的Kruckal-Wallis 检验，就是对两个以上的秩样本进行比较的非参数方法，实质上它是两样本比较时的Wilcoxon 方法在多于两个样本时的推广。 在该测验中，首先计算全体样本中的秩，遇到数据出现相等，即存在“结”的 情况时，采用“平均秩”手段让它们分享它们理应所得的秩和，再对数据(秩)进行方差分析，但构造的统计量并不是组间平均平方和除以组内平均平方和，而是KW=组间平方和/总平方和的平均数，KW 表示Kruskal-Wallis 统计量。 k M M M H === 210: 。至少一对位置参数不等 :1H
2 KW 统计量的观察值是我们判定各组之间是否存在差异的有力依据，因为我们需要检验的原假设是各组之间不存在差异，或者说各组样本来自的总体具有相同的中心(均值或中位数)。Kruskal-Wallis 统计量的计算步骤为： 将 k 组数据混合，并从小到大排列，列出等级，如有相同数据则取平均等级，如果原假设为不真，某个总体的位置参数太大，则其观测值也倾向于取较大的值，则该总体的观测值的秩和也会偏大，因而导致 ∑=+- += N i i i N N R n N N S 1 2 )2 1() 1(12 偏大，其中j n j ij i n R R j /1 ∑== 。 S N 的含义是：∑=+- N i i i N R n 1 2 )21(是组间离差平方和 2 1 )2 1(1 1 ∑=+- -N i N i N ?? ????+--=∑=212 )21(11N i N N i N 12 )1(+= N N ∑=+- += N i i i N N R n N N S 1 2 )2 1() 1(12 在原假设为真的条件下，只要k 大于3， KW 很快地依分布趋于自由度为(k-1)的)1(2 -k χ分布。 例：从我国上市公司中分别随机抽取了工业、商业、建筑业、交通运输业等四个行业，其在1999年的总资产报酬率如下： 问四个行业资产报酬率是否有显著性差异.
两个独立样本的非参数检验方法
两个独立样本的非参数检验方法 两个独立样本的费参数检验正是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是否存在显著差异的方法。 一、曼-惠特尼U检验 两个独立的曼-惠特尼U检验可用于对两个总体分布的比较判断。其零假设是两组独立样本来自的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推断秩简单的说就是变量值排序的名次。 二、两个独立样本的K-S检验 K-S检验不仅能够检验单个总体的分布是否与某一理论分布差异显著，还能够检验两个总体的分布是否存在显著差异，其零假设是两组独立样本来自的两个总体的分布无显著差异。 两个独立样本K-S检验的基本思想与前面讨论的单样本K-S检验的基本思路大体一致。这里是以变量值的秩作为分析对象，而非变量值本身。其基本思路如下： ①首先，将这两组样本混合并按升序排序。 ②然后分别计算两组样本秩的累计频数和累计频率。 ③最后，计算累计频率之差，得到秩的差值序列并得到D统计量（同单样本K-S检验，但无需修正）。 三、两独立样本的游程检验 单样本游程检验用来检验变量值的出现是否随机，而两个独立变量游程检验则用来检验两个独立样本来自的两个总体的分布是否存在显著差异。其零假设是两组独立样本来自的两个总体的分布无显著差异。 两独立样本的游程检验与单样本游程检验的基本思想相同，不同的是计算游程数的方法。两独立样本的游程检验中，又程数依赖于变量的秩。 步骤如下：首先，将两组样本混合并按升序排列，在变量值排序的同时，对应的组标记值也会随之重新排列。 然后，对组标记只序列按前面讨论的游程的方法计算游程数容易理解：如果
SPSS的参数检验和非参数检验
实验报告 SPSS的参数检验和非参数检验 学期：_2013__至2013_ 第_1_学期 课程名称:_数学建模专业:数学 实验项目__SPSS的参数检验和非参数检验实验成绩：＿＿＿＿＿ 一、实验目的及要求 熟练掌握t检验及其结果分析。熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。 二、实验内容 使用指定的数据按实验教材完成相关的操作。 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验： 方式1：同一鼠喂不同的饲料所测得的体内钙留存量数据如下： 方式2：甲组有12只喂饲料1，乙组有9只喂饲料2，所测得的钙留存量数据如下：
请选用恰当方法对上述两种方式所获得的数据进行分析，研究不同饲料是否使幼鼠体内钙的留存量有显着不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至周 六各天三种品牌牛奶的日销售额数据，如下表所示： 请选用恰当的非参数检验方法，以恰当形式组织上述数据进行分析，并说明分析结论。
实验报告附页 三、实验步骤 （一） 方式1： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Paired-Samples T Test，出现窗口； 3、把检验变量饲料1，饲料2 选择到Paired Variables框，单击OK。方式2： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Independent-Samples T Test，出现窗口 3、选择检验变量饲料到Test Variable(s)框中。 4、选择总体标志变量组号到Grouping Variables框中。 5、单击Define Groups按钮定义两总体的标志值1、2，单击OK。（二） 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze->Nonparametric->k Independent sample 3、选择待检验的若干变量入包装1，包装2，包装3到Test Variable(s)框中； 4、选择推广的平均秩检验(Friedman检验)，单击OK。 四、实验结果分析与评价 （一）： 方式1： 由上表知：两配对变量饲料1和饲料2对应的概率p值为>通过了检