非参数第三章

非参数第三章第1页，共37页，2023年，2月20日，星期四可以假定这个样本是从世界许多大城市中随机抽样得到的，所有大城市的指数组成了总体.有人说64应该是这种大城市花费指数的中位数（median）;而另外有人说，64顶多是下四分位数（firstquantile）.这里看上去有两个关于位置参数的不同检验问题.（1）样本中位数M是否大于64.（2）样本下四分位点Q0.25是否小于64.由于中位数也是分位点（0.5分位点）.这两个问题实际上是一个问题，即关于分位点的检验问题.当然也出现了求分位点的置信区间问题.第2页，共37页，2023年，2月20日，星期四第3页，共37页，2023年，2月20日，星期四3.1.1广义符号检验：对分位点进行的检验所谓的广义符号检验是对连续变量分位点进行的检验；而狭义的符号检验则是仅针对中位数进行的检验.假定检验的零假设是，而备择假设则可能为记样本中小于的点数为，而大于的点数为并且用小写的和分别代表和的实现值.记第4页，共37页，2023年，2月20日，星期四在零假设下，应该服从二项分布对的检验，下面变量K的分布为，为样本分位点备择假设值使检验有意义的条件第5页，共37页，2023年，2月20日，星期四而对于的特例，这时为中位数，通常记为M，则有下面的表.对的检验，变量的分布为备择假设值第6页，共37页，2023年，2月20日，星期四例3.1（续）下面讨论例3.1的样本下四分位点是否小于64的检验.则检验问题是第7页，共37页，2023年，2月20日，星期四再看关于64是否为中位数的检验，大样本正态近似第8页，共37页，2023年，2月20日，星期四3.1.2基于符号检验的中位数及分位点的置信区间中位数的对称置信区间.首先我们考虑关于中位数的基于符号检验的置信区间.它定义为：对于显著性水平为的中位数的双边符号检验，不会使被拒绝的那些零假设点的集合.第9页，共37页，2023年，2月20日，星期四例3.2（数据：tax.txt）下面是随机抽取的22个企业的纳税额.数据已经按照升幂排列.1.001.351.992.052.062.102.302.612.862.952.983.233.734.034.825.246.106.646.816.867.119.00实际置信度置信区间0.9999995（1，9）0.999989（1.35，7.11）0.9998789（1.99，6.86）0.9991446（2.05，6.81）0.9830995（2.10，6.10）0.9475212（2.30，5.24）第10页，共37页，2023年，2月20日，星期四

§3.2Wilcoxon符号秩检验，点估计和区间估计Wilcoxon符号秩检验：把观测值和零假设的中心位置之差的绝对值的秩分别按照不同的符号相加作为其检验统计量.注意，该检验需要假定样本点来自连续对称总体分布.例3.3（数据：EuroAlc.txt）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（单位：升），数据已经按照升幂排列.4.125.817.639.7410.3911.9212.3212.8913.5414.45检验问题是：第11页，共37页，2023年，2月20日，星期四Wilcoxon符号秩检验步骤如下：（1）计算3.882.190.371.742.393.924.324.895.546.45（2）把上面的n个绝对值排序，并找出它们的n个秩，如果有相同的样本点，每个点取平均秩.53124678910（3）令等于的的秩的和.而等于的的秩的和.注意：第12页，共37页，2023年，2月20日，星期四（4）对双边检验，在零假设下，和应该差不多.因而，当其中之一很小时，应怀疑零假设.取检验统计量类似的，对的单边检验取对的单边检验取

第13页，共37页，2023年，2月20日，星期四（5）根据得到的W值，利用统计软件或查Wilcoxon符号秩检验的分布表以得到在零假设下的p值.Psignrank(w,10)得到p=0.032（6）如果p值较小，则可以拒绝零假设.如果p值较大则没有充分证据来拒绝零假设，但不意味着接受零假设.>wilcox.test(x-8,alt="greater")Wilcoxonsignedranktestdata:x-8V=46,p-value=0.03223alternativehypothesis:truelocationisgreaterthan0第14页，共37页，2023年，2月20日，星期四W+在零假设下的分布.秩符号的8种组合123+--++-+-+-+-++---+-+++

W+01233456概率注意W+和W-Wilcoxon分布的关系第15页，共37页，2023年，2月20日，星期四3.2.2基于Wilcoxon符号秩检验的点估计和区间估计.首先求每两个数的平均（一共有个）来扩大样本数目.这样的平均称为Walsh平均.可以证明前面的统计量W+等于大于零的Walsh平均的个数.即

如果考虑移位，即，同样可以用第16页，共37页，2023年，2月20日，星期四对称中心可由Walsh平均的中位数来估计，称为Hodge-Lehmann估计量：

利用Walsh平均还可以得到的置信区间，先按照升幂排列Walsh平均，记为，则的置信区间为这里整数k由来决定.第17页，共37页，2023年，2月20日，星期四在大样本时，用类似于Wilcoxon检验的近似得到例3.3欧洲酒精人均消费的例子.Walsh平均有55个值（按照升幂排列）4.1204.9655.8105.8756.7206.9307.2557.6307.7758.0208.1008.2208.5058.6858.8308.8659.0109.0659.2859.3509.6759.7409.7759.97510.06510.13010.26010.39010.58510.83011.03011.04011.15511.31511.35511.64011.64011.92011.96512.09512.12012.32012.40512.42012.60512.73012.89012.93013.18513.21513.38513.54013.67013.99514.450第18页，共37页，2023年，2月20日，星期四§3.3正态记分检验考虑线性秩统计量，要按照正态分布来定义记分函数，为了使，不用作为这里的记分，而稍微改变一下记分函数使其为经过相应的替换后第19页，共37页，2023年，2月20日，星期四把标准化，就得到这里的对单样本位置的所谓正态记分检验统计量如果观测值的总体分布接近于正态，或者在大样本情况下，可以认为T近似的有标准正态分布.实际上，对于很小的样本也适用.如果记，则有大约等于，也就是说，它和期望正态记分相近.第20页，共37页，2023年，2月20日，星期四4.125.187.639.7410.3911.9212.3212.8913.5414.453.882.190.371.742.393.924.324.985.546.4553124678910-0.6045-0.3487-0.11410.22980.47270.74780.90841.09681.33511.69064.125.187.639.7410.3911.9212.3212.8913.5414.458.386.694.872.762.110.580.180.391.041.9510987631245-1.6906-1.3351-1.0968-0.9084-0.7478-0.3487-0.11410.22980.47270.6045Sn=5.41406，T=1.9135，p=0.02783Sn=-4.9346T=-1.74409p=0.0405结论：拒绝零假设结论：拒绝零假设例3.3的正态记分检验第21页，共37页，2023年，2月20日，星期四正态记分（NS+）相对于Wilcoxon符号秩检验（W+）对于不同总体分布的ARE总体分布均匀正态Logistic重指数CauchyARE（NS+，W+）+∞1.0470.9550.8470.708第22页，共37页，2023年，2月20日，星期四§3.4Cox-Stuart趋势检验例3.4（数据：TJAir.txt）天津机场从1995年1月到2003年12月的108个月旅客吞吐量（人次）543794546155408597126077657635633357129670250768667556166427613305818667799763608620775509830208961475791808357217961520667266062968549733108071967759703528282570541746316893853318626535857863292695357337962859728738726067559766477059058935581616405763051588076366357367708547994966992801406226055942583675667361039749588585967263871839757579988885016860058442689555683567021815478511870145950801061868610388548700906555069223851388979999513981146817297366116820956651098818706875362882688518387909799762768750178100878131788116293120770104958109603第23页，共37页，2023年，2月20日，星期四>plot(x,xlab="Month",ylab="NumberofPassenger")>lines(x)第24页，共37页，2023年，2月20日，星期四主要有三种检验：（1）H0：无增长趋势；H1：有增长趋势.（2）H0：无减少趋势；H1：有减少趋势.（3）H0：无趋势；H1：有增长或减少趋势.形式上，该检验问题可以重新叙述为：假定独立观测值分别来自分布为的总体，这里对称于零点.上面第一个单边检验为，对（至少一个不等式是严格的）.第25页，共37页，2023年，2月20日，星期四可以把每个观测值和相隔大约的另一个观测值配对比较，因此大约有个对子.然后看增长的对子和减少的对子各有多少来判断总的趋势.具体做法为，取和组成一对，这里用每一对的两元素差的符号来衡量增减.令为正的的数目，而令为负的的数目.显然当正号太多时，即很大时，有下降趋势,反之，则有增长趋势.第26页，共37页，2023年，2月20日，星期四类似于符号检验，对于上面1，2，3三种检验，分别取检验统计量.这里在例3.4中，由于，表明可能有增长的趋势，考虑检验：H0：无增长趋势；H1：有增长趋势.第27页，共37页，2023年，2月20日，星期四Cox-Stuart趋势检验的过程总结如下：零假设：H0备择假设：H1检验统计量（K）p值H0：无增长趋势H1：有增长趋势H0：无减少趋势H1：有减少趋势H0：无趋势H1：有增长或减少趋势大样本时，用近似的正态统计量

作出结论第28页，共37页，2023年，2月20日，星期四关于随机性的游程检验（runtest）

游程检验方法是检验一个取两个值的变量的这两个值的出现是否是随机的.例1：假定下面是由0和1组成的一个这种变量的样本（数据run1.sav）：0000111111001011100000000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.

第29页，共37页，2023年，2月20日，星期四例2（数据：run01.txt）假定我们掷一个硬币，以概率p出现正面（记为1），以概率1-p出现反面（记为0）；这是一个Bernoulli试验，如果这个试验是随机的，则不大可能出现许多1或许多0连在一起，也不可能0和1交替出现的太频繁.例如，下面为一例这样的结果00000001111110000111100则上面这组数中有3个0游程，2个1游程，一共5个游程.0的总个数为m=13,1的总个数n=10，总的试验次数N=m+n=23.第30页，共37页，2023年，2月20日，星期四出现0和1的的这样一个过程可以看成是参数为某未知p的Bernoulli试验。但在给定了m和n之后，在0和1的出现是随机的零假设之下，R的条件分布就和这个参数无关了。根据初等概率论，R的分布可以写成（令N=m+n）第31页，共37页，2023年，2月20日，星期四关于随机性的游程检验（runtest）

于是就可以算出在零假设下有关R的概率，以及进行有关的检验了。利用上面公式可进行精确检验；也可以利用大样本的渐近分布和利用MonteCarlo方法进行检验。利用上面数据的结果是

第32页，共37页，2023年，2月20日，星期四关于随机性的游程检验（runtest）

当然，游程检验并不仅仅用于只取两个值的变量，它还可以用于某个连续变量的取值小于某个值及大于该值的个数（类似于0和1的个数）是否随机的问题。看下面例子。例(run2.sav):从某装瓶机出来的30盒化妆品的重量如下（单位克）71.671.071.870.370.572.971.071.070.171.871.970.370.969.371.267.367.667.767.668.168.067.569.867.569.770.069.170.471.069.