怎么样理解和学习非参数检验？
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">非参数检验(Nonparametric tests)是统计分析<span style="color: black;">办法</span>的<span style="color: black;">要紧</span><span style="color: black;">构成</span>部分，它与参数检验<span style="color: black;">一起</span><span style="color: black;">形成</span>统计推断的基本内容。参数检验是在<a style="color: black;">总体分布</a>形式已知的<span style="color: black;">状况</span>下，对总体分布的参数如<a style="color: black;">均值</a>、<a style="color: black;">方差</a>等进行推断的<span style="color: black;">办法</span>。<span style="color: black;">然则</span>，在数据分析过程中，<span style="color: black;">因为</span>种种<span style="color: black;">原由</span>，人们<span style="color: black;">常常</span><span style="color: black;">没</span>法对总体分布形态作简单假定，此时参数检验的<span style="color: black;">办法</span>就<span style="color: black;">再也不</span>适用了。非参数检验正是一类基于这种<span style="color: black;">思虑</span>，在总体方差未知或<span style="color: black;">晓得</span>甚少的<span style="color: black;">状况</span>下，利用样本数据对总体分布形态等进行推断的<span style="color: black;">办法</span>。<span style="color: black;">因为</span>非参数检验<span style="color: black;">办法</span>在推断过程中不<span style="color: black;">触及</span><span style="color: black;">相关</span>总体分布的参数，因而得名为“非参数”检验。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><a style="color: black;">SPSS</a>单样本非参数检验是对单个总体的分布形态等进行推断的<span style="color: black;">办法</span>，其中<span style="color: black;">包含</span>卡方检验、二项分布检验、K-S检验以及变量值随机性检验等<span style="color: black;">办法</span>。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">总体分布的卡方检验</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">例如，医学家在<span style="color: black;">科研</span>心脏病人猝死人数与日期的关系时<span style="color: black;">发掘</span>：<span style="color: black;">1星期</span>之中，星期一心脏病人猝死者较多，其他日子则基本相当。当天的比例近似为2.8：1：1：1：1：1：1。现收集到心脏病人死亡日期的样本数据，推断其总体分布<span style="color: black;">是不是</span>与<span style="color: black;">以上</span>理论分布相吻合。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><a style="color: black;">卡方检验</a><span style="color: black;">办法</span><span style="color: black;">能够</span><span style="color: black;">按照</span>样本数据，推断<a style="color: black;">总体分布</a>与期望分布或某一理论分布<span style="color: black;">是不是</span>存在<span style="color: black;">明显</span>差异，是一种吻合性检验，<span style="color: black;">一般</span>适于对有多项<span style="color: black;">归类</span>值的总体分布的分析。它的原假设是：样本来自的总体分布与期望分布或某一理论分布<span style="color: black;">没</span>差异。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">二项分布检验</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">在生活中有<span style="color: black;">非常多</span>数据的取值是二值的，例如，人群<span style="color: black;">能够</span>分成男性和女性，<span style="color: black;">制品</span><span style="color: black;">能够</span>分成合格和不合格，学生<span style="color: black;">能够</span>分成三好学生和非三好学生，投掷硬币实验的结果<span style="color: black;">能够</span>分成<span style="color: black;">显现</span>正面和<span style="color: black;">显现</span>反面等。<span style="color: black;">一般</span>将<span style="color: black;">这般</span>的二值分别用1或0<span style="color: black;">暗示</span>。<span style="color: black;">倘若</span>进行n次相同的实验，则<span style="color: black;">显现</span>两类（1或0）的次数<span style="color: black;">能够</span>用<a style="color: black;">离散型随机变量</a>X来描述。<span style="color: black;">倘若</span>随机变量X为1的<a style="color: black;">概率</a>设为P，则随机变量X值为0的概率Q便等于1-P，形成二项分布。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">SPSS的<a style="color: black;">二项分布</a>检验正是要<span style="color: black;">经过</span>样本数据检验样本来自的总体<span style="color: black;">是不是</span>服从指定的概率为P的二项分布，其原假设是：样本来自的总体与指定的二项分布<span style="color: black;">没</span><span style="color: black;">明显</span>差异。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">从某<span style="color: black;">制品</span>中随机抽取23个<a style="color: black;">样品</a>进行检测并得到检测结果。用1<span style="color: black;">暗示</span>一级品，用0<span style="color: black;">暗示</span>非一级品。<span style="color: black;">按照</span>抽样结果验证该批<span style="color: black;">制品</span>的一级品率<span style="color: black;">是不是</span>为90%。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">单样本K-S检验</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">K-S检验<span style="color: black;">办法</span>能够利用样本数据推断样本来自的总体<span style="color: black;">是不是</span>服从某一理论分布，是一种<a style="color: black;">拟合优度</a>的检验<span style="color: black;">办法</span>，适用于探索<a style="color: black;">连续型随机变量</a>的分布。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">例如，收集一批周岁儿童身高的数据，需利用样本数据推断周岁儿童总体的身高<span style="color: black;">是不是</span>服从<a style="color: black;">正态分布</a>。再例如，利用收集的住房<span style="color: black;">情况</span>调查的样本数据，分析家庭人均住房面积<span style="color: black;">是不是</span>服从正态分布。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">单样本K-S检验的原假设是：样本来自的总体与指定的理论分布<span style="color: black;">没</span><span style="color: black;">明显</span>差异，SPSS的理论分布<span style="color: black;">重点</span><span style="color: black;">包含</span>正态分布、均匀分布、<a style="color: black;">指数分布</a>和<a style="color: black;">泊松分布</a>等。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">变量值随机性检验</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">变量值随机性检验<span style="color: black;">经过</span>对样本变量值的分析，实现对总体的变量值<span style="color: black;">显现</span><span style="color: black;">是不是</span>随机进行检验。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">例如，在投硬币时，<span style="color: black;">倘若</span>以1<span style="color: black;">暗示</span><span style="color: black;">显现</span>的是正面，以0<span style="color: black;">暗示</span><span style="color: black;">显现</span>的是反面，在进行了若干次投币后，将会得到一个以1，0<span style="color: black;">构成</span>的变量值序列。<span style="color: black;">此时</span>可能会分析“硬币<span style="color: black;">显现</span>正反面<span style="color: black;">是不是</span>是随机的”<span style="color: black;">这般</span>的问题。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">变量值随机性检验正是<span style="color: black;">处理</span>这类问题的一个有效<span style="color: black;">办法</span>。它的原假设是：总体变量值<span style="color: black;">显现</span>是随机的。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">变量随机性检验的<span style="color: black;">要紧</span>依据是游程。<span style="color: black;">所说</span>游程是样本序列中连续<span style="color: black;">显现</span>相同的变量值的次数。<span style="color: black;">能够</span>直接理解，<span style="color: black;">倘若</span>硬币的正反面<span style="color: black;">显现</span>是随机的，<span style="color: black;">那样</span>在数据序列中，许多个1或许多个0连续<span style="color: black;">显现</span>的可能性将不太大，<span style="color: black;">同期</span>，1和0频繁交叉<span style="color: black;">显现</span>的可能性<span style="color: black;">亦</span>会较小。<span style="color: black;">因此呢</span>，游程数太大或太小都将<span style="color: black;">显示</span>变量值存在不随机的现象。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">例：为检验某耐压设备在某段时间内工作<span style="color: black;">是不是</span><span style="color: black;">连续</span>正常，测试并记录下该时间段内各个<a style="color: black;">时间点</a>上的设备耐压的数据。现采用<a style="color: black;">游程检验</a><span style="color: black;">办法</span>对这批数据进行分析。如果耐压数据的变动是随机的，可认为该设备工作<span style="color: black;">始终</span>正常，否则认为该设备有<span style="color: black;">不可</span>正常工作的现象。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">检验<span style="color: black;">办法</span></p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">两独立样本的非参数检验</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">两独立样本的非参数检验是在对<a style="color: black;">总体分布</a>不甚<span style="color: black;">认识</span>的<span style="color: black;">状况</span>下，<span style="color: black;">经过</span>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等<span style="color: black;">是不是</span>存在<span style="color: black;">明显</span>差异的<span style="color: black;">办法</span>。独立样本<span style="color: black;">指的是</span>在一个总体中<a style="color: black;">随机抽样</a>对在</p>
你的见解真是独到，让我受益良多。 楼主的文章非常有意义，提升了我的知识水平。 祝福你、祝你幸福、早日实现等。 论坛外链网http://www.fok120.com/ 我深感你的理解与共鸣，愿对话长流。 系统提示我验证码错误1500次 ＼~゛，
页:
[1]