非参数假设检验例题

篇一：实验八 非参数假设检验

实验八 非参数假设检验

? 单样本非参数检验

? 两个独立样本非参数检验

? 多个独立样本非参数检验

? 两个配对样本非参数检验

? 多个配对样本非参数检验

一、 单样本非参数检验

选择：分析Analyze==>非参数检验Nonparametric Tests ==>……

1、基本功能

对单个总体的分布形态进行推断的方法。

其中方法包括：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。

2、方法简介

2.1 卡方检验

? 卡方检验可以进行拟合优度的检验，即可以根据样本数据，推断

总体分布与期望分布或某一理论分布是否存在显著差异，可检验样本是否服从正态、均匀、 Poisson等分布。

卡方检验是一种吻合性检验，通常适用于多项分类值总体分布的分析。

? 零假设H0：样本来自的总体分布与期望分布或某一理论分布无显

著差异。

? 操作步骤

1、选择分析Analyze==>非参数检验Nonparametric Tests ==>χ检验Chi-Square;2

2、将待检验的变量选择到Test Variable 框；

3、在Expected Range框选项中确定参与分析的样本范围，其中Get from data表示所有样本都参与

假设检验

总体均值的检验 (σ2 已知 (例题分析

【例】 一种罐装饮料采用自动生产线生产,每罐的容量是 255ml ,标准差为 5ml 。为检验每 罐容量是否符合要求,质检人员在某天生产的饮料中随机抽取了 40罐进行检验,测得每罐 平均容量为 255.8ml 。 取显著性水平 α=0.05 , 检验该天生产的饮料容量是否符合标准要求?

H 0:μ = 255 H 1:μ≠ 255 α = 0.05 n = 40 检验统计量 : 决策 : 不拒绝 H 0 结论 :

样本提供的证据表明:该天生产的饮 料符合标准要求 总体均值的检验 (σ2 未知 (例题分析

【例】 一种机床加工的零件尺寸绝对平均误差允许值为 1.35mm 。生产厂家现采用一种新的 机床进行加工以期进一步降低误差。 为检验新机床加工的零件平均误差与旧机床相比是否有 显著降低,从某天生产的零件中随机抽取 50个进行检验。利用这些样本数据,检验新机床 加工的零件尺寸的平均误差与旧机床相比是否有显著降低? (

=0.01

总体均值的检验 (σ2 未知 (例题分析

【例】 某一小麦品种的平均产量为 5200kg/hm2 。 一家研究机构对小麦品种进行了改良以期 提高产量。为检验改良

假设检验

一、单样本总体均值的假设检验 .................................................... 1 二、独立样本两总体均值差的检验 ................................................ 2 三、两匹配样本均值差的检验 ........................................................ 4 四、单一总体比率的检验 ................................................................ 5 五、两总体比率差的假设检验 ........................................................ 7

一、单样本总体均值的假设检验

例题：

某公司生产化妆品，需要严格控制装瓶重量。标准规格为每瓶250 克，标准差为1 克，企业的质检部门每日对此进行抽样检验。某日从生产线上随机抽取16 瓶测重，以95%的保证程度进行总体均值的假设检验。

x??0t? sndata6_01 样本化妆品重量 SPSS操作：

（1）打开数据文件

单样本T检验

按规定苗木平均高达1.60m以上可以出圃，今在苗圃中随机抽取10株苗木，测定的苗木高度如下：

1.75 1.58 1.71 1.64 1.55 1.72 1.62 1.83 1.63 1.65 假设苗高服从正态分布，试问苗木平均高是否达到出圃要求？(要求α=0.05)

解： 1）根据题意，提出：

虚无假设H0：苗木的平均苗高为H0=1.6m; 备择假设H1：苗木的平均苗高H1>1.6m；

2）定义变量：在spss软件中的“变量视图”中定义苗木苗高, 之后在“数据视图”中输入苗高数据；

3)分析过程

在spss软件上操作分析，输出如下：

表1.1:单个样本统计量

苗高

表1.2:单个样本检验

检验值 = 1.6 差分的 95% 置信区间 苗高

t 2.551 df 9 Sig.(双侧) .031 均值差值 .06800 下限 .0077 上限 .1283 N 10 均值 1.6680 标准差 .08430 均值的标准误 .02666 4）输出结果分析

由图1.1和表1.1数据分析可知，变量苗木苗高成正态分布，平均值为1.6680m，标准差为0.0843，说明样本的离散程度较小，标准误为0.0267，说明抽样误差较小

单样本T检验

按规定苗木平均高达1.60m以上可以出圃，今在苗圃中随机抽取10株苗木，测定的苗木高度如下：

1.75 1.58 1.71 1.64 1.55 1.72 1.62 1.83 1.63 1.65 假设苗高服从正态分布，试问苗木平均高是否达到出圃要求？(要求α=0.05)

解： 1）根据题意，提出：

虚无假设H0：苗木的平均苗高为H0=1.6m; 备择假设H1：苗木的平均苗高H1>1.6m；

2）定义变量：在spss软件中的“变量视图”中定义苗木苗高, 之后在“数据视图”中输入苗高数据；

3)分析过程

在spss软件上操作分析，输出如下：

表1.1:单个样本统计量

苗高

表1.2:单个样本检验

检验值 = 1.6 差分的 95% 置信区间 苗高

t 2.551 df 9 Sig.(双侧) .031 均值差值 .06800 下限 .0077 上限 .1283 N 10 均值 1.6680 标准差 .08430 均值的标准误 .02666 4）输出结果分析

由图1.1和表1.1数据分析可知，变量苗木苗高成正态分布，平均值为1.6680m，标准差为0.0843，说明样本的离散程度较小，标准误为0.0267，说明抽样误差较小

《统计学》实验三

一、实验名称：参数估计 二、实验日期： 2010年11月2日 三、实验地点：经济管理系实验室 四、实验目的和要求

目的：培养学生利用EXCEL进行数据处理的能力，熟练掌握利用EXCEL对总体均值、比例、方差进行估计。掌握利用EXCEL系统处理估计理论相关的实际问题。

要求：就本专业相关问题收集一定数量的数据，用EXCEL进行参数区间估计 1、总体均值在95%置信水平下的置信区间，并进行简要解释

2、两个总体均值之差（匹配样本或独立样本）在95%置信水平下的置信区

间，并进行简要解释

五、实验仪器、设备和材料：个人电脑（人/台），EXCEL 软件 六、实验过程 （一）问题与数据

一家研究机构想估计在网络公司工作的员工每周加班的平均时间，为此随机抽取了18个员工，得到他们每周加班的时间数据如下（单位：小时）

6 3

21 8

17 12

20 11

7 9

0 21

8 25

16 15

29 16

假定员工每周加班时间服从正态分布，估计网络公司员工平均每周加班时间的95%的置信区间。 （二）实验步骤

1、将上表数据复制到EXCEL中； 2、将上述数据调整成一列的形式；

3、在EXCEL中通过函

《统计学》实验三

一、实验名称：参数估计 二、实验日期： 2010年11月2日 三、实验地点：经济管理系实验室 四、实验目的和要求

目的：培养学生利用EXCEL进行数据处理的能力，熟练掌握利用EXCEL对总体均值、比例、方差进行估计。掌握利用EXCEL系统处理估计理论相关的实际问题。

要求：就本专业相关问题收集一定数量的数据，用EXCEL进行参数区间估计 1、总体均值在95%置信水平下的置信区间，并进行简要解释

2、两个总体均值之差（匹配样本或独立样本）在95%置信水平下的置信区

间，并进行简要解释

五、实验仪器、设备和材料：个人电脑（人/台），EXCEL 软件 六、实验过程 （一）问题与数据

一家研究机构想估计在网络公司工作的员工每周加班的平均时间，为此随机抽取了18个员工，得到他们每周加班的时间数据如下（单位：小时）

6 3

21 8

17 12

20 11

7 9

0 21

8 25

16 15

29 16

假定员工每周加班时间服从正态分布，估计网络公司员工平均每周加班时间的95%的置信区间。 （二）实验步骤

1、将上表数据复制到EXCEL中； 2、将上述数据调整成一列的形式；

3、在EXCEL中通过函

第五章假设检验

本章介绍假设检验的基本概念以及参数检验与非参数检验的主要方法。通过学习，要求：1.掌握统计检验的基本概念，理解该检验犯两类错误的可能；2.熟练掌握总体均值与总体成数指标的各种检验方法；包括：z检验、t检验和p-值检验；4.掌握基本的非参数检验方法，包括：符号检验、秩和检验与游程检验；5.能利用Excel进行假设检验。

第一节假设检验概述

一、假设检验的基本概念

假设检验是统计推断的另一种方式，它与区间估计的差别主要在于：区间估计是用给定的大概率推断出总体参数的范围，而假设检验是以小概率为标准，对总体的状况所做出的假设进行判断。假设检验与区间估计结合起来，构成完整的统计推断内容。假设检验分为两类：一类是参数假设检验，另一类是非参数假设检验。本章分别讨论这两类检验方法。 进行假设检验，首先要对总体的分布函数形式或分布的某些参数做出假设，然后再根据样本数据和“小概率原理”，对假设的正确性做出判断。这种思维方法与数学里的“反证法”很相似，“反证法”先将要证明的结论假设为不正确的，作为进一步推论的条件之一使用，最后推出矛盾的结果，以此否定事先所作的假设。反证法所认为矛盾的结论，也就是不可能发生的事件，这种事件发生的概率为零，该事件是不能

上机实习五 用Excel进行参数的假设检验

假设检验，就是先对总体的参数或分布形式提出假设，再利用样本数据信息来判断原假设是否合理，从而决定应接受还是拒绝原假设。

进行假设检验的一般步骤： (1)建立原假设H0和备择假设H1；

(2)确定适当的检验统计量及其分布，并由给定样本值计算检验统计量的值； (3)根据显著性水平?，确定检验临界值和拒绝域；

(4) 作出统计判断：由样本值确定概率P值,若P值≤?或者统计量的值落在拒绝域内，则拒绝原假设H0，接受备择假设H1，即差异有统计显著意义；若P值>?或者统计量的值不落在拒绝域内，，就接受原假设H0，即差异无统计显著意义。

我们将正态总体的参数检验的主要步骤和结果汇总于下表。

表5-1 正态总体参数的假设检验简表

原假设H0 ?=?0 (?2已知) ?=?0 (?2未知) 备择假设H1 ?≠?0(双侧) ?>?0(单侧) ??0(单侧) ? z?/2 z> z? z<- z?

抽样分布

一、抽样分布的理论及定理 （一） 抽样分布

抽样分布是统计推断的基础，它是指从总体中随机抽取容量为n的若干个样本，对每一样本可计算其k统计量，而k个统计量构成的分布即为抽样分布，也称统计量分布或随机变量函数分布。 （二） 中心极限定理

中心极限定理是用极限的方法所求的随机变量分布的一系列定理，其内容主要反映在三个方面。

1．如果总体呈正态分布，则从总体中抽取容量为n的一切可能样本时，其样本均数的分布也呈正态分布；无论总体是否服从正态分布，只要样本容量足够大，样本均数的分布也接近正态分布。 均数（?）即

2．从总体中抽取容量为n的一切可能样本时，所有样本均数的均数（?X）等于总体

?X??

3．从总体中抽取容量为n的一切可能样本时，所有样本均数的标准差（?X）等于总体标准差除以样本容量的算数平方根，即

?X??n

中心极限定理在统计学中是相当重要的。因为许多问题都使用正态曲线的方法。这个定理适于无限总体的抽样，同样也适于有限总体的抽样。中心极限定理不仅给出了样本均数抽样分布的正态性依据，使得大多数数据分布都能运用正态分布的理论进行分析，而且还给出了推断统计中两个重要参数（即样本均数?X与样本标准差?X）的计算方法。

（三）抽样分布中的几