2019年非參數(shù)假設檢驗范文

1、2019 年非參數(shù)假設檢驗范文篇一：實驗八非參數(shù)假設檢驗實驗八非參數(shù)假設檢驗? 單樣本非參數(shù)檢驗? 兩個獨立樣本非參數(shù)檢驗? 多個獨立樣本非參數(shù)檢驗? 兩個配對樣本非參數(shù)檢驗? 多個配對樣本非參數(shù)檢驗一、單樣本非參數(shù)檢驗選擇：分析 Analyze=非參數(shù)檢驗 NonparametricTests=、基本功能對單個總體的分布形態(tài)進行推斷的方法。其中方法包括：卡方檢驗、二項分布檢驗、 K-S 檢驗以及變量值隨機性檢驗等。、方法簡介卡方檢驗? 卡方檢驗可以進行擬合優(yōu)度的檢驗， 即可以根據(jù)樣本數(shù)據(jù)， 推斷總體分布與期望分布或某一理論分布是否存在顯著差異，可檢驗樣本是否服從正態(tài)、均勻、 Poisson

2、等分布?？ǚ綑z驗是一種吻合性檢驗，通常適用于多項分類值總體分布的分析。?零假設H0:樣本來自的總體分布與期望分布或某一理論分布無顯著差異。? 操作步驟1、選擇分析 Analyze=非參數(shù)檢驗 NonparametricTests= % 檢驗 Chi-Square;22 、將待檢驗的變量選擇到 TestVariable 框；3、在ExpectedRange框選項中確定參與分析的樣本范圍，其中Getfromdata 表示所有樣本都參與分析； UseSpecifiedRange 表示只有在取值范圍內(nèi)的樣本才參與分析；4 、在 ExpectedValues 框中給出各個pi 值，其中Allcatego

3、riesequal 表示所有子集的 pi 都相同，即期望分布為均勻分布； Value 框后可依次輸入 pi 值，并可單擊進行增加、修改和刪除。2.2 二項分布檢驗? 二項分布檢驗是要通過樣本數(shù)據(jù)檢驗樣本來自的總體是否服從指定的概率值為 p 的二項分布。?操?零假設H0:樣本來自的總體與指定的二項分布無顯著差異作步驟1、選擇分析 Analyze=非參數(shù)檢驗 NonparametricTests= 二項 式 Binomial;、將待檢驗的變量選擇到 TestVariableList 框；、 在 DefineDichotomy 框中指定如何分類， 如果檢驗變量為二值變量，則選Getfromdata

4、選項；如果檢驗變量不是二值變量，則可在CutPoint 框后輸入具體數(shù)值，小于等于該值的觀察值為第一組，大于該值的為第二組；、在 Test 框中輸入二項分布的檢驗概率值p 。至此，SPSS各自動將第一組作為檢驗類，檢驗該類出現(xiàn)的概率是否與輸入的檢驗概率值存在顯著差異.3 單樣本K-S檢驗? 單樣本 K-S 檢驗是以俄羅斯數(shù)學家柯爾莫哥洛夫和斯米爾諾夫命名的一種非參數(shù)檢驗方法。是一種擬合優(yōu)度性檢驗。? 該方法利用樣本數(shù)據(jù)推斷樣本來自的總體是否服從某一理論分布， 這種檢驗可以確定是否有理由認為樣本的觀察結(jié)果來自該理論分布的總體。? 適用于探索連續(xù)型隨機變量的分布。?零假設H0:樣本來自的總體分布與

5、指定的理論分布無顯著差 異？SPSS勺理論分布主要包括：正態(tài)分布、均勻分布、指數(shù)分布和泊 松分布。? 操作步驟1、選擇分析 Analyze=非參數(shù)檢驗 NonparametricTests=單樣 本 K-S 檢驗 1-SampleK-S;、將待檢驗的變量選擇到 TestVariableList 框；、 在 TestDistribution 框中選擇理論分布， 其中 Normal 為正態(tài)分布， Uniform 為均勻分布， Poisson 為泊松分布， Exponential 為 指數(shù)分布。至此，SPSS各自動計算K-S檢驗統(tǒng)計量和對應的概率p值，并將 結(jié)果顯示到輸出窗口中。2.4 變量值隨機性

6、檢驗? 變量值隨機性檢驗通過對樣本變量值的分析， 實現(xiàn)對總體變量值出現(xiàn)是否隨機進行檢驗。也稱為游程檢驗。?零假設H0:總體變量值出現(xiàn)是隨機的。? 操作步驟1、選擇分析 Analyze=非參數(shù)檢驗 NonparametricTests=游程 檢驗 Runs;、將待檢驗的變量選擇到 TestVariableList 框；、 在 CutPoint 框中確定計算游程數(shù)的分界值， 其中 Median 表示以樣本中位數(shù)為分界值；Mode表示以樣本眾數(shù)為分界值，Mea譙示SPSS以樣本均值為分界值，Custom表示以用戶輸入的值為分界值將小于該分界值作為一組， 將大于或等于該分界值得所有變量值作為另一組，然

7、后計算游程數(shù)。至此，SPSS各自動計算游程數(shù)、檢驗統(tǒng)計量和對應的概率p值,并將結(jié)果顯示到輸出窗口中。二、兩獨立樣本非參數(shù)檢驗選擇：分析 Analyze=非參數(shù)檢驗 NonparametricTests=兩獨立樣本檢驗2IndependentSamples、基本功能對兩獨立樣本是否具有相同的分布進行推斷的方法。其中方法包括：曼-惠特尼U檢驗、K-S檢驗、W-V游程檢驗和極 端反應等等。、方法簡介零假設H。兩組獨立樣本來自的兩總體分布無顯著差異;曼-惠特尼U檢驗?曼-惠特尼U檢驗可通過對兩組樣本平均秩的研究來實現(xiàn)推斷；？秩簡單說就是變量值排序的名次；兩獨立樣本的K-S檢驗? 與單樣本 K-S 檢驗

8、的基本思路大體一致， 主要差別在于： 這里是以變量值的秩作為分析對象，而非變量值本身。兩獨立樣本的游程檢驗? 與單樣本 K-S 檢驗的基本思路大體一致， 不同的是計算游程數(shù)的方法。兩獨立樣本的游程檢驗中，游程數(shù)依賴于秩。兩獨立樣本的極端反應檢驗( MosesExtremeReactions ) ?極端反應檢驗的基本思想是， 將一組樣本作為控制樣本， 另一組樣本作為實驗樣本。 以控制樣本作為對照， 檢驗實驗樣本相對于控制樣本是否出現(xiàn)了極端反應。? 如果實驗樣本沒有出現(xiàn)極端反應，則認為兩總體分布無顯著差異； ?相反，如果實驗樣本存在極端反應，則認為兩總體分布存在顯著差異。、操作步驟準備工作：設置兩

9、個變量，一個變量存放樣本值，另一個存放組標記值。1、選擇分析 Analyze=非參數(shù)檢驗 NonparametricTests=兩獨 立樣本檢驗2IndependentSamples;2 、將待檢驗的變量選擇到 TestVariableList 框；篇二：實驗報告2基于SPSS勺假設檢驗、方差分析、非參數(shù)檢驗中央財經(jīng)大學實驗報告實驗項目名稱假設檢驗、方差分析、非參數(shù)檢驗所屬課程名稱統(tǒng)計學實驗類型設計型、綜合型實驗實驗日期成績實驗報告數(shù)據(jù)準備。從500 個人中隨機抽取大約30%。1 、用 SPSSStatistics 軟件進行參數(shù)估計和假設檢驗。（以下假設檢驗中限制性水平設為5%）（ 1）計算總

10、體中上月平均工資95%的置信區(qū)間（分析?描述統(tǒng)計 ?探索）。下表為SPS漱件進行對“平均工資”變量進行描述統(tǒng)計分析所得。從表中可以直接得（2）檢驗能否認為總體中上月平均工資等于2000元。（單個樣本 t 檢驗）根據(jù)題目要求， 這里采用雙側(cè)假設。 零假設和備擇假設為：H0=2000，H1?2000 。由上表得， p=0.0003）檢驗能否認為男生的平均工資大于女生。（兩個獨立樣本t檢驗）檢驗的零假設和備擇假設為：H0： 男生的平均工資不大于女生H1：男生的平均工資大于女生如上表所示，方差檢驗的 p 值等于 0.0920.05 ，因此不拒絕方差相等的原假設， 認為男女平均工資的方差相等。 所以 t

11、 檢驗選取方差相等的一列，其中雙側(cè)檢驗的 p 值為 0.000 ，因此右側(cè)檢驗的 p 值為 0.000/2=0.000w2雙側(cè)檢驗的p值為0.932,因此右側(cè)檢驗為 0.4660.05 。所以不拒絕原假設，即學生的平均工資今年和去年相比沒有顯著提高2 、方差分析。使用單因素方差分析的方法檢驗： 能否認為不同學科的上月平均工資相等。如果不能認為全相等，請做多重比較。H0 :不同學科的上月平均工資相等；H1:不同學科的上月平均工 資不全相等。由上表得，P值為0.9450.05 ,因此拒絕零假設，即不同學科的 上月平均工資不全相等。所以再進行多重比較：H0 :兩類差異不顯著；H1:兩類差異顯著由上表

12、得，經(jīng)濟類和管理類： p=0.7380.05 ；經(jīng)濟類和其他類：p=0.8780.05 ；管理類和其他類： p=0.8580.05 。因此拒絕原假設，任意兩類差異都是顯著的。在方差分析中同時考慮學科和性別因素， 用雙因素方差分析模型分析學科和性別對上月平均工資的影響。篇三：參數(shù)假設檢驗3.2 參數(shù)假設檢驗假設檢驗與參數(shù)股估計都屬于統(tǒng)計推斷的范疇, 但它們的提法是不同的 , 處理問題的方法也各具特色. 我們看下面的例子:“某班語文課教學采用研討式方法后 , 對其中 10 名同學測驗, 平均成績?yōu)?85 分 . 已知這個班過去測驗成績服從正態(tài)分布 , 其均值保持在 82 分左右 , 這意味著總體參

13、數(shù)?是給定的, 那么現(xiàn)在問采用研討式方法后 , 其平均成績是否和原來一致?”顯然這不是估計問題 . 如果我們假設和原來一致 , 則需要判斷這種假設對不對?如果對, 對的把握性有多大?如果不對, 那么平均成績比原來是增加還是減少?當然 , 我們不能只看到 85 分高于 82 分就認為比原來高了 , 這是因為抽取樣本時受到隨機因素的干擾, 我們不能以樣本參數(shù)對總體參數(shù)進行單純比較而簡單的下結(jié)論.這個例子所反映問題的一般提法是: 總體分布已知 , 對總體參數(shù)的取值作一假設, 用統(tǒng)計理論來判斷這一假設正確與否 , 統(tǒng)計學上稱此為參數(shù)假設檢驗.“某地 6 歲男童的身高是一個總體, 那么這個總體確切的理論

14、分布是什么? ”由樣本數(shù)據(jù)繪制直方圖, 如果圖形呈現(xiàn)中間高 , 兩頭低 ,對稱 , 我們可以認為這個總體是近似于正態(tài)分布的 . 如果我們假設這個總體服從正態(tài)分布, 根據(jù)樣本信息來判斷這樣個假設正確與否 , 這就是所謂非參數(shù)檢驗. 簡單的說 , 參數(shù)假設檢驗是檢驗參數(shù)的假設成立與否 , 非參數(shù)檢驗是檢驗總體分布的假設成立與否 .一、假設檢驗的概念假設假設可以看作為一種設想 , 看法或假定, 假設分為參數(shù)假設和非參數(shù)假設 .參數(shù)假設指總體分布已知 , 關于參數(shù)的假設, 教育研究中用的最多, 對總體均值?, 總體方差 ?2 做出假設 .例如，某校五年級學生期末語文成績 XN?,?2?,方差？2在原有

15、狀況下不變 , 而均值?在過去常規(guī)教學下為82 分 . 為了提高教學質(zhì)量, 采用新的教學法后抽測 10名同學 , 其平均成績?yōu)?5分, 這時我們提出總體均值 ?為 82 分的假設 , 記為H0:?82稱H0為原假設或零假設，相對于H0,還要給出一個備選假設，記為H1:?82對這個例子我們不提?小于 82這樣的假設, 這是因為這樣的假設是沒有根據(jù)的 , 原因在于樣本均值85 大于 82.非參數(shù)假設包括的范圍很廣 , 可以說 , 一個假設如果不是參數(shù)假設就稱為非參數(shù)假設, 非參數(shù)假設一般指關于總體分布的假設.例如，某地6歲男童的身高X為一總體，若給出樣本數(shù)據(jù)，基本呈現(xiàn)正態(tài)性 , 我們提出假設H0:

16、X 正態(tài)分布 ,H1:X 為非正態(tài)分布.如果肯定 H0, 自然就否定H1.假設檢驗對于一個假設, 我們關心的是”假設”是否成立. 判斷假設成立與否的方法叫假設檢驗，最簡單的檢驗是顯著性檢驗. 所謂顯著性檢驗是指只對一個假設H0進行檢驗.例如，已知XN?,1?,對H0:?。進行檢驗而不是提出備選假設H1:?0. 盡管沒有提出H1， 但我們可以認為H1:?0, 這樣備選假設就沒有必要明確提出來了 , 本章將集中討論顯著性檢驗方法 .無論 假設 的類型多么復雜, 進行檢驗的基本思想?yún)s是很簡單的 .為此，我們先討論一個為人們所接受的 , 否合客觀規(guī)律的原理小概率原理 .小概率原理（ 實際推斷原理）首先

17、明確什么叫小概率事件，顧名思義，概率很小的事件叫小概率事件 . 概率小到何種程度才算小?這是一個相對概念, 一般統(tǒng)計學中 ,概率值如低于 0.01,0.05 或 0.10,0.25 則認為小 , 把這些值統(tǒng)一記為 ?,稱為顯著性水平. 在區(qū)間估計中我們已經(jīng)看到，那里的 ?稱為置信水平.例如，從 10 萬張獎票中買一張中頭獎（設10 萬張獎票中只有一個頭獎） ， 這個事件發(fā)生的概率只有十萬分之一， 當然是小概率事件.乘一次飛機發(fā)生事故，這也是一個小概率事件. 不知其號碼鎖號碼，撥一次就能把鎖打開這同樣是一個小概率事件.所謂小概率原理是說：小概率事件在一次試驗是實際上不可能發(fā)生的，同樣，大概率事件

18、在一次試驗中是實際上必然發(fā)生的 . 這個原理是客觀存在的， 我們可以做這樣的設想， 如果小概率事件在一次試驗中發(fā)生， 那么買一張獎票就能中頭獎， 坐一次飛機必定會發(fā)生事故，比一次號碼就能把鎖打開，顯然這是不切合實際的 .我們再看一個例子來說明實際推斷原理在假設檢驗中所起的作用：“箱中有白、黑球共100個，設H0:其中有99個白球.如果H0是對的，則從箱中任取一球為黑球（記為事件 A）的概率只有1/100. ”顯然A 是一個小概率事件，而根據(jù)實際推斷原理，抽一個球是黑球?qū)嶋H上是不可能發(fā)生的， 如果從箱中抽一個球恰好是黑球， 說明小概率事件發(fā)生了，這樣，自然要懷疑H0 的正確性，也就是說有很大的可

19、能 H0是不對的，這時就要做出否定H0的結(jié)論 . 那么作出這樣的結(jié)論是完全正確的嗎？回答是未必的，這是因為小概率事件本來就有可能發(fā)生，只是發(fā)生的可能性很小而已.如果H0成立,那么箱中有一個黑球，當然就有可能抽一次球正好抽到黑球. 同樣的道理， 10 萬張獎票中盡管只有一個頭獎，但總有一個“走運”的人得到頭獎，坐一次飛機發(fā)生事故的可能性很小，但總有一個“倒霉”的人在某次乘機中喪生.通過以上分析，想通過一次試驗來否定H0而要完全正確是不可能的，也就是說在檢驗中要允許犯錯誤，才能通過次試驗來否定H0或接受H0. 當然我們要求犯錯誤的概率盡可能小，至于小到什么程度，怎樣確定這個概率，我們在下一節(jié)討論.

20、但這里如果？給定，我們可以說否定H0,有？的可能性犯錯誤，有1?的可能性是正確的.上例中？?0.01,那么如果否定H0,犯錯誤的 可能性只有0.01.一個檢驗允許犯錯誤，但錯誤的性質(zhì)一般是不同的，這需要我們區(qū)分錯誤的不同類型，從而針對不同的后果確定犯錯誤可能性的大小.兩類錯誤統(tǒng)計學上有兩類錯誤:第一類錯誤是，H0符合實際情況，但檢驗結(jié)果卻否定了 H0,稱為 棄真 , 記其概率為P（ 否定 H0/H0 為真 ）?.實際上 , 顯著性水平?就是犯第一類錯誤的概率,? 取的越大 , 發(fā)生否定 H0 的可能性就越大.通俗的理解第一類錯誤, 即把”對”說成”不對” , 把真說成”假” .第二類錯誤是，H0不符合實際情況，但檢驗結(jié)果卻肯定了H0,稱為取偽” , ”偽”即為”假”的意思 , 記其概率為P（ 接受 H0/H0 為