统计学 非参数检验

统计学 非参数检验

参数检验：之前的统计检验方法统称为参数检验，例如 t 检验、F 检验等，这些检验通常都是在假定总体服从正态分布或总体分布形式已知的条件下进行的，而且要求所分析的数据是数值型的。

非参数检验：非参数检验不依赖于总体的分布（也称为与总体分布无关的检验），是在不了解总体分布或者对总体分布的假定不满足条件下的统计检验方法。非参数检验对数据类型的要求也比参数检验宽松，当数据不适合用参数检验时，非参数检验往往会得出理想的结果。

单样本的检验

只有一个样本时，非参数检验可用于检验总体的某个参数与假定值是否相等。

中位数的符号检验

符号检验：利用正负号的数目对某种假设进行判定的非参数方法。主要用于成对比较，而且可用于类别数据，在市场研究中引用广泛（例如研究消费者对某种品牌产品的偏好是“喜欢”或“不喜欢”）。总体均值的 t 检验要求总体服从正态分布，但是若我们对总体分布并不了解，就无法进行 t 检验，这时可以采用中位数作为总体参数进行符号检验。

中位数的符号检验：检验总体中位数是否等于某个假定的值。设一个随机样本有 $n$ 个数据 $x_1$ ，$x_2$ ，$\cdots$ $x_n$ ，总体中位数的实际值为 $M$ ，假设的总体中位数的值为 $M_0$ 。当样本中的数据大于假设的中位数 $M_0$ 时，用 “$+$” 表示，小于 $M_0$ 时，用 “$-$” 表示，剔除恰好等于 $M_0$ 的数据（称为 tie）。检验步骤如下：

① 提出假设

• 双侧检验（关心实际的 $M$ 与假设的 $M_0$ 是否有差别）：$H_0$ ：$M=M_0$ ；$H_1$ ：$M\ne M_0$ ；
• 左侧检验：$H_0$ ：$M=M_0$ ；$H_1$ ：$M<M_0$ ；
• 右侧检验：$H_0$ ：$M=M_0$ ；$H_1$ ：$M>M_0$；

② 计算检验统计量 $S^{+}$ 与 $S^{-}$ ，分别代表 “$+$” 与 “$-$” 的个数；符号的总个数为 $n=S^{+}+S^{-}$ ；

③ 根据伯努利分布 $B(n,0.5)$ ，计算统计量的 $P$ 值并做出决策，若 $P<\alpha$ ，则拒绝原假设，表明实际中位数与假设的总体中位数之间有显著差异

Wilcoxon 符号秩检验

Wilcoxon 符号秩检验：与符号检验目的一致，进行了改进，弥补了符号检验只考虑样本差异方向上的信息、而未考虑差异的大小的不足。Wilcoxon 符号秩检验的效率高于普通的符号检验。该检验假设样本数据 $x_i(i=1,2,\cdots ,n)$ 来自连续对称分布的总体，检验步骤如下：

① 提出假设：

• 双侧检验（关心实际的 $M$ 与假设的 $M_0$ 是否有差别）：$H_0$ ：$M=M_0$ ；$H_1$ ：$M\ne M_0$ ；
• 左侧检验：$H_0$ ：$M=M_0$ ；$H_1$ ：$M<M_0$ ；
• 右侧检验：$H_0$ ：$M=M_0$ ；$H_1$ ：$M>M_0$；

② 计算检验统计量：计算各样本观察值与假定的中位数的绝对差 $|d_i|=|x_i-M_0|$ ，然后将 $d^{}$