秩转换的非参数检验
秩和检验
H1：肺癌病人的RD值高于矽肺0期工人的RD值
（总体分布位置靠右）
α=0.05
2。计算统计量T
① 把两样本数据混合小到大编秩，遇到数据相
同的取平均秩次 ② 分别求两样本秩次之和，用T1和T2表示（样本
含量小的为T1），选择T1作为统计量值T。若样本
含量相等，任取一个秩和作为T（T1或T2）。
非参数方法的特点：
������
������
适用范围广，几乎可用于任何情况。
当资料符合参数检验方法的适用条件时， 原因：无法借助总体分布得到许多推论，
使用非参数方法的检验效能较低。
������
本身在利用信息上就有丢失
Ⅰ型错误和Ⅱ型错误
由样本推断的结果 真实结果 拒绝H0 不拒绝H0 H0成立 Ⅰ型错误 α 推断正确(1－α)
例：住院时间
结果为有序分类变量时无法使用。 例：尿糖检测结果 样本数据两端有不确定值时无法使用。 例：仪器性能限制，超出可测量范围
以上情况下强行使用参数统计方法可能会得到错误结论
非参数检验一般不直接用样本观察值作分析，统
计量的计算基于原数据在整个样本中按大小所占位
次。由于丢弃了观察值的具体数值，而只保留其大
7.5 7.5
3 7.5
-7.5 3
1。 建立假设并确定检验水准
H0：差值的总体中位数为0，Md=0 H1：差值的总体中位数不为0，Md≠0 α=0.05
2。计算统计量T
T+=34.5
T-=10.5
T=10.5
3. 确定P值，作出统计推断
n=9,T=T-=10.5，查界值表：P>0.10
按α=0.05的水准，不拒绝H0，还不能认为两
第四讲 秩和检验
以上情况下强行使用参数统计方法可能会得到错误结论
非参数检验：是针对参数检验而言的，当随机样本 对应的总体分布不能用某种数学形式表达、没有总体 参数存在时，直接对总体分布类型或分布位置进行推 断的假设检验方法。
优点：适用范围广、受限条件少、具有稳健性
局限性：检验效能低
非参数检验的适用范围：
计量资料
例8-1 对12份血清分别用原方法（检测时间20分
钟）和新方法（检测时间10分钟）测谷-丙转氨酶，
结果见表8-1的(2)、(3)栏。问两法所得结果有无
差别？
表8-1
12份血清用原法和新法测血清谷-丙转氨酶的比较
编号 1 2 3 原法 60 142 195 新法 76 152 243 差值 16 10 48 正秩 8 5 11 负秩
秩 和 平均 秩 吸烟工人 不吸烟工人 2 19 48 2 152 768 685 310 1917 4 437 528 274 0 1243
62～75 68.5 76～79 77.5 ─ ─
例8-4
39名吸烟工人和40名不吸烟工人的碳氧血
红蛋白HbCO(%)含量见表8-6。问吸烟工人的HbCO(%) 含量是否高于不吸烟工人的HbCO(%)含量？
秩和检验
秩和检验（rank sum test）：对数据从小到大 排序，该序号在统计学上称为秩（ rank ），用数据 的秩代替原始数据进行假设检验的方法称为秩和检验。
第一节 第二节 第三节 第四节 配对样本比较的Wilcoxon符号秩检验 完全随机设计两样本比较的Wilcoxon秩和检验 完全随机设计多个样本比较Kruskal—Wallis H检验 随机区组设计多个样本比较的Friedman M 检验
P<0.05
秩转换的非参数检验
（2）正态近似法u 检验 如果n超出附表10范 围，则用以下公式计算u值，进行u检验：
u T n1 (n1 n2 1) / 2 t 3 t j） （ j n1n2 (n1 n2 1) 1－ 3 12 N N
（ t C 1－
3 3 j
二、两组频数表或等级资料比较
例8-4 39名吸烟工人和40名不吸烟工人的碳氧血红蛋 白HbCO(%)含量见表8-6。问吸烟工人的HbCO(%)含量 是否高于不吸烟工人的HbCO(%)含量？
表8-6 吸烟工人和不吸烟工人的HbCO(%)含量比较 含量 吸烟 不吸烟 合 秩次 平均 秩和 工人 工人 计 范围 秩次 吸烟 不吸烟
(3)计算正负秩和: T ＝ 54.5, T ＝ 11.5 (4)确定检验统计量T 任取T 和 T 为T ，本例取T =11.5。 3.确定P 值，作出推论： （1） n≤50，查表法。本例n=11，查附表9得 T0.05， 为 ～56， 11 10
本例11.5在此范围内，故P >0.05，按α =0.05 水准，不拒绝Ho 还不能认为两法测定结果有差别。 （2） n>50，u 检验。
第八章
秩转换的非参数检验
非参数检验的概念： 非参数检验是指对原始资料无特殊要求（如正 态分布、总体方差相等）的一类检验方法，它不 是比较参数，而是比较分布的位置。不符合t 检验 和F检验的数值变量资料可用秩和检验，此外，秩 和检验还可用于两组或多组等级资料以及“开口” 资料的比较。等级相关也属于非参数检验。
表8-9 三种药物杀灭钉螺的死亡率（%）比较 甲药 乙药 丙药 死亡率 秩次 死亡率 秩次 死亡率 秩次 32.5 10 16.0 4 6.5 1 35.5 11 20.5 6 9.0 2 40.5 13 22.5 7 12.5 3 46.0 14 29.0 9 18.0 5 49.0 15 36.0 12 24.0 8 63 ─ 38 ─ 19 Ri ni 5 ─ 5 ─ 5
非参数检验的基本原理
非参数检验的基本原理非参数检验是一种利用统计方法来检验假设的一种方法，与参数检验相比，非参数检验不需要对总体的分布做出假设，更为灵活。
本文将介绍非参数检验的基本原理。
一、概述非参数检验是一种统计方法，既不要求数据符合特定分布，也不对总体参数做出假设。
与之相反，参数检验通常假设数据服从特定的分布，例如正态分布。
非参数检验的主要优点是可以更全面地处理数据，更适用于复杂的情况。
然而，非参数检验的统计效率通常较低，需要更多的样本来达到相同的置信水平。
二、基本原理1. 秩次转换非参数检验通常使用秩次转换来处理数据。
所谓秩次转换是将原始的数值转换为它们在样本中的秩次，从而消除数值的大小差异。
对于同一组数据，秩次转换后，可以应用更广泛的统计方法。
2. Wilcoxon符号秩检验Wilcoxon符号秩检验是一种非参数检验方法，主要应用于配对样本或者两组独立样本之间的差异比较。
它的基本思想是对每个观测值计算它们的符号秩，然后通过比较两组样本的秩和来判断差异是否显著。
3. Mann-Whitney U检验Mann-Whitney U检验是一种非参数检验方法，用于比较两组独立样本之间的差异。
它的基本原理是将两组样本中的所有观测值汇总，然后对这些观测值进行秩次转换，并计算两组样本排名和。
通过比较两组样本排名和的大小来判断差异是否显著。
4. Kruskal-Wallis H检验Kruskal-Wallis H检验是一种非参数的方差分析方法，用于比较三组或以上独立样本之间的差异。
它的基本原理是将所有样本的观测值汇总，然后进行秩次转换，并计算各组样本排名和的平均值。
通过比较平均排名和的大小来判断差异是否显著。
三、案例研究为了更好地理解非参数检验的原理，我们以某家公司销售部门的两个月销售额作为例子进行案例研究。
假设第一个月公司销售额为[100, 80, 120, 90, 110]，第二个月公司销售额为[95, 85, 115, 100, 105]。
参数方法 非参数方法
参数方法非参数方法参数方法和非参数方法是统计学中两种常用的数据分析方法。
参数方法是指在数据分析过程中，需要预先对数据的分布做出假设，并基于假设建立参数模型。
参数模型可以用来估计总体参数，并使用统计推断方法进行假设检验。
常见的参数方法包括t检验、方差分析、回归分析等。
t检验是一种用于比较两个样本均值是否有显著差异的参数方法。
在t检验中，我们需要预先假设样本数据服从正态分布，并且方差齐性成立。
通过计算样本均值的差异与预期均值差异之间的差异大小，得出结论是否拒绝原假设。
方差分析是一种用于比较两个或多个样本组均值差异是否显著的参数方法。
它假设样本数据服从正态分布，且不同样本组的方差相等。
通过计算组间均方与组内均方之间的比值，得出结论是否拒绝原假设。
回归分析是一种用于探究变量之间关系的参数方法。
它假设因变量与自变量之间存在线性关系，并且误差项服从正态分布。
通过最小化误差平方和，估计出回归系数，从而得到模型的偏回归系数。
参数方法的优点是可以对总体参数进行估计和推断，结果具有精确性。
然而，参数方法对数据的分布假设要求较高，如果数据偏离了假设的分布，会导致统计推断结果的失真。
与之相反，非参数方法则不依赖于总体的分布假设，基于样本数据进行推断和分析。
非参数方法主要通过排序和秩次转换的方法，来对比样本之间的差异。
常用的非参数方法包括Wilcoxon符号秩检验、Kruskal-Wallis检验、Spearman相关分析等。
Wilcoxon符号秩检验是一种用于比较两个相关样本均值差异是否显著的非参数方法。
它将样本数据转换为秩次，通过对比秩次差异的大小，得出结论是否拒绝原假设。
Kruskal-Wallis检验是一种用于比较多个无关样本组均值差异是否显著的非参数方法。
它将样本数据转换为秩次，通过对比不同样本组秩次和的大小，得出结论是否拒绝原假设。
Spearman相关分析是一种用于探究变量之间关系的非参数方法。
它基于秩次转换的数据，计算出秩次之间的相关系数，从而推断变量之间的相关性。
第十一讲 秩和检验
适用范围
1、成组设计的两样本计量数据，不符合 t 检 验的条件(方差相等，且服从正态分布)； 2、两组等级资料或两端无确切值的资料。
一、原始数据的两样本比较
基本思想： • 假定：两组样本的总体分布形式相同(即 H0成立)，则两样本来自同一总体，且任 一组秩和不应太大或太小 。即T 与平均秩 和 n1(N+1)/2应相差不大。 N = n1+n2
• 前面介绍的检验方法首先假定分析变量 服从特定的已知分布（如正态分布）， 然后对分布参数（如均数）作检验。这 类 检 验 方 法 称 参 数 检 验 （ parametric test）。 • 今天介绍的检验方法不对变量的分布作 严格假定，这类检验称非参数检验 （nonparametric test）。
非参数统计
(nonparametric statistics)
对总体的分布类型不 作特殊要求 ，统计 推断时不涉及参数 不受总体参数的影响，比 较的是分布或分布位置
依赖于特定分布类 型，比较的是参数
非参数统计的适用情况
• • • • • 等级资料 偏态分布资料 分布不明资料 个别数据偏离过大的资料 各组方差明显不齐的资料
• 确定P值： 以较小绝对值的秩和为T值。 本例T=3.5 以n=11查附表6（P268，单侧） p<0.005， • 判定结果： 按α=0.05水准，拒绝H0，接受H1，故可以 认为该厂工人尿氟含量高于当地健康人。
第二节 成组设计两样本比较 的秩和检验
Wilcoxon rank sum test
这下面一行（记为Ri）就是上面一行数 据Xi的秩。
秩和检验原理
• 秩和检验（rank sum test）：是通过对数 据依小到大排列的秩次，以求秩次之和来 进行假设检验的方法。
非参数统计中的秩和检验方法详解(七)
非参数统计中的秩和检验方法详解统计学作为一门应用广泛的学科，其研究对象主要是各种数据的收集、整理、分析和解释。
在统计学中，参数统计和非参数统计是两种常用的分析方法。
在本文中，我们将重点介绍非参数统计中的一种常见方法——秩和检验。
一、秩和检验的基本原理秩和检验是一种基于秩次的非参数假设检验方法，它不需要对总体分布进行任何假设，因此在数据分布未知或不满足正态分布假设的情况下，秩和检验可以很好地进行统计推断。
秩和检验的基本原理是将样本数据进行排序，然后将排序后的数据转化为秩次，再通过对秩次进行比较来进行假设检验。
秩和检验适用于两组或多组独立样本的比较，常用于检验总体的中位数是否相等或者总体分布是否相同。
二、秩和检验的步骤秩和检验的步骤主要包括数据排序、秩次转换和秩和比较。
具体步骤如下：1. 数据排序：首先对样本数据进行排序，可以按照从小到大或者从大到小的顺序进行排序。
2. 秩次转换：将排序后的数据转化为秩次，即给每个数据赋予一个秩次，通常情况下，秩次是按照数据在样本中出现的顺序进行分配的。
如果出现相同的数据，可以采取加权秩次的方法进行处理。
3. 秩和比较：对计算得到的秩次进行比较，通过比较秩和的大小来进行假设检验，得出检验统计量并进行显著性检验。
三、秩和检验的应用秩和检验方法在实际应用中有着广泛的应用，特别是在医学、生物学、社会科学和工程领域等。
下面以两组独立样本的比较为例，介绍秩和检验的应用。
假设有两组独立样本，分别记为X和Y，我们要比较这两组样本的中位数是否相等。
首先对两组样本数据进行排序，并进行秩次转换，得到秩和值RX和RY，然后对秩和值进行比较，通过比较得到的检验统计量进行显著性检验，从而判断两组样本的中位数是否相等。
四、秩和检验的优缺点秩和检验作为一种非参数方法，具有一些优点和局限性。
优点：秩和检验不需要对数据分布进行假设，因此对于不满足正态分布假设的数据具有较好的适用性；同时，秩和检验是一种较为稳健的检验方法，对异常值和极端值的影响相对较小。
秩转换的非参数检验
参数检验
参数检验方法：t 检验，方差分析； 总体分布假定：各组样本所来自的总体为 正态分布（已知的分布形式）,各组样本所 来自的总体方差齐性。
非参数检验
定义：不依赖于总体的分布类型，对样本 所来自总体的分布不作严格假定的统计推 断方法，称为非参数检验（nonparametric test）。直接对总体分布做假设检验。 又称为任意分布检验（distribution-free test）。
（1） 很低 低 中 偏高 高 合计
（2） 1 8 16 10 4
（3） 2 23 11 4 0
（4） 3 31 27 14 4 79
（5） 1~3 4~34 35~61 62~75 76~79 —
（6） 2 19 48 68.5 77.5 —
39（n1） 40（n2）
1917（T1） 1243（T2）
查T界值表。
（3）确定P值，作出结论
若n1≤10且n2-n1≤10，可通过查阅T界值表
（附表10）确定P值；
若两样本量不满足上述条件，则可采用正
态近似法作u检验，按公式（8-2）计算u值。
正态近似法
| T n 1(N 1)/2 | n 1 n 2(N 1) ( t j t j ) ) (1 3 12 N N
（通常取秩和较小者）。
, 较小例数组的秩和 n 1 n 2 T min(R1 ,R 2 ),n 1 n 2
N n1 n2 n0 min( n1 , n2 )
较小例数组的平均秩和为：
n0(1 N)/2
若H0成立，T值应接近 n0(1 N)/2 ，若T值严重偏离
n0(1 N)/2 ，则提示H0可能是不正确的。小样本时，
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
秩转换的非参数检验
基本概念
1.参数检验方法（parametric test）：总体分布类型已知的条件下对其参数进行估计或检验。
(如t-test, F- test)
2.非参数检验方法（nonparametric test）:一种不依赖总体分布的具体形式，也不对参数进行估计或检验的统计方法来分析此类资料这种方法不受总体参数的影响，检验的是分布或分布位置，而不是参数。
这样的检验方法称为非参数检验（如基于秩次的检验）
3.秩次（rank)）：秩统计量，是指全部观察值按某种顺序排列的位序。
在一定程度上
反映了等级的高低。
4.秩和(rank sum)：同组秩次之和。
在一定程度上反映了等级的分布位置
非参数检验的优缺点：
优点：无严格的条件限制，且多数非参数统计方法较为简单，易于理解和掌握，应用范
围广
缺点：对适宜参数统计的资料，若用非参数统计处理，常损失部分信息，降低检验效能。
总结：因此对适合参数统计条件的资料或经变量变换后适合参数统计的资料，应最好用
参数统计。
但资料不具备用参数统计的条件时，非参数统计是很有效的分析方法
适用范围：
(1)总体分布为偏态或分布形式未知的计量资料（尤其在ｎ<30的情况下）。
(2)等级资料。
(3)个别数据偏大或数据的某一端无确定的数值。
(4)各总体方差不齐。
检验步骤
1、检验假设H0：差值的总体中位数Md=0 H1：差值的总体中位数Md≠0 α=0.05
2、求差值
3、编秩：依差值的绝对值从小到大编秩遇差值为0的对子，舍去不计，同时样本量减一遇差值绝对值相等则取平均秩，称为相同秩（ties）然后按差值的正负对秩次冠以正负号
4、求检验统计量：任取正秩和或负秩和为T
5、确定P值并做出统计推断（查附表9，内大外小原则）
正态近似法（n>50时）超出附表9范围，可用正态近似法作u检验。
两样本比较的秩和检验
基本思想:如果H0 成立，即两组分布位置相同，则A组的实际秩和应接近理论秩和n1(N+1)/2; (B组的实际秩和应接近理论秩和n2(N+1)/2).或相差不大，差值很大的概率应很小。
如果相差较大，超出了预定的界值，则可认为H0不成立。
检验步骤
1、检验假设
H0：两总体中位数相等M1=M2
H1：两总体中位数不等M1≠M2 α=0.05
2、编秩:各组数据混合依观测值从小到大编秩遇观测值相等则取平均秩
3、求秩和:分别计算各组秩和
4、求检验统计量：
当n1＝n2时，取秩和较小者为检验统计量
当n1≠n2时，取样本量较小的秩和为检验统计量
5、确定P值并做出统计推断（查附表10，内大外小原则）
多样本比较的秩和检验
本法利用多个样本的秩和推断各样本分别代表的总体的位置有无差别，相当于单因素方
差分析的非参数检验，此法适用于有序分类资料及不宜用参数检验的数值变量资料，该
法亦称为H检验
检验步骤
1、检验假设H0：各总体分布H1：各总体分布不全相同α=0.05
2、编秩:各组数据混合依观测值从小到大编秩遇观测值相等则取平均秩
3、求秩和:分别计算各组秩和
4、求检验统计量：
5、确定P值并做出统计推断（H近似服从ν=k−1的χ2分布）
配伍组比较的秩和检验
检验步骤
1、检验假设H0：各总体分布相同H1：各总体中位数不全相等α=0.05
2、编秩:同区组数据依观测值从小到大编秩遇观测值相等则取平均秩
3、求秩和:分别计算各处理组秩和
4、求检验统计量：
5、确定P值并做出统计推断（查附表12M界值表）
小结
1、参数统计方法：是一类依赖总体分布的具体形式的统计方法
2、非参数统计方法：是一类不依赖总体分布具体形式的统计方法
3、秩和检验的操作步骤
建立检验假设编秩次计算秩和
确定P值做出推断
秩和检验统计量判断：查表/正态近似
频数表同秩次较多，一般结果须用校正公式
多样本秩和检验如有意义，一般不做两两比较，如需比较，可采用bonferroni校正法。