《非参数统计讲义课件.ppt》由会员分享，可在线阅读，更多相关《非参数统计讲义课件.ppt（25页珍藏版）》请在三一办公上搜索。
1、在初等统计学中，最基本的概念是什么?如:总体，样本，随机变量，分布，估计和假设检验等其很大一部分内容是和正态理论相关的。在那里，总体的分布形式或分布族往往是给定的或者是假定了的，所不知道的仅仅是一些参数的值或他们的范围。(主要工作是什么?),第一章 绪论,1.1 非参数统计,然而，在实际生活中，那种对总体的分布的假定并不是能随便做出的。数据并不是来自所假定分布的总体；或者，数据根本不是来自一个总体；还有可能，数据因为种种原因被严重污染。这样，在假定总体分布的情况下进行推断的做法就可能产生错误的结论。于是，人们希望在不假定总体分布的情况下，尽量从数据本身来获得所需要的信息。这就是非参数统计的宗旨
2、。,因为非参数统计方法不利用关于总体分布的知识，所以，就是在对于总体分布的任何知识都没有的情况下，它也能很容易而又很可靠地获得结论。这时，非参数方法往往优于参数方法。在不知总体分布的情况下如何利用数据所包含的信息呢?一组数据的最基本的信息就是次序。如果可以把数据点按大小次序排队，每一个具体数目都有它的在整个数据中(从最小的数起)的位置或次序，称为该数据的秩(rank)。数据有多少个观察值，就有多少个秩。在一定的假定下，这些秩和它们的统计量的分布是求得出来的，而且和原来的总体分布无关。这样就可以进行所需要的统计推断。,注意：非参数统计的名字中的“非参数(nonparametric)” 意味着其方
3、法不涉及描述总体分布的有关参数；它被称为和分布无关(distributionfree)，是因为其推断方法和总体分布无关；不应理解为与所有分布(例如有关秩的分布)无关 什么是非参数统计?不假定总体分布的具体形式，从数据本身获得所需要的信息，通过推断方法得到相关结论的一种分析方法。,一个典型的参数检验过程,1. 总体参数Example: Population Mean2. 假定数据的形态为 Whole Numbers or Fractions Example: Height in Inches (72, 60.5, 54.7)3. 有很强的假定Example: 正态分布，F分布4. 例子: Z T
4、est, t Test, 2 Test,一个例子：,对两组学生进行语法测试，如何比较两组学生的成绩是否存在差异？,非参数检验过程,1.不涉及总体的分布Example: Probability Distributions, Independence2. 数据的形态各异定量数据定序数据Example: Good-Better-Best名义数据Example: Male-Female3.例子: Wilcoxon Rank Sum Test/Run Test,F, F, F, F, F, F, F, F, M, M, M, M, M, M, MF, M, F, M, F, M, F, M, F, M,
5、 F, M, F, M, F,参数统计与非参数统计的比较问题：一种统计方法是否比其它方法更好，通常要从几个方面来考虑。有效性或效率（efficiency）。在其他条件相同情况下，一种方法需要的样本容量越小，则效率越高，通常用二者的样本容量比值来度量相对效率。在假设检验中，样本均值是检验总体均值的一个好的检验统计量，它对总体均值的不同十分敏感，但是的分布取决于总体的分布，而这通常是未知的。,稳健性（robust）。如果一种方法背后的某个假设条件不成立，但它还是近似有效的，则可认为这一方法对这一条件是稳健的。通常来说，稳健是指基于正态假设的方法（即使潜在的总体分布是非正态的）检验统计量也有近似相同
6、的零分布。比如单样本的t检验，当样本容量很大时，对于正态假设是稳健的。没有一个总体是精确的服从正态分布或其他已知分布，如果总体是近似正态分布的，那么基于正态分布来进行推断是安全的，反之，我们就要考虑非参数方法。,t检验这一方法是稳健的，当总体是非正态分布时，它是否象正态分布一样有效？一种方法固然应该是稳健的，更应该是有效的。相合性或渐进性（consistent），多数参数检验对于非正态分布条件是稳健的，相合的，即随着样本容量的增加，方法将更为稳健，对于无限样本而言，方法是精确的且不依赖于总体分布。,对总体假定较少，有广泛的适用性，结果稳定性较好。1. 假定较少2. 不需要对总体参数的假定3.
7、与参数结果接近针对几乎所有类型的数据形态。容易计算在计算机盛行之前就已经发展起来。,非参数检验的优点,1.可能会浪费一些信息特别当数据可以使用参数模型的时候。2.大样本手算相当麻烦3.一些表不易得到,非参数检验的弱点,因此我们实际上给出了一个没有实际意义的结果：没有一种方法是万能的。,本学期内容结构体系,非参数统计的主要内容,1.2 顺序统计量，秩和线性秩统计量,一、顺序统计量 因为非参数方法通常并不假定总体分布。因此，观测值的顺序及性质则作为研究的对象。顺序统计量：对于样本X1，X2，X3，Xn，如果按照升幂排列，得到,称为第k个顺序统计量。,2、 基于顺序统计量的统计量,中位数,极差,3、
8、顺序统计量分布函数 设总体的分布函数F(X)，则第r个顺序统计量的分布函数为,（4）顺序统计量密度函数(如果分布密度存在),同样我们可以得到顺序统计量X(r) 和X(s)的联合密度函数为：,特别地，极差,的分布函数为：,分位数,对于离散数据，给定n个值X1，Xn，则p分位数定义为为：,定义（连续分布）,二、秩统计量1、秩统计量设X1，X2，X3，Xn 来自总体的样本，记Ri为样本点Xi的秩，即样本中小于或等于Xi的样本点的个数，即,其中,例如：,显然，X（Ri）=X（i），记R=（R1， R2 ，Rn），称R为由样本产生的统计量，也称秩统计量,注：有结点数据（重复数据）的秩,定义：设X1，X2
9、，X3，Xn 来自总体的简单随机样本，将数据排序后，相同的数据点形成一个结，重复数据的个数为结长。此时秩定义为对应秩（无重复数据时）的平均数。如：85,87,87,92,83,83,83,95,结为多少？结长为多少？对应秩？答案：5个结，结长为1,2,1,3,1， 对应秩为4,5.5,5.5,7,1,2,3,8,2、秩统计量的分布和数字特征 的联合分布为:, 的概率分布为：, 的数学期望：, 的方差：, 的协方差：,特别地,作业：,1，了解非参数统计的历史（查阅相关文献）2，熟悉R,参考书：,非参数统计吴喜之 编著中国统计出版社实用非参数统计（第三版）美W.J.Conover 崔恒建 译 人民邮电出版社,
