非参数统计

王小刚

目录

  • 1 导言
    • 1.1 课程介绍
    • 1.2 非参数统计
    • 1.3 假设检验
  • 2 统计软件R的使用
    • 2.1 R软件下载安装使用
    • 2.2 R外部数据读写
  • 3 单样本检验
    • 3.1 符号检验
    • 3.2 Wilcoxon符号秩和检验
    • 3.3 游程检验
  • 4 两相关样本检验
    • 4.1 两相关样本的符号检验
    • 4.2 两相关样本的秩和检验
  • 5 两独立样本的非参数检验
    • 5.1 MWW检验
    • 5.2 WW检验
    • 5.3 两样本的卡方检验
    • 5.4 两样本的KS检验
  • 6 k个独立样本的非参数检验
    • 6.1 Kruskal-Wallis检验
    • 6.2 k个样本的卡方检验
  • 7 k个相关样本的非参数检验
    • 7.1 Cochran Q检验
    • 7.2 Friedman检验
  • 8 分布检验
    • 8.1 卡方检验
    • 8.2 KS检验
  • 9 两个样本的相关分析
    • 9.1 等级相关
    • 9.2 Kendall相关
    • 9.3 偏秩相关
  • 10 k个样本的相关分析
    • 10.1 Kendall完全秩评定协和系数
  • 11 列链表中的相关测量
    • 11.1 列链表中的卡方检验
    • 11.2 PRE测量
符号检验

2.3  符号检验(Sign Test


符号检验法是一种最简单的非参数方法,它不要求知道被检验量的分布规律,仅依据某种特定的正负号之数目多少来对某种假定作出检验,非常直观、简便,常被用于检验总体的均值、中位数等位置参数是否为某一数值,或判断总体分布有无变化、是否相同等。尤其在实际中,我们常常会碰到无法用数字去描述的问题,这时符号检验法就是一种简单而有效的检验方法。

2.3.1   基本思路

1.今从生产线上随机抽取10件产品进行检验,测得产品的直径数据(单位:厘米)为:23182221272519212417。问:能否认为该产品的直径的中位数是23厘米? 

分析:如果产品直径的中位数是23厘米,就意味着样本点(本例n=10)中大于23的概率与小于23的概率应当相同。如果排除样本点等于23的情况(连续随机变量的样本点等于Me的概率为零,故可以将等于Me的样本点去掉,相应减少n。可见,如果产品直径的中位数是23厘米的假设成立,则每一样本点都以0.5的概率小于Me,也以0.5的概率大于Me。


特殊情形的处理

在实际问题中恰巧有一些观测值正好等于Me0,则如何处理:

Ø 办法之一:省去,并减少样本容量。

Ø 办法之二:使用更小的计量单位。

Ø 办法之三:修正符号检验统计量