• 护理论文
  • 医学论文
  • 药学论文
  • 医学检验论文
  • 龙8国际_龙8娱乐_龙8国际娱乐平台

    时间:2016-10-27来源:龙8国际_龙8娱乐_龙8国际娱乐平台 本文已影响
    相关热词搜索:护理 检验 参数 论文 机械检验工的技师论文 化学检验工技师论文 机加工检验技师论文 篇一:非参数统计论文 非参数统计方法与实例 在统计学中,最基本的概念是总体、样本、随机变量、分布、估计和假设检验等,其中很大一部分食与正态理论相关的。在我们已经学过的知识里,总体的分布形式往往是给定的或已经假定了的,我们只需要在总体分布已知的基础上对参数进行估值或者进行检验。但是实际上,对总体的分布的假定并不是能随便做出的,数据可能并不是来自假定的总体分布,或者根本不是来自同一个总体。在这种假定下进行推断就可能产生错误的结论。于是,人们希望能在不假定总体分布的情况下,尽量从数据本身来获得所需的信息,这就是非参数统计的宗旨。在统计学的方法中,参数方法与非参数方法没有谁优谁劣之说,有的只是在具体情况下,谁更适用、谁更准确完整表示数据的信息。接下来,我将就参数统计与非参数统计分别分析其适用情形与优缺点,并详细介绍几种非参数统计的方法并有案例分析。 1、参数统计与非参数统计 非参数统计方法和参数统计方法共同组成统计分析方法,它们都是统计推断的基本内容。参数检验是在总体分布形式已知的情况下,对总体分布的参数如均值、方差等进行推断的方法。但是,在数据分析过程中,由于种种原因,人们往往无法对总体分布形态作简单假定,此时参数检验的方法就不再适用了。非参数检验正是一类基于这种考虑,在总体方差未知或知道甚少的情况下,利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数,因而得名为“非参数”检验。 就上文我们可以看出,参数统计和非参数统计分别针对不同的数据来使用。参数统计方法的适用范围是很好确定的,它适用于数据分布已知或者可以做出比较正确的假定的数据,对这些数据进行检验、估计,得出数据总体的均值、方差等参数来描述数据特征。这样的数据一般都有这三个要求:1、抽样总体为正态分布或近似正态分布;2、各抽样总体为等方差或方差齐性;3、各变量值间是相互独立的。 而非参数统计,顾名思义,是不用估计参数来描述数据特征的方法,只通过对数据作一些诸如分布连续、有密度、具有某阶矩等一般性的假定来揭示数据特征,这也就赋予了非参数统计方法特别的适用数据范围,一般总结为以下四种:1、待分析数据不满足参数检验所要求的假定,因而无法应用参数检验;2、仅由一些等级构成的数据,不能应用参数检验。例如,在一些经济数据中,通常是将一个特征数据分级而不是采用具体数据,这样的数据时没办法做参数检验和估计的,因此非参数统计也就适用了;3、所提的问题的数据中并不包含的参数,也不能用参数检验;4、当我们需要迅速得出结果时,也可以不用参数统计方法而用非参数统计方法来达到目的。因为一般说来,非参数统计方法所要求的计算与参数统计方法相比,完成起来更为方便快捷,因此这种情况下采用非参数统计是一个正确的选择。 接下来,将分析参数统计方法与非参数统计的优缺点并进行比较。一般来说,它们两者的优缺点是相对的。非参数统计与参数统计相比具有很多优点,比如说:1、非参数统计方法要求的假定条件比较少,因而它的适用范围比较广泛。那么这一点相对的也就是参数统计的缺点,参数统计可以适用的数据一定是总体已知或可以知道的,并且一旦需要计算统计量就意味着数据时需要精确测量的,因此,参数统计适用的范围是很窄的;2、多数非参数统计方法要求的运算比较简单,可以迅速完成计算取得结果,因而比较节约时间。3、大多数非参数统计方法在直观上比较容易理解,不需要太多的数学基础知识和统计学知识。4、大多数非参数统计方法可用来分析如象由等级构成的数据资料,而对计量水准较低的数据资料,参数统计方法却不适用。当然,非参数统计方法也有缺点。首先,由于方法简单,用的计量水准较低,使用非参数统计方法时就不如参数统计方法敏感,可能准确度上会有偏差,因为毕竟非参数统计方法只使用了样本的信息,而未使用总体信息。这就是说,在给定的显著性水平下进行检验时,非参数统计方法与参数统计方法相比,第Ⅱ类错误的概率β要大些。这也相对的是参数统计方法的优点,一旦数据可以使用参数统计,那么相比非参数统计得出的结果更精确,更有效。 2、非参数统计方法 下面,我将介绍非参数统计方法,主要是介绍非参数检验的方法。非参数检验的方法是非常多的,有针对独立样本的检验,也有针对配对样本的检验;有针对单样本的检验,有针对两个样本的检验,也有针对多样本的检验。我选取了两种比较常用的检验方法,即针对两配对样本的Wilcoxon检验和针对两独立样本的曼-惠特尼U检验。 2.1两配对样本的Wilcoxon检验 在处理两配对样本的检验中,还有一种检验是符号检验,但因为在符号检验中,只考虑到了差异的符号,而没有考虑到数据包含的信息,因此在符号检验的基础上选取考虑到数据大小的Wilcoxon秩检验。在Wilcoxon秩检验中,它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。它适用于t检验中的成对比较,但并不要求成对数据之差di服从正态分布,只要求对称分布即可。检验成对观测数据之差是否来自均值为0的总体(即产生数据的总体是否具有相同的均值)。 Wilcoxon秩检验与符号检验相比优点更多,它在符号检验利用了观测值和零假设的中心位置之差的符号进行检验的基础上,利用这些差的大小(体现于差的绝对值大小)所包含的信息来进行检验。这样在符号检验中利用每个观测值点相应的正号或负号仅仅代表了该点在中心位置的哪一边的基础上,用绝对值差的大小来表示该点距离中心的远近。这样加入了各观测值距离中心远近的信息的Wilcoxon秩检验自然比仅仅利用符号要更有效。这也是wilcoxon秩检验的中心思想。 2.2两独立样本的曼-惠特尼U检验 两独立样本的非参数检验是在对总体分布不甚了解的情况下,通过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是否存在显著差异的方法。 曼-惠特尼U检验又称“曼-惠特尼秩和检验”,是由H.B.Mann和D.R.Whitney于1947年提出的。它假设两个样本分别来自除了总体均值以外完全相同的两个总体,目的是检验这两个总体的均值是否有显著的差别。曼-惠特尼秩和检验可以看作是对两均值之差的参数检验方式的t检验或相应的大样本正态检验的代用品。由于曼-惠特尼秩和检验明确地考虑了每一个样本中各测定值所排的秩,它比符号检验法使用了更多的信息。 它的主要思想是假定要检验两组数据之间有没有差异。首先,不管分组把所有数据排序。按照数值大小给定一个值叫做秩。最小的值秩为1,最大的为N(假定两个样本总共有N个观察值)。如果有相同的值,就得到相同的秩。相同的值的秩是他们的秩的平均值。如果两组的秩的和差距比较大,就会得出较小的p值,认为这两组间有显著差异。根据曼-惠特尼U检验的公式可以看出它比较的是两个样本中位数,并且曼-惠特尼U检验只用于两组数据的比较。如果要比较多组数据,可以用 Kruskal-Wallis检验。用几次 Mann-Whitney 检验来比较多个组间的差异是不适合的,就如同ANOVA不能用多次t检验代替一样。因此,曼-惠特尼U检验只适用于两独立样本的检验。 3、实例 3.1 目的及意义 在进行实例分析时,我选取了股票市场的数据。选取了40个st上市公司的每股收益和40个非st上市公司的每股收益指标,对它们进行分析,看每股收益指标是否存在显著性的差异。 我们都知道st表示被特别处理的上市公司,由于其财务状况出现问题,交易所要对投资者的投资进行提醒,因此会在公司前加上st表示警惕。但是企业出现st并不是意味着企业的财务状况永久出现问题,它可能在st之后变好,也可能在st之后变坏。而未被st的企业也不是不可能出现问题。那么在这种情况下,综合全盘的对st企业和非st企业财务状况进行分析,看它们是否存在显著差异是有意义的。 基于此,我在中国经济与发展统计数据库中《中国证券业年鉴》中找到2012年深圳主板年度财务指标,其中有净利润、每股净收益和每股净资产等财务指标。由于每股净收益是测定股票投资价值的重要指标之一,也是分析每股价值的一个基础性指标,它综合反映公司的获利能力。因此,我选取了每股净收益作为进行分析的财务指标。在报表中我选取了40个st上市公司的数据,由于st企业数明显比非st企业数量少,因此我从中随机抽取了40个非st企业进行分析。希望分析结果能够对投资者的投资决策有一定的参考价值。 3.2 选取的方法及该方法的优缺点 由于st企业和非st企业本质上来说没什么联系,因此可以将它们看成两独立样本的参数检验,因此选取了曼-惠特尼U检验。曼-惠特尼U检验的目的是检验这两个总体的均值是否有显著的差别。曼-惠特尼秩和检验可以看作是对两均值之差的参数检验方式的t检验或相应的大样本正态检验的代用品。由于曼-惠特尼秩和检验明确地考虑了每一个样本中各测定值所排的秩,所以该检验具有比符号检验更优的特性,并且其计算比较简便,能够很快的得出检验结果。 但它也有不足,因为曼-惠特尼U检验比较的是两样本的中位数,所以它其实漏掉了一些信息,这可能导致检验的不准确,可能会得出错误的结论。 3.3 SPSS分析过程 数据: 曼-惠特尼U检验: 可以看出,st企业每股收益的秩均值为36.34,秩和为1453.5;非st企业每股收益的秩均值为44.66,秩和为1786.5。这样看来,st和非st的每股收益似乎是有明显差异,下面用检验表来确定是否存在差异。 篇二: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 11 2 阮曙芬程娇翼张振中 (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。(转载于:www.xiElw.coM 写论文 网:龙8国际_龙8娱乐_龙8国际娱乐平台)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X1,X2,...,Xn相互独立同分布,分布为F(x),F(x)在x?0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X1,X2,...,Xn,相互独立同分布,分布为F(x);另一个样本为Y1,Y2,...,Yn,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H0:F(x)?G(x),H1:F(x)?G(x),且有某些点不等号成立。 将X1,X2,...,Xn,Y1,Y2,...,Yn共m?n个随机变量一起排序,产生对应的秩 R?(Q1,...,Qm;R1,...,Rn)。则Wilcoxon秩和检验统计量为:W??Ri即Y1,Y2,...,Yn在混合样 i?1 n 本中的秩的和为Wilcoxon秩和检验统计量。 2.3多样本的Kruskal-Wallis检验 Kruskal-Wallis检验一般对多个总体的分布情况进行检验。其理论基础为:假设有m种处理,对于第j个检验体实行第i种处理产生的效果记为xij,其分布函数为Fi(x)。即 H0:F1(x)?F2(x)?...?Fn(x);H1:存在i和i',Fi(x)?Fi'(x)。 设观测值为{xij,i?1,2,...,m;j?1,2,...,n}。全体样本数为N,xij的顺位记为rij。假定检验方法为:k?kN?拒绝H0,k?kN?不拒绝H0。 22 (m?1),kN???(m?1)为自由度为m?1的?2k近似服从自由度为m?1的?2分布。因此?? 分布的右侧的?分位数点。 3 Kruskal-Wallis检验的应用 股市的周末效应是指周一的收益率比其他交易日收益率低,且风险较大;周五的收益率 比其他交易日高,且相对风险较小。下面分别对2002年的前三季度的上证综合指数进行周末效应的分析。 本实证分析中,样本为2002年1月4日到2002年9月27日的上海股市综合指数(数据来源于http://stock.sina.com.cn/stock/company/sh000001/20031012.html)。指数收益率的计算公3.1收益率分布状况的分析 首先计算收益率序列的方差,均值,偏度和峰度初步判断该序列是否服从正态分布。然后利用Kolmogorov-Smirnov等检验结果对收益率进行正态性检验。 [SAS程序] 创建数据集:将excel数据导入SAS中,然后在分析家中利用数据计算得到: r0=p/lag1(p)和r=log(r0); data sasuser.chx1 sasuser.chx2 sasuser.chx3 sasuser.chx4 sasuser.chx5; set sasuser.ch01; select (w);when(1) output sasuser.chx1;when(2) output sasuser.chx2;when(3) output sasuser.chx3;when(4) output sasuser.chx4;when(5) output sasuser.chx5; end; run; proc univariate data=sasuser.ch01;var r; run; [SAS结果输出]见表1汇总偏度和峰度分别为0和3,所以我们可以初步断定指数收益率序列为非正态分布。为了进一步 图1 上证综合指数收益率分布的直方图图2 上证综合指数收益率分布的概率图 包括Kolmogorov-Smirnov检验统计量在内的四种检验正态分布的检验统计量均表明上海综合指数收益率序列不服从正态分布,图1和图2也说明了这一点。所以要采用非参数方法进行以后的周末效应的检验。 3.2周末效应存在性的Kruskal-Wallis检验 我们利用Kruskal-Wallis检验2002年前三季度上证综合指数收益率的周末效应的存在性。 [SAS程序] proc npar1way wilcoxon data=sasuser.ch01; class w; var r; run; [SAS结果输出] ------------------------------------------------------------------------- The NPAR1WAY Procedure Wilcoxon Scores (Rank Sums) for Variable r Classified by Variable w w N Sum of Scores Expected Under H0 Std Dev Under H0Mean Score 5 33 2576.0 2805.0 252.150749 78.0606061 34 2610.0 2890.0 255.000000 76.764706 2 34 3206.0 2890.0 255.000000 94.294118 3 34 2996.0 2890.0 255.000000 88.117647 4 34 2977.0 2890.0 255.000000 87.558824 Kruskal-Wallis Test Chi-Square3.0846 DF 4 Pr > Chi-Square 0.5438 ------------------------------------------------------------------------- K-W检验得?=3.086,df=4,p=0.5348?0.05,所以不能拒绝H0,即周一到周五得上证综合指数收益率得分布F1(x)?F2(x)?...?F5(x),所以我们认为在2002年的前三季度中,上海市股市综合指数收益率不存在周末效应。 2 参考文献: [1] Damodar N. Gujarati. Basic Econometrics.北京:中国人民大学出版社,2005. p791-p800. [2] George E. P. Box, Gwilym M. Jenkins, Gregory C. Reinsel. Time Series Analysis Forecasting And Control. [3] 何书元. 应用时间序列分析. 北京:北京大学出版社, 2003. p218-p226. [4] 张卓. SAS软件的应用. 统计与信息论坛(2005),Vol.20, No.4. p104-p106. [5] 樊欣,邵谦谦.SAS 8.X 经济统计.北京:北京希望电子出版社,2003. p28-p60. [6] 岳朝龙,黄永兴,严钟. SAS系统与经济统计分析. 合肥:中国科学技术大学出版社, 2004. p469-p487 [7] 李彦萍.发达与非发达地区收入与消费非参数统计分析.山西农业大学学报(2005),Vol.4, No.4. p334-p339. [8] 刘彤.利用非参数方法对上海股市周末效应的研究.数理统计与管理(2003),Vol.22,No.1. p69-p71. Application of Nonparametric statistical Method RUAN Shu-fen,CHENG Jiao-yi,ZHANG Zhen-zhong (School of Mathematics and Physics, China University of Geosciences, Wuhan 430074) Abstract: In this paper, we simply introduce three common hypothesis tests. Using the Kruskal- -Wallis test, we do week effect test about the shanghai synthetic index of which we take the first three quarters of 2002 for samples. Showing that during the year of 2002, the yield of shanghai stock market synthetic index has no week effect. Keywords: singed test; wilcoxon rank sum test; Krtuskal-wallis test.篇三:spss的多独立样本的非参数检验论文 4.为研究烫伤后不同时间切痂对大鼠肝脏三磷酸腺苷(ATP)的影响,现将30只雄性大鼠随机分成3组,每组10只:A组为烫伤无切痂,B组为烫伤后24小时时切痂组,C组为烫伤后96小时切痂组,全部大鼠在烫伤168小时后测量其肝脏ATP含量。试检验3组大鼠肝脏ATP总数均数是否相同。 表。大鼠烫伤后肝脏ATP含量(mg) 解:由题意可知,通过分析多组独立样本的数据,推断样本来自多个总体的中位数或分布是否存在差异,所以可以选用多独立样本的Kruskal-Wallis检验 数据的组织方式如下: 30只雄性大鼠的多独立样本非参数检验的基本操作步骤如下: (1)选择菜单:【Nnalyze】→【Nonparametric Tests】→【K Independent Samples】于是出现以下所示的窗口。 (2)、选择ATP 到【Test Variable List】框中。 (3)、指定分组的变量到【Grouping Variable】框,并按Define Range按钮给出组标志值的而取之范围。 (4)、在【Test Type】框中选择三种检验方法。 一、中位数检验结果如下图所示 表(a) 三组雄性大鼠的中位数检验结果(一)· 表(b) 三组雄性大鼠的中位数检验结果(二) 表(a)与表(b)中,三组共同的中位数为9.5150,计算出卡方统计量为10.400,概率P-值为0.006。如果显著性水平α为0.05,由于概率P-值小于显著性水平α,应拒绝原假设,认为三组雄性大鼠的分布存在显著性差异。 二、多独立样本Kruskal-Wallis检验结果 表(c)三组雄性大鼠的Kruskal-Wallis检验结果(一) 表(d)三组雄性大鼠的Kruskal-Wallis检验结果(二) 由表(c)和表(d)可知:三组雄性大鼠的平均秩分别为8.7、23.6、14.2,K-W统计量为14.65,概率P值为0.001。如果显著性水平α为0.05,由于概率P-值小于显著性水平α,应拒绝原假设,认为三组雄性大鼠的平均秩差异是显著的,总体分布存在显著性差异。 三、多独立样本Jonckheere-Terpstra检验结果 表(e)三组雄性大鼠的Jonckheere-Terpstra检验结果由表(e)可知,观测的J-T值为179.0,所有J-T值的平均值为150.0,标准差为26.30,观测的J-T值的标准化值为1.103,小于平均值相距较明显。J-T统计量的概率P-值为0.27,如果显著性水平α为0.05,由于概率P-值大于显著性水平,不应拒绝原假设,认为三组雄性大鼠的分布不存在显著性差异。本  篇:《龙8国际_龙8娱乐_龙8国际娱乐平台》来源于:龙8国际_龙8娱乐_龙8国际娱乐平台 优秀范文,论文网站
    本篇网址:http://www.xielw.cn/2016/hulilunwen_1027/146284.html
    Copyright © 龙8国际_龙8娱乐_龙8国际娱乐平台 All Rights Reserved.
    龙8国际