非参数统计第二章习题
乘机服务机上服务到达机场服务
列1 列1 列1
平均79.78 平均54.46 平均58.48 标准误差 1.174661 标准误差 2.08556 标准误差 2.262605 中位数82 中位数55.5 中位数58.5 众数72 众数60 众数52 标准差8.306108 标准差14.74713 标准差15.99903 方差68.99143 方差217.478 方差255.969 峰度-1.05913 峰度0.083147 峰度0.41167 偏度-0.16402 偏度0.264118 偏度-0.26232 区域32 区域65 区域76 最小值63 最小值25 最小值16 最大值95 最大值90 最大值92 求和3989 求和2723 求和2924 观测数50 观测数50 观测数50 最大(1) 95 最大(1) 90 最大(1) 92 最小(1) 63 最小(1) 25 最小(1) 16
置信度(95.0%) 2.36057 置信度(95.0%) 4.191089 置信度
(95.0%) 4.546874
由上表知，表一的平均数最大，标准误差最小，中位数最大，方差最小，等等，所以乘客对乘机服务的满意度最高。
非参数统计题目及答案
1．人们在研究肺病患者的生理性质时发现，患者的肺活量与他早在儿童时期是否接受过某种治疗有关，观察3组病人，第一组早在儿童时期接受过肺部辐射，第二组接受过胸外科手术，第三组没有治疗过，现观察到其肺活量占其正常值的百分比如下： 这一经验是否可靠。 解： H 0：θ2≤θ1≤θ 3 H 1 :至少有一个不等式成立 可得到 N=15 由统计量H= ) 112 +N N （∑=K i i N R 1i 2 -3(N+1)=）（1151512+(32×6.4+29×5.8+59×11.8)-3×(15+1)=5.46 查表（5,5,5）在P(H ≥4.56)=0.100 P(H ≥5.66)=0.0509 即P （H ≥5.46）﹥0.05 故取α=0.05， P ﹥α ，故接受零假设即这一检验可靠。
2.关于生产计算机公司在一年中的生产力的改进（度量为从0到100）与它们在过去三年中在智力投资（度量为：低，中等，高）之间的关系的研究结果列在下表中： 值等等及你的结果。（利用Jonkheere-Terpstra 检验） 解： H 0：M 低=M 中=M 高 H 1：M 低﹤M 中﹤M 高 U 12=0+9+2+8+10+9+10+2+10+10+8+0.5+3=82.5 U 13=10×8=80 U 23=12+9+12+12+12+11+12+11=89 J= ∑≤j ij U i =82.5+80+89=251.5 大样本近似 Z= []72 )32()324 1 2 1i 22 2∑ ∑==+-+--k i i i k i n n N N n N J （）（～N （0,1） 求得 Z=3.956 Ф(3.956)=0.9451 取α=0.05 ， P >α， 故接受原假设，认为智力投资对改进生产力有帮助。
《-非参数统计-》课程教学大纲上课讲义
《非参数统计》课程教学大纲 Non-parametric statistics 课程代码：课程性质：专业方向理论课/选修 适用专业：统计开课学期：5 总学时数：32 总学分数：2.0 编写年月：2007.5 修订年月：2007.7 执笔：孙琳 一、课程的性质和目的 本课程是学习非参数统计和了解统计前沿的基本课程。本课程结合S-Plus 或R 软件来讲解非参数统计方法的原理与应用。本课程的目的是使学生认识到非参数统计方法是统计中最常用的推断方法之一，理解非参数统计方法和参数统计方法的区别，理解非参数统计的基本概念，掌握非参数统计的基本方法，能应用非参数统计方法去解决实际问题。 二、课程教学内容及学时分配 第一章引言（2学时） 本章内容：统计的概念，非参数统计的方法，参数统计与非参数统计的比较， 本章要求：了解非参数统计的历史，了解非参数统计方法和参数统计方法的区别，认识非参数统计方法的必要性。 第二章 S-Plus基础（6学时） 本章内容：S-Plus环境，向量的定义和表示，向量的基本操作，向量的基本运算，向量的逻辑运算，S-Plus 的图形功能， 本章要求：熟悉在S-Plus命令行中S-Plus基本数据处理，掌握在S-Plus命令行中进行基本数据基本运算，能编写简单的计算函数，会绘制基本图形。 第三章单一样本的推断问题（6学时） 本章内容：单样本推断问题，中心位置推断，符号检验，游程检验，Cox-staut趣势检验，分位数检验，Wilcoxon符号秩检验，分布检验，Kolmogorov-smirnov正态检验，Liliefor正态检验，中位数 检验问题、定性数据检验问题和成对数据检验问题，秩和检验。
非参数统计分析NonparametricTests菜单详解
非参数统计分析――Nonparametric Tests菜单详解 非参数统计分析――Nonparametric Tests菜单详解 平时我们使用的统计推断方法大多为参数统计方法，它们都是在已知总体分布的条件下，对相应分布的总体参数进行估计和检验。比如单样本u检验就是假定该样本所在总体服从正态分布，然后推断总体的均数是否和已知的总体均数相同。本节要讨论的统计方法着眼点不是总体参数，而是总体分布情况，即研究目标总体的分布是否与已知理论分布相同，或者各样本所在的分布位置/形状是否相同。由于这一类方法不涉及总体参数，因而称为非参数统计方法。 SPSS的的Nonparametric Tests菜单中一共提供了8种非参数分析方法，它们可以被分为两大类： 1、分布类型检验方法：亦称拟合优度检验方法。即检验样本所在总体是否服从已知的理论分布。具体包括： Chi-square test：用卡方检验来检验二项/多项分类变量的几个取值所占百分比是否和我们期望的比例有没有统计学差异。 Binomial Test：用于检测所给的变量是否符合二项分布，变量可以是两分类的，也可以使连续性变量，然后按你给出的分界点一分为二。 Runs Test：用于检验样本序列随机性。观察某变量的取值是否是围绕着某个数值随机地上下波动，该数值可以是均数、中位数、众数或人为制定。一般来说，如果该检验P值有统计学意义，则提示有其他变量对该变量的取值有影响，或该变量存在自相关。 One-Sample Kolmogorov-Smirnov Test：采用柯尔莫哥诺夫-斯米尔诺夫检验来分析变量是否符
合某种分布，可以检验的分布有正态分布、均匀分布、Poission分布和指数分布。 2、分布位置检验方法：用于检验样本所在总体的分布位置/形状是否相同。具体包括： Two-Independent-Samples Tests：即成组设计的两独立样本的秩和检验。 Tests for Several Independent Samples：成组设计的多个独立样本的秩和检验，此处不提供两两比较方法。 Two-Related-Samples Tests：配对设计的两样本秩和检验。 Tests for Several Related Samples：配伍设计的多样本秩和检验，此处同样不提供两两比较。 一、分布位置检验方法 1、Two Independent Samples Test与 K Independent Samples Test 用于检验两独立样本/多独立样本所在总体是否相同。 Two-lndependent-Samples Test对话框: (1) Test Variable框，指定检验变量。 (2) Grouping Variable框，指定分组变量。Define Groups对话框，Groupl和Groupl后的栏中，可指定分组变量的值。 (3) TestType框，确定用来进行检验的方法。Mann-Whitney U：默认值，相当于两样本秩和检验。Kolmogorov-Smimov Z：K-S检验的一种。Moses extreme reactions：如果施加的处理使得某些个体出现 正向效应，而另一些个体出现负向效应，就应当采用该检验方法。
医学统计学总复习练习题(含答案)
医学统计学总复习练习题(含答案)
一、最佳选择题 1．卫生统计工作的步骤为 C A.统计研究调查、搜集资料、整理资料、分析资料 B.统计资料收集、整理资料、统计描述、统计推断 C.统计研究设计、搜集资料、整理资料、分析资料 D.统计研究调查、统计描述、统计推断、统计图表 E.统计研究设计、统计描述、统计推断、统计图表 2．统计分析的主要内容有 D A.统计描述和统计学检验 B.区间估计与假设检验 C.统计图表和统计报告 D.统计描述和统计推断 E.统计描述和统计图表 3．统计资料的类型包括E A.频数分布资料和等级分类资料 B.多项分类资料和二项分类资料 C.正态分布资料和频数分布资料 D.数值变量资料和等级资料 E.数值变量资料和分类变量资料 4．抽样误差是指 B A.不同样本指标之间的差别 B.样本指标与总体指标之间由于抽样产生的差别 C.样本中每个体之间的差别 D.由于抽样产生的观测值之间的差别 E.测量误差与过失误差的总称 5.统计学中所说的总体是指 B A.任意想象的研究对象的全体 B.根据研究目的确定的研究对象的全体 C.根据地区划分的研究对象的全体 D.根据时间划分的研究对象的全体 E.根据人群划分的研究对象的全体 6．描述一组偏态分布资料的变异度，宜用 D A.全距 B.标准差 C.变异系数 D.四分位数间距 E.方差7．用均数与标准差可全面描述其资料分布特点的是 C A.正偏态分布 B.负偏态分布 C.正态分布和近似正态分布 D.对称分布 E.任何分布 8．比较身高和体重两组数据变异度大小宜采用 A A.变异系数 B.方差 C.极差 D.标准差 E.四分位数间距 9．频数分布的两个重要特征是 C A.统计量与参数 B.样本均数与总体均数 C.集中趋势与离散趋势 D.样本标准差与总体标准差 E.样本与总体 10．正态分布的特点有 B A.算术均数=几何均数 B.算术均数=中位数 C.几何均数=中位数 D.算术均数=几何均数=中位数 E.以上都没有
非参数统计讲义
非参数统计讲义-CAL-FENGHAI.-(YICAI)-Company One1
第一章 绪 论 本章主要内容： 1．非参数方法介绍 2．预备知识 第一节 非参数方法介绍 一． 非参数方法的概念和实例 复习参数方法定义：设总体X 的分布函数的形式是已知的，而未知的仅仅是分布函数具体的参数值，用样本对这些未知参数进行估计或进行某种形式的假设检验，这类推断方法称为参数方法。 先来看两个实例。 例 供应商供应的产品是否合格 某工厂产品的零件由某个供应商供应。合格零件标准长度为（±）cm 。这也就是说合格零件长度的中心位置为8.5cm ，允许误差界为0.1cm ，即长度在－8.6cm 之间的零件是合格的。为评估近年来供应的零件是否合格，随机抽查了n=100个零件，它们的长度数据X 见第一章附表。 解答： 根据我们已学过的参数统计的方法，如何根据数据来判断这批零件合格否 用参数数据分析方法，在参数统计中，运用得最多的是正态分布，所以考虑假设供应商供应的零件长度X 服从正态分布，即 X ～),(2σμN 其中两个参数均未知，但可用样本均值估计μ，样本方差估计2σ。 由已知的数据计算可得：零件的平均长度，即样本均值为x =8.4958cm ，样本标准差为s=0.1047cm 。 则零件合格的可能性近似等于 )/)4.8(()/)6.8(()6.84.8(σμσμ-Φ--Φ=≤≤X P )1047.0/)4958.84.8(()1047.0/)9458.86.8((-Φ--Φ≈ %66≈ 这个说明：约有三分之一的零件不合格，该工厂需要换另一个供销商了。 但这个结论与实际数据符不符合呢这是我们要思考的问题。 我们可以对数据做一个描述性分析，先对这100个样本数据做一个频率分布。 观察到：在这100个零件中有91个零件的长度在8.4cm ～8.6cm 之间，所以零件合格的比例为91%，超过66％很多！ 统计分析的结论与数据不吻合的！这是什么原因呢 我们可以作出数据的直方图来分析数据的分布情况。由图知，该数据的总体不是近似服从正态分布的！所以我们对于数据的总体分布的假设错了！问题就出在假设总体是正态分布上！继续看直方图，能否很容易就观察出来它大概
非参数统计部分课后习题参考答案
课后习题参考答案 第一章p23-25 2、（2）有两组学生，第一组八名学生的成绩分别为x 1：100，99，99，100，99，100，99，99；第二组三名学生的成绩分别为x 2：75,87,60。我们对这两组数据作同样水平a=0.05的ｔ检验（假设总体均值为u ）：H 0：u=100 H 1：u<100。第一组数据的检验结果为：df=7，t 值为3.4157，单边p 值为0.0056，结论为“拒绝H 0：u=100。”（注意：该组均值为99.3750）；第二组数据的检验结果为：df=2，t 值为3.3290，单边ｐ值为0.0398;结论为“接受H 0：u=100。”（注意：该组均值为74.000）。你认为该问题的结论合理吗？说出你的理由，并提出该如何解决这一类问题。 答：这个结论不合理（6分）。因为，第一组数据的结论是由于ｐ－值太小拒绝零假设，这时可能犯第一类错误的概率较小，且我们容易把握；而第二组数据虽不能拒绝零假设，但要做出“在水平ａ时，接受零假设”的说法时，还必须涉及到犯第二类错误的概率。（4分）然而，在实践中，犯第二类错误的概率多不易得到，这时说接受零假设就容易产生误导。实际上不能拒绝零假设的原因很多，可能是证据不足（样本数据太少），也可能是检验效率低，换一个更有效的检验之后就可以拒绝了，当然也可能是零假设本身就是对的。本题第二组数据明显是由于证据不足，所以解决的方法只有增大样本容量。（4分） 第三章p68-71 3、在某保险种类中，一次关于1998年的索赔数额（单位：元）的随机抽样为（按升幂排列）： 4632，4728，5052，5064，5484，6972，7596，9480，14760，15012，18720，21240，22836，52788，67200。已知1997年的索赔数额的中位数为5064元。 （1）是否1998年索赔的中位数比前一年有所变化？能否用单边检验来回答这个问题？（4分） （2）利用符号检验来回答（1）的问题（利用精确的和正态近似两种方法）。（10分） （3）找出基于符号检验的95％的中位数的置信区间。（8分） 解：（1）1998年的索赔数额的中位数为9480元比1997年索赔数额的中位数5064元是有变化，但这只是从中位数的点估计值看。如果要从普遍意义上比较1998年与1997年的索赔数额是否有显著变化，还得进行假设检验，而且这个问题不能用单边检验来回答。（4分） （2）符号检验（5分） 设假设组：H ０：M ＝M ０＝5064 H １：M ≠M ０＝5064 符号检验：因为n +=11，n-=3，所以k=min(n+,n-)=3 精确检验：二项分布b(14,0.5)， ∑=-=3 0287 .0)2/1,14(n b ，双边ｐ－值为0.0576,大于ａ＝0.05， 所以在ａ水平下，样本数据还不足以拒绝零假设；但假若ａ＝0.1，则样本数据可拒绝零假设。查二项分布表得ａ＝0.05的临界值为（3，11），同样不足以拒绝零假设。 正态近似：（5分） np=14/2=7,npq=14/4=3.5 z=(3+0.5-7)/5.3≈-1.87>Z a/2=-1.96 仍是在ａ＝0.05的水平上无法拒绝零假设。说明两年的中位数变化不大。 （3）中位数95％的置信区间：（5064，21240）（8分） 7、一个监听装置收到如下的信号：0，1，0，1，1，1，0，0，1，1，0，0，0，0，1，1，1，1，1，1，1，1，1，0，1，0，0，1，1，1，0，1，0，1，0，1，0，0，0，0，0，0，0，0，1，0，1，1，0，0，1，1，1，0，1，0，1，0，0，0，1，0，0，1，0，1，0，1，0，0，0，0，0，0，0，0。能否说该信号是纯粹随机干扰？（10分）
《非参数统计》与MATLAB编程 第二章 描述性统计
第二章描述性统计 2．1 表格法和图形法 表2.1 灯丝寿命数据 107 73 68 97 76 79 94 59 98 57 73 81 54 65 71 80 84 88 62 61 79 98 63 65 66 62 79 86 68 74 61 82 65 98 63 71 62 116 65 88 64 79 78 79 77 86 89 76 74 85 73 80 68 78 89 72 58 69 82 72 92 78 88 77 103 88 63 68 88 81 64 73 75 90 62 89 71 71 74 70 74 70 85 61 65 81 75 62 94 71 85 84 83 63 92 68 81 62 79 83 93 61 65 62 92 65 64 66 83 70 70 81 77 72 84 67 59 58 73 83 78 66 66 94 77 63 66 75 68 76 73 76 90 78 71 101 78 43 59 67 61 71 77 91 96 75 64 76 72 77 74 65 82 86 79 74 66 86 96 89 81 71 85 99 59 92 94 62 68 72 77 60 87 84 75 77 51 45 63 102 85 67 87 80 84 93 69 76 89 75 59 77 83 68 72 67 92 89 82 96 a = Columns 1 through 17 107 73 68 97 76 79 94 59 98 57 73 81 54 65 71 80 84 79 98 63 65 66 62 79 86 68 74 61 82 65 98 63 71 62 64 79 78 79 77 86 89 76 74 85 73 80 68 78 89 72 58 92 78 88 77 103 88 63 68 88 81 64 73 75 90 62 89 71 74 70 85 61 65 81 75 62 94 71 85 84 83 63 92 68 81 93 61 65 62 92 65 64 66 83 70 70 81 77 72 84 67 59 78 66 66 94 77 63 66 75 68 76 73 76 90 78 71 101 78
第七章讲义非参数统计
第七章 非参数统计 非参数统计（亦称非参数检验），是根据样本资料对总体的某 种性质或关系进行假设检验的统计推断方法。 主要特点 （1）不要求总体分布已知或对总体分布作任何限制性假定； （2）不以估计总体参数为目的； （3）能用于定性变量（即定名测定和序列测定的变量）； （4）方法直观，易于理解，运算比较简单。 （5）缺点是检验的功效不如参数检验方法。 本章主要内容 介绍χ2检验、成对比较检验、曼—惠特尼U 检验、游程检验和等级相关检验等几种常用的检验方法。 第一节 χ2检验 一、什么是χ2检验 χ 2 检验是运用χ 2 分布作为理论工具，在非参数统计中可用 于对总体的分布或随机变量的独立性进行的检验。 （一）χ2分布 χ 2 分布是由正态分布推导出来的一种连续型随机变量的概 率分布。 1．χ2分布的数学形式 设随机变量x 1，x 2，…，x k 相互独立且都服从正态分布N （μ， σ2）。将它们标准化转变为标准正态变量Z 1，Z 2，…，Z k ，k 个独立标准正态变量的平方和被定义为χ2分布的随机变量χ2。 21 2 1 2 2 22212 )(1 )( )( )( i k i i k i k Z x x x x ∑∑===-= -++-+-=μσσ μ σ μ σ μ χ
χ2~χ2(k)，k 是自由度，表示定义式独立变量的个数。 当k=1时， 2．χ2分布的性质 （1）χ2分布的值恒为正值，且 ?(χ2, k) d χ2 =1； （2）χ2分布的数学期望是自由度k ，方差为2k ； （3）χ2分布取决于自由度k ，随着自由度增大而趋于对称。 一般当k ≥30时，χ2分布可用正态分布近似计算。 （二）χ2检验的原理 在实践中，经常要对一些观察值的实际频数与某种理论频数进行比较，以判断实际结果与理论是否一致。 设有k 个观察值，f 0为它们的实际频数，f e 为理论频数。构造 一个统计量 数理统计证明，在大量试验中，若f 0与f e 相一致时，χ2服从χ2分布。 （f 0-f e ）比较小时，χ2值也较小；（f 0-f e ）比较大时，χ2也较 大。当χ2值大到按χ2分布超过设定的临界值时，即为小概率事件，就可以认为实际结果与理论假设不一致。 2 22)(Z x =-=σμχ? (χ2) χ2 (k) k=15 k=1 k=3 k=5 ? (χ2 ) χ2 χ2 0.05(4) ) (/)(21 2 为自由度k f f f e e o k i -=∑=χ∞0
王静龙《非参数统计分析》课后计算题参考答案
王静龙《非参数统计分析》课后习题计算题参考答案习题一 1.One Sample t-test for a Mean Sample Statistics for x N Mean Std. Dev. Std. Error ------------------------------------------------- 26 1.38 8.20 1.61 Hypothesis Test Null hypothesis: Mean of x = 0 Alternative: Mean of x ^= 0 t Statistic Df Prob > t --------------------------------- 0.861 25 0.3976 95 % Confidence Interval for the Mean Lower Limit: -1.93 Upper Limit: 4.70 则接受原假设认为一样 习题二 1.描述性统计
习题三 1.1 {}+01=1339 :6500:650013=BINOMDIST(13,39,0.5,1) =0.026625957 S n H me H me P S + ==<≤ 另外：在excel2010中有公式 BINOM.INV(n,p,a) 返回一个数值，它使得累计二项式分布的函数值大于或等于临界值a 的最小整数 * **0*0+1inf :2BINOM.INV(39,0.5,0.05)=14 1sup :113 2S 1313 n m i n d i n m m i n d d m i d αα==?????? ??=≥?? ? ????????? ?????? ??≤=-=?? ? ????????? =≤=∑∑= 以上两种都拒绝原假设，即中位数低于6500 1.2
非参数统计检验方法的应用
论文投稿领域：数理经济与计量经济学 非参数统计检验方法的应用 阮曙芬1 程娇翼 1 张振中2 （1.中国地质大学数理学院，武汉 430074；2.中南大学数学科学与计算学院，长沙 410075） 摘要：本文对非参数统计中常用的三种假设检验方法进行了简单的介绍。运用 Kruskal-Wallis 检验方法对2002年前三季度的上海股市综合指数收益率数据进行了周末效应的检验，结果表明2002年上海股市综合指数收益率不具有周末效应。 关键字：符号检验；Wilcoxon 秩和检验；Kruskal-Wallis 检验 1引言 非参数统计是统计分析的重要组成部分。非参数假设检验是在总体分布未知或者总体分布不满足参数统计对总体所做的假定的时候，分析样本特点，寻找相应的非参数检验统计量。本文就是以此为出发点，介绍了非参数统计中假设检验常用的几个检验方法：符号检验、Wilcoxon 秩和检验和Kruskal-Wallis 检验，然后结合具体的问题和数据，在统计软件SAS 中作相应的非参数检验。 2非参数假设检验介绍 2.1 配对样本的符号检验 符号检验是根据正、负符号进行假设检验的方法。这种检验方法用于配对设计数值变量资料的假设检验，常常是差值不服从正态分布或者总体分布未知的情况下不能用t 检验的时候使用。其原理是对差值进行编制并冠以符号，然后对正负秩和进行比较检验。 设随机变量12,,...,n X X X 相互独立同分布，分布为()F x ，()F x 在0x =连续。假设检验问题 2.2 两独立样本的Wilcoxon 秩和检验 Wilcoxon 秩和检验的理论背景如下：有两个总体，一个总体的样本为12,,...,n X X X ，相互独立同分布，分布为()F x ；另一个样本为12,,...,n Y Y Y ，相互独立同分布，分布为()G x ，()F x ， ()G x 连续。问随机变量Y 是否随机大于随机变量X ，即检验
非参数统计十道题
非参数统计----十道题 09统计学 王若曦 114 一、 Wilcoxon 符号秩检验 下面是10个欧洲城镇每人每年平均消费的酒类相当于纯酒精数，数据已经按升序排列： 人们普遍认为欧洲各国人均年消费酒量的中位数相当于纯酒精8升，试用上述数据检验这种看法。 数据来源：《非参数统计（第二版）》 吴喜之 手算： % 建立假设组： 01H :M=8H :M>8 T 2467891046T 5319n=10 +-=++++++==++= 查表得P=<α=，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。 》 SPSS ： 操作：Analyze ——Nonparametric Tests ——2-Related Sample Test
Test Statistics b c - x Z-1.886a Asymp. Sig. (2-tailed).059 Exact Sig. (2-tailed)! .064 Exact Sig. (1-tailed).032 Point Probability.008 a. Based on positive ranks. b. Wilcoxon Signed Ranks Test 由输出结果可知，单侧精确显著性概率P=<α=，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与手算结果相同。 R语言： … > x=c,,,,,,,,, > (x-8,alt="greater") Wilcoxon signed rank test data: x - 8 V = 46, p-value = alternative hypothesis: true location is greater than 0 由输出结果可知，P=<α=，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与以上结果一致。 |
非参数统计
中国海洋大学本科生课程大纲 课程属性：公共基础/通识教育/学科基础/专业知识/工作技能，课程性质：必修、选修 一、课程介绍 1.课程描述： 非参数统计是数理统计学的一个分支，它是针对参数统计而言的。所谓参数统计，简 单地说就是建立在总体具有明确分布形式，通常多为正态分布形式的假定基础之上，所建立 的统计理论和统计方法。而非参数统计是在不假定总体分布形式或在较弱条件下，例如总体 分布形式完全未知或分布形式是对称的，诸如这样一些宽泛条件下，尽量从数据本身获 得的信息，建立对总体相关统计特征进行分析和推断的理论、方法。 2.设计思路： 本课程是在已学数理统计基础上，通过非参数统计的学习，引导数学专业学生进一步增强对一般总体分析、推断的能力并加深对相关理论和方法的理解。 课程内容着重于基本知识点的理解，避免难度较大或较长定理的证明。目的是使学生对理论有一个基本的理解和在应用能力上的提高。课程内容包括以下四个方面： (1).非参数统计的基本概念：非参数统计方法的主要特点，次序统计量及其分布，U统计量， 秩统计量的概念，一些统计量的近似分布。 (2).非参数估计的方法：总体分位数的估计，对称中心的估计，位置差的估计。 (3).非参数检验的方法：总体p分位数的检验，总体均值检验，两样本的比较，随机性与 独立性检验，多总体的比较。 - 1 -
(4).总体分布类型的估计与检验：分布函数的估计与检验，概率密度估计。 3. 课程与其他课程的关系： 先修课程：《概率论》，《数理统计》，《多元统计分析》；并行课程：《应用回归分析》；后置课程：《统计软件》。 非参数统计是应用数学专业、信息与计算科学专业的选修课程，但对于今后从事统计研究和统计应用工作的学生来讲可以作为专业必修课学习。 二、课程目标 非参数统计具有应用性广，稳健性好等特点。通过本课程学习，要求学生了解或理解非参数统计的一些基本理论和方法，注重利用理论和方法、借助计算机解决问题的能力。开课学期结束时，要求学生能够做到： (1)理解非参数统计方法的主要特点及与参数统计方法的区别。掌握次序统计量及其分布；理解并掌握U统计量秩统计量的概念；理解一些常用统计量的近似分布。重点是次序统计量及其分布； U统计量构造，秩统计量； (2)掌握总体分位数估计、对称中心的估计、位置差估计的方法。 (3)理解各种检验的基本思想，掌握检验的一般步骤，掌握检验统计及其拒绝域。难点在于检验统计量的选取及概率分布。 (4)理解分布函数估计及检验的基步骤和过程。 (5)为更深入学习非参数统计学理论打下初步的基础。也为学习专业统计软件的作好准备。 三、学习要求 要完成所有的课程任务，学生必须： （1）按时上课,认真听讲，认真完成作业。其中有一些作业需要学生自编程序用机器完成。（2）按时完成并按时提交书面形式的作业。延期提交作业需要得到任课教师的许可。 （3）完成一定量的阅读文献和背景资料，可以以小组的形式讨论学习，促进同学间的心得交 - 1 -
王静龙非参数统计分析课后计算题参考答案Word版
王静龙《非参数统计分析》课后习题计算题参考答案 习题一 1.One Sample t-test for a Mean Sample Statistics for x N Mean Std. Dev. Std. Error ------------------------------------------------- 26 1.38 8.20 1.61 Hypothesis Test Null hypothesis: Mean of x = 0 Alternative: Mean of x ^= 0 t Statistic Df Prob > t --------------------------------- 0.861 25 0.3976 95 % Confidence Interval for the Mean Lower Limit: -1.93 Upper Limit: 4.70 则接受原假设认为一样 习题二 1.描述性统计
习题三 1.1 {}+01=1339 :6500:650013=BINOMDIST(13,39,0.5,1)=0.026625957 S n H me H me P S +==<≤ 另外：在excel2010中有公式 BINOM.INV(n,p,a) 返回一个数值，它使得累计二项式分布的函数值大于或等于临界值a 的最小整数 * **0*0+1inf :2BINOM.INV(39,0.5,0.05)=14 1sup :113 2S 1313 n m i n d i n m m i n d d m i d αα==?????? ??=≥?? ? ????????? ?????? ??≤=-=?? ? ????????? =≤=∑∑= 以上两种都拒绝原假设，即中位数低于6500 1.2
非参数统计分析方法总结
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MO（代表题目给出的分位点数），和分位 点口（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n。 H0：M=M0 HI: M k MO或者M>M（或者M 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：分析一非参数检验一游程 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，—个为M2 H0：M1=M2. HI: M1H M2或者M1>M或者M1 非参数统计----十道题 09统计学 王若曦 32009121114 一、 Wilcoxon 符号秩检验 下面是10个欧洲城镇每人每年平均消费的酒类相当于纯酒精数，数据已经按升序排列： 4.12 5.81 7.63 9.74 10.39 11.92 12.32 12.89 13.54 14.45 人们普遍认为欧洲各国人均年消费酒量的中位数相当于纯酒精8升，试用上述数据检验这种看法。 数据来源：《非参数统计（第二版）》 吴喜之 手算： 建立假设组： 01H :M=8H :M>8 T 2467891046T 5319n=10 +-=++++++==++= 查表得P=0.032<α=0.05，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。 SPSS ： 操作：Analyze ——Nonparametric Tests ——2-Related Sample Test Ranks N Mean Rank Sum of Ranks c - x Negative Ranks 7a 6.57 46.00 Positive Ranks 3b 3.00 9.00 Ties 0c Total 10 由输出结果可知，单侧精确显著性概率P=0.032<=0.05，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与手算结果相同。 R语言： > x=c(4.12,5.81,7.63,9.74,10.39,11.92,12.32,12.89,13.54,14.45) > wilcox.test(x-8,alt="greater") Wilcoxon signed rank test data: x - 8 V = 46, p-value = 0.03223 alternative hypothesis: true location is greater than 0 由输出结果可知，P=0.03223<α=0.05，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与以上结果一致。 二、Mann-Whitney-Wilcoxon检验 下表为8个亚洲国家和8个欧美国家2005年的人均国民收入数据。检验亚洲国家和欧美国家的人均国民收入是否有显著差异（α=0.05）。 每小题20分 1. 下面是DMBA 公司为了研究某一种癌症所做的试验。Group 1和2分别代表试验的控制组和对照组。下面是所得的试验老鼠的生存数据，*代表数据被右删失。请回答下面问题： Group 1: 164 188 190 192 206 209 213 216 220 230 234 246 265 304 216* 244* Group 2: 156 163 198 205 232 233 239 240 261 280 296 323 204* 344* 1）请给出非参数的Kaplan-Meier 估计的公式，并计算在时间点t=156,164这两点的具体估计值,若假设在t=164处被删失，计算此处的估计值。 2）如果协变量分别取为1和0，请用Cox 模型模拟上述数据，给出计算协变量的系数的相关公式； 3）给出Kaplan-Meier 估计的Matlab 程序。 2． 下面是16个学生的体能测试数据： P81例3.14 82 53 70 73 103 71 69 80 54 38 87 91 62 75 65 77。 1） 请用顺序统计量方法构造置信度为95％的中位数的置信区间； 2） 编写上述计算的Matlab 程序 3． 下面是申请进入法学院学习的学生的LSAT 测试成绩和GPA 成绩。 LSAT: 576 635 558 578 666 580 555 661 651 605 653 575 545 572 594 GPA: 3.39 3.30 2.81 3.03 3.44 3.07 3.00 3.43 3.36 3.13 3.12 2.74 2.76 2.88 3.96 每个数据点用(,),i i i X Y Z 其中i Y 表示LSAT 成绩，i Z 表示GPA 成绩 1） 计算i Y 和i Z 的Pearson 相关系数 （只写出公式）; (5分) 2） 使用Boostrap 方法估计相关系数的标准误差（只写出算法步骤）；（5分） 3） 编写相应的Matlab 程序。（10分） 第十三章非参数统计分析 统计推断方法大体上可分为两大类。第一大类为参数统计方法。常常在已知总体分布的条件下，对相应分布的总体参数进行估计和检验。第二大类为非参数统计方法，着眼点不是总体参数，而是总体的分布情况或者样本所在总体分布的位置/形状。 非参数统计方法大约有8种，可被划分为两大类，处理各种不同情形的数据。 单样本情形： 检验样本所在总体的位置参数或者分布是否与已知理论值相同。 ①Chi-Square过程：针对二分类或者多分类资料 例题1：见书P243。检验样本分布情况是否与已知理论分布相同。运用卡方检验过程。 ②Binomial过程：针对二分类资料或者可转变为二分类问题的资料。 例题2 ：见书P246。检验某一比例是否与已知比例相等，运用二项分布过程。练习：质量监督部门对商店里面出售的某厂家的西洋参片进行了抽查。对于25包写明为净重100g的西洋参片的称重结果为（单位：克），数据见非参数。Sav，人们怀疑厂家包装的西洋参片份量不足，要求进行检验。 ③Runs过程：用于检验样本序列是否是随机出现的。二分类资料和连续性资料均可。 游程检验： 游程的含义： 假定下面是由0和1组成的一个这种变量的样本： 0 0 0 0 1 1 1 1 1 1 0 0 1 0 1 1 1 0 0 0 0 0 0 0 0 其中相同的0（或相同的1）在一起称为一个游程（单独的0或1也算）。 这个数据中有4个0组成的游程和3个1组成的游程。一共是R=7个游程。其中0的个数为m=15，而1的个数为n=10。 游程检验的原理 判断数据序列是否是真随机序列。该检验的原假设为数据是真随机序列，备择假设为非随机序列，在原假设成立的情况下，游程的总数不应太多也不应太少。例题3：见书P247。检验样本数据是否是随机出现的。 例题4：从某装瓶机出来的30盒化妆品的重量（单位克），数据见非参数.sav，为了看该装瓶机是否工作正常。 提示：实际需要验证大于和小于中位数的个数是否是随机的（零假设为这种个数的出现是随机的）。 ④1-Ｓample--K –S 过程 原理：单样本的Kolmogorov-Smirnov检验（K-S检验）方法主要针对连续性资料，是用来检验一个样本数据的观测累积分布是否是已知的理论分布。这些 ---------------------------------------------------------------最新资料推荐------------------------------------------------------ 《卫生统计学》考试题及答案 《卫生统计学》一、名词解释 1. 计量资料 2. 计数资料 3. 等级资料 4. 总体 5. 样本 6. 抽样误差 7. 频数表 8. 算术均数 9. 中位数 10. 极差 11. 方差 12. 标准差 13. 变异系数 14. 正态分布 15. 标准正态分布 16. 统计推断 17. 抽样误差 18. 标准误 19. 可信区间 20. 参数估计 21. 假设检验中 P 的含义 22. I 型和 II 型错误 23. 检验效能 24. 检验水准 25. 方差分析 26. 随机区组设计 27. 相对数-1- 1/ 29 28. 标准化法 29. 二项分布 30. Yates 校正 31. 非参数统计 32. 直线回归 33. 直线相关 34. 相关系数 35. 回归系数 36. 人口总数 37. 老年人口系数 38. 围产儿死亡率 39. 新生儿死亡率 40. 婴儿死亡率 41. 孕产妇死亡率 42. 死因顺位 43. 人口金字塔二、单项选择题 1．观察单位为研究中的( D )。 A．样本 C．影响因素 2．总体是由（ C ）。 A．个体组成 C．同质个体组成 3．抽样的目的是（ B ）。 A．研究样本统计量 C．研究典型案例研究误差 4．参数是指（ B ）。 A．参与个体数 C．样本的统计指标 B．总体的统计指标 D．样本的总和 B．由样本统计量推断总体参数 D．研究总体统计量B．研究对象组成 D．研究指标组成 B．全部对象 D．个体5．关于随机抽样，下列那一项说法是正确的（ A ）。 -2- .引言 一般统计分析分为参数分析与非参数分析，参数分析是指，知道总体分布，但其中几个参数的值未知，用统计量来估计参数值，但大部分情况，总体是未知的，这时候就不能用参数分析，如果强行用可能会出现错误的结果。 例如：分析下面的供应商的产品是否合格？ 合格产品的标准长度为（±），随即抽取n=100件零件，数据如下： 表 经计算，平均长度为cm x 4958.8=，非常接近中心位置，样本标准差为 () 1047.011 2 =--= ∑=n i i n x x s cm.一般产品的质量服从正态分布，),(~2δμN X 。 这说明产品有接近三分之一不合格，三分之二合格，所以需要更换供应厂 商，而用非参数分析却是另外一个结果。 以下是100个零件长度的分布表： 这说明有90%的零件长度在)2.05.8(±cm 之间，有9%的零件不合格，所以工厂不需要换供应商。 例2 哪一个企业职工的工资高？ 表两个企业职工的工资 显然，企业1职工的工资高，倘若假设企业1与企业2的职工工资分别服从正态分布),(),,(22σσb N a N ，则这两个企业职工的工资比较问题就可以转化为一个参数的假设检验问题，原假设为b a H =:0，备择假设为b a H >:0 则 ))11(,(~2σn m b a N y x +-- 若0H 为真，则 其中])()([211 212 2∑∑==-+--+= n i i m i i w y y x x n m S 拒绝域为：}325.1{)}20({90.0≥=≥t t t 检测值为：282.1=t 故不能拒绝原假设，认为两企业的工资水平无差异。 也可以用值-P 检验 由于1073.0)282.1)20((=≥t P 故不能拒绝原假设，认为两企业的工资水平无差异。非参数统计十道题
非参数统计——期末试卷
非参数统计分析
《卫生统计学》考试题及答案
王静龙《非参数统计分析》教案