非参数统计分析方法
一单样本问题
1,二项式检验:检验样本参数是否与整体参数有什么关系。 样本量为n,给定一个实数M0(代表题目给出的分位点数),和分位点∏(0.25,0.5,0.75)。用S-记做样本中比M0小的数的个数,S+记做样本中比M0大的数的个数。如果原假设H0成立那么S-与n的比之应为∏。 H0:M=M0
H1:M≠MO或者M>M0或者M Spss步骤:分析—非参数检验—二项式检验。 可以得出统计量为K=min(S-,S+)和统计量Z和p值 当p值小于0.05时拒绝原假设,没有充足理由证明M=M0., 2,Wilcoxon符号秩序检验 Wilcoxon检验的目的和二项式检验是一样的, Spss步骤:分析—非参数检验—两个相关样本 得出统计量Z和p值 当p值小于0.05时拒绝原假设,没有充足理由证明M=M0 3,随机性游程检验 给出一组数据看次数据出现的情况是不是随机的。 列如:00011011110001110100001110 H0:是随机的 H1:不是随机的(混合倾向,游程多,长度短)(成群倾向,游程少, 长度长) Spss步骤:分析—非参数检验—游程 得出统计量R和p值 当p值小于0.05时拒绝原假设,没有充足理由证明该数据出现是随机的 二,两个样本位置问题 1, Brown—Mood中位数检验 给出两个样本比较两个样本的中位数或者四分位数等是否相等或者有一定关系,设一个中值为M1,一个为M2 H0:M1=M2. H1:M1≠M2或者M1>M2或者M1 Spss步骤:分析—非参数检验—k个独立样本 得出统计量Z和p值 当p值小于0.05时拒绝原假设,没有充足理由证明M1=M2. 2, Wilcoxon(Mann—Whitniey)秩和检验 该检验和Brown—Mood检验的原理是一样的,但是该检验利用了更多的样本信息,从而比Brown—Mood检验更有说服力。 Spss步骤:分析—非参数检验—2个独立样本 得到Z统计量和p值, 当p值小于0.05时拒绝原假设,没有充足理由证明M1=M2. 3, 成对样本Wilcoxon秩和检验 用M1代表开始时的数据某一特征值,用M2代表结束后的数据某一特 征值,比较前后关系。 H0:M1=M2 H1:M1≠M2或者M1>M2或者M1 Spss步骤:分析—非参数检验—2个相关样本。 得到统计量Z和p值 当p值小于0.05时拒绝原假设,没有充足理由证明M1=M2 三,多样本数据问题 1, Kruskal—Wallis秩和检验 多样本的分布是否相等问题,每个样本的特征值用U1,U2,U3,U4 ...来表示。 H0:U1=U2=U3=U4...(每个样本的分布是相等的) H1:U1≠U2≠U3≠U4...(样本的分布至少有一个不相等) Spss步骤:分析—非参数检验—k个独立样本 得到统计量F和p值 当p值小于0.05时就拒绝原假设,说明样本的分布至少有一个是不相等的 2, 完全区组设计:Friedman秩和检验(该检验即可用于k个独立 样本也可用于k个相关样本) 此检验和Kruskal—Wallis秩和检验原理是一样的 Spss步骤:分析—非参数检验—k个相关样本 得出统计量F和p值,当p值小于0.05时拒绝原假设,说明样本的分布至少有一个是不相等的
完整word版,非参数统计分析方法总结,推荐文档
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)